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。

# 後續步驟
<a name="next-steps"></a>

生成式 AI 成熟度模型為組織提供結構化方法來導覽其生成式 AI 採用之旅 AWS。了解不同的成熟度層級和活動有助於組織評估其準備程度，並採取明智的步驟來實現生成式 AI 的完整潛力。此架構可協助組織制定符合其獨特業務目標的量身打造策略，讓生成式 AI 成為成長和創新的關鍵驅動因素。

請務必認識到，採用生成式 AI one-size-fits-all的程序。每個組織的旅程都是獨一無二的，並且受到產業、業務目標和現有技術功能等因素的影響。不過，此策略文件可做為寶貴的指南。它為組織提供一個架構，以評估其準備程度、識別差距，並實作必要的措施，以成功使用生成式 AI 的轉型潛力。

隨著組織開始生成式 AI 採用旅程，他們應該保持敏捷和適應性。持續重新評估您的成熟度層級，並相應地調整您的策略。AI 領域的快速創新需要對持續學習、技能開發和採用最佳實務的承諾。

透過遵循本指南並使用 AWS AI/ML 服務，組織可以在越來越多的 AI 驅動世界中釋放新機會、提高效率並實現持續的競爭優勢。

## 資源
<a name="resources"></a>

下列資源可協助您進一步了解如何採用生成式 AI。

### AWS 服務 文件
<a name="resources-services"></a>
+ [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)
+ [Amazon Bedrock 護欄](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html)
+ [Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html)
+ [Amazon Q Developer](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html)
+ [Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html)

### AWS 方案指引
<a name="resources-apg"></a>
+ [AWS 使用生成式 AI 加速 上的軟體開發生命週期](https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/introduction.html)
+ [生成式 AI 工作負載評估](https://docs.aws.amazon.com/prescriptive-guidance/latest/gen-ai-workload-assessment/introduction.html)
+ [在 上擷取增強生成選項和架構 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/retrieval-augmented-generation-options/introduction.html)
+ [AWS 使用生成式 AI 在 上轉換應用程式開發和維護操作模型](https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-transform-adm-operating-model-gen-ai/introduction.html)

### 其他資源
<a name="resources-other"></a>
+ [AI 狀態：組織如何重新配線以擷取價值](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) (McKinsey 報告）
+ [88% 的 AI 試行器無法達到生產，但這並非全部在 IT](https://www.cio.com/article/3850763/88-of-ai-pilots-fail-to-reach-production-but-thats-not-all-on-it.html) 上 (CIO 文章）