Azure AI Foundry: come usare i modelli OpenAI e gestire accessi e costi
Al fine di evitare conflitti tra account, suggeriamo di eseguire tutte le operazioni da scheda in incognito o da un nuovo “profilo” del browser (se applicabile, questo permette di non avere conflitti per cache e cookies).
1. Registrazione di un Tenant Azure (per chi non ha Microsoft 365)
Se la vostra organizzazione dispone già di Microsoft 365 (M365), significa che esiste già un tenant Azure Active Directory (Azure AD/Microsoft Entra ID) aziendale, e potete utilizzarlo per Azure. In caso contrario, è necessario registrare un nuovo tenant Azure. Ecco come procedere:
Visitate il sito web di Azure (azure.microsoft.com) e create un account. Utilizzate un indirizzo email aziendale per la registrazione. Il processo vi guiderà nella creazione di un nuovo directory/tenant Azure (denominato tenant Azure AD)
Dopo aver creato l’account, effettuate l’accesso al portale di Azure con le credenziali appena configurate. Confermate che il tenant Azure AD creato è selezionato (in alto a destra, generalmente potete vedere il nome del directory/tenant corrente ed eventualmente cambiarlo se ne avete più di uno)
Nota: Il tenant Azure AD è l’entità che rappresenta la vostra organizzazione all’interno di Azure. Tutti gli utenti interni e le risorse Azure saranno associati a questo tenant.
2. Creazione di una "sottoscrizione" Azure a pagamento
Per utilizzare servizi avanzati come Azure OpenAI, è obbligatorio avere una sottoscrizione Azure a pagamento (ad esempio Pay-As-You-Go o un piano enterprise).
Le sottoscrizioni gratuite o trial non sono abilitate all’uso del servizio Azure OpenAI, quindi bisogna attivare un piano a pagamento fin da subito.
Se avete appena creato l’account Azure, durante la registrazione potreste aver attivato una trial con crediti gratuiti. Accedete alla sezione Sottoscrizioni nel portale Azure e, se la vostra sottoscrizione è indicata come Free Trial o Azure for Students, effettuate l’upgrade a Pay-As-You-Go. Vi verrà chiesto di inserire un metodo di pagamento (carta di credito o altri) e accettare che, esauriti eventuali crediti iniziali, i consumi vengano addebitati.
In alternativa, se nel tenant non c’è alcuna sottoscrizione, potete crearne una nuova. Dal portale Azure, andate su Sottoscrizioni e cliccate + Aggiungi (Add). Seguite la procedura guidata scegliendo Pay-As-You-Go come tipo di offerta e fornite i dettagli di fatturazione richiesti.
Una volta attivata la sottoscrizione a pagamento, assicuratevi che lo stato sia attivo. Ora siete pronti a creare risorse Azure su questa sottoscrizione.
Nota: Assicuratevi di avere i permessi Owner/Proprietario o Contributor sulla sottoscrizione appena creata (generalmente, chi crea la sottoscrizione ne è Owner di default). Questo è necessario per poter creare e gestire le risorse nei passi successivi.
3. Creazione di un Resource Group per le risorse AI
Un Resource Group (Gruppo di risorse) è un contenitore logico in Azure dove raggruppare le risorse correlate. Creeremo un Resource Group dedicato a tutte le risorse AI (OpenAI, storage, ecc.) del progetto. È buona prassi utilizzare nomi coerenti e pianificati, dato che i nomi delle risorse non possono essere modificati dopo la creazione.
Procedura per creare un Resource Group:
Nel portale di Azure, nel menu di sinistra (o nel menu in alto a sinistra ≡), selezionate Resource groups
Cliccate sul pulsante + Create. Si aprirà il form di creazione
Nel campo Subscription (Sottoscrizione), assicuratevi di selezionare la sottoscrizione a pagamento attiva su cui volete creare le risorse AI
Nel campo Resource group name (Nome), inserite un nome identificativo. Consigliamo di includere un riferimento a AIsuru. Ad esempio, potreste usare Prod-AIsuru come nome del Resource Group. Evitate spazi e caratteri speciali: usate lettere, numeri e eventualmente il trattino - come separatore
Nel campo Region scegliete un datacenter preferibilmente in Europa. Ad esempio, Sweden Central o West Europe se disponibili. Questo garantisce che i dati rimangano all’interno dell’UE Nota: assicuratevi che la regione scelta supporti i servizi Azure OpenAI necessari. Non tutte le regioni europee potrebbero avere tutti i modelli OpenAI disponibili.
