View a markdown version of this page

生成 AI 成熟度モデルレベル 3: 起動 - 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 3: 起動

このレベルでは、組織はproof-of-conceptイニシアチブから、実証済みの生成 AI ソリューションの選択的な本番環境への体系的なデプロイに移行します。このレベルは、堅牢なガバナンスプロトコル、リアルタイムモニタリングシステム、専用サポートインフラストラクチャに重点を置くための実験からの重要な移行を表します。企業は、明確なビジネスへの影響を示す本番稼働用アプリケーションをいくつか起動することに重点を置いています。このレベルは、包括的な起動フレームワークの実装、明確なガバナンスガイドラインの確立、強力なセキュリティ標準の維持という運用上の厳密さを強調しています。定量化可能な結果をもたらす信頼性の高い生成 AI ソリューションをリリースすると、組織はより広範な導入に備えることができます。

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、組織は生成 AI ソリューションを本番環境に体系的にデプロイし、堅牢なガバナンス、モニタリング、サポートメカニズムを実装します。これらのメカニズムは、セキュリティとコンプライアンスの基準を維持しながら、一貫した価値と運用上の優秀性を提供します。焦点は、実験的な生成 AI アプリケーションから、堅牢な起動プロセス、包括的なガバナンスフレームワーク、体系的なパフォーマンスモニタリングを通じて測定可能なビジネス価値を提供する本番環境対応のソリューションのデプロイに移行します。このレベルは、起動フレームワークとガバナンスメカニズムの基本的な実装として機能する、本番環境に対応した生成 AI ソリューションの一部をデプロイすること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。

  • 本番環境に対応した生成 AI ソリューションは、測定可能なビジネス成果をもたらしています。

  • 組織は、ベースラインのセキュリティ、ガバナンス、責任ある AI フレームワークを実装しています。

  • 運用管理が確立され、自動モニタリングとアラートシステムが含まれます。

  • 組織は AI human-in-the-loopプロセスを定義しました。

  • 部門横断的な AI チームについては、予備的な役割と運用上の責任が定義されています。

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

  • 生成 AI オペレーション用の RACI マトリックスの最初のバージョンにサインオフします。

  • プラットフォームアーキテクチャ、開発、サポートに必要な主要なロールを特定します。

  • 包括的なダッシュボードを使用して、運用効率とビジネス価値を測定します。

  • 運用コストとリソース使用率を追跡して最適化します。
People

  • アーキテクチャ、開発、メンテナンスのための生成 AI プラットフォームチームまたは分隊を作成します。

  • 常に利用可能な階層型サポート構造とトレーニングプログラムを実装します。
ガバナンス

  • エンタープライズアーキテクチャレビューボードから正式なアーキテクチャ承認を取得します。

  • 責任ある AI ポリシーフレームワークを確立し、ステークホルダーの承認を確保します。

  • AI 実装レビューのための部門横断的な監視委員会を作成します。

  • 生成 AI ソリューションについては、ガバナンスの承認、リスク評価、標準化された設計パターン、技術仕様に関するドキュメントを維持します。
プラットフォーム

  • 生成 AI ソリューションの自動 CI/CD パイプラインを実装します。

  • Infrastructure as Code (IaC) をデプロイしてリソースを管理します AWS 。

  • 生成 AI ソリューションの設計パターンと技術仕様を文書化します。

  • 生成 AI プラットフォームコンポーネントの CMDB レコードを維持します。
セキュリティ

  • 生成 AI ソリューションとそのデータパイプラインに堅牢なセキュリティコントロールを実装します。

  • 責任ある AI の事前ポリシーを実装します。

  • スケーラブルなインフラストラクチャを最適化して、リアルタイムのデータ取り込み、ベクトル検索、ファインチューニングをサポートします。

  • 定期的なセキュリティ評価と監査を実施します。

  • Amazon Bedrock ガードレールをデプロイして、生成 AI アプリケーション全体の安全とプライバシーの制御を標準化します。
オペレーション

  • SLA フレームワークとパフォーマンスメトリクスを確立します。

  • モデルのパフォーマンスとガードレール違反をモニタリングします。アラートを設定します。

  • 自動アラートシステムを持つ運用ダッシュボードを作成します。

  • 変更管理とアセット管理の ITIL プロセスに従います。

  • 運用ランブック、プレイブック、FAQs、トラブルシューティングガイドを含む一元化されたナレッジリポジトリを確立しました。

  • データオブザーバビリティのプラクティスを確立します。データリネージュ、出所、品質メトリクスを追跡して、スケーリング前のギャップを特定します。

  • 明確なエスカレーションパスを持つ階層化されたサポートレベルを確立します。

  • 定期的なパフォーマンスレビューを実装し、顧客のフィードバックを分析します。

次のレベルに到達するための変換戦略

生成 AI イニシアチブをスケールするには、組織は以下を行う必要があります。

  • 生成 AI 運用モデルを正式なものにする – 組織全体で RACI マトリックスを 正式なものにします。

  • 生成 AI プラットフォームの強化 – 既存の生成 AI 実装の評価を実施して、再利用可能なパターンとコンポーネントを特定します。テクノロジースタックをスケールする準備ができているかどうかを評価します。生成 AI ソリューションを効率的にスケーリングするための、一元化されたプロンプト管理、自動化された評価フレームワーク、標準化されたパターンを備えたモジュラーアーキテクチャの構想と設計を開始します。

  • ユースケースの拡大 – AI 機能を複数の部門にまたがって統合し、新しいアプリケーションを検討します。

  • 開発者エクスペリエンスの向上 – 既存のプラットフォームをセルフサービスの内部プラットフォームに変換します。このプラットフォームは、企業全体で AI 開発のための標準化されたツール、ワークフロー、ガバナンスを提供する包括的な環境です。

  • 知識の共有 – 内部ソースのプラクティスを確立し、再利用可能な AI アセットをチーム間で共有するためのコンポーネントマーケットプレイスを作成します。内部ソースプラクティスは、組織内でオープンソース開発アプローチを適用する戦略です。

  • 運用スケーリングのセットアップ – 自動化されたインシデント対応とキャパシティプランニングにより、サポートインフラストラクチャを強化します。これにより、生成 AI を企業全体で導入するためにスケールするインフラストラクチャが準備されます。

  • 高度な分析への投資 – メトリクスには Amazon CloudWatch、視覚化には Amazon Quick などの高度な分析ツールを使用し、継続的な改善にはデータ分析を使用します。

  • データガバナンスモデルの確認 – データガバナンスモデルが、標準化されたポリシーとアクセスコントロールを維持しながら、現在セルフサービス機能をサポートしているかどうか を評価します。過度に制限的または一元化されたアプローチでは、コアチーム、特に多様なビジネスユニットにまたがってデータイニシアチブをスケールする能力が妨げられる可能性があります。

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 イニシアチブを組織全体でスケールして、広範な影響を与えることができます。

  • 生産性と再利用性を向上させる機会を特定しながら、プラットフォームを強化し続けます。

  • デベロッパーエクスペリエンスを向上させ、認知負荷を軽減します。

  • データ駆動型の文化を育む。

  • 組織を生成 AI リーダーとして配置することで、トップの人材を惹きつけます。