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。
附錄 B：ADM TOM 的實作檢查清單
此完整檢查清單提供您實作應用程式開發和維護 (ADM) 目標操作模型 (TOM) 的結構化方法。檢查清單會考量下列每個實作階段的控管、組織結構、人員角色、程序和工具：
每個階段都以上一個階段為基礎，讓組織能夠有系統地擴展其 AI 功能，同時管理風險並確保企業整體採用的永續性。
階段 1：基礎設定
此階段發生在第 1–3 個月。它建立基本的控管結構，並引進必要的 AI 工具，同時實現快速成功。
治理和組織
1.1. 建立 AI 控管指導委員會。
1.2. 為 ADM 程序制定初始 AI 道德準則。
1.3. 建立基準 AI 風險評估架構。
1.4. 識別跨 ADM 團隊進行 AI 整合的關鍵角色。
1.5. 定義現有團隊中的初始 AI 擁護者角色。
1.6. 概述 ADM 中 AI 卓越中心 (COE) 的願景和任務。
1.7. 跨 ADM 團隊執行 AI 技能差距分析。
1.8. 為所有員工開發基本的 AI 讀寫能力訓練計畫。
1.9. 檢閱現有的廠商合約是否有 AI 整合潛力。
1.10。在 ADM 中建立 AI 計畫的初始預算準則。
Roles (角色)
1.11。軟體開發人員
採用 AI 輔助編碼、配對程式設計和程式碼完成工具。
建立檢閱和最佳化 AI 產生程式碼的準則。
1.12. 測試工程師
採用 AI 驅動的測試案例產生、執行和資料品質改善工具。
實作 AI 擴增的探索性測試技術。
1.13。UX 設計工具
採用 AI 輔助設計工具和資料驅動型設計技術。
1.14。DevOps 工程師
實作採用 AI 技術的 CI/CD 管道最佳化。
採用 AI 輔助基礎設施即程式碼 (IaC) 產生工具。
1.15. 支援工程師
使用 AI 支援的知識庫，加快問題解決速度。
實作 AI 驅動的票證分類和路由系統。
Processes
1.16。針對複雜問題建立明確的呈報通訊協定。
1.17. 建立整合 AI 產生和手動程式碼的指導方針。
1.18。為 AI 產生的程式碼開發新的 QA 程序。
1.19。建立人工監督 AI 產生設計的程序。
1.20。建立持續精簡 AI 測試模型的程序。
1.21。改善新計畫的知識收集、方法精簡和重複使用體驗。
工具
1.22。採用 AI 輔助編碼、配對程式設計和程式碼完成工具。
1.23. 實作 AI 驅動的程式碼品質、一致性檢查和錯誤偵測系統。
1.24。為設計文件採用 AI 輔助文件工具。
1.25。實作 AI 支援的協作工具，以減少時區相依性。
1.26。採用 AI 驅動的測試案例產生、執行和資料品質改善工具。
1.27. 實作 AI 輔助專案估算工具。
1.28。使用 AI 設定預測瑕疵分析。
1.29。採用 AI 輔助設計工具和資料驅動型設計技術。
階段 2：能力建置
此階段發生在第 3-6 個月。它擴展了 AI 採用，並解決了中等複雜性的程序。
治理和組織
2.1. 實作 AI 控管政策和程序。
2.2. 為 ADM 專案建立 AI 道德審查程序。
2.3. 開發 ADM 程序的 AI 特定 KPIs。
2.4. 建立新的以 AI 為重心的角色，例如 AI 整合專家。
2.5. 重新調整團隊結構以支援 AI 擴增工作流程。
2.6. 使用專用團隊啟動 AI COE。
2.7. 建立 COE 操作程序和服務目錄。
2.8. 實作角色特定的 AI 訓練計劃。
2.9. 開發以 AI 為重心的職業道路和發展模型。
2.10. 制定 AI 特定的採購指導方針。
2.11。實作 AI 成本分配和投資報酬率 (ROI) 追蹤機制。
Roles (角色)
2.12。專案經理
整合 AI 驅動的專案規劃、風險評估和資源配置工具。
制定 AI 人類協作決策的通訊協定。
使用 AI 設定即時專案運作狀態監控和預測分析。
2.13. 版本管理員
採用 AI 支援的版本管理、規劃和風險評估工具。
使用 AI 實作自動化部署和復原策略。
設定預測發行後監控和問題偵測系統。
2.14。站點可靠性工程師
採用 AI 驅動的預測性維護工具。
實作採用 AI 技術的異常偵測和自動化修復系統。
