Modelo de maturidade da IBM para adoção da IA generativa

Fase

Características

Recomendações

1

• Consuma modelos genéricos
• Abordagem imprevisível e reativa
• Esforços localizados
• Compreensão limitada

• Desenvolva a consciência básica
• Inicie projetos-piloto

2

• Modelos adequados à finalidade no ambiente primário da IA generativa
• Processos inconsistentes
• Documentação inicial
• Reconhecimento das necessidades de qualidade de dados

• Estabeleça uma estratégia centralizada
• Treinamento básico
• Avalie padrões de dados

3

• Aproveite dados de toda a empresa no ambiente da IA generativa.
• Normas para toda a organização
• Governança estabelecida
• Foco na ética

• Melhore a colaboração
• Enfrente os desafios da IA generativa
• Mecanismos de feedback contínuo

4

• Execute e infira modelos de IA para escalar computação/custos
• Rastreamento ativo de métricas
• Avaliação quantitativa
• Tomada de decisão acionada por dados

• Análise de dados avançada
• Vincule-se aos objetivos de negócios
• Gerenciamento robusto de riscos

5

• Construa e use modelos em vários ambientes de forma segura e com custos ideais
• Refinamento contínuo
• Ciclos de feedback estabelecidos
• Abordagem proativa

• Promova a inovação
• Fale com especialistas
• Avalie a estrutura de governança

Fase

Recursos de IA generativa

Maturidade da governança

1

• Recursos de IA generativa: noções básicas de hardware e plataforma.
• Gerenciamento básico de dados: armazenamento e gerenciamento de dados iniciais.

Sem governança do ciclo de vida da IA

2

• Central de modelos: recursos básicos de importação de modelos e importação de dados.
• Recursos de suporte: operações básicas de TI para IA generativa.
• Etapas iniciais do desenvolvimento de aplicações de IA generativa: início do ajuste dos modelos de base.

Algumas políticas de IA disponíveis para orientar o ciclo de vida da IA

3

• Hospedagem de modelos: implementação de modelos como serviços de API e gerenciamento de políticas de acesso a modelos.
• Personalização de modelos: introdução ao ajuste e treinamento de modelos para necessidades específicas.
• Ajuste de IA generativa: personalização básica usando engenharia de prompts e ajuste fino de modelos.

Conjunto comum de métricas para governar o ciclo de vida da IA

4

• Governança de modelos: lidar com riscos como introdução de vieses, cumprimento regulatório e de conformidade.
• Monitoramento de modelos: recursos de monitoramento em tempo real, incluindo detecção de viés e detecção de HAP.
• Recursos de aplicações de IA generativa: incorporação de funcionalidades avançadas, como orquestração e detecção de intenção.

Validação e monitoramento automatizados

5

• Personalização avançada de modelos: emprego de plataformas de nuvem para necessidades dinâmicas.
• Monitoramento e segurança de prompts: garantir que os modelos estejam protegidos contra ameaças avançadas.
• Ajuste avançado da IA generativa: personalização completa dos modelos para jargões e processos específicos da empresa.
• Desenvolvimento avançado de aplicações de IA generativa: desenvolvimento completo de aplicações de IA generativa e criação potencial de modelos a partir do zero.

Governança do ciclo de vida de IA totalmente automatizada