(Opzionale) Potete aggiungere tag per organizzare le risorse. Ad esempio, cliccando su Next: Tags potreste aggiungere una coppia Nome-Valore come Name: Infrastructure e Value: AzureAI (o “LLM”) per classificare questo gruppo come infrastruttura AI. I tag aiutano in seguito a filtrare le risorse e fare analisi dei costi trasversali
Cliccate su Review + create, verificate che i dettagli siano corretti (nome, area, sottoscrizione, tag, ecc.), quindi confermate cliccando Create. Dopo pochi secondi il nuovo Resource Group verrà creato
Consiglio: stabilite una naming convention coerente per tutte le risorse del progetto. Ad esempio, usando un prefisso comune (come il nome dell’azienda o acronimo del progetto) e suffissi che indicano il tipo di risorsa: es. Prod-AIsuru per il resource group, e poi lo stesso prefisso per le risorse all’interno (es: Prod-AIsuru-Hub, Prod-AIsuru-Service, prodaisurustorage, ecc.).
Questo facilita l’identificazione delle risorse e indica chiaramente a quale progetto appartengono. Ricordate che molti nomi di risorse Azure non possono essere modificati dopo la creazione, quindi pianificateli attentamente.
4. Creazione di un Azure AI Hub tramite Azure AI Foundry
Una volta predisposto il Resource Group, procediamo con la creazione dell’Azure AI Hub, ovvero la risorsa principale di Azure AI Foundry. L’hub funge da contenitore/gestore per i progetti AI e consente di collegare i vari servizi (OpenAI, archiviazione, sicurezza) necessari.
Durante la creazione dell’AI Hub, avremo l’opportunità di creare contemporaneamente anche le risorse collegate (servizio Azure OpenAI, account Storage e Key Vault), che affronteremo in dettaglio al punto successivo.
Per creare un nuovo Azure AI Hub:
Nel portale di Azure, cercate Azure AI Foundry usando la barra di ricerca globale in alto (digitate “Azure AI Foundry” e selezionate il risultato appropriato). In alternativa, dal menu principale, navigate nelle categorie di servizi AI
Nella pagina Azure AI Foundry, cliccate sul pulsante + Create Azure AI(in alcuni casi potrebbe apparire come + New Azure AI). Quindi, scegliete di creare un Hub (quando richiesto il tipo di risorsa da creare, selezionate Hub anziché Project, poiché vogliamo prima creare l’hub centralizzato)
Inserire i dettagli dell’Hub (Basics): si aprirà il form di creazione per l’Azure AI Hub. Compilate i campi fondamentali:
Subscription: selezionate la sottoscrizione a cui addebitare i costi (quella creata precedentemente)
Resource Group: selezionate il Resource Group dedicato (creato al passo precedente, ad es. Prod-AIsuru)
Region: scegliete la stessa area geografica scelta per il Resource Group, per coerenza (es. Sweden Central o quella che avete usato, così tutte le risorse rimarranno in EU)
Name: date un nome all’Hub. Seguite la convenzione scelta: tipicamente il nome del Resource Group seguito da “-Hub”. Ad esempio: Prod-AIsuru-Hub. (Questo è il nome della risorsa Azure AI Hub che verrà creata)
Friendly Name: potete inserire un nome descrittivo più leggibile, ad esempio “Prod AIsuru Hub aziendale”. Questo è utile per riconoscere l’hub nel portale, ma non è l’ID della risorsa
Default project resource group: specificate quale Resource Group dovranno usare di default i progetti creati in questo Hub. Solitamente, inserite di nuovo il nome del Resource Group creato al passo 3 (Prod-AIsuru). Questo fa sì che eventuali risorse future create dai progetti (es. container, workspace, ecc.) vengano anch’esse allocate in quel gruppo
Collegare un servizio Azure OpenAI: nella stessa schermata di creazione dell’Hub, troverete un campo per collegare un servizio AI, ad esempio Azure OpenAI Service. Poiché non ne abbiamo ancora uno, dobbiamo crearne uno nuovo:
