Il modello di maturità IBM per l'adozione della gen AI

Fase

Caratteristiche

Raccomandazioni

1

• Utilizzo di modelli generici
• Approccio imprevedibile e reattivo
• Iniziative localizzate
• Comprensione limitata

• Sviluppo di una consapevolezza di base
• Avvio di progetti pilota

2

• Modelli su misura nell’ambiente principale di gen AI
• Processi incoerenti
• Documentazione iniziale
• Riconoscimento delle esigenze di qualità dei dati

• Definizione di una strategia centralizzata
• Addestramento di base
• Valutazione degli standard dei dati

3

• Utilizzo dei dati aziendali nell’ambiente di gen AI
• Standard a livello di organizzazione
• Governance consolidata
• Focus sull'etica

• Migliora la collaborazione
• Gestione delle sfide di gen AI
• Meccanismi di feedback continuo

4

• Esecuzione e inferenza dei modelli AI per ottimizzare elaborazioni/costi
• Monitoraggio attivo delle metriche
• Valutazione quantitativa
• Processo decisionale basato sui dati

• Analytics avanzata
• Collegamento agli obiettivi aziendali
• Gestione efficace del rischio

5

• Creazione e utilizzo dei modelli tra ambienti diversi in modo sicuro e con costi ottimali
• Perfezionamento continuo
• Cicli di feedback consolidati
• Approccio proattivo

• Supporto per l'innovazione
• Interagisci con gli esperti
• Revisione del framework di governance

Fase

Funzionalità di gen AI

Maturità della governance

1

• Risorse di gen AI: nozioni di base su hardware e piattaforma.
• Gestione dei dati di base: storage e gestione iniziale dei dati.

Nessuna governance del ciclo di vita dell'AI

2

• Hub dei modelli: funzionalità di base per l'importazione di modelli e i dati.
• Funzionalità di supporto: operazioni IT di base per la gen AI.
• Primi passi nello sviluppo di applicazioni di gen AI: iniziare ad adattare i foundation model.

Alcune politiche di AI disponibili per guidare il ciclo di vita dell’AI

3

• Hosting dei modelli: implementazione di modelli come servizi API e gestione delle policy di accesso ai modelli.
• Personalizzazione dei modelli: introduzione alla messa a punto e all'addestramento dei modelli per esigenze specifiche.
• Messa a punto della gen AI: personalizzazione di base attraverso prompt engineering e fine-tuning dei modelli.

Set comune di metriche per governare il ciclo di vita dell'AI

4

• Governance dei modelli: gestione dei rischi, come l’introduzione di bias e il rispetto delle normative e della conformità.
• Monitoraggio dei modelli: funzionalità di monitoraggio in tempo reale, tra cui rilevamento dei bias e rilevamento di HAP.
• Funzionalità delle applicazioni di gen AI: integrazione di funzionalità avanzate come orchestrazione e rilevamento delle intenzioni.

Convalida e monitoraggio automatizzati

5

• Personalizzazione avanzata del modello: utilizzo di piattaforme cloud per esigenze dinamiche.
• Monitoraggio e sicurezza dei prompt: garantire che i modelli siano protetti dalle minacce avanzate.
• Messa a punto avanzata della gen AI: personalizzazione approfondita dei modelli in base al gergo e ai processi specifici dell’azienda.
• Sviluppo di applicazioni avanzate di gen AI: sviluppo di applicazioni di AI generativa con funzionalità complete e possibile creazione di modelli da zero.

Governance del ciclo di vita dell'AI completamente automatizzata