View a markdown version of this page

生成 AI 成熟度モデルレベル 2: 実験 - AWS 規範ガイダンス
焦点と基準主要なアクティビティ変換戦略

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

生成 AI 成熟度モデルレベル 2: 実験

前のレベルで確立された基本的な認識に基づいて、実験レベルは、理論的な探索から生成 AI テクノロジーの実践的な実装への重要な移行を示しています。このレベルでは、組織は概念的な理解を超えて、実践的な PoC プロジェクトやパイロットプログラムに取り組みます。これらの PoC およびパイロットプロジェクトは、ビジネス価値を検証し、コアコンピテンシーを構築するように設計されています。このレベルは、組織が専有チームを編成し、ガバナンスフレームワークを確立し、内部の技術的専門知識の開発を開始する構造化された実験によって特徴付けられます。慎重に管理されたパイロットプロジェクトを通じて、組織はリスクを最小限に抑え、学習機会を最大化しながら、生成 AI の可能性に関する仮説をテストできます。これにより、成功したイニシアチブのより広範な実装とスケーリングのステージが設定されます。

このセクションでは、次のトピックについて説明します。

焦点と基準

このレベルでは、組織は探索から、生成 AI テクノロジーを使用した実践的な PoC 実験やパイロットプロジェクトに移行します。焦点は、構造化されたパイロットプログラムを通じてビジネス価値を検証し、コアコンピテンシーを構築することです。このレベルは、実践的な学習、内部能力と技術的専門知識の構築、基礎とガバナンスのフレームワークの確立に重点を置いています。

このレベルになるための基準は次のとおりです。

  • 組織には、進行中のアクティブなパイロットプロジェクトと概念実証があります。

  • 専任の部門横断的なチームが生成 AI イニシアチブに割り当てられます。

  • 構造化された内部トレーニングプログラムが確立されています。

  • 組織は AI モデルとツールを選択および検証しています。

  • 組織は、初期ガバナンスとデータフレームワークを定義しています。

主要なアクティビティ

次の表は、導入の各柱の主要なアクティビティを示しています。

導入の柱 アクティビティ
ビジネス

  • ビジネス価値と実現可能性に基づいて、戦略的ユースケースを定義し、優先順位を付けます。

  • PoCs、投資収益率 (ROI) を測定するための成功メトリクスとフレームワークを確立します。

  • PoC ごとに値評価スコアカードを作成します。

  • PoCs、明確な成功メトリクスを使用して管理可能なスケールに制限します。

  • PoC ごとに ROI を測定し、成功基準を満たしたかどうかを評価します。
People

  • プロンプトエンジニアリング、RAG、モデルのファインチューニングに構造化トレーニングプログラムを実装します。

  • 生成 AI 認定パスとキャリア進行フレームワークを作成します。

  • 生成 AI とデータサイエンスの専門家を採用します。

  • 生成 AI イノベーションセンターや AWSプロフェッショナルサービスなどの AWS 外部スペシャリストと協力して、PoC の共同構築、サポートの提供、知識の移転を行います。

  • AI 認定パスとキャリア進行フレームワークを確立します。
ガバナンス

  • ベクトル検索に使用されるコンテンツの品質など、生成 AI のデータガバナンスを含む予備フレームワークを開発します。

  • モデル評価基準と品質管理を確立します。

  • 生成 AI プロジェクトのリスク評価プロトコルを設定します。

  • 生成 AI を倫理的かつ責任を持って使用するためのガイドラインを設定します。これらのガイドラインに準拠するように、開発者、データサイエンティスト、生成 AI スペシャリストをトレーニングします。
プラットフォーム

  • AWS アンランディングゾーンやデベロッパーが必要とするアクセス許可など、PoC の基盤インフラストラクチャを設定します。

  • Amazon Bedrock プレイグラウンド、Amazon SageMaker AI JupyterLab スペース、ノートブックインスタンスなど、生成 AI 実験と PoC 開発用の環境を設定します。 JupyterLab https://docs.aws.amazon.com/sagemaker/latest/dg/nbi.html

