View a markdown version of this page

Model kematangan AI generatif level 3: Peluncuran - 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 3: Peluncuran

Pada tingkat ini, organisasi beralih dari proof-of-concept inisiatif ke penerapan metodis solusi AI generatif terpilih dan terbukti ke dalam lingkungan produksi. Tingkat ini merupakan pergeseran penting dari eksperimen untuk fokus pada protokol tata kelola yang kuat, sistem pemantauan waktu nyata, dan infrastruktur dukungan khusus. Perusahaan fokus pada peluncuran beberapa aplikasi tingkat produksi yang menunjukkan dampak bisnis yang jelas. Tingkat ini menekankan kekakuan operasional - menerapkan kerangka kerja peluncuran yang komprehensif, menetapkan pedoman tata kelola yang jelas, dan mempertahankan standar keamanan yang kuat. Merilis solusi AI generatif yang andal yang memberikan hasil yang dapat diukur mempersiapkan organisasi untuk adopsi yang lebih luas.

Fokus dan kriteria

Pada tingkat ini, organisasi secara sistematis menerapkan solusi AI generatif ke dalam lingkungan produksi dan menerapkan mekanisme tata kelola, pemantauan, dan dukungan yang kuat. Mekanisme ini memberikan nilai yang konsisten dan keunggulan operasional sambil mempertahankan standar keamanan dan kepatuhan. Fokusnya bergeser dari aplikasi AI generatif eksperimental ke penerapan solusi siap produksi yang memberikan nilai bisnis yang terukur melalui proses peluncuran yang kuat, kerangka kerja tata kelola yang komprehensif, dan pemantauan kinerja yang sistematis. Level ini berfokus pada penerapan sejumlah solusi AI generatif siap produksi yang berfungsi sebagai implementasi dasar untuk kerangka kerja peluncuran dan mekanisme tata kelola.

Berikut ini adalah kriteria untuk berada di level ini:

  • Solusi AI generatif siap produksi memberikan hasil bisnis yang terukur.

  • Organisasi ini telah menerapkan keamanan dasar, tata kelola, dan kerangka kerja AI yang bertanggung jawab.

  • Kontrol operasional dibuat dan mencakup sistem pemantauan dan peringatan otomatis.

  • Organisasi telah menetapkan human-in-the-loop proses untuk keputusan AI.

  • Untuk tim AI lintas fungsi, peran awal dan tanggung jawab operasional telah ditentukan.

Kegiatan utama

Tabel berikut menunjukkan kegiatan utama untuk setiap pilar adopsi.

Pilar adopsi Aktivitas
Bisnis

  • Masuk ke versi pertama matriks RACI untuk operasi AI generatif.

  • Identifikasi peran kunci yang diperlukan untuk arsitektur platform, pengembangan, dan dukungan.

  • Ukur efisiensi operasional dan nilai bisnis melalui dasbor yang komprehensif.

  • Melacak dan mengoptimalkan biaya operasional dan pemanfaatan sumber daya.
Orang

  • Buat tim atau regu platform AI generatif untuk arsitektur, pengembangan, dan pemeliharaan.

  • Menerapkan struktur pendukung dan program pelatihan yang selalu tersedia dan berjenjang.
Tata kelola

  • Dapatkan dukungan arsitektur formal dari dewan peninjau arsitektur perusahaan.

  • Menetapkan kerangka kebijakan AI yang bertanggung jawab dan mengamankan persetujuan pemangku kepentingan.

  • Buat komite pengawasan lintas fungsi untuk tinjauan implementasi AI.

  • Untuk solusi AI generatif, pertahankan dokumentasi untuk persetujuan tata kelola, penilaian risiko, pola desain standar, dan spesifikasi teknis.
Platform

  • Menerapkan CI/CD saluran pipa otomatis untuk solusi AI generatif.

  • Menyebarkan infrastruktur sebagai kode (IAc) untuk mengelola AWS sumber daya.

  • Pola desain dokumen dan spesifikasi teknis untuk solusi AI generatif.

  • Pertahankan catatan CMDB untuk komponen platform AI generatif.
Keamanan

  • Menerapkan kontrol keamanan yang kuat untuk solusi AI generatif dan jalur datanya.