2.15。技術寫入器
使用 AI 輔助的文件產生工具。
實作 AI 支援的內容最佳化和可讀性分析。
Processes
2.16。建立意見回饋迴圈，根據專案成果持續改善 AI 模型。
2.17. 實作 AI 支援系統的持續學習機制。
2.18。實作 AI 預測模型的持續學習機制。
2.19。建立驗證 AI 產生的解決方案提案的程序。
2.20。建立人工驗證 AI 產生的發行計畫的程序。
工具
2.21。整合 AI 驅動的專案規劃、風險評估和資源配置工具。
2.22。使用 AI 設定即時專案運作狀態監控和預測分析。
2.23。實作 AI 驅動的工具來持續最佳化解決方案。
2.24。實作 AI 驅動的使用者研究分析和角色建立系統。
2.25。使用 AI 設定自動化可用性測試和意見回饋分析。
2.26。採用 AI 支援的版本管理、規劃和風險評估工具。
2.27. 使用 AI 實作自動化部署和復原策略。
2.28。設定預測發行後監控和問題偵測系統。
2.29。實作 AI 驅動的監控、預測性維護和資源配置系統。
2.30。使用 AI 設定加速問題解決程序。
階段 3：轉換擴展
此階段會在第 6–12 個月及之後發生。它實作了進階解決方案，並解決了更高的複雜性挑戰。
治理和組織
3.1. 將 AI 管控整合到整體企業管控中。
3.2. 實作 AI 政策的持續改進程序。
3.3. 建立跨職能 AI 控管委員會。
3.4. 在所有 ADM 團隊中完全整合 AI 角色。
3.5. 實作 AI 驅動的組織設計最佳化。
3.6. 展開 COE 功能以包含進階 AI 研究。
3.7. 與外部 AI 研究機構建立合作夥伴關係。
3.8. 實作 AI 支援的個人化學習路徑。
3.9. 為員工建立 AI 創新激勵計劃。
3.10. 開發 AI 特定的合約範本和服務水準協議 (SLAs)。
3.11. 實作 ADM 的 AI 驅動財務預測和最佳化。
Roles (角色)
3.12. 產品擁有者或業務分析師
實作 AI 驅動的市場分析和需求收集工具。
開發快速的工程技能，以進行有效的 AI 互動。
3.13. 解決方案架構師
採用 AI 驅動的解決方案設計工具和方法。
實作 AI 驅動的工具來持續最佳化解決方案。
3.14. 全堆疊開發人員
採用 AI 驅動的全堆疊程式碼產生和最佳化工具。
實作 AI 驅動的 API 設計和整合系統。
3.15. 技術主管
採用 AI 驅動的應用程式生命週期管理工具。
建立訓練計畫，以在 AI 擴增的 DevOps 實務中提升團隊技能。
3.16. 安全主題專家 (SME) 實作 AI 驅動的威脅偵測和回應系統。
採用 AI 輔助的安全政策產生和合規檢查工具。
3.17. 網域特定 SME
使用 AI 工具來擷取特定領域的知識和應用程式。
實作 AI 輔助網域建模和模擬工具。
Processes
3.18. 重新設計企業架構 (EA) 程序，以整合 AI 驅動的洞察和自動化。
3.19。實作 AI 系統的持續學習機制，以跟上不斷變化的法規。
3.20。建立明確的通訊協定，以人工監督 AI 產生的合規建議。
3.21. 建立明確的通訊協定，以人工監督 AI 產生的建議。
3.22. 實作全面的變更管理策略。
工具
3.23. 實作 AI 驅動的架構決策支援系統。
3.24。設定採用 AI 技術的整合和互通性評估系統。
3.25. 投資 AI 分析的資料整合和品質保證程序。
3.26. 為 AI 驅動的報告建立強大的安全和管理架構。
3.27. 實作適用於架構建議和資源佈建的 AI 驅動工具。
3.28。整合 AI 驅動的可觀測性和異常偵測系統。
3.29。建立 AI 輔助的合規檢查和安全監控程序。
3.30。實作 AI 驅動的市場分析和需求收集工具。
3.31。採用 AI 技術的解決方案設計工具和方法。
3.32. 採用 AI 驅動的全堆疊程式碼產生和最佳化工具。
3.33。實作 AI 驅動的 API 設計和整合系統。
3.34。使用 AI 設定跨堆疊的自動化效能調校。
3.35. 採用 AI 驅動的應用程式生命週期管理工具。
3.36。投資於可從所有位置存取的雲端 AI 增強型平台。
3.37. 全球標準化 AI 工具和環境。
