View a markdown version of this page

Model kematangan AI generatif level 4: Skala - AWS Bimbingan Preskriptif
Fokus dan kriteriaKegiatan utama

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 4: Skala

Level 4 dari model kematangan AI generatif, tingkat Skala, transisi dari keunggulan operasional ke inovasi yang dapat diskalakan. Organizations mulai bergerak melampaui penerapan produksi individu untuk menciptakan ekosistem yang kuat dari komponen yang dapat digunakan kembali, pola standar, dan alur kerja otomatis. Ekosistem ini membantu organisasi untuk mempercepat adopsi AI generatif di berbagai departemen sambil mempertahankan tata kelola yang kuat dan optimalisasi biaya. Dengan membangun arsitektur yang dapat diskalakan dan kemampuan layanan mandiri, tingkat kematangan ini memberdayakan perusahaan untuk secara efisien menerapkan berbagai aplikasi AI generatif, yang pada akhirnya mendorong transformasi di seluruh organisasi dan inovasi berkelanjutan.

Bagian ini mencakup topik-topik berikut:

Fokus dan kriteria

Pada tingkat ini, organisasi beralih dari keunggulan operasional ke inovasi yang dapat diskalakan, dengan fokus pada pembuatan komponen dan pola yang dapat digunakan kembali yang mempercepat adopsi AI generatif di seluruh perusahaan. Penekanannya bergeser dari penerapan produksi individu ke kemampuan membangun yang memungkinkan kemampuan swalayan, pola standar, dan alur kerja otomatis sambil mengoptimalkan biaya dan mempertahankan tata kelola dalam skala besar. Tidak seperti Level 3 yang berfokus pada beban kerja produksi tertentu, Level 4 memungkinkan penyebaran cepat sejumlah besar aplikasi AI generatif melalui komponen standar dan dapat digunakan kembali, mencapai efisiensi dan peningkatan produktivitas di seluruh perusahaan.

Berikut ini adalah kriteria untuk berada di level ini:

  • Beberapa departemen telah mengadopsi penggunaan AI generatif secara luas.

  • Organisasi ini telah membentuk infrastruktur AI generatif dan ekosistem perkakas di seluruh perusahaan.

  • Model operasi dan matriks RACI didefinisikan dan diimplementasikan.

  • Pustaka yang tersedia mencakup komponen, pola, dan aplikasi AI standar yang dapat digunakan kembali. Kemampuan swalayan membuat perpustakaan dapat diakses di seluruh organisasi.

  • Mekanisme tata kelola otomatis beroperasi pada skala perusahaan.

  • Organisasi ini memiliki bukti praktik dan hasil inovasi yang berkelanjutan.

Kegiatan utama

Tabel berikut menunjukkan kegiatan utama untuk setiap pilar adopsi.

Pilar adopsi Aktivitas
Bisnis

  • Sejajarkan proyek AI generatif dengan tujuan bisnis jangka panjang. Fokus pada pertumbuhan pendapatan, pengurangan biaya, dan kepuasan pelanggan.

  • Dorong adopsi AI generatif di seluruh perusahaan melalui komponen yang dapat digunakan kembali dan pola standar yang memberikan nilai.

  • Selesaikan model operasi AI generatif dan matriks RACI untuk operasi berskala.

  • Membangun regu khusus untuk arsitektur platform, pengembangan, dan pemeliharaan.

  • Buat alur kerja tata kelola dan persetujuan standar.

  • Menerapkan analitik dan pemantauan lanjutan untuk perbaikan berkelanjutan.

  • Tetapkan pendekatan proaktif untuk mengidentifikasi kasus penggunaan inovatif dan bernilai tinggi berikutnya untuk AI. Pertimbangkan kasus penggunaan internal yang meningkatkan produktivitas dan kasus penggunaan eksternal yang berfokus pada produk.

  • Mengevaluasi peluang otomatisasi pengambilan keputusan yang kompleks

  • Menilai kemungkinan personalisasi dan peningkatan produk
Personel

  • Staf lintas-latih untuk menggunakan alat AI generatif dan menumbuhkan budaya pembelajaran dan inovasi berkelanjutan.

  • Di dalam pusat keunggulan, kembangkan program bimbingan yang mentransfer pengetahuan dari pakar AI generatif ke anggota tim lainnya.

  • Gunakan model sumber dalam atau sumber kerumunan untuk membantu mempercepat pengembangan komponen generatif AI yang dapat digunakan kembali.

  • Jalankan program sertifikasi AI melalui pusat keunggulan.
Tata kelola

  • Menetapkan kerangka kerja tata kelola dan etika AI di seluruh perusahaan yang mencakup penggunaan data, keadilan model, dan transparansi.

  • Skalakan praktik AI yang bertanggung jawab melalui kerangka kerja standar dan pagar pembatas otomatis.

  • Menetapkan pedoman kontribusi dan standar kualitas.
Platform

  • Kembangkan komponen AI yang dapat digunakan kembali, seperti arsitektur layanan mikro dan jaringan pipa otomatis untuk mengevaluasi solusi dengan pengawasan manusia.

  • Buat templat solusi standar seperti implementasi RAG dan alur kerja agen.

  • Buat cetak biru standar untuk diintegrasikan dengan alat pihak ketiga, menggunakan standar industri seperti Model Context Protocol (MCP).

  • Menerapkan kemampuan swalayan melalui portal internal, seperti arsitektur integrasi API-first dan pasar komponen.
Keamanan

  • Menerapkan kontrol keamanan tingkat perusahaan dan verifikasi kepatuhan otomatis.
Operasi

  • Membangun proses dan pedoman untuk mendukung model pengembangan sumber dalam atau crowd-source.

  • Menyebarkan kerangka kerja observabilitas yang komprehensif.

  • Buat dasbor yang membantu Anda memantau kinerja.

  • Menerapkan sistem otomatis untuk mengumpulkan umpan balik.