Cliccate sul link Create New sotto il campo Azure OpenAI Service (potrebbe essere indicato come Azure AI Services). Si aprirà un pannello laterale per creare un nuovo servizio Azure OpenAI
Nel campo Name di questo pannello, inserite un nome per la risorsa OpenAI. Seguite la convenzione: ad esempio usate il nome del Resource Group seguito da “-Service” (es: Prod-AIsuru-Service)
Assicuratevi che la Subscription e il Resource Group in questo pannello siano corretti (dovrebbero essere precompilati con quelli selezionati per l’Hub). La regione sarà la stessa dell’Hub
Cliccate Save per confermare la creazione della risorsa Azure OpenAI Service collegata
Configurare lo Storage Account: Dopo aver salvato il collegamento del servizio OpenAI, passate alla scheda successiva nella procedura di creazione dell’Hub. Dovrebbe esserci una sezione Storage:
Cliccate su Next: Storage se la procedura guidata non ci è già arrivata
Qui viene richiesto di selezionare un Storage Account. Cliccate su Create New sotto il campo Storage account per crearne uno dedicato. Si aprirà un pannello laterale per creare lo storage:
Name: inserite un nome per lo Storage Account. Questo nome deve essere univoco a livello globale e ha restrizioni (solo lettere minuscole e numeri, lunghezza compresa tra 3 e 24 caratteri, niente spazi o trattini). Un approccio è usare il prefisso del progetto senza trattini. Ad esempio, se il resource group è Prod-AIsuru, potreste usare qualcosa come prodaisurustorage (o simile, mantenendo tutto minuscolo e senza -)
Replication: scegliete il livello di ridondanza desiderato. Per ambienti di test o iniziali, potete selezionare Locally-redundant storage (LRS), che mantiene tre copie dei dati all’interno dello stesso data center (opzione base)
Lasciate eventuali altri parametri ai default (ad es. Performance su Standard). Cliccate Save per creare lo Storage Account
Dopo lo storage, la procedura guidata passerà alla sezione Key vault:
Cliccate su Next: Networking se richiesto, e configurate l’accesso di rete. In genere, per iniziare, potete lasciare l’hub in modalità Public access (Public endpoint) così com’è (permette all’hub e ai servizi di essere gestiti senza richiedere una rete virtuale dedicata; potete limitare l’accesso in seguito se necessario)
Cliccate Next: Encryption
Nella sezione Encryption, lasciate deselezionata l’opzione che richiede l’uso di una chiave gestita dal cliente (Customer-managed Key). In questo modo, verranno usate le chiavi gestite da Microsoft per crittografare i dati.
Cliccate Next: Identity
Nella sezione Identity potete lasciare le impostazioni di default. Cliccate Next: Tags
Arrivati alla sezione Tags, avete la possibilità di assegnare tag alla risorsa Hub e alle risorse collegate che state creando. Potete ad esempio utilizzare: Name = Infrastructure e Value = LLM (variabile a seconda delle necessità). Questi tag vi aiuteranno a identificare e filtrare le risorse (ad esempio nei report di costi)
Cliccate Next: Review + create per visualizzare il riepilogo finale
Rivedere e creare l’Azure AI Hub: Nel form di riepilogo, controllate attentamente tutti i parametri e le risorse che verranno create: il nome dell’Hub, la regione, il Resource Group, il nome del servizio OpenAI, dello Storage e del Key Vault, ecc. In particolare verificate che la Region sia corretta (conforme alle vostre esigenze di data residency) e che i nomi rispettino la convenzione scelta
Se tutto è corretto, cliccate Create per avviare il deployment
Azure inizierà a creare l’AI Hub e, contestualmente, il servizio Azure OpenAI, il Key Vault e lo Storage Account associati (se li avete creati nel wizard). Questa operazione può richiedere qualche minuto. Al termine, vedrete comparire nel Resource Group tutte le nuove risorse (ad esempio: Prod-AIsuru-Hub, Prod-AIsuru-Service per OpenAI, prodaisurustorage, Prod-AIsuru-KV per il Key Vault, ecc.)
