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。
ADM 运营模型的组织能力层
传统上，诸如知识管理、沟通和协作以及计划或变更管理工具之类的组织能力缺乏专门针对人工智能的关注。当您将生成式 AI 整合到 ADM 实践中时，您的组织能力必须不断发展。本节概述了转型的关键领域以及有效利用您的 AMS 合作伙伴的策略。本节还探讨了人工智能如何推动全球资源分配、培养基本技能、培养新能力、建立人工智能 CoEs以及培养持续学习文化。
战略合作伙伴和人才发展 — 要建立战略合作伙伴关系并培养人工智能整合人才，请重点关注以下关键举措：
-
实施全面的 AI 培训计划。
-
建立人工智能卓越中心 (COEs)。
-
使用 AI 改善职业规划、招聘、培训和资源优化。
-
实施针对特定地点的 AI 采用变更管理计划。
-
通过使用 AI 更有效地制定最佳实践、标准和观点 (POVs)。
-
进行与 IT 架构路线图一致的技术评估和概念验证 (POCs)。
运营模式的重新设计 — 人工智能的整合需要重新设计运营模式，包括以下更改：
-
重新定义角色以纳入人工智能增强开发。
-
将人工智能驱动的战略任务分配给在岸团队，以保持与关键决策者的密切协作。
-
为 AI 生成的代码开发新的 QA 流程。
加强协作和知识管理-考虑通过以下方法加强协作和知识管理：
-
实施 AI 驱动的协作工具，以减少对时区的依赖。
-
利用 AI 更有效地对企业知识进行分类和索引。
-
使用来自客户反馈、问题解决方案和行业趋势的 AI 驱动型见解，加快市场研究和业务需求分析。
治理与合规 — 为了帮助确保在将人工智能集成到运营模式中时进行适当的治理和合规性，请考虑实施以下措施：
-
建立具有特定地点合规要求的全球 AI 治理框架。
-
解决人工智能生成资产的知识产权所有权问题，降低侵权风险。
基础架构和工具标准化 — 在整个组织中实现基础架构和工具的标准化以实现有效的 AI 集成涉及以下步骤：
-
投资于可从所有地点访问的基于云的人工智能增强平台。
-
在全球范围内实现人工智能工具和环境的标准化。
绩效指标和参与度模型调整 — 为人工智能驱动的流程调整绩效指标和参与度模型包括以下关键操作：
-
为人工智能贡献开发新的 KPIs 账户。
-
实施 AI 辅助的项目估算工具。
-
考虑灵活的互动模式，包括基于结果的定价。
-
为 AI 资产定义基于消费的定价模型，包括许可证、基础设施和托管服务工作。
增强计划和变更管理 — 要加强计划和变更管理，请考虑以下策略：
-
使用 AI 增强内部人才、咨询和 AMS 合作伙伴之间的共同资源模式。
-
为新计划改进知识收集、方法改进和经验重复利用。
通过专注于这些领域，您可以在全球交付地点和组织能力中有效地整合生成式人工智能。这种方法有助于加快您的 ADM 运营模式转型。它提高了决策速度，增强了业务成果的交付，同时平衡了每个地点的优势并应对了人工智能集成的挑战。
