AI 底层逻辑 / 经典论文
AI Capability-Based Planning：业务架构能力规划
一句话:
349 行ai-foundations/papers/67-ai-capability-based-planning-business-architecture.md
AI Capability-Based Planning / Business Architecture 解读
面向对象: AI Business Architect / Enterprise Architect / AI PM / Senior BA / CBAP / Transformation Lead。 核心问题: 企业 AI 转型最常见的低质量形态是“use case 清单”: 客服助手、知识库问答、代码助手、风控模型、销售助手。清单越长, 越容易掩盖真实问题: 哪些能力是企业长期竞争力? 哪些能力应该平台化? 哪些只是局部自动化? 哪些需要数据、流程、风险和组织能力先成熟? 学习目标: 用 Capability-Based Planning 和 Business Architecture 思维, 把 AI 学习和转型从“做项目”升级为“建设能力组合、价值流、架构路线图和投资门禁”。
Source Anchors
| Source | Link | 用途 |
|---|---|---|
| TOGAF Standard / Capability-Based Planning | https://pubs.opengroup.org/architecture/togaf9-doc/arch/chap32.html | 参考 capability-based planning 如何把业务能力、架构和路线图连接起来 |
| TOGAF Business Architecture | https://pubs.opengroup.org/togaf-standard/business-architecture/ | 参考业务架构对 capability、value stream、organization、information 的表达 |
| ISO/IEC/IEEE 42010 | https://www.iso-architecture.org/ieee-1471/ | 用 stakeholder、concern、viewpoint 组织 AI capability 的多视角描述 |
| NIST AI RMF | https://www.nist.gov/itl/ai-risk-management-framework | 把 AI capability 连接到 Govern / Map / Measure / Manage 的治理闭环 |
一句话:
AI Capability-Based Planning 是用业务能力和价值流组织 AI 投资, 让 AI 项目服务于可复用、可治理、可扩展的企业能力, 而不是堆叠孤立 demo。
1. 为什么 use case list 不够
很多企业从 AI use case inventory 开始, 这有价值, 但不能停在那里。
| Use Case List 的局限 | 后果 |
|---|---|
| 每个部门都提自己的 AI 助手 | 重复建设 RAG、prompt、权限、eval、监控 |
| 只看 ROI, 不看能力依赖 | 数据、流程、风险、平台能力不成熟, 试点无法扩展 |
| 只评估单点自动化 | 忽略 value stream 端到端瓶颈 |
| 只按业务线排优先级 | 忽略跨业务复用的 AI platform capability |
| 缺少 maturity model | 无法判断哪些能力现在能做, 哪些要先补基础 |
高级 AI PM / BA / Architect 要能把问题改写为:
- 这个 AI use case 依赖哪些业务能力、数据能力、平台能力和治理能力？
- 它增强的是哪个 value stream 的哪个能力节点？
- 如果成功, 能否复用到相邻场景？
- 它需要的平台能力是临时项目能力, 还是企业长期能力？
- 它的投资是功能交付, 还是 capability uplift？
2. Capability 的定义
Capability 是“企业能稳定做成某件事的能力”, 不等于组织部门、流程步骤、系统模块或项目名称。
AI 语境中的 capability 示例:
| Capability | 不是 | 是 |
|---|---|---|
| Customer Intent Understanding | 一个聊天机器人 | 能跨渠道识别客户意图、风险、情绪和下一步动作 |
| Policy-Grounded Response | 一个 FAQ RAG | 能基于授权政策、权限和引用生成可审计答复 |
| AI-Assisted Investigation | 一个 AML summary prompt | 能聚合证据、标注事实/推断、支持复核和升级 |
| Model / Prompt Release Governance | 一次模型上线流程 | 能持续管理版本、eval、gate、rollback 和 evidence |
| Human Oversight Operations | UI 上的批准按钮 | 能配置、执行、监控和审计人工复核工作 |
判断 capability 是否成熟, 看它是否具备:
- 明确业务目的。
- 可重复流程。
- 数据和知识输入。
- 角色和 owner。
- 支撑系统和平台。
- 质量和风险指标。
- 改进和治理机制。
3. AI Capability Taxonomy
可以把企业 AI 能力分为五层:
Business AI Capabilities
-> AI Product Capabilities
-> AI Platform Capabilities
-> AI Governance Capabilities
-> AI Learning / Improvement Capabilities
3.1 Business AI Capabilities
| 能力 | 金融零售例子 |
|---|---|
| Intelligent Customer Assistance | 客服、投诉、争议交易 |
| AI-Assisted Risk Investigation | AML、欺诈、KYC |
| Credit Decision Support | 信贷审批、额度调整、政策解释 |
| Advisor Enablement | 财富顾问、分行经理、销售辅助 |
| Operational Intelligence | 流程瓶颈、异常检测、排班、容量 |
3.2 AI Product Capabilities
| 能力 | 说明 |
|---|---|