Una volta completata la creazione, avete un Azure AI Hub configurato con i servizi necessari. L’hub è ora pronto per ospitare uno o più progetti Azure AI Foundry al suo interno.
Importante: Abbiamo scelto di creare l’Azure AI Hub manualmente per poter specificare tutti i dettagli (come regione EU e nomi personalizzati). In alternativa, Azure AI Foundry permette anche di creare un Foundry project direttamente, creando automaticamente un hub predefinito. Tuttavia, per ambienti aziendali è consigliabile avere il controllo esplicito sull’Hub (hub-based project) per centralizzare la gestione delle risorse e configurazioni.
4.5. Creazione delle risorse collegate: Azure OpenAI Service, Storage Account, Key Vault
Questo punto è in parte già coperto nel processo del passo 4, poiché durante la creazione dell’AI Hub abbiamo provveduto a creare le risorse collegate. Rivediamo brevemente ciascuna di queste e assicuriamoci che tutto sia configurato correttamente:
Azure OpenAI Service: è il servizio che fornisce l’accesso ai modelli OpenAI tramite l’endpoint Azure. Nel nostro caso, abbiamo creato la risorsa Azure OpenAI denominata ad esempio Prod-AIsuru-Service. Potete verificarne la presenza andando nel Resource Group e controllando che vi sia una risorsa di tipo Azure OpenAI (o Cognitive Services con provider Microsoft.OpenAI). Aprendola, nella pagina Panoramica dovreste vedere le informazioni come l’endpoint URL e la regione Nota: Se in fase di creazione dell’Hub aveste deciso di non creare subito il servizio OpenAI (saltando quel collegamento), potete sempre crearlo in un secondo momento manualmente. In tal caso, andate su Create a resource nel portale, cercate Azure OpenAI, e create il servizio selezionando la stessa sottoscrizione, Resource Group e area. Dovreste comunque passare per l’approvazione Microsoft se richiesto, ma attualmente per account Pay-As-You-Go compatibili la creazione è diretta senza form esterni
Storage Account: abbiamo creato un account di archiviazione (es. prodaisurustorage) per conservare dati generati o richiesti dall’AI Hub/Foundry (ad esempio file di configurazione, log, dataset per fine-tuning, ecc.). Verificate che lo storage sia stato creato correttamente nella regione prevista e con la replica LRS. Non serve configurare nulla di particolare a questo punto, ma assicuratevi di non eliminare questo storage: è fondamentale per il funzionamento del progetto AI
Key Vault: è stato creato un Key Vault (es. Prod-AIsuru-KV) per conservare in sicurezza le chiavi e i segreti legati al progetto AI. Ad esempio, la chiave API dell’Azure OpenAI verrà custodita nel Key Vault. Anche qui, non occorre una configurazione manuale immediata, ma potete controllare nella sezione Secrets del Key Vault che (dopo il deployment del modello) compaiano le chiavi necessarie Nota: Il Key Vault e l’Azure AI Hub sono connessi tramite identità gestita, permettendo al Foundry di recuperare le chiavi senza esporle direttamente.
In sintesi, al termine del passo 4 avrete già tutte queste risorse pronte. Assicuratevi solo che siano tutte presenti nel Resource Group e in stato Attivo. Se qualcosa risultasse non creato o in errore, potrebbe essere necessario ricrearlo o controllare i permessi (ad esempio, per il servizio OpenAI, verificare di avere l’accesso al servizio nella sottoscrizione).
