本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在上面采用生成式人工智能的成熟度模型 AWS
<a name="introduction"></a>

*亚马逊 Web Services*（[贡献者](contributors.md)）

*2025 年 6 月*（[文档历史记录](doc-history.md)）

[生成式 AI](https://aws.amazon.com/what-is/generative-ai/) 是 AI 模型的一个子集，这些模型已经过大量数据训练，可以生成新内容，包括文本、图像、音乐和视频。这些模型可以使用预训练[的基础模型](https://aws.amazon.com/what-is/foundation-models/)、自定义模型以及增强或专有数据集。生成式人工智能的影响遍及各行各业。它可以增强创造力，提高生产力，并实现新的商业模式。如果您的组织希望生成式人工智能来增强运营、推动创新和实现业务增长，那么结构化、分阶段的方法对于驾驭采用之旅至关重要。

根据[首席信息官的一篇文章](https://www.cio.com/article/3850763/88-of-ai-pilots-fail-to-reach-production-but-thats-not-all-on-it.html)，88% 的人工智能飞行员未能投入生产。这会导致所谓的*飞行员疲劳*。文章说：“各公司只是厌倦了花更多的时间、金钱和精力来支持那些无法迅速或根本无法进入生产的试点项目。” 这种疲劳会扼杀创新，阻碍对生成式人工智能的进一步实验。此外，根据一份[McKinsey 报告](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai)，各组织正在努力应对人工智能实施中的重大数据质量和集成挑战。

本战略文件提供了一个结构化框架，以帮助组织实施生成式人工智能解决方案。该框架旨在帮助您应对技术采用的复杂性，并确保您不会忽视关键步骤或最佳实践。使用本指南中的建议来全面了解您的生成式 AI 成熟度。通过评估成熟度级别，您可以确定每个级别的重点领域，并启动 end-to-end生成式人工智能采用之旅。该框架探讨了四个成熟度级别，从最初的意识到全面的转型。它概述了每个级别的关键活动和基本实践。

## 目标受众
<a name="introduction-audience"></a>

本文面向希望通过在组织中采用生成式人工智能来创造价值的高管、技术总监、商业领袖、数据科学家、生成人工智能和 AI/ML 专家、IT 专业人员和决策者。

## 瞄准业务目标
<a name="introduction-objectives"></a>

通过系统地推进生成式人工智能成熟度水平，组织可以实现以下关键业务成果：
+ 通过经过验证的生成式 AI 用例进行战略业务流程创新
+ 通过强大、可随时投入生产的 AI 解决方案实现卓越运营
+ 通过标准化、可重复使用的 AI 组件提高企业级效率
+ 通过战略转型和可扩展的人工智能能力获得竞争优势