你的AI企业级就绪吗？

要让企业的技能和内在能力与业务目标保持一致，首先需要评估当前的通用人工智能成熟度模型状态，然后预览目标业务成果，并评估达到该状态所需的技术要求。这样，企业就可以实实在在地制定项目、开发技能和购买策略，以达到所需的业务成果。

Level 0：收集或创建必要的数据集

本基础级别集中于收集或创建必要的数据集，确保其质量和适用性，以便应用于基于通用人工智能（GenAI）或基于智能体（Agent）的应用。该级别涉及到的活动包括数据采购、清洁、准备、获取使用许可、生成合成数据和数据工程及变换活动。

Level 1：选题模型，并对其进行提示

达到这个级别的组织已经确定了合适的模型，并专门设计了有效的提示来与模型交互。他们还能够使用这些模型来完成特定的任务，这些任务通常是通过提示工程来指导的。需要注意的是，对于不同的LLM，相同的提示可能不会产生良好的结果。

模型选择、提示工程和检索：这个过程始于根据特定任务选择合适的LLM模型，并使用专有数据对其进行微调。有效的提示工程指导模型的行为，信息检索机制从内部知识库中提取相关信息。这个检索步骤通常由企业搜索能力提供支持，从而使得模型可以访问组织内部资源中的相关文档和数据。

Level 2：检索信息以增强提示

基于先前的级别，此阶段涉及通过GenAI模型检索相关信息，以获得特定的见解或数据。重点转移到使用专有或-domain-specific 数据对GenAI模型进行微调，以提高性能和模型的定制化。检索增强生成（RAG）框架结合信息检索系统和LLM来生成更准确和知识的响应。RAG可以根据检索和集成机制的复杂性进行分层。

Level 3：使用特定领域数据调整模型

使用域特定数据微调模型，通过参数高效微调、强化学习人类反馈、监督微调或完整微调等方法，将模型训练到特定行业或领域的数据中。这使模型能够学习该领域的专门术语、实体和知识，代表了组织的独特价值。微调AI模型涉及多种方法，涵盖从简单的上下文调整到复杂的强化学习。

Level 4：使用搜索和引用为模型输出打下基础

此级别除了模型微调外，还包括确保生成内容的事实准确性、相关性和伦理考虑。通过内部企业搜索和外部Google式搜索，输出经历严格的grounding和评估过程，确保输出的质量和可靠性。Vertex AI grounding服务提供文献和参考，增加生成内容的可靠性和透明度。模型然后根据反馈信息进行改进。最终，经过验证的模型被提供给用户或集成到应用程序中，提供可靠和信息丰富的响应。

Level 5：基于Agent的系统

第五级别GenAI架构引入了多Agent系统，其中多个GenAI模型在中心LLM的协调下协同工作，能够处理需要协调和集成多种能力的复杂任务。此外，该级别还强调了可观察性（监控和理解模型行为）和LLMOps（管理 GenAI 模型的生命周期）。该级别使用选择合适的LLM模型、基于专有数据微调、使用prompt工程指导模型行为，并使用信息检索机制从多种来源提取相关信息来扩展模型的知识库。中心LLM充当指挥者，协调其他模型或组件的行为，分配任务，管理通信，并集成输出，创建协作工作流程。

Level 6：多代理加成

第六级别GenAI体现了高度的成熟度，它将先进的技术和框架无缝集成，以实现高价值的能力。该级别利用树状思维 (ToT) 或图状思维 (GoT) 框架来增强推理能力，并采用DSPY和ReAct技术进行主动信息收集。通过信息检索、自定义数据模型调整、多Agent编排和控制以及严格的评估机制，第六级GenAI系统能够高效地解决复杂问题，并确保输出的准确性、相关性和安全性。

GenAI应用可以把帮助企业有效提高ROI，通过增强效率、生产力和整体回报率。GenAI 可以应用于多个领域，例如：营销和销售（个性化客户体验、生成目标内容、优化营销活动）；客户服务（聊天机器人和虚拟助手）；人力资源（流程招聘、个性化入职和学习发展机会）；财务和会计（自动化财务分析、检测异常和欺诈、优化财务流程）；运营和供应链（优化库存管理、预测需求、流程化物流）。

在行业领域，GenAI应用则可满足子行业的独特需求和挑战，应用于多个垂直领域。例如：医疗保健（诊断辅助、药物发现、个性化治疗计划）；金融（金融数据分析、市场趋势预测、投资建议）；零售（个性化产品推荐、定价策略优化、客户体验提升）；制造业（生产过程优化、设备故障预测、质量控制提高）；教育（个性化学习体验、自动反馈、自适应评估）。

综上所述，要实现商业目标，组织需要明确自身当前的成熟度和复杂度，并确定目标成熟度。通过构建技能和能力，利用Google Cloud AI等涵盖所有成熟度级别的平台和工具，组织可以制定路线图，从当前状态逐步提升，最终达到目标成熟度并实现预期商业成果。