代理式 AI 採用成熟度模型:成功採用的可重複模式

隨著組織不再只是嘗試 AI,許多組織仍難以以安全、可衡量且深植於工作執行方式的方式來擴展 AI 代理。 代理型人工智慧新增了自主決策、多步驟協調與人力與代理協作等功能,但同時也需要新的企業營運模式。

許多早期的人工智慧計畫作為試點取得成功,但難以超越孤立的應用案例。 組織經常會問:

  • 我們如何從實驗階段邁向企業規模的採用?
  • 我們如何平衡創新與安全、治理及信任?
  • 我們如何確保代理人能隨時間帶來可衡量的商業價值?
  • 在提升代理自主性之前,我們需要具備哪些能力?

代理式 AI 成熟度模型提供了一個結構化框架,幫助你了解代理採用旅程的階段,以及接下來需要做什麼。 該模型不僅聚焦於技術,而是全面檢視策略、流程轉型、治理、價值實現、架構、營運、組織準備度及負責任的人工智慧。

模型依循序漸進的成熟度層級組織,從初步實驗到以代理人為優先、優化狀態。 在每個層級,它描述了實務中的成熟度,並強調常見的缺口、風險與機會。 利用這個框架客觀評估你目前的狀態,並找出具體行動以推動前進。

最重要的是,成熟度模型設計得可行。 它幫助領導者、架構師與交付團隊在優先事項上達成共識,將投資重點放在最重要的地方,並建立負責任且永續地擴展 AI 代理在企業中的基礎。

備註

此成熟度模型與 代理準備度框架相符,該框架定義了大規模採用代理所需的基礎能力。

成熟度模型概述

Microsoft Copilot 經驗與代理解決方案,透過 Agent Builder 在 Microsoft 365 CopilotCopilot StudioMicrosoft Foundry 中打造,為工作執行帶來新的操作模式。 他們不只是提供資訊。 他們也會參與工作流程、觸發動作,並與跨系統的人類協作。

隨著採用率提升,組織必須同時在多個面向上演進,包括:

  • AI 策略與使用者體驗設計
  • 業務流程轉型與價值衡量
  • 治理、安全與營運管理
  • 技術基礎與資料存取模式
  • 組織文化、技能與賦能
  • 負責任的人工智慧與信任(涵蓋所有維度)

代理式 AI 採用成熟度模型幫助您了解目前的狀況、接下來需要哪些能力,以及如何安全且有意識地推進。

該模型分為五個成熟度等級及五個能力支柱。 這些層級與支柱提供了持續評估當前狀態、理解進展,並識別目標投資最能產生最大影響的方式。

成熟度層級

備註

代理型 AI 成熟度模型基於能力成熟度模型(CMM),這是一種廣泛應用於軟體開發、資訊科技及其他產業的開發模型,用以評估及提升組織成熟度。 另一個此類模型是 Microsoft 的平臺工程能力模型,旨在改進平臺工程實踐。

每個能力支柱會從五個成熟度層級評估,從早期實驗到優化的企業規模營運。

  • 100 級 — 初始階段:代理型 AI 計畫是非計畫且實驗性的。 能力不一致、孤立且依賴個人而非可重複的實務。
  • 200 級 — 可重複:早期的模式與做法開始浮現。 團隊可以重複執行某些活動,但組織內的做法仍然非正式且不均衡。
  • 等級 300 — 定義:能力被正式定義、文件化,並由治理、標準及營運模型支持。 代理式 AI 計畫更明確地與企業目標相符。
  • 等級 400 — 具備能力:代理被嵌入企業規劃與營運中。 流程、治理與技術支持擴展與跨團隊協作。
  • 等級500 — 高效:組織以代理為先的企業運作。 能力被優化、持續改進,並獲得強大的領導、文化與信任支持。

能力支柱

該模型評估五大能力支柱的成熟度,每個支柱代表成功採用 AI 的重要面向:

  • AI 策略與體驗:將 AI 計畫與業務目標、領導優先事項、長期策略及使用者體驗目標對齊。
  • 商業策略:重新設計人與代理人協作的端到端流程,衡量業務影響,並優化 AI 計畫的價值實現。
  • AI 治理與安全:建立防護措施、控制、監督、營運管理及生命週期治理,以管理風險與合規,隨著 AI 擴展。
  • 科技與數據:建立可擴展且安全的技術基礎、架構與資料存取模式。
  • 組織與文化:協助人員、角色、激勵措施及工作方式,支持人工智慧的採用。

