Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
I takt med at organisationer bevæger sig ud over at eksperimentere med kunstig intelligens, kæmper mange med at skalere AI-agenter på en måde, der er sikker, målbar og dybt integreret i, hvordan arbejdet udføres. Agentisk AI tilføjer nye funktioner, f.eks. autonom beslutningstagning, flertrinsorkestrering og samarbejde mellem menneskelige agenter, men den kræver også en ny virksomhedsoperativmodel.
Mange tidlige AI-initiativer lykkes som piloter, men kæmper for at bevæge sig ud over isolerede use cases. Organisationer spørger ofte:
- Hvordan går vi fra eksperimenter til implementering i stor skala?
- Hvordan balancerer vi innovation med sikkerhed, styring og tillid?
- Hvordan sikrer vi, at agenter leverer målbar forretningsværdi over tid?
- Hvilke funktioner har vi brug for, før vi øger agentens autonomi?
Modellen til agentisk AI-modenhed indeholder en struktureret struktur, der hjælper dig med at forstå, hvor du befinder dig i din agents indføringsrejse, og hvad du skal gøre nu. I stedet for udelukkende at fokusere på teknologi ser modellen holistisk ud på tværs af strategi, procestransformation, styring, værdirealisering, arkitektur, drift, organisationsparathed og ansvarlig AI.
Modellen er organiseret i progressive modenhedsniveauer fra indledende eksperimenter til en agent-først optimeret tilstand. På hvert niveau beskrives, hvordan modenhed ser ud i praksis, og de huller, risici og muligheder, der ofte opstår, fremhæves. Brug denne struktur til at vurdere din aktuelle tilstand objektivt og identificere konkrete handlinger for at komme videre.
Det vigtigste er, at modenhedsmodellen er designet til at være handlingsrettet. Det hjælper ledere, arkitekter og leveringsteams med at justere prioriteter, fokusere investeringer, hvor de betyder mest, og opbygge det fundament, der kræves for at skalere AI-agenter ansvarligt og bæredygtigt i hele virksomheden.
Bemærkning
Denne modenhedsmodel er i overensstemmelse med Agent Readiness Framework, som definerer de grundlæggende funktioner, der kræves for at anvende agenter i stor skala.
Oversigt over modenhedsmodellen
Microsoft Copilot-oplevelser og agentløsninger, der er bygget med Agent Builder i Microsoft 365 Copilot, Copilot Studio og Microsoft Foundry , introducerer nye driftsmønstre for, hvordan arbejdet udføres. De giver ikke kun oplysninger. De deltager også i arbejdsprocesser, udløser handlinger og samarbejder med mennesker på tværs af systemer.
I takt med at indførelsen vokser, skal organisationer udvikle sig på tværs af flere dimensioner på én gang, herunder:
- Strategi og ledelsesjustering
- Procesdesign og automatisering
- Sikkerhed, styring og overholdelse
- Teknologifundamenter og dataadgang
- Driftsparathed og livscyklusstyring
- Organisationskultur og -færdigheder
- Ansvarlig AI og tillid
Den agentiske model til ai-indføring hjælper dig med at forstå, hvor du er i dag, hvilke funktioner du har brug for næste gang, og hvordan du kommer sikkert og bevidst videre.
Modellen er organiseret i fem modenhedsniveauer og otte egenskabssøjler. Disse niveauer og søjler giver en ensartet måde at vurdere din aktuelle tilstand på, forstå progression og identificere, hvor målrettede investeringer vil have den største indvirkning.
Modenhedsniveauer
Bemærkning
Modellen til agentisk AI-modenhed er baseret på CMM (Capability Maturity Model), som er en udviklingsmodel, der bruges i softwareudvikling, it og andre brancher til at vurdere og forbedre organisationens modenhed. En anden sådan model er Microsofts Platform Engineering Capability Model, der er designet til at forbedre platformsteknikpraksis.
Hver egenskabssøjle vurderes på tværs af fem modenhedsniveauer, lige fra tidlig eksperimentering til optimeret handling i virksomhedsskala.
- Niveau 100 – indledende: Agentiske AI-initiativer er uplanlagte og eksperimentelle. Egenskaber er inkonsekvente, siloerede og afhængige af enkeltpersoner i stedet for gentagelige fremgangsmåder.
