AI CoE vs. Tertanam vs. Berfederasi: Memilih Model Organisasi yang Betul

Anda telah memutuskan untuk membina keupayaan AI dalam organisasi anda. Kini datang soalan yang nampaknya tidak dijawab dengan jelas sesiapa pun: di mana keupayaan itu sebenarnya berada?

Jawapannya sangat bergantung pada di mana organisasi anda berada dalam 5 Peringkat Kematangan AI, dan ACE Framework (Ingest, Analyze, Predict, Generate, Execute) membantu menjelaskan keupayaan mana yang perlu dibina sebelum memutuskan di mana hendak menerimanya.

Adakah AI berada dalam pasukan terpusat yang unit perniagaan meminta projek daripadanya? Adakah ia menanamkan bakat AI dalam jualan, kewangan, pemasaran, dan operasi? Adakah wujud model hibrid yang mendapat faedah kedua-duanya dan masalah tiada satu pun?

Jawapannya bukan "mana-mana yang kedengaran terbaik." Ia bergantung pada peringkat kematangan anda, struktur organisasi, bakat yang ada, dan di mana anda cuba berada dalam tiga hingga lima tahun. Dan kos peralihan antara model cukup tinggi sehingga memilih yang salah sekarang bermakna pengorganisasian semula yang mahal dan mengganggu kemudian.

Artikel ini memberi ketua pegawai maklumat (CIO), ketua pegawai operasi (COO), dan ketua transformasi tiga model organisasi dengan pertukaran mereka, panduan kesesuaian peringkat kematangan, dan realiti kos peralihan yang diabaikan oleh kebanyakan perbincangan model.

---

Model 1: Pusat Kecemerlangan AI Terpusat (CoE)

Fakta Utama: Model Organisasi AI

• Organisasi yang menggunakan platform tadbir urus AI formal adalah 3.4x lebih berkemungkinan mencapai keberkesanan tinggi dalam tadbir urus AI berbanding yang tidak memilikinya. (Knostic AI)
• Penyelidikan McKinsey mengesahkan bahawa pengurusan risiko, pematuhan, dan tadbir urus data untuk AI paling kerap dikendalikan melalui model CoE yang sepenuhnya terpusat, manakala penggunaan dan penggunaan adalah paling berkesan melalui struktur hab-dan-jejari berfederasi.
• 45% organisasi dengan kematangan AI tinggi mengekalkan inisiatif AI mereka selama sekurang-kurangnya tiga tahun, berbanding hanya 20% dalam kalangan rakan sebaya kematangan yang lebih rendah. (Knostic AI)

Definisi: Pasukan AI dedikasi dengan model perkhidmatan bersama. Unit perniagaan menghantar permintaan; CoE memiliki strategi, membina keupayaan, dan menyampaikan projek merentasi organisasi. Satu pasukan, satu belanjawan, satu struktur tadbir urus.

Rupa dalam amalan: CoE biasanya mengandungi 5-15 orang pada skala pertengahan pasaran: jurutera AI/ML, saintis data, pengurus program, dan ketua teknikal yang melapor kepada ketua pegawai teknologi (CTO) atau CIO. Permintaan unit perniagaan masuk sebagai projek. CoE menilai, mengutamakan, dan membina. Tadbir urus, piawaian, dan pengurusan vendor dipusatkan.

Kekuatan:

Konsistensi adalah manfaat utama. Apabila satu pasukan memiliki penggunaan AI merentasi organisasi, anda mendapat tadbir urus yang konsisten, amalan data yang konsisten, piawaian keselamatan yang konsisten, dan inventori alat AI tunggal berbanding perebakan IT bayangan. Industri yang dikawal selia (perkhidmatan kewangan, penjagaan kesihatan, undang-undang) menghargai ini sangat kerana pematuhan boleh diurus secara terpusat berbanding diaudit merentasi setiap unit perniagaan secara bebas.

Kepekatan bakat khusus adalah manfaat kedua. Membina pasukan kecil dan mendalam jurutera AI adalah lebih mudah daripada membina versi yang dicairkan merentasi setiap unit perniagaan. CoE boleh membangunkan pengetahuan institusi dan keupayaan canggih yang model terpecah tidak dapat menandingi.