5. Creazione e configurazione del progetto Azure AI Foundry
Ora che l’infrastruttura di base è pronta (Hub e servizi collegati), possiamo creare un Progetto Azure AI all’interno dell’AI Hub tramite il portale Azure AI Foundry. Il progetto è lo spazio di lavoro dove effettuerete realmente le operazioni di sviluppo, deployment di modelli, ecc. Ecco i passi da seguire:
Accedere all’Azure AI Hub appena creato: dal portale Azure, navigate nel Resource Group che avete creato e cliccate sulla risorsa Azure AI Hub (es: Prod-AIsuru-Hub). Si aprirà la pagina di dettaglio dell’hub. In questa pagina dovreste vedere, tra le varie informazioni, il pulsante Launch Azure AI Foundry
Cliccate su Launch Azure AI Foundry. Questo aprirà la console web specifica di Azure AI Foundry associata al vostro hub. È una sorta di interfaccia dedicata dove gestire i progetti AI
Creare un nuovo progetto: se è la prima volta che accedete e non esistono progetti nell’hub, Azure AI Foundry vi mostrerà un messaggio del tipo “You’ll need a project to keep working”. In questa schermata, dovete fornire un nome per il nuovo progetto:
Nel campo Project name (Nome del progetto) inserite un nome identificativo. Seguendo la nostra convenzione, potete usare il nome del Resource Group con il suffisso “-Project”. Ad esempio: Prod-AIsuru-Project. Assicuratevi che sia selezionato l’hub corretto, dovrebbe esserci solo quello che avete creato
Cliccate su Create a project per confermare
Attendere la configurazione: il progetto verrà creato all’interno dell’hub e potrebbe impiegare qualche istante per inizializzare l’ambiente. Una volta creato, verrete indirizzati alla vista del progetto Azure AI Foundry
Verificare la struttura del progetto: nella console di Azure AI Foundry, dovreste ora vedere il nome del vostro progetto. Sul lato sinistro dell’interfaccia, c’è un menu con diverse sezioni (ad esempio: Overview, Models + endpoints, Data, Prompt flow, etc.). Assicuratevi di riconoscere i principali elementi:
Overview: la pagina iniziale del progetto con un riassunto e collegamenti rapidi
Models + endpoints: la sezione dove gestirete i modelli deployati e gli endpoint API
Management Center: dove impostare parametri di progetto, accessi, quote, ecc.
A questo punto, il vostro progetto Azure AI è configurato e pronto. Nel prossimo passo procederemo al deployment di un modello OpenAI nel progetto.
6. Deployment di un modello OpenAI (es. GPT-4o-mini) su Azure AI Foundry
Con il progetto creato, possiamo effettuare il deployment di un modello OpenAI, rendendolo disponibile tramite endpoint per le applicazioni. Azure AI Foundry semplifica questo processo con pochi click. Prendiamo ad esempio il modello GPT-4o-mini, ma i passi sono simili per altri modelli. Procedura per effettuare il deployment di un modello nel progetto:
Accedere alla sezione Models + endpoints: nel pannello di sinistra della console Azure AI Foundry (all’interno del vostro progetto), cliccate su Models + endpoints. Qui vedrete la lista di modelli ed endpoint (inizialmente sarà vuota poiché non avete ancora deployato nulla)
In alto nella pagina, cliccate su + Deploy model. Verranno presentate opzioni, scegliete Deploy base model (deploy di un modello base pre-addestrato senza fine-tuning iniziale)
Selezionare il modello: apparirà un elenco di modelli disponibili. Scorrete e selezionate GPT-4o-mini (o un altro modello a vostra scelta). Potete usare la barra di ricerca per trovarlo se l’elenco è lungo
Cliccate Confirm per passare alla schermata successiva
Personalizzare la capacità (opzionale): nella schermata di configurazione del deployment, potrebbe comparire un pulsante Customize accanto a parametri come la Capacity o il Rate limit. Cliccatelo per regolare le impostazioni avanzate:
Tokens per Minute Rate Limit: impostate il valore massimo consentito. verificate il limite mostrato e se possibile impostatelo al massimo disponibile, a meno che non vogliate intenzionalmente limitarlo
Content filter: se presente, potete lasciare attivo il filtro contenuti (di solito attivo per default per moderare output indesiderati)
Cliccate sul pulsante Deploy per avviare il deployment del modello scelto con le configurazioni indicate. Azure inizierà il provisioning dell’infrastruttura necessaria e la preparazione del modello. Questo processo potrebbe richiedere alcuni minuti
Una volta terminato, nella sezione Models + endpoints dovreste vedere il modello nell’elenco, con uno stato indicato come Deployed/Running (o “In esecuzione”)
Deployare altri modelli (facoltativo): Se avete bisogno di più modelli, potete ripetere la procedura per ciascun modello aggiuntivo. L’hub/progetto supporta più deployment contemporaneamente, tenendo presente che ognuno consumerà quote di risorse e budget separatamente
Nota: I modelli OpenAI su Azure vengono continuamente aggiornati e ampliati. Scegliete il modello in base alle vostre esigenze assicuratevi che sia supportato nella regione del vostro servizio Azure OpenAI. Potete controllare la documentazione Azure per la lista di modelli supportati per regione.
