View a markdown version of this page

ADM 运营模型的组织结构层 - AWS 规范性指导
组织结构和角色

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 运营模型的组织结构层

组织结构层包括人员、流程和技术。当组织在 ADM 运营模式中引入生成式 AI 时，这一层会发生最明显和最深刻的变化。角色不断演变，组织重新构想流程，技术堆栈扩展到包括生成式 AI 工具。

本节深入探讨了生成式人工智能在组织的 ADM 转型中的实际实施，涵盖了组织结构、个人角色和核心流程的变化。通过接受这些战略转变，您可以让您的组织有效地将生成式人工智能集成到ADM运营模型中。这种转型可以提高开发速度、软件质量和创新能力，从而有可能增强您的竞争优势。实际影响将因贵组织的具体环境和实施情况而异。

平台管理服务、技术和工具以及合作伙伴关系

平台管理服务为应用团队提供一组核心共享功能和标准化服务，包括：

  • 已编纂的参考架构和设计模式

  • 用于部署经批准的架构和配置的自助服务机制

  • 标准化开发、可观察性和操作工具

  • Support 支持设置环境、持续集成和持续部署 (CI/CD) 管道以及管理流程

  • 集中式治理和安全标准

通常，平台工程和云运营团队负责管理这些服务，共同为应用程序团队提供支持并推动持续改进。

生成式 AI 正在通过以下方式改变平台管理服务：

  • 架构建议的人工智能助手会根据项目要求、推荐的设计模式和组织标准来建议最佳的参考架构。

  • 智能自助服务配置使用 AI 来自动化和优化资源和服务的部署，以应对复杂的工作流程。

  • 人工智能驱动的可观测性可提供更深入的见解，并在整个平台上自动进行异常检测。

  • AIOps 代理使用经批准的标准操作程序处理多个自动修复工作流程（SOPs）。

  • 自动合规性检查使用 AI 持续验证和执行治理和安全标准。

这些基于人工智能的增强功能使基础设施团队能够专注于解决复杂的耗时问题和提高应用程序的可靠性，从而提高平台管理的效率和有效性。

将生成式 AI 功能集成到托管服务合作伙伴的现有平台产品中。使用此策略，您可以获得以下好处：

  • 利用先进的人工智能技术，利用合作伙伴的专业知识和成熟的流程。

  • 利用集成的 AI 功能增强您的平台工程和云运营。

  • 保持已建立的托管服务合作伙伴关系带来的好处，同时提高您的 AI 能力。

组织结构和角色

生成式 AI 集成需要重新构想 ADM 的组织结构。调整组织结构中关键角色的职责至关重要。这些由人工智能驱动的变革可以帮助您的团队提高工作效率并提供更高的价值。

组织结构取决于几个因素：

  • 参与规模 — 示例包括交易系统、药物发现和企业资源规划 (ERP) 等应用程序的范围和复杂性。

  • 具体的客户需求 — 示例包括支付系统的支付卡行业数据安全标准 (PCI DSS) 合规性和制药行业的良好实践 (GxP) 合规性。

  • 使用的方法-示例包括敏捷方法和瀑布方法。

有些角色会根据项目要求进行组合或扩展。涉及先进技术或严格合规需求的项目通常包括专业角色，例如数据科学家、机器学习 (ML) 专家、高级业务应用程序编程 (ABAP) 开发人员和合规官员。

以下各节重点介绍了 ADM 中随着生成式 AI 集成而演变的常见角色。这些角色正在扩展和适应使用人工智能功能，这可以提高他们在组织中的价值和影响力。这种演变为许多职位提供了技能发展和职业发展的机会。以下方面提供了有关每个角色在与生成式 AI 集成时如何演变的见解：

  • 当前重点-角色中的人员当前执行的主要任务

  • 人工智能驱动的转变 — 生成式人工智能融入角色的方式

  • 主要好处 — 将生成式人工智能融入角色所获得的好处

  • 关键考虑因素 — 考虑由人工智能驱动的职位转变时的注意事项

  • 关键步骤 — 角色中的人员可以采取的主要步骤来帮助他们适应 AI

这种全面的视图可以帮助您了解当前状态、变革方向以及成功完成每个角色的人工智能驱动型转型所需的步骤。您可以深入了解 AI 如何增强现有角色，以及如何为这些进步做好组织结构准备。