  • 開発者が簡単に使用できる RAG アプローチまたはエージェントワークフローを実装します。RAG アプローチの場合は Amazon Bedrock ナレッジベースを検討し、エージェントワークフローの場合は Amazon Bedrock エージェントを検討してください。

  • プロンプト、モデル、プロンプト評価を管理するフレームワークまたはパイプラインを設定します。これらのリソースは、開発者が PoC アプリケーションの結果とパフォーマンスを迅速に評価するのに役立ちます。

  • 構造化データパイプラインや非構造化データパイプラインなど、初期段階のデータ統合の取り組みを実装します。RAG 実験用のベクトルデータベースを設定します。

  • コスト、パフォーマンス、ユースケースの適合性に基づいて基盤モデルを評価します。Amazon Bedrock、Amazon SageMaker AI、Amazon SageMaker AI JumpStart を使用できます。
セキュリティ

  • 生成 AI モデルをトレーニングするためのデータアクセスコントロールを実装し、それらがコンプライアンス要件に準拠していることを確認します。Amazon Q Business は、生成 AI ワークロードがユーザーがアクセスできるデータのみを取得できるようにするきめ細かなコントロールを有効にすることで、RAG の実装を簡素化できます。

  • モデルのトレーニングに使用されるデータセット内の個人を特定できる情報 (PII) を保護するための戦略を策定します。
オペレーション

  • 以下のドキュメントとサポートプロセスを作成します。

    • PoC の実装と学習

    • 基本的なプラットフォーム設定とセキュリティコントロール

    • テストと評価の手順

    • 本番環境に移行する正常な PoCsの引き継ぎプロセス

次のレベルに到達するための変換戦略

組織は、以下を行うことで次の成熟度レベルに移行できます。

  • 生成 AI をサポートする本稼働グレードのインフラストラクチャを作成する – AWS のサービス を使用して、CI/CD パイプライン、標準化されたデプロイパターン、本稼働デプロイの適切なスケーリングメカニズムを実装します。

  • ガバナンスの実装 – 生成 AI の継続的な使用状況とモデルの更新を管理するための本番稼働グレードのガバナンスフレームワークを確立します。

  • オブザーバビリティの実装 – 生成 AI ワークロードに特に適したオブザーバビリティ、モニタリング、ログ記録のプラクティスを実装します。これには、モデルパフォーマンスメトリクス、使用パターン、レスポンス品質評価が含まれます。

  • コンプライアンスを重視する – データプライバシーとセキュリティに関する業界標準と規制に準拠していることを確認してください。

  • 専用 AI チームの構築 – 生成 AI ソリューションの標準化された本番稼働パスを作成および維持するチームを設定します。

  • 運用上の優秀性を実装する – インシデント対応とエスカレーションプロセスを作成します。サービスレベルアグリーメント (SLAs) とパフォーマンスメトリクスを確立します。コスト最適化戦略を実装します。

これらのアクションを実行することで、組織は次のことができます。

  • 生成 AI アプリケーションが安定しており、信頼性が高く、組織に継続的に価値をもたらすことを確認します。

  • さまざまな部門での需要と使用量の増加に応じて、生成 AI ソリューションの成長をサポートします。

  • リスクを管理し、監視を維持し、AI イニシアチブが事業運営の不可欠な部分になるにつれて、規制基準と整合させます。

  • 生成 AI ソリューションを継続的にモニタリング、改善、サポートします。これにより、アドホックまたは一時的なプロジェクトチームへの依存が軽減されます。

  • 分離されたプロジェクトから、AI がビジネスプロセスの中核となる戦略的でまとまりのあるアプローチに移行するように組織を準備します。組織は、さらなる規模を拡大し、より広範囲に導入する準備ができています。