View a markdown version of this page

Menerapkan model operasi target ADM bertenaga AI - AWS Bimbingan Preskriptif
Peta jalan untuk mengimplementasikan ADM TOM yang didukung AIPraktik terbaik untuk semua fase implementasi

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

Menerapkan model operasi target ADM bertenaga AI

Gunakan pendekatan terstruktur dan bertahap untuk menerapkan model operasi target pengembangan dan pemeliharaan aplikasi AI generatif (ADM) (TOM). Pendekatan berikut menyeimbangkan kemenangan cepat dengan perubahan transformatif jangka panjang sambil meminimalkan gangguan pada operasi saat ini. Setiap fase membahas komponen spesifik TOM, menyoroti saling ketergantungan dan evolusinya selama proses implementasi.

Seperti yang ditunjukkan pada diagram berikut, strategi implementasi terdiri dari fase yang berkembang dari kompleksitas dasar ke tingkat lanjut selama periode 12 bulan:

  • Fase 1: Pengaturan pondasi — Fase ini terjadi dalam bulan 1-3. Ini menetapkan struktur tata kelola dasar dan memperkenalkan alat AI penting sambil mencapai kemenangan cepat.

  • Tahap 2: Membangun kemampuan — Fase ini terjadi dalam bulan 3-6. Ini memperluas adopsi AI dan menangani proses kompleksitas sedang. Luncurkan AI COE Anda, perluas adopsi AI ke peran manajemen proyek dan operasi, dan berkolaborasi dengan mitra ADM Anda untuk mendesain ulang proses SDLC utama menggunakan AI generatif.

  • Fase 3: Penskalaan transformasi — Fase ini terjadi pada bulan 6-12 (dan seterusnya). Ini menerapkan solusi canggih dan mengatasi tantangan kompleksitas yang lebih tinggi. Misalnya, terapkan solusi AI canggih untuk desain arsitektur, pengembangan tumpukan penuh, dan pemantauan keamanan. Matangkan tata kelola AI Anda ke tingkat perusahaan, dan kembangkan hubungan kontrak Anda dengan mitra ADM untuk mencerminkan realitas baru yang didukung AI.

Beberapa fase strategi untuk menerapkan model operasi ADM bertenaga AI.
catatan

Sebelum memulai implementasi, lakukan penilaian kesiapan SDLC yang didukung AI untuk menetapkan dasar kemampuan SDLC organisasi Anda saat ini dan mengidentifikasi area utama untuk perbaikan. Untuk detail selengkapnya, lihat Langkah selanjutnya.

Garis waktu aktual dapat bervariasi berdasarkan konteks organisasi, pendekatan implementasi, dan faktor lain seperti ukuran dan skala implementasi. Beberapa organisasi mungkin mencapai hasil dalam rentang waktu yang lebih pendek atau lebih lama, tergantung pada keadaan spesifik dan tingkat kedewasaan mereka.

Dengan maju melalui fase-fase ini, Anda dapat mengubah praktik ADM organisasi Anda secara sistematis, menggunakan AI untuk mendorong inovasi, efisiensi, dan keunggulan kompetitif. Untuk informasi selengkapnya tentang penggunaan pendekatan bertahap di organisasi Anda, lihat Peta Jalan untuk menerapkan ADM TOM dan Praktik terbaik yang didukung AI untuk semua fase implementasi.

Organizations dapat meningkatkan kemampuan internal mereka melalui perjalanan transformasi ini. Perjalanan ini juga membutuhkan penyesuaian berkelanjutan dan komunikasi yang jelas dengan semua pemangku kepentingan. Hasilnya adalah model operasi target ADM global yang terintegrasi untuk pengembangan dan pemeliharaan perangkat lunak bertenaga AI dengan penyedia layanan konsultasi dan teknologi Anda.

Peta jalan untuk mengimplementasikan ADM TOM yang didukung AI

Tabel berikut menyediakan peta jalan referensi yang menggunakan pendekatan bertahap untuk mengimplementasikan ADM TOM sambil meminimalkan gangguan pada operasi saat ini. Untuk setiap komponen ADM, peta jalan menggambarkan kegiatan relevan yang terjadi di setiap fase implementasi.

