本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 生成式 AI 成熟度模型層級 2：實驗
<a name="level-2"></a>

根據上一個層級建立的基礎意識，實驗層級標記了從理論探索到生成式 AI 技術實際實作的關鍵轉換。在此層級，組織會超越概念性的理解，以參與實作 PoC 專案和試行計畫。這些 PoC 和試行專案旨在驗證商業價值並建置核心能力。此層級的特徵是結構化實驗，其中組織組成專用團隊、建立控管架構，並開始開發內部技術專業知識。透過精心控制的試行專案，組織可以測試其有關生成式 AI 潛力的假設，同時將風險降至最低並最大化學習機會。這為成功計畫的廣泛實作和擴展設定了階段。

**Topics**
+ [焦點和條件](#level-2-focus)
+ [關鍵活動](#level-2-activities)
+ [實現更高水準的轉型策略](#level-2-transformation)

## 焦點和條件
<a name="level-2-focus"></a>

在此層級，組織會使用生成式 AI 技術，從探索轉換到實作 PoC 實驗和試行專案。重點在於透過結構化試行計劃驗證商業價值，並建立核心能力。此層級強調實際學習、建立內部功能和技術專業知識，以及建立基礎和控管架構。

以下是達到此層級的條件：
+ 組織有進行中的試行專案和概念驗證。
+ 專用、跨職能的團隊會指派給生成式 AI 計畫。
+ 已建立結構化的內部訓練計畫。
+ 這些組織已選取並驗證 AI 模型和工具。
+ 組織已定義其初始控管和資料架構。

## 關鍵活動
<a name="level-2-activities"></a>

下表顯示每個採用支柱的關鍵活動。


****  

| 採用支柱 | 活動 | 
| --- | --- | 
| 商業 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 人物 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 控管 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/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_tw/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 安全 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 
| 作業 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-2.html) | 

## 實現更高水準的轉型策略
<a name="level-2-transformation"></a>

組織可以執行下列動作，轉換為下一個成熟度層級：
+ **建立生產級****基礎設施****以支援生成式 AI** – AWS 服務 用於實作 CI/CD 管道、標準化部署模式和適當的生產部署擴展機制。
+ **實作控管** – 建立生產級控管架構，以管理持續產生的 AI 用量和模型更新。
+ **實作可觀測性** – 實作專為生成式 AI 工作負載而調整的可觀測性、監控和記錄實務。這包括模型效能指標、用量模式和回應品質評估。
+ **專注於合規性** – 確保您符合資料隱私權和安全性的產業標準和法規。
+ **建置專用 AI 團隊** – 設定團隊，為生成式 AI 解決方案建立和維護標準化的生產路徑。
+ **實作卓越營運** – 建立事件回應和呈報程序。建立服務層級協議 (SLAs) 和效能指標。實作成本最佳化策略。

透過採取這些動作，組織可以：
+ 驗證生成式 AI 應用程式是否穩定、可靠，並持續為組織提供價值。
+ 隨著不同部門的需求和用量增加，支援生成式 AI 解決方案的成長。
+ 管理風險、維持監督，並在 AI 計畫成為業務營運不可或缺的一部分時，使其符合法規標準。
+ 提供生成式 AI 解決方案的持續監控、改善和支援。這可減少對臨機操作或臨時專案團隊的依賴。
+ 讓組織做好準備，從隔離的專案轉移到策略性且具凝聚力的方法，其中 AI 成為業務流程的核心推動者。組織已準備好進一步擴展和更廣泛的採用。