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。

# 后续步骤
<a name="next-steps"></a>

生成式人工智能成熟度模型为组织提供了一种结构化的方法，以指导其生成式人工智能的采用之旅 AWS。了解不同的成熟度级别和活动有助于组织评估其准备情况，并采取明智的措施来实现生成式人工智能的全部潜力。该框架可帮助组织制定与其独特业务目标相一致的量身定制的策略，从而使生成式人工智能成为增长和创新的关键驱动力。

重要的是要认识到，生成式人工智能的采用不是一个 one-size-fits-all过程。每个组织的旅程都是独一无二的，它会受到行业、业务目标和现有技术能力等因素的影响。但是，这份战略文件可作为宝贵的指南。它为组织提供了一个框架，可以评估其准备情况，找出差距，并实施必要的措施，以成功利用生成式人工智能的变革潜力。

随着组织踏上生成式人工智能采用之旅，他们应该保持敏捷性和适应能力。不断重新评估您的成熟度水平，并相应地调整您的策略。人工智能领域的快速创新步伐要求我们致力于持续学习、技能发展和采用最佳实践。

通过遵循此指导并使用 AWS 人工智能/机器学习服务，组织可以在日益由人工智能驱动的世界中发掘新的机会，提高效率并获得持续的竞争优势。

## 资源
<a name="resources"></a>

以下资源可以帮助您了解有关采用生成式 AI 的更多信息。

### AWS 服务 文档
<a name="resources-services"></a>
+ [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)
+ [Amazon 基岩护栏](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html)
+ [Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html)
+ [Amazon Q 开发者版](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html)
+ [亚马逊 SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html)

### AWS 规范性指导
<a name="resources-apg"></a>
+ [利用生成式 AI 加快软件开发生命周 AWS 期](https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/introduction.html)
+ [生成式 AI 工作量评估](https://docs.aws.amazon.com/prescriptive-guidance/latest/gen-ai-workload-assessment/introduction.html)
+ [检索增强生成选项和架构 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/retrieval-augmented-generation-options/introduction.html)
+ [利用生成式 AI 转变应用程序开发和维护运营模式 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-transform-adm-operating-model-gen-ai/introduction.html)

### 其他资源
<a name="resources-other"></a>
+ [人工智能的现状：组织如何进行重组以获取价值](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai)（McKinsey 报告）
+ [88% 的人工智能飞行员未能进入生产阶段，但这还不是全部 IT](https://www.cio.com/article/3850763/88-of-ai-pilots-fail-to-reach-production-but-thats-not-all-on-it.html)（首席信息官文章）