Tiada penduaan infrastruktur. Satu pangkalan data vektor, satu rangka kerja penilaian model, satu tindanan pemantauan. Pada peringkat kematangan awal, ini lebih penting daripada kelenturan.

Kelemahan:

Model CoE mempunyai satu mod kegagalan asas: kesesakan. Apabila keperluan AI setiap unit perniagaan perlu mengalir melalui pasukan pusat dengan kapasiti terhad, unit perniagaan yang paling mendesak memerlukan AI sedang menunggu dalam giliran. Pasukan jualan mahukan model pemarkahan lead pada S2; mereka berada dalam giliran di belakang tiga projek lain. CoE tidak mempunyai konteks perniagaan untuk memahami kemendesakan. Unit perniagaan tidak mempunyai konteks teknikal untuk memberikan spesifikasi yang berguna. Overhed komunikasi berkembang.

Mod kegagalan kedua adalah jarak dari konteks perniagaan. Jurutera AI yang tidak bekerja dalam proses jualan tidak memahami secara naluri apa yang menjadikan model pemarkahan lead berguna kepada wakil. Penyelesaian yang betul secara teknikal yang tidak sesuai dengan aliran kerja adalah biasa dalam model terpusat. Unit perniagaan berkata model tidak berfungsi. CoE berkata model berfungsi dengan baik. Kedua-duanya betul. Jurangnya adalah konteks.

Risiko "menara gading" adalah versi yang dinamakan ini: CoE yang membina penyelesaian yang mengesankan secara teknikal yang tidak digunakan sesiapa kerana ia direka bentuk oleh orang yang tidak dekat dengan kerja harian.

Terbaik untuk: Organisasi Peringkat 2-3. Syarikat dengan bakat AI yang terhad yang tidak realistik mengambil pakar tertanam di mana-mana. Industri yang sangat dikawal selia di mana pemusatan tadbir urus adalah keperluan pematuhan. Organisasi di mana autonomi unit perniagaan adalah rendah (budaya membuat keputusan yang lebih terpusat secara amnya).

Kepimpinan: Biasanya VP AI atau Ketua Kejuruteraan AI yang melapor kepada CTO. Di syarikat yang lebih besar dengan peranan Ketua Pegawai AI (CAIO), CoE melapor di sana.

---

Model 2: Pakar Tertanam

Definisi: Bakat AI dan sains data berada dalam unit perniagaan berbanding dalam pasukan pusat. Jualan mempunyai penganalisis AI sendiri. Kewangan mempunyai saintis data. Pemasaran mempunyai pakar AI. Penyelarasan ringan antara mereka; tiada fungsi AI pusat.

Rupa dalam amalan: Setiap pemimpin unit perniagaan mengambil bakat AI mereka sendiri dan memiliki peta jalan AI mereka. Mungkin ada penyelarasan komuniti amalan tidak formal, tetapi tiada tadbir urus pusat atau infrastruktur bersama. Setiap fungsi bergerak pada kelajuannya sendiri.

Kekuatan:

Konteks domain adalah kelebihan teras. Jurutera AI yang tertanam dalam fungsi jualan telah melihat beratus-ratus jam aliran kerja jualan, memahami isyarat pipeline mana yang penting kepada wakil, dan boleh membina alat yang sesuai dengan kerja sebenar berbanding versi teorinya. Penyelesaian khusus unit perniagaan hampir selalu lebih banyak digunakan berbanding penyelesaian yang dibina CoE kerana orang yang membinanya memahami aliran kerja.

Kelajuan adalah kelebihan kedua. Apabila unit perniagaan memiliki kapasiti AI, tiada giliran, tiada proses pengambilan projek, tiada overhed penjajaran pasukan silang. Pakar tertanam boleh pergi dari idea kepada prototaip dalam masa beberapa hari berbanding bulan.

Penjajaran dengan keutamaan perniagaan adalah kuat mengikut reka bentuk. Prestasi pakar tertanam dinilai oleh pemimpin unit perniagaan, bukan oleh pasukan AI pusat. Insentif mereka sejajar dengan hasil perniagaan, bukan dengan kecanggihan teknikal.

