AI 战略和商业价值创造

用例与成果的关联

AI 举措不从技术出发，而是从各部门的业务课题出发。例如客户服务通过咨询的自动应答缩短处理时间，软件开发通过代码生成缩短开发周期，以这样的形式把 AI 的能力与可衡量的业务成果联系起来。说不出成果的用例无法证明效果，预算也难以持续。

→ 从客户出发思考的 Working Backwards

自建、购买、组合的判断

希望尽快导入、不需要差异化的业务，基本做法是购买现成产品或 AWS Marketplace 上的产品，并使用托管服务。在专业能力不足、期限有限、希望把技能转移到公司内部等场景下，与合作伙伴组合。需要核心差异化、独有数据或应对严格法规时，在 Bedrock 或 SageMaker AI 之上为本公司自建。

→ 通过 AWS Marketplace 采购 / → Amazon Bedrock 术语表

举措的优先级与组合管理

多个 AI 举措要从商业价值、可行性、可持续性、与战略的一致性等角度比较并排序。启动后也要定期评估成果，扩大有成果的举措，暂停前提已不成立的举措，终止没有希望的举措。重要的是不把启动的举措全部继续下去，而是事先确定判断标准。

不适合 AI 的场景

能用规则明确解决的处理、没有可用于训练或参考的数据的处理、AI 的费用超过所得效果的处理、完全不允许出错的处理，AI 都不是答案。考试中，不使用 AI 的选项为正确答案的题目也在考试范围内。目的不是使用 AI，而是用最合适的手段解决业务课题。

KPI 与技术指标

AI 的 KPI 要同时用成本削减、收入增加等有形效果，以及客户满意度、员工生产力等无形效果来设定。模型的准确率或 F1 分数是技术指标，本身并不是业务成果。要把准确率的改善换算为对处理时间缩短或解约减少的贡献来衡量。

基线与 ROI

要证明 AI 的效果，需要在导入前测量现状的处理时间、费用等基线，并与导入后的数值比较。ROI 用获得的效果金额减去费用再除以费用来计算，费用中不仅包括推理的使用费，还包括监控、重新训练、治理等运维费用。节省下来的时间，只有转用到其他有价值的工作上才算产生效果。

先行指标

收入、ROI 这样的滞后指标要等很久才能看到成果，因此要在早期预判成败，就要使用先行指标。代表性的有使用率（采用率）、使用频率、满意度和数据准备度。如果先行指标没有增长，不必等滞后指标就可以重新审视举措。

计费类型与成本管理

在使用量波动较大的阶段或 PoC 中，适合像 Bedrock 按需模式那样按使用量付费的消费型。截至 2026 年 10 月，Bedrock 按使用量付费的价格分为 Standard / Flex / Priority 层级，可以容忍延迟的处理选择价格较低的 Flex，需要快速响应的处理选择 Priority。当用量稳定且可以预测后，就用实例型、Provisioned Throughput、预留每分钟令牌处理量的 Reserved 层级以及长期承诺来降低费用，不需要即时处理的大量任务则交给有折扣的批量推理。如果想按用户人数预估费用，就用 Amazon Quick 这样的席位计费；基本做法是先小规模起步，实测之后再转向长期承诺。

→ AWS Cost Explorer 术语表

Savings Plans 的适用范围

Savings Plans 是通过承诺在 1 年或 3 年期限内保持一定使用金额（每小时金额）来获得价格折扣的机制，可以降低 SageMaker AI 长期使用的费用。截至 2026 年 10 月，Bedrock 不在 Savings Plans 的适用范围内，降低 Bedrock 费用的基本手段是批量推理、Flex 层级、Provisioned Throughput 和 Reserved 层级。考试考查的是区分用哪种手段降低哪项服务的费用。

→ AWS Savings Plans 术语表

可持续的竞争优势与投资水平

只使用人人都能用的基础模型，竞争对手也能马上做到同样的事。可持续的优势来自只有本公司拥有的数据、对业务流程的深度嵌入，以及越用越能改进的机制。投资水平要根据 AI 在行业中的普及程度和竞争对手的动向来决定，避免一开始就投入大型设备或签订长期合同。