- Niveau 200 – gentagelig: Tidlige mønstre og praksisser begynder at dukke op. Teams kan gentage visse aktiviteter, men tilgange er stadig uformelle og ujævne på tværs af organisationen.
- Niveau 300 – defineret: Egenskaber er formelt defineret, dokumenteret og understøttet af styring, standarder og driftsmodeller. Agentiske AI-initiativer er mere tydeligere i overensstemmelse med forretningsmål.
- Niveau 400 – i stand: Agenter er integreret i virksomhedsplanlægning og -drift. Processer, styring og teknologi understøtter skalering og samarbejde på tværs af team.
- Niveau 500 – effektiv: Organisationen fungerer som en agent-first-virksomhed. Egenskaber optimeres, forbedres løbende og understøttes af stærk ledelse, kultur og tillid.
Egenskabssøjler
Modellen evaluerer modenhed på tværs af otte egenskabssøjler, der hver især repræsenterer en vigtig dimension af vellykket indførelse af kunstig intelligens:
- Justering af forretnings- og AI-strategi: Tilpasning af AI-initiativer til forretningsmål, lederprioriteter og langsigtet strategi.
- Tilknytning af forretningsprocesser: Omdesigner komplette processer til samarbejde mellem menneskelige agenter og agentdrevet udførelse.
- Sikkerhed og styring: Etablering af gelændere, kontrolelementer og tilsyn for at administrere risici og overholdelse som AI-skalaer.
- Værdirealisering og resultater: Måling, sporing og optimering af den forretningsmæssige effekt af AI-initiativer.
- Teknologi og data: Opbygning af skalerbare, sikre tekniske fundamenter, arkitekturer og mønstre for dataadgang.
- Organisationsparathed og kultur: Aktivering af personer, roller, incitamenter og måder at arbejde på, der understøtter indførelse af kunstig intelligens.
- Ansvarlig AI og tillid: Integrering af etiske, gennemsigtige og ansvarlige AI-fremgangsmåder på tværs af organisationen.
- Drift og livscyklusstyring: Drift, overvågning og forbedring af agenter pålideligt i hele deres livscyklus.
Bemærkning
Drift og livscyklusstyring og ansvarlig AI og tillid er tværgående styringsfunktioner. Selvom de er repræsenteret som separate søjler i denne model til vurderingsklarhed, er de i praksis dybt integreret i sikkerheds- og styringskontroller, teknologifundamenter og udførelse af forretningsprocesser. Hvis du opdeler dem i forskellige søjler, kan du bedre vurdere modenhed og undgå at undervurdere de driftsmæssige og etiske discipliner, der kræves for at skalere AI-agenter sikkert.
Hurtig reference
Denne oversigt over hurtig reference hjælper dig med hurtigt at forstå modenhedsegenskaber. Du kan finde detaljerede vejledninger, eksempler, risici og progressionshandlinger i artiklerne om de enkelte søjler. De går dybere ned i, hvordan hvert niveau ser ud, og hvordan de skal gå videre.
| Modenhedsniveau | Justering af forretnings- og AI-strategi | Kortlægning af forretningsprocesser | Sikkerhed og styring | Værdirealisering og resultater | Teknologi og data | Drift og livscyklusstyring | Organisationsparathed og kultur | Ansvarlig AI og tillid |
|---|---|---|---|---|---|---|---|---|
| 100: Indledende |
|
|
|
|
|
|
|
|
| 200: Gentagelig |
|
|
|
|
|
|
|
|
| 300: Defineret |
|
|
|
|
|
|
|
|
| 400: Stand til |
|
|
|
|
|
|
|
|
| 500: Effektiv |
|
|
|
|
|
|
|
|
Hvem denne vejledning er for
Denne vejledning er til:
- Virksomheds- og teknologiledere, der planlægger indførelse af kunstig intelligens
- CoEs (Centers of Excellence) til AI, Copilot eller automatisering
- Arkitekter, sikkerhedsledere og risikomedarbejdere
- Forandringsledere og aktiveringsteams
- Produktejere og transformationsledere
Uanset om du lige er startet med kunstig intelligens eller allerede er i produktion, er modenhedsmodellen et fælles sprog til vurdering af parathed og planlægning af næste trin.
Næste trin
I den næste artikel lærer du, hvordan du bruger den agentiske model til indførelse af kunstig intelligens til at vurdere din aktuelle tilstand og planlægge din implementeringsrejse.