Kelemahan:

Pecahan tadbir urus adalah risiko utama. Tanpa piawaian terpusat, unit perniagaan yang berbeza berakhir dengan amalan data yang berbeza, kawalan keselamatan yang berbeza, tindanan alat AI yang berbeza, dan pendekatan pematuhan yang berbeza. Dalam industri yang dikawal selia, ini adalah masalah undang-undang. Dalam semua industri, ia mewujudkan kerumitan audit dan proliferasi vendor.

Piawaian yang tidak konsisten bermakna dua unit perniagaan mungkin menggunakan jenis alat AI yang sama dengan cara yang tidak serasi, mewujudkan silo data berbanding perisikan bersepadu yang pada akhirnya diperlukan oleh transformasi AI.

Pengasingan bakat kurang dihargai. Jurutera AI tunggal yang tertanam dalam unit perniagaan 50 orang tidak mempunyai rakan teknikal untuk belajar daripada, mendapat semakan kod, atau bekerjasama dalam masalah yang sukar. Mereka adalah pulau-pulau. Pengekalan dan pembangunan kemahiran mengalami kesusahan. Bakat AI tertanam terbaik cenderung meninggalkan untuk persekitaran dengan komuniti teknikal.

Lebih sukar diurus pada peringkat organisasi. CIO tidak mempunyai keterlihatan tentang alat AI apa yang berjalan merentasi organisasi, data apa yang mereka akses, atau tadbir urus apa yang ada untuk mereka. AI bayangan adalah AI tertanam yang dibawa ke titik akhir logiknya.

Terbaik untuk: Organisasi Peringkat 3-4 dengan autonomi unit perniagaan yang kuat dan budaya. Syarikat di mana kelajuan dan penjajaran perniagaan lebih penting daripada konsistensi tadbir urus. Organisasi yang telah menubuhkan tadbir urus terpusat dan boleh menyahpusat penggunaan dengan selamat. Industri yang bergerak pantas di mana giliran CoE 90 hari tidak boleh diterima.

Kepimpinan: Setiap pakar tertanam melapor kepada pemimpin unit perniagaan mereka. Fungsi CIO atau CTO yang ringan menyediakan penyelarasan komuniti amalan dan piawaian keselamatan minimum. Tiada hierarki AI pusat.

---

Model 3: Berfederasi (Hab-dan-Jejari)

Definisi: Pasukan platform dan tadbir urus pusat yang kecil (hab) digabungkan dengan ketua AI tertanam dalam setiap unit perniagaan utama (jejari). Hab memiliki infrastruktur platform, piawaian tadbir urus, dan hala tuju strategik. Jejari memiliki penggunaan khusus domain, iterasi pantas, dan keutamaan unit perniagaan.

Rupa dalam amalan: Hab biasanya merupakan pasukan kecil 3-8 orang: jurutera platform, ketua tadbir urus, dan pakar penilaian model. Setiap unit perniagaan mempunyai satu hingga dua pengamal AI dedikasi yang bertanggungjawab kepada pemimpin unit perniagaan mereka untuk penyampaian tetapi sejajar dengan hab untuk piawaian, peralatan, dan sokongan teknikal. Jejari boleh bergerak pantas kerana mereka tidak perlu membina infrastruktur sendiri. Hab mengekalkan tadbir urus tanpa memiliki setiap projek.

Ini adalah model yang McKinsey huraikan dalam rangka kerja Rewired mereka sebagai keadaan sasaran untuk organisasi besar yang mengusahakan transformasi digital dan AI. Formulasi khusus berbeza-beza, tetapi struktur teras (platform bersama, kepakaran domain yang diedarkan) muncul secara konsisten sebagai titik akhir untuk organisasi yang berjaya menskalakan AI melepasi program perintis.

Kekuatan:

Ia menggabungkan dua manfaat utama model lain: konsistensi platform dan kualiti tadbir urus CoE, dan konteks domain serta kelajuan model tertanam. Ketua AI jejari mengetahui perniagaan; hab menyediakan infrastruktur yang mereka bina atasnya.

