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 成熟度的各个方面
<a name="overview-aspects"></a>

成功采用生成式人工智能需要对多个组织维度有全面的了解。本节探讨了组织在成熟过程中必须考虑和发展的四个关键方面：支持采用人工智能的基本支柱、指导战略优先事项的重点领域、推动实施的关键活动以及指导组织成熟度发展的转型策略。这些方面共同为评估和推进生成式人工智能能力提供了一个全面的框架。Organizations可以使用此框架来确定差距，确定投资的优先顺序，并制定可行的计划，以便在成熟度级别上取得进展。每个方面都是根据企业人工智能采用方面的丰富现场经验选择的。它们反映了区分成功实施和失败实施的关键要素。

**Topics**
+ [采用的支柱](#overview-aspects-pillars)
+ [重点领域](#overview-aspects-focus-areas)
+ [主要活动](#overview-aspects-activities)
+ [转型策略](#overview-aspects-transformation)

## 采用的支柱
<a name="overview-aspects-pillars"></a>

每个成熟度级别都根据以下采用支柱进行评估：
+ **业务** — 战略调整和对业务目标的可衡量影响
+ **人**才 — 人才培养、技能培养和跨职能协作
+ **治理** — 制定风险管理、合规和道德准则
+ **平台** — 投资于可扩展的基础设施和平台，以实现生成式人工智能功能
+ **安全** — 保护数据、隐私和生成式 AI 模型的部署
+ **运营** — 管理生成式 AI 解决方案生命周期、优化部署、实施反馈机制和监控性能

这些支柱与[AWS 云采用框架 (AWS CAF)](https://aws.amazon.com/cloud-adoption-framework/) 保持一致并进行了扩展，以满足生成式 AI 需求。本战略文档中的建议为每个支柱添加了特定于人工智能的元素，例如道德人工智能实施、模型生命周期管理和人工智能基础设施要求。这种协调可以帮助组织使用现有的 AWS CAF 最佳实践，同时应对独特的 AI 采用挑战。

## 重点领域
<a name="overview-aspects-focus-areas"></a>

每个成熟度级别的重点领域可帮助组织确定活动和投资的优先顺序。以下是四个重点领域：
+ **创新和可行性** — 探索和验证创新的生成式人工智能用例以及所需数据集的可用性和质量
+ **集成和效率** — 将生成式 AI 集成到现有业务流程中
+ **可扩展性和优化** — 扩展生成式 AI 应用程序并持续提高性能
+ **转型和领导力** — 使用生成式人工智能推动战略转变并获得竞争优势

## 主要活动
<a name="overview-aspects-activities"></a>

组织可以使用生成式人工智能成熟度模型中的关键活动来导航其旅程，并成功定义和实施其生成式人工智能战略。这些活动从最初探索和理解生成式人工智能技术，到尝试原型，将人工智能解决方案集成到业务流程中，在整个组织中进行扩展，然后为持续改进和战略转型建立治理。关键活动分为以下类别之一：
+ **探索和意识** — 发展生成式人工智能技术的基础知识，并确定采用的战略机会
+ **实验和验证** — 促进和实施试点项目和原型，以评估技术可行性和商业价值
+ **集成和实施** — 将生成式 AI 功能嵌入到现有业务流程中，并将解决方案部署到生产环境中
+ **扩展和优化** — 在整个组织中集成生成式 AI 应用程序，持续提高其性能和效率
+ **治理和领导力** — 建立框架和最佳实践，以管理生成式人工智能计划并将其用于战略转型

## 转型策略
<a name="overview-aspects-transformation"></a>

每个级别的转型战略都侧重于指导组织进行渐进式改进。这包括制定生成式人工智能路线图和数据战略，与业务目标保持一致，投资人才和工具，以及实施治理框架。