产品负责人或业务分析师

下表概述了产品负责人或业务分析师角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 需求收集

  • 功能优先级

  • 利益相关者沟通

人工智能驱动的转变

利用人工智能来：

  • 数据驱动的决策流程和更快的市场洞察力

  • 创建业务需求文档 (BRD)，根据客户反馈和需求确定功能的优先级

主要优势

  • 更快地收集和分析需求

  • 改进了功能与市场需求的一致性

  • 更全面的用户故事和用例

重要注意事项

  • 确保 AI 理解复杂的业务环境

  • 保持有意义的利益相关者关系

关键步骤

  • 实施 AI 驱动的市场分析和需求工具。

  • 培养及时的工程技能，实现有效的 AI 交互。

  • 建立利益相关者流程以验证 AI 生成的见解

项目经理

下表概述了项目经理角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 活动规划

  • 资源分配

  • 风险管理

人工智能驱动的转变

  • 采用 AI 来增强预测性规划和实时项目情报。

主要优势

  • 提高了资源分配的准确性

  • 加强风险识别和缓解

  • 实时项目运行状况监控和预测性分析

重要注意事项

  • 在人工智能建议与人类判断之间取得平衡

  • 确保团队采用人工智能驱动的方法

关键步骤

  • 整合 AI 驱动的项目规划和风险评估工具。

  • 为人工智能-人类协作决策制定协议。

  • 提升团队在人工智能增强项目管理实践中的技能。

用户界面/用户体验设计师

下表概述了用户 interface/user 体验 (UI/UX) 设计师角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 创建用户界面设计和原型