快速參考

這份快速參考概述能幫助你一目了然地了解成熟度的特徵。 如需詳細指引、範例、風險及進展步驟,請參閱各支柱條目。 他們會更深入說明每個層級的特徵以及如何進階。

成熟度等級 AI策略與經驗 商務策略 人工智慧治理與安全 科技與數據 組織與文化
100:首字母
  • 沒有 AI 代理的策略或願景,沒有高階贊助商
  • 飛行員的任務多為零星或戰術型
  • 有限的人工智慧或商業協調
  • 缺乏負責任的人工智慧(RAI)意識
  • 僅限人類的工作流程
  • 工作需要手動操作
  • 沒有任何為自動化、協調或代理協作設計的流程
  • 沒有治理
  • 基本資訊合規與安全
  • 無運作模型
  • 無支援模型
  • 碎片化模具
  • 沒有技術架構或參考架構
  • 基礎設施有限(大規模採用的外站代理)
  • 沒有訓練或協助,飛行員/訓練都很孤立
  • 沒有冠軍或社群
  • 大規模採用的商業價值不明
200:可重複
  • 早期視覺形成
  • 領導層對齊不足
  • 非正式策略
  • 試驗可以改善單一工作流程步驟
  • 漸進式改進
  • 沒有從頭到尾的流程重新設計
  • 早期價值故事形成;
  • 測量
  • 早期政策
  • 安全審查存在獨立的開發、測試與生產環境
  • 基本環境分離
  • 人工智慧的基本監控與維護
  • 基本環境結構
  • 部分連接器的重複使用
  • 早期採用者對該事物的認知有限
  • 零星訓練與非正式社群
  • 角色不明確與收養所有權
  • 早期採用者對該事物的認知有限
300:定義
  • 正式的 AI/代理策略
  • 跨部門規劃與目標
  • 主管贊助人
  • 追蹤關鍵績效指標(KPI/PI),定期報告
  • 文件化治理模型
  • 主要商業指標
  • 優先業務流程的人工與代理協作定義
  • 定義關鍵績效指標(KPI)指引;真實風險的記錄與緩解
  • 標準化架構
  • 人工智慧實踐
  • 可重複使用的元件
  • 遙測與資料準備平台確保平台的使用。
  • 正式啟用
  • 活躍的創客/社群
  • 定義的可賦能模型與系統
  • 擁有支持資產的情境知識庫
  • 正式入職流程、積極的創客/社群動議
  • 定期的知識分享與能力提升資源
400:有能力
  • 人工智慧整合於企業規劃
  • 跨部門協調
  • 策略性衡量
  • RAI 指導設計
  • 跨系統協調
  • Agent 最佳化後的領域重新設計
  • 可衡量的商業價值代理與優化迴圈
  • 強力轉型評估
  • 主動治理,包含自動化監控與警示
  • 持續改進循環
  • 嵌入生命週期閘中的 RAI
  • 可擴展的企業架構基礎
  • 自動化部署與品質保證指導
  • 共享資料管理與優化
  • 效能優化
  • 組織中嵌入的冠軍
  • 共享加速度模型
  • 共享中心參與與激勵措施
  • 優化文化
500:高效的
  • AI 優先文化
  • 持續的策略迭代
  • 高層級問責
  • 自適應、自主的流程
  • 持續最佳化
  • 人工智慧驅動的新創新與投資
  • RAI 是企業文化的一部分
  • 預測性風險管理
  • 即時合規監控與控制
  • 自動化修復,持續運作的改善循環
  • 進階多代理人模式
  • 自我進化的社群
  • 新興創新推動者
  • 用於指導可靠性與效能的預測代理
  • 自我維持的社群,新興的創新推動者
  • 持續學習文化,並有明確的激勵措施

這份指引是針對誰

本指引適用於:

  • 規劃採用人工智慧的商業與科技領袖
  • 人工智慧、協作夥伴或自動化卓越中心(CoE)
  • 架構師、資安領導者與風險專業人士
  • 變革經理與賦能團隊
  • 產品負責人與轉型主管

無論你是剛開始接觸 AI 或已經在生產環境中操作代理,成熟度模型都提供了評估準備度與規劃下一步的通用語言。

下一個步驟

在下一篇文章中,您將學習如何運用代理式 AI 採用成熟度模型來評估目前的狀態並規劃您的採用旅程。