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 AI 成熟度模型第 2 级：实验
<a name="level-2"></a>

在上一级别建立的基础意识的基础上，实验级别标志着生成式人工智能技术从理论探索到实际实施的关键过渡。在这个层面上，组织超越了概念理解，转而参与实践PoC项目和试点计划。这些 PoC 和试点项目旨在验证业务价值并培养核心能力。该级别的特点是结构化实验，组织可以组建专门的团队，建立治理框架，并开始培养内部技术专业知识。通过精心控制的试点项目，组织可以检验他们对生成式人工智能潜力的假设，同时最大限度地降低风险并最大限度地利用学习机会。这为更广泛地实施和扩大成功举措奠定了基础。

**Topics**
+ [重点和标准](#level-2-focus)
+ [主要活动](#level-2-activities)
+ [更上一层楼的转型策略](#level-2-transformation)

## 重点和标准
<a name="level-2-focus"></a>

在这个层面上，组织从探索过渡到使用生成式人工智能技术的实践PoC实验和试点项目。重点是通过结构化的试点计划和培养核心能力来验证商业价值。这个级别强调实践学习、建立内部能力和技术专长，以及建立基础和治理框架。

以下是达到此级别的标准：
+ 该组织正在积极开展试点项目，概念验证正在进行中。
+ 专门的跨职能团队负责生成式人工智能计划。
+ 制定了结构化的内部培训计划。
+ 这些组织已经选择并验证了人工智能模型和工具。
+ 该组织已经定义了其最初的治理和数据框架。

## 主要活动
<a name="level-2-activities"></a>

下表显示了每个采用支柱的主要活动。


****  

| 收养支柱 | 活动 | 
| --- | --- | 
| 商业 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| People | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| Governance | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 平台 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 安全性 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 操作 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 

## 更上一层楼的转型策略
<a name="level-2-transformation"></a>

通过执行以下操作，组织可以过渡到下一个成熟度级别：
+ **创建生产级****基础设施****以支持生成式 AI** — 用于 AWS 服务 为生产部署实现 CI/CD 管道、标准化部署模式和适当的扩展机制。
+ **实施治理** — 建立生产级治理框架，以管理持续的生成式 AI 使用和模型更新。
+ **实现可观察性** — 实施专门针对生成式 AI 工作负载的可观察性、监控和日志记录实践。这包括模型性能指标、使用模式和响应质量评估。
+ **专注于合规性** — 确保遵守数据隐私和安全的行业标准和法规。
+ 组@@ **建专门的 AI 团队** — 组建一个团队，为生成式 AI 解决方案创建和维护标准化生产路径。
+ **实施卓越运营**-创建事件响应和上报流程。制定服务级别协议 (SLAs) 和性能指标。实施成本优化策略。

通过采取这些行动，组织可以：
+ 验证生成式 AI 应用程序是否稳定、可靠，并持续为组织创造价值。
+ 随着各部门需求和使用量的增加，Support 支持生成式 AI 解决方案的发展。
+ 管理风险，保持监督，并使人工智能计划与监管标准保持一致，因为它们已成为业务运营不可或缺的一部分。
+ 为生成式 AI 解决方案提供持续监控、改进和支持。这减少了对临时或临时项目团队的依赖。
+ 让组织做好准备，从孤立的项目转向战略性和凝聚力的方法，让人工智能成为业务流程的核心推动力。该组织已准备好进一步扩大规模和更广泛地采用。