View a markdown version of this page

生成式 AI 成熟度模型層級 4：擴展 - AWS 方案指引
焦點和條件關鍵活動

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 4：擴展

生成式 AI 成熟度模型的第 4 級，擴展層級，從卓越營運轉換為可擴展創新。組織開始超越個別的生產部署，以建立可重複使用元件、標準化模式和自動化工作流程的強大生態系統。此生態系統可協助組織加速跨多個部門採用生成式 AI，同時維持強大的控管和成本最佳化。透過建立可擴展的架構和自助服務功能，此成熟度層級可讓企業有效率地部署許多生成式 AI 應用程式，最終推動整個組織的轉型和永續創新。

本節包含下列主題：

焦點和條件

在此層級，組織會從卓越營運轉型為可擴展創新，專注於建立可重複使用的元件和模式，以加速整個企業採用生成式 AI。重點是從個別生產部署轉移到建置功能，以啟用自助式功能、標準化模式和自動化工作流程，同時最佳化成本並大規模維護控管。與專注於特定生產工作負載的第 3 級不同，第 4 級可透過標準化和可重複使用的元件快速部署大量生成式 AI 應用程式，從而實現整個企業的效率和生產力提升。

以下是達到此層級的條件：

  • 多個部門已廣泛採用生成式 AI。

  • 組織已建立全企業生成式 AI 基礎設施和工具生態系統。

  • 操作模型和 RACI 矩陣已定義並實作。

  • 可用的程式庫包括標準化、可重複使用的 AI 元件、模式和應用程式。自助式功能可讓程式庫在整個組織中存取。

  • 自動化控管機制以全企業規模運作。

  • 組織有持續創新實務和成果的證據。

關鍵活動

下表顯示每個採用支柱的關鍵活動。

採用支柱 活動
商業

  • 使生成式 AI 專案與長期業務目標保持一致。專注於營收成長、成本降低和客戶滿意度。

  • 透過可重複使用的元件和提供價值的標準化模式，推動整個企業採用生成式 AI。

  • 完成擴展操作的生成式 AI 操作模型和 RACI 矩陣。

  • 為平台架構、開發和維護建立專用小隊。

  • 建立標準化控管和核准工作流程。

  • 實作進階分析和監控以持續改進。

  • 建立主動方法，以識別下一個創新且高價值的 AI 使用案例。考慮可提高生產力的內部使用案例，以及著重於產品的外部使用案例。

  • 評估複雜的決策自動化機會

  • 評估個人化和產品增強可能性
人員

  • 跨訓練員工使用生成式 AI 工具，並培養持續學習和創新的文化。

  • 在卓越中心，開發指導計畫，將知識從生成式 AI 專家轉移到其他團隊成員。

  • 使用內部來源或群眾來源模型，以協助加速生成式 AI 可重複使用元件的開發。

  • 透過卓越中心執行 AI 認證計畫。
控管

  • 建立涵蓋資料用量、模型公平性和透明度的全企業 AI 管理和道德架構。

  • 透過標準化架構和自動化護欄擴展負責任的 AI 實務。

  • 建立貢獻準則和品質標準。
平台

  • 開發可重複使用的 AI 元件，例如微服務架構和自動化管道，以人工監督評估解決方案。

  • 建立標準化解決方案範本，例如 RAG 實作和代理工作流程。

  • 建立標準化藍圖，以使用模型內容通訊協定 (MCP) 等產業標準與第三方工具整合。

  • 透過內部入口網站實作自助式功能，例如 API 優先整合架構和元件市場。
安全性

  • 實作企業級安全控制和自動化合規驗證。
作業

  • 建置程序和指導方針以支援內部來源或群眾來源開發模型。

  • 部署全面的可觀測性架構。

  • 建立可協助您監控效能的儀表板。

  • 實作自動化系統來收集意見回饋。