Komponen ADM

Pengaturan pondasi: Bulan 1-3

Membangun kemampuan: Bulan 3-6

Penskalaan transformasi: Bulan 6-12 dan seterusnya

Penyelarasan strategis

  • Aktifkan komite pengarah AI.

  • Tetapkan visi, misi, dan tujuan dengan keselarasan bisnis.

  • Mengembangkan teknologi AI dan strategi alat dan peta jalan.

  • Terus menyelaraskan KPIs dan tujuan bisnis dengan kemampuan AI.

  • Menjaga komunikasi pemangku kepentingan yang jelas tentang inisiatif AI dengan dampak.

  • Tinjau hasil bisnis dan ROI.

  • Terus menyelaraskan KPIs dan tujuan bisnis dengan kemampuan AI.

  • Menjaga komunikasi pemangku kepentingan yang jelas tentang inisiatif AI dengan dampak.

  • Tinjau hasil bisnis dan ROI.

  • Integrasikan tata kelola AI dengan EA.

  • Menetapkan tata kelola AI lintas fungsi dengan mitra AMS.

  • Standarisasi alat AI secara global di seluruh tim mitra internal dan AMS.

Struktur organisasi

  • Identifikasi juara AI lintas fungsi.

  • Identifikasi peran kunci untuk integrasi AI.

  • Luncurkan AI COE dengan tim yang berdedikasi.

  • Menerapkan organisasi berbasis AI dan optimasi berkelanjutan.

Bakat dan keterampilan

  • Menerapkan program pelatihan AI dasar.

  • Mengadopsi alat AI untuk peran kecenderungan tinggi seperti pengembang perangkat lunak dan insinyur pengujian.

  • Menerapkan program pelatihan AI tingkat lanjut.

  • Menerapkan program pelatihan AI khusus peran.

  • Menerapkan program pelatihan AI khusus peran.

  • Kembangkan jalur dan kemajuan karir yang berfokus pada AI.

  • Menerapkan program pelatihan bersama untuk tim darat dan lepas pantai.

  • Menerapkan program pelatihan AI khusus peran.

  • Memperluas adopsi AI ke pemilik produk, BA, SA, dan domain SMEs.

  • Menetapkan program insentif inovasi AI.

  • Tetapkan mekanisme untuk berbagi pengetahuan AI yang berkelanjutan antara organisasi Anda dan mitra AMS.

 

Tata kelola dan etika

  • Kembangkan pedoman etika AI.

  • Menetapkan pedoman untuk IP terkait AI dan penggunaan data.

  • Buat kerangka penilaian risiko.

  • Berkolaborasi dengan badan pengatur untuk kepatuhan.

  • Menerapkan kebijakan dan prosedur tata kelola AI.

  • Seimbangkan otomatisasi AI dengan pengawasan manusia untuk memastikan kualitas dan mempertahankan kontrol.

  • Seimbangkan otomatisasi AI dengan pengawasan manusia untuk memastikan kualitas dan mempertahankan kontrol.

  • Kembangkan templat proyek dan kontrak khusus AI dan SLAs untuk mitra AMS.

  • Terus meninjau dan mengatasi masalah privasi dan keamanan data di bagian penggunaan AI dari ADM.

Pengukuran kinerja

  • Tetapkan sasaran AI dan metrik keberhasilan utama untuk ADM.

  • Tetapkan metrik keberhasilan utama untuk model bahasa besar (LLMs).

  • Kembangkan AI khusus KPIs untuk proses ADM.

  • Kembangkan AI khusus KPIs untuk kinerja mitra ADM.

  • Menerapkan alokasi biaya AI dan pelacakan ROI.

 

  • Buat KPIs dan implementasikan dasbor kinerja ADM dan SDLC.

  • Menerapkan wawasan berbasis AI untuk peningkatan berkelanjutan dari model pengiriman global ADM.

  • Terus memantau dan menyesuaikan berdasarkan umpan balik dan hasil.

Ekosistem mitra

  • Libatkan mitra AMS untuk perencanaan transformasi.

  • Sejajarkan peran integrasi AI dengan mitra AMS.