7. Reperire Endpoint, Chiave API e Nome del modello
Dopo aver deployato un modello, avrete bisogno di tre informazioni chiave per utilizzare il modello via API: l’Endpoint URL, la Chiave API e il Nome del modello (deployment name).
Ecco come ottenerle:
Accede alla risorsa all’interno dell’Azure AI Foundry
All’interno dell’homepage della risorsa è possibile vedere:
Chiave API: copiatela e tenetela da parte
L’endpoint: su AIsuru andrà inserito un endpoint differente, ma copiate e tenete da parte il nome del servizio (es. se l’endpoint è https://Prod-AIsuru-service.openai.azure.com/ allora dovrete salvare “Prod-AIsuru-service”)
Per ottenere, invece, il nome modello è necessario accedere alla sezione Models + endpoints del progetto: all’interno della tabella, la seconda colonna dovrebbe indicare il nome modello di tutti i modelli deployati precedentemente
8. Rilascio su AIsuru
Per rilasciare un nuovo modello su AIsuru è necessario inserire i seguenti parametri:
API Key: incollare l’API key salvata precedentemente
Modello: incollare il nome modello salvato precedentemente
Endpoint: sostituire il nome del servizio con la stringa salvata al punto precedente e il nome modello con il nome modello salvato 👉 https://{nome_servizio}.services.ai.azure.com/openai/deployments/{nome_modello}
È possibile seguire la guida all’interno della documentazione di AIsuru per essere guidati passo-passo nella creazione e nel rilascio dei modelli.
9. Gestione degli utenti interni all’organizzazione Azure (creazione e organizzazione utenti)
In un contesto aziendale, probabilmente più persone vorranno accedere o collaborare al progetto Azure AI (sviluppatori, data scientist, ecc.). È importante quindi sapere come creare nuovi utenti nel tenant e come assegnare loro i permessi adeguati sulle risorse (hub, progetto, ecc.). Ecco le linee guida.
Aggiungere nuovi utenti interni nel tenant Azure
Nel portale Azure, cercate Azure Active Directory (o Utenti e gruppi se avete scorciatoie). Andate nella sezione Users (Utenti) del vostro tenant
Cliccate + New user (Nuovo utente). Compilate i dettagli richiesti: nome dell’utente, nome utente (che diventerà la login, tipicamente formattato come un email [email protected] o il dominio aziendale se presente), e scegliete un metodo per la password (potete auto-generarla e poi condividerla in modo sicuro con l’utente) Se la vostra azienda usa un dominio personalizzato in Azure AD, potete assegnare l’utente a quel dominio, altrimenti rimarrà sul dominio onmicrosoft.com di default.
Cliccate Create per creare l’utente. Fornite all’utente le credenziali create (nome utente e password temporanea) affinché possa accedere.
Assegnare gli utenti a gruppi (opzionale)
Se avete molti utenti, potete creare Azure AD Groups e inserirvi gli utenti, per poi assegnare permessi ai gruppi invece che ai singoli.
Come assegnare ruoli
L'assegnazione dei ruoli può essere gestito a livello di:
Gruppi di risorse (resource groups)-> consente l'accesso a tutte le risorse al suo interno (inclusi Hub, OpenAI, storage, ecc.)
