生成AI導入に最適なIBM成熟度モデル

フェーズ

特性

推奨事項

1

• ジェネリックモデルを消費する
• 予測不可能で事後対応的なアプローチ
• ローカライズされた取り組み
• 限られた理解

• 基本的なアウェアネスを育てる
• パイロットプロジェクトを開始する

2

• 主な生成AI環境での目的に合ったモデル
• 一貫性のないプロセス
• 初期ドキュメンテーション
• データ品質のニーズの認識

• ストラテジーを中央集権的に確立する
• ベーシックトレーニング
• データ標準を評価

3

• 生成AI環境で企業全体のデータを活用
• 組織全体の基準
• 確立されたガバナンス
• 倫理を重視

• コラボレーションを強化する
• 生成AIの課題への対処
• 継続的なフィードバックの仕組み

4

• 生成AIモデルを実行して推論し、コンピューティング/コストを拡張する
• アクティブメトリクスの追跡
• 定量的評価
• データに基づく意思決定

• 高度な分析
• ビジネス目標へのリンク
• 強固なリスク管理

5

• 環境横断的なモデルを構築・使用最適なコストで安全に
• 継続的な改良
• 確立されたフィードバックループ
• プロアクティブなアプローチ

• イノベーションを育む
• エキスパートの解説はこちら
• ガバナンスフレームワークのレビュー

フェーズ

生成AI機能

ガバナンスの成熟度

1

• 生成AIリソース：ハードウェアとプラットフォームの基本。
• 基本的なデータ管理：データの初期ストレージと管理。

AIライフサイクル・ガバナンスがない

2

• モデル・ハブ：基本的なモデルのインポートおよびデータのインポート機能。
• サポート機能：生成AIの基本的なITオペレーション
• 生成AIアプリケーション開発の初期ステップ：基礎モデルのチューニング開始。

AIライフサイクルをガイドするために利用できるいくつかのAIポリシー

3

• モデル・ホスティング：APIサービスとしてのモデルのデプロイメント、およびモデル・アクセス・ポリシー管理。
• モデル・カスタマイズ：特定のニーズに合わせたモデルのチューニングとトレーニングの紹介
• 生成AIチューニング：プロンプト・エンジニアリングとモデルのファイン・チューニングを使用した基本的なカスタマイズ。

AIライフサイクルを管理する共通のメトリクス

4

• モデル・ガバナンス：バイアスの導入、規制、コンプライアンス順守などのリスクに対処します。
• モデル・モニタリング：バイアス検知やHAP検知を含むリアルタイム監視機能。
• 生成AIアプリケーション機能：オーケストレーションやインテント検知などの高度な機能の組み込み。

自動化された検証と監視

5

• 高度なモデル・カスタマイズ：動的なニーズに対応するクラウド・プラットフォームを採用します。
• プロンプト監視とセキュリティー：モデルが高度な脅威から確実に保護されます。
• 高度な生成AIチューニング：企業固有の用語やプロセスに合わせてモデルを徹底的にカスタマイズします。
• 高度な生成AIアプリケーション開発：フル機能の生成AIアプリケーション開発と、ゼロからのモデル作成を可能にします。

完全に自動化されたAIライフサイクル・ガバナンス