Skip to content

modelo-maturidade-coe-ia.md

Latest commit

 

History

History
57 lines (46 loc) · 5.04 KB

modelo-maturidade-coe-ia.md

File metadata and controls

57 lines (46 loc) · 5.04 KB
Raw

Modelo de maturidade do CoE de IA

Este modelo operacionaliza os quatro níveis descritos no artigo principal. Ele é inspirado em lógica de maturidade tipo CMMI, mas adaptado para CoEs de IA, IA generativa, RAG, agentes, governança, plataforma e LLMOps/MLOps.

O modelo mede maturidade organizacional. Ele não autoriza, sozinho, a entrada de um caso de uso em produção. A decisão go/no-go deve aplicar os gates operacionais definidos em criterios-pontuacao.md, especialmente para produção, produção crítica, exposição externa, dados sensíveis, IA generativa, RAG e agentes.

Níveis

Nível Nome Característica dominante Resultado esperado
1 Reativo Experimentos isolados e sem coordenação Reconhecer lacunas, definir mandato e obter patrocínio executivo.
2 Executor CoE centralizado entrega primeiros PoCs/MVPs Criar padrões mínimos, demonstrar valor e formar capacidades básicas.
3 Habilitador Plataforma, padrões e guardrails permitem execução distribuída Escalar com governança, transferir ownership e reduzir gargalos do CoE.
4 Transformador CoE consultivo, IA integrada à estratégia e operação Melhorar continuamente, medir valor e operar IA como capacidade organizacional.

Dimensões avaliadas

Dimensão O que avalia Sinais de maturidade
1. Estratégia e mandato Clareza de propósito, patrocínio, escopo e direitos de decisão Charter aprovado, sponsor ativo, roadmap e funding alinhados à estratégia.
2. Modelo operacional Forma de atuação centralizada, federada ou consultiva RACI, intake, fóruns, handoff, papéis de produto/plataforma/dados/risco.
3. Governança e risco Gestão de risco, IA responsável, compliance, segurança e privacidade Classificação de risco, gates, red teaming, auditoria, incident response.
4. Plataforma e arquitetura Capacidade técnica comum para construir e operar IA Landing zone, ambientes, catálogo de modelos, guardrails, observabilidade.
5. Dados e conhecimento Governança de dados, qualidade, acesso, lineage e bases para RAG Data owners, catálogo, qualidade, sensibilidade, curadoria e ciclo de vida.
6. LLMOps/MLOps e evals Ciclo de vida, versionamento, testes e avaliação contínua Evals, golden datasets, regressão, monitoramento, rollback e drift.
7. Portfólio e valor Priorização, business case, métricas e realização de benefícios Funil de casos, KPIs de valor, revisão de benefícios, kill criteria.
8. Capacitação e comunidade AI literacy, trilhas técnicas, champions e comunidade de prática Treinamento, certificação, comunidades, templates e suporte consultivo.
9. FinOps e sustentabilidade Custo, consumo, eficiência e impacto ambiental Dashboards, budgets, otimização de modelos, custo por interação.
10. Operação e melhoria contínua Sustentação, incidentes, SLOs, ownership e evolução Runbooks, SLOs, owners, suporte, revisão periódica e melhoria contínua.

Perfil por nível

Dimensão Nível 1 — Reativo Nível 2 — Executor Nível 3 — Habilitador Nível 4 — Transformador
Estratégia e mandato Iniciativas dispersas, sem sponsor claro CoE formalizado e patrocinado Estratégia conectada a portfólio e funding IA integrada à estratégia corporativa
Modelo operacional Papéis ambíguos CoE central executa Modelo federado com handoff CoE consultivo e comunidades autônomas
Governança e risco Avaliação informal Controles mínimos por projeto Gates, padrões e trilhas auditáveis Gestão de risco contínua e preditiva
Plataforma e arquitetura Ferramentas ad hoc Ambientes controlados pelo CoE Plataforma self-service governada Plataforma otimizada e evolutiva
Dados e conhecimento Dados usados caso a caso Curadoria inicial para PoCs Catálogo, qualidade e acesso governado Dados como produto e conhecimento reutilizável
LLMOps/MLOps e evals Testes manuais Evals iniciais por projeto Evals automatizados e regressão Observabilidade contínua e aprendizado sistemático
Portfólio e valor Ideias oportunistas PoCs com valor demonstrável Portfólio priorizado por valor/risco Valor medido e otimizado continuamente
Capacitação e comunidade Conhecimento em poucos especialistas Treinamentos básicos Champions e comunidade ativa Cultura de IA responsável disseminada
FinOps e sustentabilidade Custo invisível Budgets iniciais Dashboards e otimização recorrente Custo, valor e sustentabilidade integrados
Operação e melhoria contínua Sem owner claro em produção Suporte dependente do CoE Owners, runbooks e SLOs Melhoria contínua e revisão executiva

Resultado do assessment

O assessment deve produzir:

  • nível por dimensão;
  • nível geral do CoE;
  • vetos operacionais por caso de uso, quando houver;
  • lacunas críticas;
  • evidências usadas;
  • riscos de maturidade;
  • recomendações de evolução;
  • roadmap 30/60/90 dias.