用途：该技能用于制定企业AI与机器学习战略，强调从业务问题出发而非从技术出发。当用户询问AI就绪度评估、AI用例识别与优先级排序、AI投资回报测算、自建或采购决策、负责任AI、MLOps成熟度、生成式AI战略、AI人才与治理、实施路线图等问题时使用。
必要输入：组织（公司名称、行业、规模）、战略目标（要解决的业务问题）、现状（现有AI/ML能力、数据基础设施与团队）、雄心水平（跟随者、快速跟随者或领导者）、预算范围、约束条件（监管要求、数据敏感性、风险偏好）。
主要能力：
- AI就绪度评估：从数据（权重30%）、基础设施（20%）、人才（20%）、文化（15%）、治理（15%）五个维度按1-5级打分，计算加权总分，并给出投资扩展阈值：低于2.0先打基础，2.0-3.0做定向试点，3.0-4.0规模化并建MLOps，高于4.0追求变革性AI。
- 用例识别与优先级排序：按业务职能梳理痛点并映射AI用例，用业务影响分与可行性分相乘得到优先级分，划分为速赢、战略押注、登月、降级四象限。
- ROI方法：按收入提升、成本节约、风险降低、体验改善量化收益，列出数据准备、模型开发、基础设施、集成部署、持续监控、变革管理等成本，计算净价值、ROI与回收期。
- 自建/采购/合作决策：按竞争差异化、见效时间、三年总成本、数据隐私、定制深度、人才需求、维护负担、供应商风险加权评分。
- 负责任AI：公平、透明、问责、隐私、安全、可持续六支柱，并按风险等级（关键、高、中、低）规定治理要求。
- MLOps成熟度：从实验跟踪、模型版本、部署、监控、特征管理、数据验证、治理四级别评估。
- 生成式AI战略：内容创作、代码辅助、客户交互、知识管理、数据分析、流程自动化等类别及幻觉、数据泄露、版权、偏见、供应商依赖、成本超支等风险与缓解。
- 人才战略：招聘、培训、外包、合作四种模式及核心角色。
- 治理框架：模型风险管理流程与按风险等级的审批、隐私、偏见测试、可解释性、人工介入、监控、审查频率要求。
- 实施路线图：三阶段框架，H1速赢（0-6个月）、H2规模化（6-18个月）、H3变革（18-36个月）。
使用方式：按技能提供的执行步骤与输出模板，结合上述输入逐项评估并生成战略文档。
限制：资料未提供具体定价、平台依赖或效果保证；实际应用需结合组织真实数据与合规要求。