Singole risorse (resources) -> consente l'accesso alla specifica risorsa
Per assegnare un ruolo:
Andate sulla risorsa o resource group interessato nel portale Azure
Selezionate Access control (IAM) dal menu. Cliccate + Add role assignment
Scegliete il ruolo adatto (es. Contributor, Reader, ecc.), quindi cercate l’utente o gruppo nella casella Assign to e confermate - l’assegnazione sarà effettiva dopo pochi minuti
Oltre ai ruoli, Azure AI Foundry permette di specificare l’accesso a progetti e hub direttamente dalla sua dashboard: è sufficiente accedere al Management Center del vostro progetto, ed accedere alla sezione “Users” dell’Hub o del progetto, a seconda delle necessità.
In genere, se un utente ha accesso (RBAC) all’hub o al resource group e ai servizi collegati, dovrebbe poter lanciare la Foundry ed accedere al progetto. Se, però, Foundry richiede esplicitamente di aggiungere membri:
Accedere al Management Center del progetto > Users (del progetto o dell’hub, a seconda delle necessità)
Aggiungere l’utente e assegnare il ruolo
Salvate le modifiche
-> L’utente dovrebbe ora vedere il progetto nell’Azure AI Foundry portal e potervi accedere.
10. Monitoraggio e budget
È fondamentale impostare un monitoraggio attento dei costi e meccanismi di allerta o limitazione per evitare sforamenti di budget.
Analisi dei costi
Nel portale Azure, recatevi su Cost Management + Billing
Da qui, potete selezionare la sottoscrizione interessata (o anche filtrare per Resource Group Prod-AIsuru se volete isolare i costi di questo progetto) e utilizzare Cost analysis (Analisi costi) - che vi mostrerà quanto state spendendo e una ripartizione per servizio
Budget
La funzionalità Budgets vi consente di impostare un budget per un determinato scope (sottoscrizione, resource group, servizio). il raggiungimento o superamento del budget non comporta l’automatico blocco dell’operatività: Azure valuterà la spesa periodica e vi manderà avvisi al superamento delle soglie definite.
Per impostare un budget mensile per la sottoscrizione o per il resource group del progetto:
Andate su Cost Management > (Monitoring >) Budgets nel portale Azure (dopo aver selezionato la sottoscrizione o il RG appropriato come ambito)
Cliccate + Add
Inserite un nome per il budget (es. Budget-ProgettoAI)
Selezionate il reset period (es. il budget si resetta ogni mese)
Impostate creation date ed expiration date
Impostate l’amount (ad esempio, se desiderate non superare 1000 € al mese per il progetto AI, impostate 1000 come budget mensile)
Configurate le alert: potete impostare soglie di allarme, ad esempio al 50%, 80%, 100% del budget. Per ciascuna soglia, impostate che vi invii una notifica email (potete inserire gli indirizzi email opportuni, come quello dell’amministratore IT, project manager, ecc.). Le notifiche vi avviseranno quando la spesa stimata raggiunge quelle percentuali
Salvate il budget
11. Accorgimenti finali e best practices
Come già sottolineato, una convenzione di nomi consistente salva da tanta confusione. Applicatela a tutte le risorse: es. nomi delle risorse Azure, nomi dei deployment dei modelli, nomi dei progetti, e persino agli identificativi di utenti/gruppi dedicati. Documentate questa convenzione in modo che il team la segua uniformemente.
Anche se abbiamo impostato il rate limit al massimo consentito per il modello, Azure può avere limiti superiori. Informatevi sulle quote predefinite e, se il vostro caso d’uso lo richiede, potete chiedere un innalzamento di quota aprendo un ticket al supporto Azure.
Utilizzando data center europei vi assicurate che i dati in transito e a riposo per il servizio Azure OpenAI rimangano in ambito UE, aiutando con la compliance al GDPR e policies aziendali. Verificate sempre le ultime informazioni Microsoft sulla data residency dei servizi AI, specialmente se maneggiate dati sensibili.
In caso di problemi, consultate la documentazione ufficiale Microsoft e la community. Il portale di Azure offre diagnosi di base (es. log delle richieste fallite se abilitate, metriche di uso). Potete anche aprire ticket al supporto Azure se riscontrate malfunzionamenti del servizio.
Last updated