  • 进行用户研究和可用性测试

  • 确保跨应用程序实现最佳用户体验

人工智能驱动的转变

  • 使用 AI 进行快速设计迭代、数据驱动的用户洞察和自动可用性测试。

主要优势

  • 更快地生成用户界面设计替代方案

  • 增强用户研究分析和角色创建

  • 自动可用性测试和反馈分析

重要注意事项

  • 在人工智能生成的设计与品牌指南和用户需求之间取得平衡

  • 在人工智能辅助的设计过程中保持创造力和创新性

关键步骤

  • 整合 AI 驱动的项目规划和风险评估工具。

  • 为人工智能-人类协作决策制定协议和流程。

  • 提升团队在人工智能增强项目管理实践中的技能。

全栈开发者

下表概述了全栈开发者角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 创建用户界面设计和原型

  • 进行用户研究和可用性测试

  • 确保跨应用程序实现最佳用户体验

人工智能驱动的转变

  • 采用 AI 以获得全面的全栈开发辅助和优化。

主要优势

  • 加速全栈代码生成和优化

  • 人工智能驱动的 API 设计和集成

  • 在整个堆栈中自动调整性能

重要注意事项

  • 保持对多种技术和 AI 工具的熟练程度

  • 确保 AI 和手动开发的组件之间的一致性和集成

关键步骤

  • 在整个堆栈中培养人工智能辅助开发的专业知识。

  • 制定集成 AI 生成的代码和手动代码的流程和指南。

  • 为全栈开发中的新兴人工智能工具实施持续学习计划。

解决方案架构师

下表概述了解决方案架构师角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 设计全面的企业级解决方案

  • 使技术解决方案与业务目标保持一致

  • 确保跨系统的集成和互操作性

  • 创建详细的设计文档

人工智能驱动的转变

  • 使用 AI 进行快速的解决方案原型设计、数据驱动的架构决策、自动集成分析和设计文档生成。

主要优势

  • 更快地生成和评估替代方案

  • 加强技术解决方案与业务目标的一致性

  • 改进了对系统集成和互操作性的评估

  • 加快了全面设计文档的创建

重要注意事项

  • 确保 AI 生成的解决方案能够满足复杂的业务需求

  • 在 AI 增强设计流程中保持企业架构的整体视图

  • 验证 AI 生成的设计文档的准确性和完整性

关键步骤

  • 培养人工智能驱动的解决方案设计工具和方法方面的专业知识。

  • 建立流程，根据业务需求验证 AI 生成的解决方案提案。

  • 实施人工智能驱动的工具，进行持续的解决方案优化和集成评估。

  • 采用 AI 辅助的文档工具来创建和维护设计文档。

软件开发人员

下表概述了软件开发人员角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 代码编写

  • 调试

  • Maintenance

人工智能驱动的转变

  • 采用 AI 作为编码伴侣，以提高工作效率和质量。

主要优势

  • 加速代码生成和完成

  • 提高了代码质量和一致性

  • 更快地检测和解决错误

重要注意事项

  • 在 AI 生成的代码中保持代码的可读性和性能

  • 在 AI 工具依赖性与核心编程技能之间取得平衡

关键步骤

  • 改进 AI 辅助编码和配对编程技术的使用。

  • 制定审查和优化 AI 生成的代码的指导方针。

  • 为新兴的 AI 开发工具实施持续学习计划。

测试工程师

下表概述了测试工程师角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 测试用例设计

  • 缺陷识别

  • 质量保证

人工智能驱动的转变

  • 实施 AI 以制定全面、自动化的测试策略。

主要优势

  • 提高了测试用例生成和执行的自动化程度

  • 提高了测试数据的质量和覆盖范围

  • 通过预测性缺陷分析及早发现问题

重要注意事项

  • 确保全面覆盖 AI 生成的测试用例

  • 在自动测试与探索性方法之间取得平衡

关键步骤

  • 培养 AI 测试策略设计和数据建模方面的技能。

  • 建立持续完善 AI 测试模型的流程。

  • 实施 AI 增强的探索性测试流程和技术。

发布管理器

下表概述了发布经理角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 规划和协调软件发布

  • 管理发布时间表和依赖关系

  • 确保平稳部署和发布后的稳定性

人工智能驱动的转变

  • 采用 AI 进行智能发布规划、自动部署和预测性稳定性管理。

主要优势

  • 人工智能驱动的发布计划和风险评估

  • 自动部署和回滚策略

  • 预测性发布后监控和问题检测

重要注意事项

  • 在 AI 建议与业务优先事项和限制条件之间取得平衡

  • 在自动部署场景中保持控制和监督

关键步骤

  • 培养人工智能驱动的发布管理工具和预测分析方面的技能。

  • 建立人工验证人工智能生成的发布计划的流程。

  • 实施人工智能驱动的发布后监控和快速响应标准操作程序 (SOP)。

技术领导

下表概述了技术主导角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 监督应用程序开发和运营流程

  • 确保开发团队与运营要求保持一致

  • 管理从开发到生产的应用程序生命周期

  • 推动开发和运营效率的持续改进

人工智能驱动的转变

  • 利用 AI 增强应用程序生命周期管理、自动运营分析和预测性资源优化。

主要优势

  • 改善开发和运营团队之间的协调

  • 增强的应用程序性能监控和预测性维护

  • 基于运营分析的自动资源分配和扩展

  • 频繁的变更次数

  • 加快问题解决速度并缩短停机时间

重要注意事项

  • 在关键操作中，在人工智能驱动的自动化与人工监督之间取得平衡

  • 确保 AI 工具在整个应用程序生命周期中无缝集成

  • 管理向人工智能增强 DevOps实践的文化转变

关键步骤

  • 培养人工智能驱动的应用程序生命周期管理工具方面的专业知识。

  • 建立流程，将 AI 见解整合到开发和运营决策中。

  • 实施人工智能驱动的监控和预测性维护系统。

  • 创建培训计划，提高团队在 AI 增强 DevOps 实践中的技能。

DevOps 工程师

下表概述了 DevOps 工程师角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 实施和维护持续集成和持续部署 (CI/CD) 管道

  • 自动配置和管理基础架构

  • 确保开发和运营之间的无缝集成

人工智能驱动的转变

  • 使用 AI 增强自动化、预测性分析和智能基础设施管理。

主要优势

  • 加快部署周期

  • 提高系统可靠性和性能

  • 主动检测和解决问题

重要注意事项

  • 将 AI 工具与现有 DevOps 流程集成

  • 在自动化与必要的人工监督之间取得平衡

关键步骤

  • 实施 AI 驱动的 CI/CD 管道优化。

  • 采用 AI 辅助基础设施即代码 (IaC) 生成工具。

  • 培养预测 AIOps 性维护和自动修复的技能。

Support 工程师

下表概述了支持工程师角色如何适应使用生成式 AI 功能。

角色方面

说明

当前焦点

  • 解决用户问题和事件

  • 维护系统的可靠性

  • 为最终用户提供技术援助

人工智能驱动的转变

  • 采用 AI 进行智能问题分类、自动问题解决和预测性支持。

主要优势

  • 更快的问题解决时间

  • 提高了首次通话解决率

  • 主动识别潜在的系统问题

重要注意事项

  • 确保 AI 系统准确理解复杂的技术问题并对其进行分类

  • 在客户互动中保持人性化

关键步骤

  • 实施 AI 驱动的知识库以更快地解决问题。

  • 采用人工智能驱动的票证分类和路由系统。

  • 培养与 AI 聊天机器人和虚拟助手合作以获得客户支持的流程和技能。