View a markdown version of this page

Level dalam model kematangan AI generatif - AWS Bimbingan Preskriptif

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

Level dalam model kematangan AI generatif

Model kematangan AI generatif terstruktur di empat tingkat primer. Setiap level mewakili kemajuan organisasi dalam menggunakan kemampuan AI generatif. Model ini dapat membantu organisasi memahami di mana mereka saat ini berdiri dan membimbing mereka menuju langkah selanjutnya dalam perjalanan AI generatif mereka. Diagram berikut menunjukkan empat tingkat model kematangan AI generatif dan aktivitas utama untuk setiap level.

Empat tingkat model kematangan AI generatif: membayangkan, bereksperimen, meluncurkan, dan skala.

Berikut ini adalah empat level dalam model kematangan AI generatif:

Label untuk setiap tingkat kematangan mencerminkan dampak adopsi AI generatif dalam organisasi. Ketika Anda mengidentifikasi posisi organisasi Anda pada tingkat tertentu, Anda dapat memperoleh wawasan tentang peluang di tingkat kedewasaan berikutnya. Tingkat yang lebih rendah umumnya mencakup kasus penggunaan AI generatif yang lebih taktis, dan tingkat yang lebih tinggi cenderung lebih strategis dan transformatif.

Banyak organisasi akan menemukan bahwa karakteristik dari beberapa tingkat kematangan berlaku di seluruh tim mereka dan kasus penggunaan. Ini karena tidak ada tingkat tunggal yang secara inheren lebih unggul atau inferior - tingkat kematangan yang sesuai adalah kontekstual dengan tujuan dan kesiapan organisasi.

catatan

Model kematangan AI generatif ini tidak dimaksudkan untuk mengklasifikasikan organisasi atau kemampuan AI generatifnya hanya sebagai pemula atau transformatif. Sebaliknya, setiap aspek adopsi AI generatif harus dipertimbangkan secara independen. Karakteristik setiap tingkat kematangan mewakili kontinum dalam aspek spesifik itu, tetapi tidak selalu berkorelasi dengan tingkat yang sama di seluruh aspek lainnya.

Tabel berikut memberikan gambaran umum dari empat level.

Kategori Level 1: Bayangkan Level 2: Eksperimen Level 3: Peluncuran Level 4: Penskalaan
Deskripsi Organizations mengeksplorasi konsep AI generatif, membangun kesadaran, dan mengidentifikasi kasus penggunaan potensial. Organizations memvalidasi potensi AI generatif melalui proyek percontohan terstruktur dan bukti konsep, sambil membangun kemampuan teknis inti dan kerangka kerja dasar untuk implementasi. Organizations secara sistematis menerapkan solusi AI generatif siap produksi dengan mekanisme tata kelola, pemantauan, dan dukungan yang kuat untuk memberikan nilai yang konsisten dan keunggulan operasional sambil mempertahankan standar keamanan dan kepatuhan. Organizations membangun kemampuan AI generatif di seluruh perusahaan melalui komponen yang dapat digunakan kembali, pola standar, dan platform layanan mandiri untuk mempercepat adopsi sambil mempertahankan tata kelola otomatis dan mendorong inovasi.
Fokus Bangun kesadaran dan pemahaman tentang teknologi AI generatif, jelajahi aplikasi potensial, dan identifikasi area di mana AI dapat menambah nilai bagi bisnis Validasi nilai bisnis melalui program percontohan terstruktur dan membangun kompetensi inti Menerapkan solusi siap produksi yang memberikan nilai bisnis terukur melalui proses peluncuran yang kuat, kerangka tata kelola yang komprehensif, dan pemantauan kinerja Buat komponen dan pola yang dapat digunakan kembali yang mempercepat adopsi AI generatif di seluruh perusahaan
Kriteria

  • Dapatkan pemahaman dasar tentang konsep AI generatif

  • Tidak ada proyek formal atau alokasi sumber daya

  • Dapatkan kesadaran akan tren industri dan peluang nilai

  • Jalankan proyek percontohan dan bukti konsep

  • Bentuk tim kecil untuk mengeksplorasi kemampuan AI generatif

  • Membangun kerangka dasar dan tata kelola

  • Rilis beberapa aplikasi AI generatif ke dalam produksi

  • Menerapkan risiko, tata kelola, dan kebijakan AI yang bertanggung jawab untuk aplikasi AI generatif

  • Membangun tim operasional dan dukungan

  • Secara luas mengadopsi AI generatif di berbagai departemen dalam organisasi

  • Rilis banyak aplikasi AI generatif ke dalam produksi

  • Prioritaskan investasi dalam infrastruktur dan alat AI generatif

  • Memformalkan model operasi dan matriks yang bertanggung jawab, akuntabel, dikonsultasikan, diinformasikan (RACI)
Kegiatan utama

  • Hadiri pelatihan kesadaran AI, lokakarya, dan konferensi

  • Terlibat dengan ahli dan konsultan materi pelajaran AI

  • Jelajahi kasus penggunaan potensial dan manfaat bisnis

  • Evaluasi kesiapan budaya

  • Evaluasi tata kelola AI generatif

  • Membangun pengetahuan

  • Menentukan dan menyempurnakan kasus penggunaan bisnis untuk proyek percontohan

  • Kembangkan bukti konsep

  • Evaluasi dan pilih model dan perkakas AI generatif yang sesuai

  • Ukur realisasi manfaat bisnis

  • Membangun kemampuan internal dan keahlian teknis

  • Menginisialisasi model operasi

  • Buat tata kelola arsitektur solusi

  • Buat strategi implementasi siap produksi

  • Menetapkan mekanisme pemantauan dan pelacakan kinerja

  • Menerapkan manajemen risiko dan tata kelola

  • Integrasikan kerangka kerja Perpustakaan Infrastruktur TI (ITIL)

  • Mengatur operasi dan struktur pendukung

  • Memformalkan model operasi AI generatif dan matriks RACI

  • Buat kemampuan dan komponen AI generatif yang dapat digunakan kembali

  • Standarisasi pola kasus penggunaan AI generatif

  • Membangun kerangka kerja pengembangan kolaboratif di seluruh organisasi

  • Mengembangkan kemampuan AI menjadi platform pengembangan internal (IDP) atau perangkat lunak sebagai layanan (SaaS)

  • Berbagi dan mendemokratisasikan pengetahuan

Untuk lebih menjelaskan dan memahami model kematangan, penting untuk memahami bagaimana organisasi biasanya maju dalam perjalanan adopsi AI generatif mereka. Perkembangan ini tidak hanya mencerminkan bagaimana organisasi menggunakan kemampuan AI generatif, tetapi juga apa yang memotivasi mereka untuk memajukan adopsi mereka. Di tingkat awal, banyak pengguna mungkin tidak memformalkan proses AI sama sekali. Sebaliknya, mereka melihat alat mereka sebagai kumpulan kemampuan yang ditingkatkan dari berbagai sumber internal. Ketika organisasi matang, kemampuan ini menjadi lebih konsisten dikelola dan distandarisasi. Akhirnya, ketika kemampuan menjadi lebih halus dan dapat ditemukan dan ketika pengguna secara alami memilih untuk menggunakan kemampuan AI, organisasi biasanya beralih dari motivasi eksternal seperti mandat atau insentif. Idealnya, mereka bahkan mulai menginvestasikan upaya mereka sendiri ke dalam inovasi dan pengembangan AI yang lebih luas.