| Intent and Context Capture | 捕获用户目标、业务对象、上下文和风险信号 |
| Grounded Answering | 基于授权知识源回答并引用 |
| Recommendation and Next Best Action | 给出下一步建议, 不越过权限边界 |
| Human Review and Override | 人工确认、修改、拒绝、升级 |
| Feedback and Correction | 用户反馈进入 eval 和改进循环 |
3.3 AI Platform Capabilities
| 能力 | 说明 |
|---|---|
| Model Gateway | 模型路由、供应商抽象、成本和策略控制 |
| RAG / Knowledge Platform | ingest、chunk、index、permission、freshness、citation |
| EvalOps | dataset registry、judge、human review、release gate、monitoring |
| Tool Gateway | tool schema、RBAC/ABAC、policy check、audit |
| Observability / Cost | trace、SLO、token/case cost、quality dashboard |
3.4 AI Governance Capabilities
| 能力 | 说明 |
|---|---|
| AI Inventory | 用例、模型、数据、供应商、风险等级 |
| Risk Tiering | 按客户影响、自动化程度、敏感数据、法规风险分层 |
| Release Governance | pilot、release、scale、rollback gate |
| Audit Evidence | ADR、eval report、risk acceptance、model/system card |
| Incident Response | AI-specific severity、containment、postmortem |
3.5 Learning / Improvement Capabilities
| 能力 | 说明 |
|---|---|
| Feedback-to-Eval Loop | 把真实错误转成 regression tests |
| Human Reviewer Calibration | SME 一致性、标注质量、复核负载 |
| Knowledge Quality Management | source owner、freshness、ontology、policy update |
| Benefit Realization | 价值指标、adoption、total system load、scale/stop decision |
4. Value Stream 到 Capability
以信用卡争议交易为例:
Customer Dispute Value Stream
1. Receive dispute
2. Verify identity and transaction
3. Classify dispute type
4. Gather evidence
5. Apply policy
6. Decide refund / chargeback / escalation
7. Communicate outcome
8. Monitor complaint / appeal
映射 AI capabilities:
| Value Stream Step | AI Capability | 关键依赖 |
|---|---|---|
| Classify dispute type | Intent / case classification | historical labels、policy taxonomy、eval set |
| Gather evidence | Evidence retrieval | transaction data、CRM、case docs、permission |
| Apply policy | Policy-grounded reasoning | policy knowledge platform、citation、freshness |
| Communicate outcome | Controlled response generation | approved language、disclosure、tone、HITL |
| Monitor complaint | Feedback-to-risk loop | complaint analytics、incident triage |
这种映射能避免“先买 AI 工具再找流程”的错误顺序。
5. AI Capability Maturity
| Level | 状态 | 特征 |
|---|---|---|
| L0 Ad hoc | 个体试用 | prompt 分散、无数据边界、无 eval |
| L1 Use Case Pilot | 局部试点 | 有 PRD 和 demo, 但能力不可复用 |
| L2 Repeatable Pattern | 可复制模式 | 有模板、eval、RAG pattern、HITL pattern |
| L3 Platform-Enabled | 平台支撑 | gateway、EvalOps、observability、knowledge platform |
| L4 Governed Scale | 治理化扩展 | risk-tiered gate、AI inventory、evidence binder |
| L5 Adaptive Capability | 自我改进 | feedback-to-eval、benefit realization、portfolio optimization |
高级路线图不是“今年做 30 个 AI use cases”, 而是:
今年把 5 个高复用 AI capabilities 从 L1 提升到 L3,
并让 2 个高风险能力具备 L4 治理成熟度。
6. Portfolio Prioritization
AI capability portfolio 应按四个维度排序:
| 维度 | 问题 |
|---|---|
| Business Value | 是否改善关键价值流、收入、风险、成本或客户体验 |
| Reuse Potential | 是否能支撑多个 use cases 和业务线 |
| Readiness | 数据、流程、owner、平台、治理是否成熟 |
| Risk / Control Fit | 风险等级是否与控制能力匹配 |
