2026年，当大多数企业还在讨论"是否要用AI"时，GTSC公司已经完成了从"分散试验"到"企业级管控"的关键一跃。
GTSC是一家拥有700名员工的专业服务公司，为美国联邦政府机构提供IT、工程、质量保证和网络安全解决方案。作为CMMI AI成熟度模型（CMMI AIM）试点项目的先行者，GTSC不仅验证了AI在业务中的巨大潜力，更探索出了一套将AI从"个人工具"转化为"组织能力"的系统化路径。他们的实践，为所有希望在AI时代实现安全、合规、可衡量增长的企业提供了宝贵范本。
AI应用加速，治理如何跟上？
在引入CMMI AIM之前，GTSC的AI应用已遍地开花，并取得了令人瞩目的实效：
-
软件现代化：AI驱动的项目交付周期从3-4个月压缩至1个月。
-
方案编制：AI辅助下，数小时内即可完成过去需数周的合规提案工作包。
-
招聘管理：AI仪表板显著提升了招聘透明度与效率。
但与此同时，GTSC也发现了新的问题：
AI应用正在加速，而治理体系的建设却没有同步跟上。
若继续放任"各自为战"，规模化扩张必将带来效率损耗、合规缺口及高昂的整改成本。GTSC面临的核心挑战是：如何将分散的AI应用，转变为结构化、规范化的企业级治理模式？
这也成为GTSC进一步开展CMMI人工智能成熟度模型（CMMI AIM）评估的重要背景。
CMMI AIM带来了什么？
GTSC通过体系化评估，主动应对数据安全和知识产权风险，同时建立覆盖整个组织的统一治理与管控机制。
在CMMI专业指导下，GTSC制定系统化路线图，推动AI进一步融入组织运营。评估覆盖治理（GOV）、实施基础设施（II）、数据质量（DQ）、安保赋能（ESEC）、过程质量保证（PQA）和人员赋能（WE）六个实践域，并将各领域与可衡量的业务成果相衔接，帮助组织以更强的管控力、更高的透明度、更明确的责任机制和更强的韧性推进 AI 规模化应用。
它帮助GTSC实现了三个关键转变：
-
**从经验判断到数据决策：**以结构化、基于证据的数据取代主观判断，让AI投资和优先级设定更有依据。
-
**从单点突破到体系融合：**推动AI全面融入现有的CMMI和ISO质量管理体系，而非另起炉灶。
-
**从模糊责任到清晰问责：**建立了统一的AI成熟度基线和改进路线图。
这种基于证据的评估，也帮助管理层减少过去依赖经验进行主观判断的情况，为AI投资和优先事项提供更加有依据的决策支持。
从"要不要用AI"到"具体建设什么"
这是GTSC实践中一个非常值得关注的转变。
实施CMMI AIM之前，GTSC的AI应用已经取得了一些成果，但整体较为分散。
实施之后，AI成为由高管层主导的战略重点，并建立了更加清晰的治理和问责机制。
讨论重点也从：
"我们是否应该进一步应用AI？"
转变为：
"我们究竟需要建设什么、何时完成，以及由谁负责？"
基于这一认识，GTSC进一步推动：
-
任命首席AI官，明确职责和任务
-
将AI治理纳入安全和风险管理框架
-
建立统一的AI工具审批与监督机制
-
制定标准化、文档化的AI流程和标准操作程序
-
开展基于岗位角色的AI培训与认证
-
推动AI实施与既有CMMI过程体系保持一致
-
将AI相关要求纳入质量审计
最终，GTSC形成了一套协调统一的企业级实施模式，权责主体清晰、治理机制完备、问责体系明确，并从碎片化的AI试点探索转向受企业管控的规范化AI运营模式。
一个值得关注的启示：AI应用 ≠ AI成熟度
GTSC的实践为行业留下了极具价值的经验：
⚠️核心认知：采用 ≠ 成熟
仅仅使用AI工具并产生结果，不代表具备了企业级AI成熟度。真正的成熟度意味着标准化、可复制和可治理。
-
先建护栏，再谈加速：在规模化推广前，务必建立明确的AI使用政策和IT管控边界。治理不是创新的阻碍，而是安全行驶的保障。
-
用评估发现"真问题"：内部视角往往存在盲区。借助CMMI AIM等结构化框架，才能发现那些被日常成绩掩盖的系统性差距。
-
建立统一语言体系：通过专业培训和认证，让质量、工程、运营、安全等不同部门拥有共同的AI术语和认知，这是跨职能协同的前提。
-
多元视角参与评估：吸纳各职能部门人员共同参与评估，他们的背景知识和一线洞察，是形成有价值改进建议的关键。
GTSC的下一步是什么？
CMMI AIM并没有成为GTSC转型的终点。
在建立基础治理和能力框架之后，GTSC未来还将围绕企业级、可衡量的改进成果持续推进AI转型，包括进一步完善AI治理、流程、培训、工具管理和组织能力建设。那么，GTSC究竟是如何开展这次评估的？
哪些问题通过评估被识别出来？
六个实践域具体关注什么？
GTSC最终建立了怎样的AI治理与实施模式？
这些经验又能为其他组织提供哪些可借鉴的实践？
完整案例中，还有更多细节值得进一步了解。
从AI应用到企业级能力建设，了解GTSC如何借助CMMI人工智能成熟度模型，识别能力差距、明确改进重点，并推动AI从碎片化应用走向规范化、可规模化的企业级运营模式。
👉 欢迎访问官网或点击文末左下方"阅读原文"，查看并下载完整GTSC案例。https://www.isaca.org.cn/cmmi-aim
请持续关注CMMI研究院，后续我们将继续分享更多组织的实践案例。
