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。

# 在 上採用生成式 AI 的成熟度模型 AWS
<a name="introduction"></a>

*Amazon Web Services* [（貢獻者](contributors.md))

*2025 年 6 月* ([文件歷史記錄](doc-history.md))

[生成式 AI](https://aws.amazon.com/what-is/generative-ai/) 是經過大量資料訓練的 AI 模型子集，可以產生新的內容，包括文字、影像、音樂和影片。這些模型可以使用預先訓練[的基礎模型](https://aws.amazon.com/what-is/foundation-models/)、自訂模型，以及擴增或專屬資料集。生成式 AI 的影響跨越產業。它可以增強創造力、提高生產力，並啟用新的商業模型。如果您的組織想要生成式 AI 來增強營運、推動創新並實現業務成長，結構化、分階段的方法對於導覽採用之旅至關重要。

根據 [CIO 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 AI 試行器無法實現生產。這會導致所謂的*試行疲勞*。本文指出「公司只是擔心花費更多時間、金錢和精力來支援不會快速進入生產環境的試行者」。這種疲勞可能會阻礙創新，並阻止進一步實驗生成式 AI。此外，根據 [McKinsey 報告](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai)，組織正在努力解決 AI 實作中的重大資料品質和整合挑戰。

此策略文件提供結構化架構，以協助組織實作生成式 AI 解決方案。此架構旨在協助您應對技術採用的複雜性，並確保您不會忽略關鍵步驟或最佳實務。使用本指南中的建議，全面了解您的生成式 AI 成熟度。透過評估成熟度層級，您可以識別每個層級的重點領域，並啟動end-to-end生成式 AI 採用旅程。此架構探索四個成熟度層級，從初始意識到完整規模的轉換。它概述了每個層級的關鍵活動和基本實務。

## 目標對象
<a name="introduction-audience"></a>

本文旨在供想要在組織中採用生成式 AI 來創造價值的高階主管、技術主管、企業領導者、資料科學家、生成式 AI 和 AI/ML 專家、IT 專業人員和決策者使用。

## 目標業務目標
<a name="introduction-objectives"></a>

透過生成式 AI 成熟度層級的系統化進展，組織可以實現下列關鍵業務成果：
+ 透過經過驗證的生成式 AI 使用案例進行策略業務流程創新
+ 透過強大的生產就緒 AI 解決方案實現卓越營運
+ 透過標準化、可重複使用的 AI 元件實現全企業效率
+ 透過策略轉型和可擴展的 AI 功能獲得競爭優勢