  • Menerapkan kebijakan awal untuk AI yang bertanggung jawab.

  • Optimalkan infrastruktur yang dapat diskalakan untuk mendukung konsumsi data real-time, pencarian vektor, dan fine-tuning.

  • Melakukan penilaian dan audit keamanan secara teratur.

  • Terapkan Amazon Bedrock Guardrails untuk menstandarisasi kontrol keamanan dan privasi di seluruh aplikasi AI generatif.
Operasi

  • Menetapkan kerangka kerja SLA dan metrik kinerja.

  • Pantau kinerja model dan pelanggaran pagar pembatas. Siapkan peringatan.

  • Buat dasbor operasional yang memiliki sistem peringatan otomatis.

  • Ikuti proses ITIL untuk manajemen perubahan dan manajemen aset.

  • Mendirikan repositori pengetahuan terpusat yang berisi runbook operasional, buku pedoman, dan panduan pemecahan masalah. FAQs

  • Menetapkan praktik observabilitas data. Lacak garis keturunan data, asal, dan metrik kualitas untuk mengidentifikasi celah sebelum penskalaan.

  • Menetapkan tingkat dukungan berjenjang yang memiliki jalur eskalasi yang jelas.

  • Menerapkan tinjauan kinerja reguler dan menganalisis umpan balik pelanggan.

Strategi transformasi untuk mencapai tingkat berikutnya

Untuk meningkatkan inisiatif AI generatif, organisasi harus:

  • Memformalkan model operasi AI generatif — Formalisasi matriks RACI di seluruh organisasi.

  • Tingkatkan platform AI generatif — Lakukan penilaian implementasi AI generatif yang ada untuk mengidentifikasi pola dan komponen yang dapat digunakan kembali. Evaluasi apakah tumpukan teknologi siap untuk diskalakan. Mulailah membayangkan dan merancang arsitektur modular yang memiliki manajemen cepat terpusat, kerangka evaluasi otomatis, dan pola standar untuk penskalaan solusi AI generatif yang efisien.

  • Perluas kasus penggunaan — Integrasikan kemampuan AI di berbagai departemen dan jelajahi aplikasi baru.

  • Tingkatkan pengalaman pengembang - Ubah platform yang ada menjadi platform internal swalayan. Platform ini adalah lingkungan komprehensif yang menyediakan alat standar, alur kerja, dan tata kelola untuk pengembangan AI di seluruh perusahaan.

  • Bagikan pengetahuan — Tetapkan praktik sumber dalam dan ciptakan pasar komponen untuk berbagi aset AI yang dapat digunakan kembali di seluruh tim. Praktik sumber dalam adalah strategi menerapkan pendekatan pengembangan open source dalam suatu organisasi.

  • Siapkan penskalaan operasional — Tingkatkan infrastruktur dukungan Anda dengan respons insiden otomatis dan perencanaan kapasitas. Ini mempersiapkan infrastruktur untuk skala adopsi AI generatif di seluruh perusahaan.

  • Investasikan dalam analitik lanjutan — Gunakan alat analisis canggih di cloud, seperti Amazon CloudWatch untuk metrik dan Amazon Quick untuk visualisasi, untuk menggunakan analitik data untuk peningkatan berkelanjutan.

  • Tinjau model tata kelola data — Menilai apakah model tata kelola data Anda saat ini mendukung kemampuan layanan mandiri sambil mempertahankan kebijakan standar dan kontrol akses. Pendekatan yang terlalu ketat atau terpusat dapat menghambat kemampuan Anda untuk menskalakan inisiatif data di luar tim inti, terutama di berbagai unit bisnis.

Dengan mengambil tindakan ini, organisasi dapat:

  • Skala inisiatif AI generatif di seluruh organisasi untuk dampak yang luas.

  • Terus tingkatkan platform sambil mengidentifikasi peluang untuk meningkatkan produktivitas dan penggunaan kembali.

  • Tingkatkan pengalaman pengembang dan kurangi beban kognitif.

  • Menumbuhkan budaya berbasis data.

  • Menarik talenta terbaik dengan memposisikan organisasi sebagai pemimpin AI generatif.