View a markdown version of this page

Model kematangan AI generatif level 2: Eksperimen - AWS Bimbingan Preskriptif
Fokus dan kriteriaKegiatan utamaStrategi transformasi

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Model kematangan AI generatif level 2: Eksperimen

Dibangun di atas kesadaran dasar yang ditetapkan di tingkat sebelumnya, tingkat Eksperimen menandai transisi penting dari eksplorasi teoretis ke implementasi praktis teknologi AI generatif. Pada tingkat ini, organisasi bergerak melampaui pemahaman konseptual untuk terlibat dalam proyek PoC langsung dan program percontohan. Proyek PoC dan percontohan ini dirancang untuk memvalidasi nilai bisnis dan membangun kompetensi inti. Tingkat ini ditandai dengan eksperimen terstruktur, di mana organisasi membentuk tim yang berdedikasi, membangun kerangka kerja tata kelola, dan mulai mengembangkan keahlian teknis internal. Melalui proyek percontohan yang dikontrol dengan hati-hati, organisasi dapat menguji hipotesis mereka tentang potensi AI generatif sambil meminimalkan risiko dan memaksimalkan peluang belajar. Ini menetapkan tahap untuk implementasi yang lebih luas dan penskalaan inisiatif yang sukses.

Fokus dan kriteria

Pada tingkat ini, organisasi beralih dari eksplorasi ke eksperimen PoC langsung dan proyek percontohan dengan teknologi AI generatif. Fokusnya adalah memvalidasi nilai bisnis melalui program percontohan terstruktur dan membangun kompetensi inti. Tingkat ini menekankan pembelajaran praktis, membangun kemampuan internal dan keahlian teknis, dan membangun kerangka dasar dan tata kelola.

Berikut ini adalah kriteria untuk berada di level ini:

  • Organisasi ini memiliki proyek percontohan aktif dan bukti konsep yang sedang berlangsung.

  • Tim lintas fungsi yang berdedikasi ditugaskan untuk inisiatif AI generatif.

  • Program pelatihan internal terstruktur didirikan.

  • Organisasi telah memilih dan memvalidasi model dan alat AI.

  • Organisasi telah menetapkan tata kelola awal dan kerangka data.

Kegiatan utama

Tabel berikut menunjukkan kegiatan utama untuk setiap pilar adopsi.

Pilar adopsi Aktivitas
Bisnis

  • Mendefinisikan dan memprioritaskan kasus penggunaan strategis berdasarkan nilai dan kelayakan bisnis.

  • Untuk PoCs, menetapkan metrik keberhasilan dan kerangka kerja untuk mengukur laba atas investasi (ROI).

  • Buat kartu skor penilaian nilai untuk setiap PoC.

  • Batasi ruang lingkup PoCs ke skala yang dapat dikelola dengan metrik keberhasilan yang jelas.

  • Untuk setiap PoC, ukur ROI dan evaluasi apakah itu mencapai kriteria keberhasilan.
Orang

  • Menerapkan program pelatihan terstruktur dalam rekayasa yang cepat, RAG, dan penyetelan model.

  • Buat jalur sertifikasi AI generatif dan kerangka kerja kemajuan karir.

  • Pekerjakan pakar AI dan ilmu data generatif.

  • Bermitra dengan spesialis eksternal, seperti Pusat Inovasi AI AWS Generatif atau Layanan AWS Profesional, untuk bersama-sama membangun PoC, memberikan dukungan, dan mentransfer pengetahuan.

  • Menetapkan jalur sertifikasi AI dan kerangka kerja pengembangan karir.
Tata kelola

  • Kembangkan kerangka kerja awal yang mencakup tata kelola data untuk AI generatif, seperti kualitas konten yang digunakan untuk pencarian vektor.

  • Menetapkan kriteria evaluasi model dan kontrol kualitas.

  • Siapkan protokol penilaian risiko untuk proyek AI generatif.

  • Siapkan pedoman untuk penggunaan AI generatif yang etis dan bertanggung jawab. Latih pengembang, ilmuwan data, dan spesialis AI generatif untuk mematuhi pedoman ini.
Platform
Keamanan

  • Terapkan kontrol akses data untuk melatih model AI generatif, dan pastikan mereka mematuhi persyaratan kepatuhan. Amazon Q Business dapat menyederhanakan implementasi RAG dengan mengaktifkan kontrol berbutir halus yang memungkinkan beban kerja AI generatif hanya mengambil data yang diizinkan oleh pengguna untuk diakses.

  • Kembangkan strategi untuk melindungi informasi yang dapat diidentifikasi secara pribadi (PII) dalam kumpulan data yang digunakan untuk melatih model.
Operasi

  • Buat dokumentasi dan proses dukungan untuk hal-hal berikut:

    • Implementasi dan pembelajaran PoC

    • Konfigurasi platform dasar dan kontrol keamanan

    • Prosedur pengujian dan evaluasi

    • Proses penyerahan untuk sukses PoCs yang pindah ke produksi

Strategi transformasi untuk mencapai tingkat berikutnya

Organizations dapat bertransisi ke tingkat kedewasaan berikutnya dengan melakukan hal berikut:

  • Buat infrastruktur tingkat produksi untuk mendukung AI generatif — Gunakan Layanan AWS untuk mengimplementasikan CI/CD pipeline, pola penerapan standar, dan mekanisme penskalaan yang tepat untuk penerapan produksi.

  • Menerapkan tata kelola — Menetapkan kerangka kerja tata kelola tingkat produksi untuk mengelola penggunaan AI generatif yang sedang berlangsung dan pembaruan model.

  • Implementasikan observabilitas — Menerapkan praktik observabilitas, pemantauan, dan pencatatan yang secara khusus disesuaikan untuk beban kerja AI generatif. Ini termasuk metrik kinerja model, pola penggunaan, dan penilaian kualitas respons.

  • Fokus pada kepatuhan — Pastikan Anda mematuhi standar dan peraturan industri untuk privasi dan keamanan data.

  • Bangun tim AI khusus — Siapkan tim yang menciptakan dan memelihara jalur standar menuju produksi untuk solusi AI generatif.

  • Menerapkan keunggulan operasional - Buat respons insiden dan proses eskalasi. Menetapkan perjanjian tingkat layanan (SLAs) dan metrik kinerja. Menerapkan strategi optimasi biaya.

Dengan mengambil tindakan ini, organisasi dapat:

  • Validasi bahwa aplikasi AI generatif stabil, andal, dan terus memberikan nilai kepada organisasi.

  • Mendukung pertumbuhan solusi AI generatif seiring meningkatnya permintaan dan penggunaan di berbagai departemen.

  • Kelola risiko, pertahankan pengawasan, dan selaraskan inisiatif AI dengan standar peraturan karena mereka menjadi bagian integral dari operasi bisnis.

  • Memberikan pemantauan, peningkatan, dan dukungan berkelanjutan untuk solusi AI generatif. Ini mengurangi ketergantungan pada tim proyek ad-hoc atau sementara.

  • Mempersiapkan organisasi untuk beralih dari proyek terisolasi ke pendekatan strategis dan kohesif, di mana AI menjadi enabler inti proses bisnis. Organisasi siap untuk skala lebih lanjut dan adopsi yang lebih luas.