准备就绪

问题	响应示例
您是否有可以用来处理这些工作负载的 AWS 账户？	是还是不是。
您与之签订了现有的企业协议 AWS吗？	是还是不是。
您当前的云基础架构在处理生成式 AI 工作负载方面的可扩展性如何？	我们的云基础设施具有高度的可扩展性，具有计算资源和分布式存储系统的自动扩展功能，旨在高效处理大规模的生成式 AI 工作负载。
您是否具有用于大规模预处理和特征工程的数据管道功能？	我们的数据管道使用分布式处理框架（例如 Apache Spark）进行大规模数据预处理和功能工程，同时支持批处理和流式数据处理。
你有账户配置和管理能力吗？	是还是不是。
你会如何描述你的组织的人工智能素养和采用生成式人工智能技术的意愿？	我们的组织在人工智能教育项目上投入了大量资金，大多数技术人员已经完成了基本的人工智能/机器学习培训。该组织的创新文化包含新技术，包括生成式人工智能。
您的组织中存在哪些 AI/ML 专业知识，这些专业知识是如何分布的？	我们有一个专门的 AI 卓越中心，由经验丰富的数据科学家和机器学习工程师组成。我们提高不同业务部门的领域专家的技能，以提高人工智能素养并识别生成式人工智能用例。
您是否有阐明云计划目标、优势和成本的高级业务案例？	是还是不是。
你将解决方案投入生产的时间表是什么？	几周、几个月等等。
您的主要利益相关者（例如首席财务官、CIT/CTO、首席运营官）是否已做出资金承诺？	是还是不是。
在生成式人工智能计划中，如何确保遵守数据保护法规？	我们有一个专门的合规团队，与我们的人工智能团队密切合作。我们定期进行隐私影响评估，按照设计原则实施数据保护，并维护所有生成式人工智能项目的详细数据处理记录。
与新的生成式人工智能技术集成的现有系统有多成熟？	我们的 IT 架构基于微服务 APIs ，允许灵活集成新的生成式 AI 技术。这些系统采用通用数据格式和协议进行标准化，以确保互操作性。
你在操作机器学习模型方面有什么经验，这会如何应用于生成式人工智能系统？	我们已经建立了 MLOps 实践，包括自动模型部署管道、监控系统和 A/B 测试框架。这些实践正在进行调整，以满足大规模生成式人工智能模型的独特要求。