Azure AI Foundry: criando seu primeiro projeto de IA Generativa

Uma das plataformas que mais me empolgou nos últimos meses foi o Azure AI Foundry. Ele unifica modelos, dados, orquestração e avaliação em um único hub — e facilita muito a vida de quem precisa montar uma PoC de IA Generativa em ambiente corporativo.

Neste post, mostro o passo a passo que usei para criar um chatbot com RAG (Retrieval-Augmented Generation) do zero.

O que é o Azure AI Foundry

O AI Foundry é o sucessor do Azure AI Studio. Ele centraliza o catálogo de modelos (OpenAI, Meta, Mistral, Cohere e outros), playgrounds para teste, pipelines de prompt flow e ferramentas de avaliação.

A grande vantagem para o ambiente corporativo: tudo roda dentro da sua assinatura Azure, com controle de rede, identidade e compliance.

Criando o Hub e o Projeto

O primeiro passo é criar um AI Hub — o contêiner organizacional:

az ml workspace create \
  --kind hub \
  --name meu-ai-hub \
  --resource-group rg-ia \
  --location eastus2

Dentro do hub, crie um projeto:

az ml workspace create \
  --kind project \
  --name poc-chatbot \
  --hub-id /subscriptions/.../meu-ai-hub \
  --resource-group rg-ia

Deployando o modelo

No catálogo de modelos, escolhi o GPT-4o para a PoC. O deploy é feito como endpoint serverless:

az ml serverless-endpoint create \
  --name gpt4o-endpoint \
  --model-id azureml://registries/azure-openai/models/gpt-4o \
  --workspace-name poc-chatbot \
  --resource-group rg-ia

Configurando o RAG

Para o RAG funcionar, precisamos de três peças: um índice de busca (Azure AI Search), os documentos indexados, e a orquestração que conecta busca + modelo.

O Prompt Flow do AI Foundry facilita essa orquestração com componentes visuais. Você literalmente arrasta os blocos e conecta:

Input — pergunta do usuário
Embedding — converte a pergunta em vetor
Index Lookup — busca documentos similares no AI Search
LLM — envia contexto + pergunta para o GPT-4o
Output — resposta formatada

Avaliação

O AI Foundry tem métricas de avaliação built-in: groundedness, relevance, coherence e fluency. Rodei um batch de 50 perguntas e obtive scores acima de 4.0 em todas as dimensões.

Dica: Sempre avalie com perguntas reais dos usuários, não com exemplos inventados. A diferença nos resultados é brutal.

Conclusão

O Azure AI Foundry reduziu drasticamente o tempo que eu levava para montar PoCs de IA. O que antes exigia integrar 4 ou 5 serviços separados agora está em um fluxo unificado.

Se você está pensando em levar IA Generativa para o seu ambiente corporativo, recomendo começar por aqui.