2020 年（并于 2021 年进一步更新），IBM 推出了包含 7 个维度的企业应用 AI 成熟度框架。
随着生成式 AI 的到来，我们将 IBM 生成式 AI 架构与“IBM 生成式 AI 应用成熟度模型”保持一致：
阶段
特征
建议
1
- 使用通用模型
- 不可预测且被动的方法
- 本地化工作
- 了解有限
- 培养基本意识
- 启动试点项目
2
- 在主力生成式 AI 环境中使用适配业务目标的模型
- 流程不一致
- 初始文档
- 识别数据质量需求
- 建立集中战略
- 基础训练
- 评估数据标准
3
- 在生成式 AI 环境中利用企业级数据
- 组织级标准
- 已建立治理机制
- 关注道德
- 加强合作
- 应对生成式 AI 挑战
- 持续反馈机制
4
- 运行并推理生成式 AI 模型，实现算力与成本的规模化扩展
- 主动指标跟踪
- 定量评估
- 数据驱动型决策
- 高级分析
- 挂钩业务目标
- 稳健的风险管理
5
- 建立并跨环境使用模型以最优成本安全地实现
- 持续改进
- 已建立反馈回路
- 积极主动的方法
- 促进创新
- 联系专家
- 审查治理框架
生成式 AI 功能映射到能力模型
以下是 IBM 生成式 AI 架构能力模型与此成熟度模型的对应关系：
阶段
生成式 AI 能力
治理成熟度
1
- 生成式 AI 资源：硬件与平台基础。
- 基础数据管理：数据的初始存储和管理。
无 AI 生命周期治理
2
- 模型中心：基础模型导入和数据导入能力。
- 支持能力：生成式 AI 的基本 IT 运营。
- 生成式 AI 应用程序开发的初始步骤：开始调整基础模型。
已制定部分 AI 策略，用于指导 AI 生命周期管理
3
- 模型托管：将模型部署为 API 服务，以及模型访问策略管理。
- 模型定制：针对特定需求的模型调优与训练介绍。
- 生成式 AI 调整：通过提示工程与模型微调实现基础定制。
用于管控 AI 生命周期的通用指标体系
4
- 模型治理：解决偏见引入、法规遵循与合规等风险。
- 模型监控：具备实时监控能力，包括偏见检测与 HAP 检测。
- 生成式 AI 应用程序功能：整合编排和意图检测等高级功能。
自动化验证与监控
5
- 高级模型定制：利用云平台满足动态需求。
- 提示监控和安全：防止模型受到高级威胁。
- 高级生成式 AI 调优：针对企业专属术语与流程，对模型进行深度定制。
- 高级生成式 AI 应用程序开发：全功能生成式 AI 应用开发，以及从零构建专属模型的潜在能力。
全自动 AI 生命周期治理