Overhed penyelarasan lebih rendah daripada yang kedengaran dalam amalan, kerana jejari menggunakan pada infrastruktur bersama berbanding membina sendiri. API adalah standard. Seni bina saluran paip data adalah standard. Senarai semak tadbir urus adalah sama untuk setiap penggunaan jejari. Variabiliti berada pada lapisan aplikasi, yang merupakan tempat kepakaran unit perniagaan penting.

Penskalaan lebih lancar. Menambah unit perniagaan baru kepada model berfederasi bermakna menambah jejari baru, bukan membina semula proses pengambilan CoE.

Kelemahan:

Overhed penyelarasan masih nyata, walaupun lebih rendah daripada CoE tulen. Hubungan hab-jejari memerlukan pengurusan aktif. Jejari yang menyimpang dari piawaian hab mewujudkan pecahan yang sama seperti model tertanam. Tadbir urus hab yang lemah menghasilkan pecahan lebih cepat daripada tiada tadbir urus, kerana hab memberikan keyakinan palsu bahawa penyelarasan sedang berlaku.

Pelaporan dua hala mewujudkan ketegangan. Keutamaan harian ketua AI jejari ditentukan oleh pemimpin unit perniagaan mereka, tetapi pembangunan kerjaya dan piawaian teknikal mereka dikaitkan dengan hab. Apabila keutamaan itu bercanggah, seperti yang akan berlaku, ketua jejari berada dalam kedudukan yang sukar. Organisasi yang mereka bentuk hubungan pelaporan dengan buruk mengalami pusing ganti jejari yang tinggi.

Lebih sukar untuk diberi kakitangan. Anda memerlukan kedua-dua generalis hab (kejuruteraan platform, tadbir urus) dan pakar jejari (pengetahuan domain ditambah keupayaan AI). Kombinasi itu dalam satu orang adalah jarang dan mahal. Banyak organisasi membina hab dahulu, kemudian mendapati mereka tidak boleh menarik bakat jejari yang betul.

Terbaik untuk: Organisasi Peringkat 4, biasanya $100J+ pendapatan berulang tahunan (ARR) dengan pelbagai lini perniagaan yang berbeza. Syarikat dengan infrastruktur pengurusan untuk mengekalkan akauntabiliti dua hala tanpa mewujudkan konflik. Organisasi yang telah membina infrastruktur terpusat (platform data, rangka kerja tadbir urus) yang diperlukan hab. Kebanyakan syarikat pertengahan pasaran tidak sepatutnya cuba bermula di sini.

Kepimpinan: VP Platform AI atau VP Kejuruteraan AI menjalankan hab, biasanya melapor kepada CTO atau CAIO. Setiap ketua jejari mempunyai hubungan garis putus kepada hab dan hubungan garis penuh kepada ketua unit perniagaan mereka. Model tadbir urus memerlukan kedua-duanya untuk berfungsi: autoriti hab pada piawaian, autoriti unit perniagaan pada keutamaan.

---

Cara memilih mengikut peringkat kematangan

Kesesuaian peringkat kematangan adalah lebih deterministik daripada yang diakui oleh kebanyakan perbincangan reka bentuk organisasi.

Peringkat 1 (Ad-hoc): Jangan bina sebarang model dedikasi lagi. Anda tidak mempunyai AI yang cukup digunakan untuk memerlukan struktur tadbir urus. Pekerja individu yang menggunakan ChatGPT dan Copilot tidak memerlukan CoE. Pelaburan yang betul adalah polisi AI (alat mana yang diluluskan, pengelasan data apa yang digunakan) dan latihan literasi AI asas. Menambah kerumitan organisasi sebelum anda mempunyai penggunaan sebenar untuk diselaraskan mewujudkan overhed tanpa nilai.

Peringkat 2 (Perintis): Mulakan dengan CoE yang ringan atau, untuk organisasi yang sangat kecil, ketua AI tunggal dengan tanggungjawab CoE. Fasa perintis memerlukan seseorang yang memiliki tadbir urus, menilai vendor, mengurus projek perintis, dan membina infrastruktur garis dasar. Itu adalah fungsi CoE dalam bentuk embrio. Pelaburan adalah sederhana (1-3 orang, belanjawan infrastruktur) dan disiplin tadbir urus yang ditetapkan di sini mengelakkan masalah mahal kemudian.

Peringkat 3 (Berskala): Mulakan menanamkan. