你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
本文指导你在组织中构建 AI 卓越中心（AI CoE）。 AI CoE 作为一个内部专家团队，引导 AI 成果的成功和价值实现。 AI CoE 可防止采用碎片化或未治理的 AI 采用。 它为 AI 计划奠定了坚实的基础，并提供了支持成功 AI 集成的业务和技术咨询。
打造 AI CoE 团队
人工智能卓越中心团队有助于确保整个组织始终如一地采用人工智能。 为了有效起见，AI CoE 需要正确的领导、专业知识和组织一致性。 若要生成团队，请执行以下步骤：
确保高管赞助。 高管赞助为AI CoE的成功提供了所需的预算、权威和组织信誉。 如果没有执行支持，AI CoE 无法强制实施标准或推动组织变革。 与业务和 IT 主管组成指导委员会，与赞助商建立每月进度评审，并确保 CoE 可以直接访问 C 级决策者。
任命 AI CoE 领导者。 分配一位负责推动 AI 计划并充当 AI 策略执行的单一联系点的专用领导者。 明确的领导者可确保问责、战略一致性和有效的沟通。 甄选具有强大 AI 专业知识、经过验证的领导技能以及影响各级利益干系人的能力的人员。
组建 AI CoE 团队。 构建具有支持企业 AI 采用的高级技能的多学科团队。 不同的团队同时满足技术和业务要求，同时维护安全性和治理标准。 业务线索识别相关的用例，识别可用数据，并评估模型的有效性。 AI 技术专家处理数据管理、模型设计、训练、适应和选择。 包括高级数据科学家、机器学习工程师、AI 治理专家、AI 安全专家和 AI 运营专业人员。
确定在贵组织中的位置。 适当的组织协调可确保与现有团队进行有效的协作，并访问所需的资源。 AI 与其他现有技术一起出现或之后，依赖于云基础结构、数据和治理。 它通常以现有团队为基础，而不是作为一个独立的团队。 如果你已经运营了云卓越中心（CCoE），可将 AI 实践和专业知识集成到该团队中。 仅当当前团队不支持 AI 采用或存在严重风险时，才创建独立的 AI 团队。 关键是避免不必要的复杂性，并确保 AI 采用建立在强大的基础之上，而不是隔离运行。
定义运营模型。 在 AI 旅程的早期阶段，公司受益于集中式 CoE，以巩固专业知识和基础实践。 开始时的集中化加速了 AI 的采用。 随着 AI 采用不断走向成熟，应转为采用 AI CoE 支持 AI 使用的咨询方法。 集中式模型可确保控制和一致性，而咨询方法提供灵活性。
定义人工智能卓越中心的职责
明确责任可提高问责性，弥合治理差距，并支持 AI 举措的一致执行。 AI CoE 应履行核心职责以明确其运作，尤其是在 AI 使用初期。 使用下表分配 AI CoE 职责：
| 焦点区域 | 责任 |
|---|---|
| 定义 AI 策略 | 建立与业务目标相符的明确 AI 策略。 推动价值的关键不仅在于识别用例，而且在于确保组织适合。 与业务主管合作，确定 AI 机会。 使用 AI 决策树 选择正确的 AI 解决方案。 制定 负责任的 AI 策略 ，指导道德实施。 |
| 开发 AI 技能 | 通过技能评估和开发项目构建组织 AI 功能。 使用 评估 AI 技能 评估当前的 AI 技能。 为提高员工的技能实现 学习途径 。 提供实践实验机会，让团队保持最新状态。 |
| 领导试点项目 | 执行战略试点项目来验证 AI 方法并展示业务价值。 使用 创建 AI 概念证明，根据业务影响和技术可行性确定项目优先级。 使用结果优化运营流程并提高卓越中心绩效。 |
| 定义并强制实施 AI 标准 | 为数据质量和模型生命周期管理制定 治理策略 和 安全标准 。 记录 AI 标准，将其集成到日常工作流中，并监视道德 AI 的使用。 查看模型，了解偏差和透明度。 定期进行数据安全性和合规性审核。 |
| 创建引入和优先顺序工作流 | 实现用于评估和确定 AI 项目请求优先级的过程。 创建结构化的引入过程来收集和评估项目请求。 针对业务价值、技术可行性和资源要求应用一致的标准。 维护已确定优先级的 AI 计划积压。 |
| 开发可重用资产 | 在内部平台上创建合规性清单并发布资产，以便重复使用和知识共享。 |
| 度量和报告结果 | 实施框架来跟踪 AI 采用进度和业务影响。 定义关键绩效指标，例如采用率、合规性级别和项目周期时间。 定期向领导报告见解。 使用性能数据推动持续改进。 |
| 管理 AI 服务 （可选） | 为已部署的 AI 服务和模型提供运营管理和治理。 使用 管理 AI 部署来部署和管理 AI 服务。 监视 AI 模型性能和准确性。 为 AI 部署实现适当的生命周期管理。 生成和维护模板、代码存储库和符合性工具库。 开发常见 AI 用例的模板。 使用经过验证的模式维护代码存储库。 |
改进 AI CoE 运营
随着 AI 采用的成熟，AI CoE 应从集中控制演变为更多咨询团队。 只有在可以将 AI 治理嵌入平台作时，才能进行这种转换。 您需要识别 AI CoE 何时应从集中控制过渡到咨询角色。 如需指导，请执行以下步骤：
识别组织拐点。 监测哪些关键指标表明集中控制对AI采用的影响是阻碍而非帮助。 早期识别可防止组织摩擦，并确保持续交付势头。 观察是否存在 CoE 中的 AI 专家无法向所有团队提供支持的审批延迟和知识瓶颈。 你可能会看到产品团队和 CoE 之间愈演愈烈的摩擦，他们经常辩论优先级，而不是专注于价值交付。
将 AI 交付嵌入平台操作中。 将 AI 交付转移到 平台团队。 平台团队强制实施一致的治理，管理可靠的部署，并确保在所有工作负载之间安全交付。 将这些功能嵌入到每个团队，以标准化团队流程并保持敏捷性。
转换为咨询模型。 将 CoE Gatekeeper 模型替换为指导机构，以便设置护栏，而不是阻止工作的进行。 将 AI 专业知识分发到产品团队、平台团队和支持团队。 让一线团队拥有交付和实施，而论坛提供政策和监督。 CoE 侧重于指导和策略，而不是直接控制。
将 CoE 转移到咨询角色有助于团队在维护标准和安全性的同时快速创新。
后续步骤
使用 AI 采用清单来确定下一步。