  • Nilai kesiapan AI dengan AMS dan CloudOps mitra.

  • Tinjau kontrak AMS yang ada untuk integrasi AI.

  • Membangun AI COE bersama dengan AMS dan CloudOps mitra.

  • Bekerja dengan mitra ADM untuk mengintegrasikan AI di TOM.

  • Berkolaborasi dengan mitra AMS untuk menerapkan solusi AI canggih untuk ADM.

  • Berkolaborasi dengan mitra AMS untuk menerapkan solusi AI canggih untuk ADM.

  • Standarisasi alat dan lingkungan AI dengan mitra AMS.

  • Secara teratur menilai dampak AI pada proposisi nilai outsourcing AMS.

  • Pertimbangkan model keterlibatan fleksibel dan harga berbasis hasil untuk layanan yang ditingkatkan AI.

Teknologi dan alat

  • Menerapkan basis pengetahuan yang didukung AI untuk penyelesaian masalah yang lebih cepat.

  • Menerapkan alat kolaborasi bertenaga AI.

  • Mengadopsi alat pengkodean dan pengujian berbantuan AI.

  • Integrasikan perencanaan proyek berbasis AI dan alat penilaian risiko.

  • Menerapkan manajemen rilis bertenaga AI dan pemeliharaan prediktif.

  • Menerapkan alat penaksir proyek yang dibantu AI.

  • Menerapkan alat pendukung keputusan arsitektur berbasis AI.

  • Mengadopsi alat pembuatan kode full-stack dan pengoptimalan bertenaga AI.

  • Menerapkan platform AI-augmented berbasis cloud untuk semua lokasi pengiriman.

Proses

  • Tetapkan pedoman untuk mengintegrasikan kode manual dan buatan AI.

  • Menetapkan proses dan SOPs untuk alat bertenaga AI.

  • Tetapkan loop umpan balik untuk perbaikan berkelanjutan LLMs.

  • Mendesain ulang proses ADM untuk menggabungkan AI dalam TOM.

  • Kembangkan berbasis AI SOPs antara lokasi darat, dekat pantai, dan lepas pantai.

 

  • Menetapkan proses untuk keputusan arsitektur berbasis AI dan pembuatan kode tumpukan penuh.

  • Menetapkan pemeriksaan kepatuhan yang dibantu AI dan proses pemantauan keamanan.

  • Menetapkan mekanisme untuk perbaikan proses pada model operasi ADM bertenaga AI.

Untuk informasi tentang kerangka kerja visi AI untuk ADM yang mencakup pernyataan misi, tujuan, dan inisiatif strategis, lihat Lampiran A: Contoh kerangka visi AI untuk ADM. Untuk daftar periksa implementasi terperinci yang mencakup tata kelola, struktur organisasi, peran, proses, dan alat di ketiga fase, lihat Lampiran B: Daftar periksa implementasi untuk ADM TOM.

Praktik terbaik untuk semua fase implementasi

Praktik terbaik berikut ini penting untuk diingat melalui semua fase implementasi. Untuk setiap praktik terbaik, komponen model operasi terkait ditampilkan, yang menunjukkan aspek model mana yang paling terpengaruh:

  • Pantau dan sesuaikan pendekatan secara terus menerus berdasarkan umpan balik dan hasil. (Pengukuran kinerja)

  • Berkomunikasi dengan jelas dengan semua pemangku kepentingan tentang berbagai inisiatif AI dan dampaknya. (Penyelarasan strategis)

  • Seimbangkan otomatisasi AI dengan pengawasan manusia untuk membantu memastikan kualitas dan mempertahankan kontrol. (Tata Kelola dan Etika)

  • Nilai secara teratur laba atas investasi (ROI) inisiatif AI dan sesuaikan strategi yang sesuai. (Pengukuran kinerja; penyelarasan strategis)

  • Mengatasi masalah privasi dan keamanan data yang khusus untuk penggunaan AI dalam model pengiriman global. (Tata Kelola dan Etika)

  • Evaluasi secara teratur dampak AI pada proposisi nilai outsourcing dan sesuaikan model keterlibatan sesuai kebutuhan. (Ekosistem mitra; penyelarasan strategis)