View a markdown version of this page

生成式人工智能成熟度模型级别 1：Envision - AWS 规范性指导
重点和标准主要活动转型策略

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

生成式人工智能成熟度模型级别 1：Envision

这个基础级别是组织探索生成式人工智能概念、建立组织意识并确定与其业务目标一致的潜在用例的关键起点。通过建立这一基本基础，公司可以为其人工智能之旅制定清晰的愿景，同时解决业务、人员、治理、平台、安全和运营方面的关键考虑因素。

重点和标准

该级别的目标是建立对生成式人工智能技术以及与该技术相关的新兴行业趋势的基本理解和认识。这包括评估潜在的应用，并确定生成式人工智能可以使业务受益的领域。该级别的重点是教育利益相关者了解生成式人工智能，并开始探索用例并进行风险和文化准备情况评估。

以下是达到此级别的标准：

  • 该组织已经展示了生成式人工智能基础知识的基础知识。

  • 该组织记录了人们对行业生成式人工智能应用和机会的认识。

  • 该组织对人工智能的文化准备有了越来越多的认识。

  • 该组织已对潜在的用例和优势进行了初步探索。

  • 该组织已对治理和安全要求进行了初步考虑。

主要活动

下表显示了每个采用支柱的主要活动。

收养支柱 活动
商业

  • 了解生成式 AI 如何解决特定的业务问题。

  • 将最初的生成式 AI 用例映射到业务目标，例如提高客户参与度或自动创建内容。

  • 确定与选定用例相关的高价值数据源。
People

  • 举办内部培训课程和知识共享研讨会。

  • 确定组织内的人工智能拥护者，领导对生成式人工智能机会的探索。

  • 评估贵组织的文化和变革管理准备情况，以备采用生成式 AI。

  • 评估贵组织中当前的技术技能差距，并确定采用生成式人工智能所需的投资。

  • 设计教育计划，帮助高级管理人员了解人工智能的战略潜力、技术能力、变革性的业务影响以及数据在生成式人工智能项目中的重要性。

  • 参加行业论坛和会议，学习其他公司采用人工智能的经验。

  • 组织内部黑客马拉松，鼓励实验和促进创新。
Governance

  • 探索采用生成式人工智能的伦理和监管注意事项，例如隐私和数据主权。

  • 为组织中负责任地使用人工智能制定一套初步指导方针。
平台

  • 探索采用生成式 AI 以符合组织标准的要求。

  • 探索 AI/ML 模型和工具，例如用于访问基础模型的 Amazon Bedrock 和用于快速实验的 SageMaker Amazon AI。

  • 评估和编目现有的内部和外部数据源。评估数据基础设施和质量，以确定生成式人工智能的可行性和潜在的实施要求。
安全性

  • 了解与在组织中采用生成式 AI 相关的安全含义和任务，例如：

    • 数据隐私和保护风险，包括通过训练数据、提示和模型输出可能暴露敏感信息

    • 访问控制和身份验证挑战，包括 AI 系统中用户验证和基于角色的权限的复杂性

    • 对安全漏洞进行建模，包括对即时注入攻击的敏感性以及生成不安全或不当内容的可能性
操作

  • 了解与在组织中采用生成式 AI 相关的运营挑战，例如：

    • 规划 AI 解决方案的性能监控需求。

    • 考虑治理和版本控制要求。

    • 了解事件响应程序的要求。

更上一层楼的转型策略

要升级到下一个成熟度级别，请考虑以下方面：

  • 建立跨职能的生成式人工智能小组 — 组建具有明确角色和职责的跨职能生成人工智能小组。小组应包括能够领导实验 SMEs 工作的IT代表、业务代表、安全和治理利益相关者以及生成式人工智能。稍后，随着你扩大生成人工智能工作的规模，该小组将为更正式定义的卓越中心 (CoE) 奠定基础。

  • 确定用例并确定其优先级 — 制定用例矩阵，帮助您根据可行性、业务影响以及与战略目标的一致性确定项目的优先顺序。要获得概念证明 (PoCs)，请创建热门用例的简短列表。

  • 为试点项目分配资源 — 确保预算和人员用于小规模运营 PoCs。

  • 培养生成式人工智能技能 — 提高员工对特定工具和技术的技能，例如亚马逊 Bedrock、A SageMaker I、Amazon Q Bus iness、A mazon Q Developer、提示工程、检索增强生成 (RAG) 以及代理人工智能和工作流程。

  • 完成初步治理 — 建立初步治理，指导生成式 AI 的使用。它应涵盖合规、风险管理和道德方面的考虑。

  • 文化准备 — 开始规划组织变革管理，以便在全公司范围内采用生成式人工智能。

  • 确定成功指标-针对每个 PoC，定义成功标准以及业务和技术指标。

通过采取这些行动，组织可以期望：

  • 获得生成式 AI 技术的实践经验。

  • 验证特定用例的可行性和潜在影响。

  • 建立生成式 AI 方面的内部能力和专业知识。

  • 确定与采用生成式人工智能相关的潜在挑战和风险。

  • 提高生成式 AI 采用的准备程度，以便更上一层楼。