View a markdown version of this page

AI を活用した ADM ターゲット運用モデルの実装 - AWS 規範ガイダンス
AI を活用した ADM TOM を実装するためのロードマップすべての実装フェーズのベストプラクティス

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。

AI を活用した ADM ターゲット運用モデルの実装

構造化された段階的なアプローチを使用して、生成 AI アプリケーション開発およびメンテナンス (ADM) ターゲット運用モデル (TOM) を実装します。次のアプローチでは、現在のオペレーションの中断を最小限に抑えながら、迅速な成功と長期的な変革的な変化のバランスを取ります。各フェーズは TOM の特定のコンポーネントに対処し、実装プロセス全体の相互依存関係と進化を強調します。

次の図に示すように、実装戦略は、12 か月間の基本的な複雑さから高度な複雑さへと進むフェーズで構成されています。

  • フェーズ 1: 基礎設定 – このフェーズは 1～3 か月後に行われます。基本的なガバナンス構造を確立し、クイックウィンを達成しながら、重要な AI ツールを導入します。

  • フェーズ 2: 機能の構築 – このフェーズは 3～6 か月以内に行われます。AI の導入を拡大し、中程度の複雑さのプロセスに対処します。AI COE を起動し、AI の導入をプロジェクト管理と運用のロールに拡大し、ADM パートナーと協力して生成 AI を使用して主要な SDLC プロセスを再設計します。

  • フェーズ 3: 変換スケーリング – このフェーズは 6～12 か月 (以降) に発生します。高度なソリューションを実装し、より複雑な課題に対処します。例えば、アーキテクチャ設計、フルスタック開発、セキュリティモニタリングのための高度な AI ソリューションを実装します。AI ガバナンスをエンタープライズレベルに成熟させ、ADM パートナーとの契約関係を進化させて、新しい AI を活用した現実を反映します。

AI を活用した ADM 運用モデルを実装するための複数の戦略フェーズ。
注記

実装を開始する前に、AI を活用した SDLC の準備状況評価を実施して、組織の現在の SDLC 機能のベースラインを確立し、改善すべき主要分野を特定します。詳細については、「次のステップ」を参照してください。

実際のタイムラインは、組織のコンテキスト、実装アプローチ、実装のサイズや規模などのその他の要因によって異なる場合があります。一部の組織では、特定の状況と成熟度によっては、より短い期間または長い期間で結果が得られる場合があります。

これらのフェーズを進めることで、AI を使用してイノベーション、効率、競争上の優位性を推進し、組織の ADM プラクティスを体系的に変革できます。組織で段階的アプローチを使用する方法の詳細については、「AI を活用した ADM TOM を実装するためのロードマップ」と「すべての実装フェーズのベストプラクティス」を参照してください。

組織は、この変革ジャーニーを通じて社内機能を強化できます。このジャーニーでは、継続的な調整とすべてのステークホルダーとの明確なコミュニケーションも必要です。その結果、コンサルティングおよびテクノロジーサービスプロバイダーとの AI を活用したソフトウェア開発とメンテナンスのための、統合されたグローバル ADM ターゲット運用モデルが得られます。

AI を活用した ADM TOM を実装するためのロードマップ

次の表は、現在のオペレーションの中断を最小限に抑えながら、段階的なアプローチを使用して ADM TOM を実装するリファレンスロードマップを示しています。ロードマップでは、ADM コンポーネントごとに、各実装フェーズで発生する関連アクティビティについて説明します。

ADM コンポーネント

基礎設定: 1～3 か月目

機能の構築: 3～6 か月目

変換スケーリング: 6～12 か月目以降

戦略的連携

  • AI ステアリング委員会を有効にします。

  • ビジネスの足並みを揃えて、ビジョン、ミッション、目標を設定します。

  • AI テクノロジーとツールの戦略とロードマップを開発します。

  • KPIsとビジネス目標を AI 機能と継続的に調整します。

  • 影響のある AI イニシアチブに関するステークホルダーの明確なコミュニケーションを維持します。

  • ビジネス成果と ROI を確認します。

  • KPIsとビジネス目標を AI 機能と継続的に調整します。

  • 影響のある AI イニシアチブに関するステークホルダーの明確なコミュニケーションを維持します。

  • ビジネス成果と ROI を確認します。

  • AI ガバナンスを EA と統合します。

  • AMS パートナーと部門間の AI ガバナンスを確立します。

  • 社内チームと AMS パートナーチーム全体で AI ツールをグローバルに標準化します。

組織構造

  • 部門横断的な AI チャンピオンを特定します。

  • AI 統合の主要なロールを特定します。

  • 専有チームで AI COE を起動します。

  • AI 主導の組織と継続的な最適化を実装します。

人材とスキル

  • 基本的な AI トレーニングプログラムを実装します。

  • ソフトウェア開発者やテストエンジニアなど、傾向の高い役割に AI ツールを採用します。

  • 高度な AI トレーニングプログラムを実装します。

  • ロール固有の AI トレーニングプログラムを実装します。

  • ロール固有の AI トレーニングプログラムを実装します。

  • AI に焦点を当てたキャリアパスと進行状況を開発します。

  • オンショアチームとオフショアチーム向けの共有トレーニングプログラムを実装します。

  • ロール固有の AI トレーニングプログラムを実装します。

  • AI の導入を製品所有者、BA、SA、ドメイン SMEs。

  • AI イノベーションインセンティブプログラムを確立します。

  • 組織と AMS パートナーの間で継続的な AI ナレッジ共有のメカニズムを確立します。

 