优先级矩阵:
High value + high readiness + high reuse -> Build now
High value + low readiness -> Invest in foundation first
Low value + high reuse -> Platform backlog, not flagship
High risk + weak controls -> Do not scale; use shadow / assist mode
7. 金融零售案例
7.1 AML
Use case:
AML alert summarization
Capability view:
- AI-Assisted Investigation。
- Evidence Traceability。
- Typology Detection Support。
- Human Escalation Operations。
- Feedback-to-Rule/Model Improvement。
如果只做 summary, 价值有限; 如果建设 investigation capability, 可复用到欺诈、KYC、投诉和内部审计。
7.2 客服
Use case:
Customer service copilot
Capability view:
- Customer Intent Understanding。
- Policy-Grounded Response。
- Complaint Escalation。
- Agent Assist Workflow。
- Knowledge Governance。
真正的企业资产不是聊天 UI, 而是政策知识、引用、权限、feedback 和 human escalation 的能力组合。
7.3 信贷
Capability view:
- Credit Policy Interpretation。
- Decision Explanation。
- Adverse Action Reason Support。
- Fairness Monitoring。
- Override Governance。
7.4 AI 平台
平台 capability 不直接面对客户, 但决定规模化:
- Model Gateway。
- EvalOps。
- Tool Gateway。
- AI Observability。
- Audit Evidence Binder。
8. 模板: AI Capability Brief
# AI Capability Brief: [Capability Name]
## 1. Capability Definition
- What business ability:
- Not a project / not a system:
- Target value stream:
- Stakeholders:
## 2. Current and Target Maturity
| Dimension | Current | Target | Gap |
|---|---|---|---|
| Process | | | |
| Data / knowledge | | | |
| Platform | | | |
| Governance | | | |
| People / operations | | | |
## 3. Use Case Portfolio
| Use case | Business value | Reuse | Risk | Readiness |
|---|---|---|---|---|
## 4. Architecture Runway
- Shared services needed:
- Data products:
- Eval assets:
- Governance controls:
- Team ownership:
## 5. Roadmap
- 0-30 days:
- 31-90 days:
- 91-180 days:
- Scale gate:
9. 反模式
| 反模式 | 表现 | 修正 |
|---|---|---|
| Use case shopping | 看到热门场景就收集需求 | 从 value stream 和 capability gap 出发 |
| Tool-first AI | 先买平台再找能力 | 先定义 capability, 再选平台 |
| Pilot addiction | POC 很多, scale 很少 | 建立 maturity gate 和 platform capability |
| ROI theater | 只写节省工时 | 计算 total system load、风险、复用和能力提升 |
| Governance after scale | 上线后才补审计证据 | 在 capability roadmap 中设计治理能力 |
10. 面试回答
Q: 你如何规划企业 AI 转型路线？
30 秒版本:
我不会从 use case 清单开始堆项目, 会先按 value stream 和 capability map 找关键能力缺口, 再评估每个 AI capability 的业务价值、复用潜力、成熟度和风险控制能力。路线图要同时交付业务 use case 和底层平台/治理能力, 否则试点无法规模化。
2 分钟版本:
- 建立业务价值流和 capability map。
- 把 use cases 映射到能力节点, 识别复用能力。
- 评估 maturity: 数据、流程、平台、治理、人员。
- 做 portfolio prioritization: value、reuse、readiness、risk。
- 设计 architecture runway: model gateway、RAG、EvalOps、tool gateway、observability。
- 用 funding gate 管理 pilot / release / scale / stop。
11. 作品集交付物
- AI Capability Map。
- Value Stream to AI Capability Matrix。
- AI Capability Maturity Assessment。
- AI Use Case Portfolio Scoring。
- Architecture Runway。
- Funding Gate Memo。
- 180-Day Capability Roadmap。
这套材料能展示你具备 AI Business Architect 视角: 不只是能写需求或做一个 AI 功能, 而是能把企业 AI 投资组织成能力建设和架构演进。