View a markdown version of this page

生成式 AI 成熟度的層面 - AWS 方案指引
採用的支柱重點領域關鍵活動轉換策略

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 成熟度的層面

成功採用生成式 AI 需要全面了解多個組織維度。本節探討組織在整個成熟度旅程中必須考慮和開發的四個關鍵層面：支援採用 AI 的基本支柱、指導策略優先順序的重點領域、推動實作的關鍵活動，以及指導組織成熟度發展的轉型策略。這些層面共同提供全方位的架構，用於評估和提升生成式 AI 功能。組織可以使用此架構來識別差距、排定投資的優先順序，並建立可行的計劃，以便在成熟度層級進行進展。每個層面都根據採用企業 AI 的廣泛領域經驗進行選擇。它們反映了區分成功實作與失敗實作的關鍵元素。

採用的支柱

每個成熟度層級會跨下列採用支柱進行評估：

  • 業務 – 策略一致性和對業務目標的可衡量影響

  • 人員 – 人才開發、技能培養和跨職能協作

  • 控管 – 建立風險管理、合規和道德準則

  • 平台 – 針對生成式 AI 功能投資可擴展的基礎設施和平台

  • 安全性 – 保護資料、隱私權和生成式 AI 模型的部署

  • 操作 – 管理生成式 AI 解決方案生命週期、最佳化部署、實作意見回饋機制，以及監控效能

這些支柱符合並擴展AWS 雲端採用架構 (AWS CAF)，以滿足生成式 AI 需求。此策略文件中的建議會為每個支柱新增 AI 特定的元素，例如道德 AI 實作、模型生命週期管理和 AI 基礎設施需求。此一致性可協助組織使用現有的 AWS CAF 最佳實務，同時解決獨特的 AI 採用挑戰。

重點領域

每個成熟度層級的重點領域可協助組織排定活動和投資的優先順序。以下是四個重點領域：

  • 創新和可行性 – 探索和驗證創新的生成式 AI 使用案例，以及所需資料集的可用性和品質

  • 整合和效率 – 將生成式 AI 整合到現有的業務流程

  • 可擴展性和最佳化 – 擴展生成式 AI 應用程式並持續改善效能

  • 轉型和領導力 – 使用生成式 AI 來推動策略轉移並取得競爭優勢

關鍵活動

組織可以使用生成式 AI 成熟度模型中的關鍵活動來導覽他們的旅程，並成功定義和實作生成式 AI 策略。從初次探索和了解生成式 AI 技術，到實驗原型、將 AI 解決方案整合到業務流程中、在整個組織中擴展它們，然後建立持續改進和策略轉型的管控，這些活動都有所進展。關鍵活動屬於下列其中一個類別：

  • 探索和意識 – 開發生成式 AI 技術的基礎知識，並識別採用的策略機會

  • 實驗和驗證 – 促進和執行試行專案和原型，以評估技術可行性和商業價值

  • 整合和實作 – 將生成式 AI 功能嵌入現有的業務流程，並將解決方案部署到生產環境中

  • 擴展和最佳化 – 整合整個組織的生成式 AI 應用程式，並持續改善其效能和效率

  • 治理和領導 - 建立管理生成式 AI 計畫的架構和最佳實務，並將其用於策略轉型

轉換策略

每個層級的轉型策略著重於引導組織進行增量改進。這包括開發生成式 AI 藍圖和資料策略、符合業務目標、投資人才和工具，以及實作控管架構。