ガバナンスとガバナンス

  • AI のガイドラインを策定します。

  • AI 関連の IP とデータの使用に関するガイドラインを確立します。

  • リスク評価フレームワークを作成します。

  • コンプライアンスのために規制機関と協力してください。

  • AI ガバナンスポリシーと手順を実装します。

  • AI オートメーションと人間による監視のバランスを取り、品質を確保し、コントロールを維持します。

  • AI オートメーションと人間による監視のバランスを取り、品質を確保し、コントロールを維持します。

  • AMS パートナーの AI 固有のプロジェクトおよび契約テンプレートと SLAsします。

  • ADM の AI の使用に関するデータプライバシーとセキュリティの懸念を継続的に確認し、対処します。

パフォーマンス測定

  • ADM の AI 目標と主要な成功メトリクスを確立します。

  • 大規模言語モデル (LLMs。

  • ADM プロセスの AI 固有の KPIsします。

  • ADM パートナーのパフォーマンスに関する AI 固有の KPIs を作成します。

  • AI コスト配分と ROI 追跡を実装します。

 

  • KPIsし、ADM と SDLC のパフォーマンスダッシュボードを実装します。

  • ADM グローバルデリバリーモデルを継続的に改善するための AI 主導のインサイトを実装します。

  • フィードバックと結果に基づいて継続的にモニタリングおよび調整します。

パートナーエコシステム

  • 変換計画に AMS パートナーを関与させます。

  • AI 統合ロールを AMS パートナーと連携させます。

  • AMS と CloudOps パートナーで AI の準備状況を評価します。

  • AI 統合の既存の AMS 契約を確認します。

  • AMS および CloudOps パートナーとの共同 AI COE を確立します。

  • ADM パートナーと協力して、TOM に AI を統合します。

  • AMS パートナーと協力して、ADM 用の高度な AI ソリューションを実装します。

  • AMS パートナーと協力して、ADM 用の高度な AI ソリューションを実装します。

  • AMS パートナーを使用して AI ツールと環境を標準化します。

  • AI が AMS のアウトソーシング価値提案に与える影響を定期的に評価します。

  • AI 強化サービスの柔軟なエンゲージメントモデルと結果ベースの料金を検討してください。

テクノロジーとツール

  • AI を活用したナレッジベースを実装して、問題解決を迅速化します。

  • AI を活用したコラボレーションツールを実装します。

  • AI 支援のコーディングおよびテストツールを採用します。

  • AI 主導のプロジェクト計画ツールとリスク評価ツールを統合します。

  • AI を活用したリリース管理と予測メンテナンスを実装します。

  • AI 支援プロジェクト推定ツールを実装します。

  • AI 主導のアーキテクチャ決定サポートツールを実装します。

  • AI を活用したフルスタックのコード生成および最適化ツールを採用します。

  • すべての配信場所にクラウドベースの AI 拡張プラットフォームを実装します。

プロセス

  • AI 生成コードと手動コードを統合するためのガイドラインを確立します。

  • AI を活用したツールのプロセスと SOPs。

  • LLMs。

  • TOM に AI を組み込むように ADM プロセスを再設計します。

  • オンショア、ニアショア、オフショアのロケーション間で AI 主導の SOPs を開発します。

 

  • AI 主導のアーキテクチャ決定とフルスタックのコード生成のプロセスを確立します。

  • AI 支援のコンプライアンスチェックとセキュリティモニタリングプロセスを確立します。

  • AI を活用した ADM 運用モデルのプロセス改善のメカニズムを確立します。

ミッションステートメント、目的、戦略的イニシアチブを含む ADM の AI ビジョンのフレームワークについては、付録 A: ADM の AI ビジョンのサンプルフレームワークを参照してください。3 つのフェーズすべてにわたるガバナンス、組織構造、ロール、プロセス、ツールに関する詳細な実装チェックリストについては、付録 B: ADM TOM の実装チェックリストを参照してください。

すべての実装フェーズのベストプラクティス

以下のベストプラクティスは、すべての実装フェーズで留意することが重要です。各ベストプラクティスについて、関連する運用モデルコンポーネントが表示され、モデルのどの側面が最も影響を受けるかが示されます。

  • フィードバックと結果に基づいてアプローチを継続的にモニタリングおよび調整します。(パフォーマンス測定)

  • さまざまな AI イニシアチブとその影響について、すべてのステークホルダーと明確にコミュニケーションします。(戦略的調整)

  • AI オートメーションと人間による監視のバランスを取り、品質を確保し、コントロールを維持します。(ガバナンスと調査)

  • AI イニシアチブの投資利益率 (ROI) を定期的に評価し、それに応じて戦略を調整します。(パフォーマンス測定、戦略的調整)

  • グローバル配信モデルでの AI の使用に固有のデータプライバシーとセキュリティの懸念に対処します。(ガバナンスと調査)

  • AI がアウトソーシングの価値提案に与える影響を定期的に評価し、必要に応じてエンゲージメントモデルを調整します。(パートナーエコシステム、戦略的連携)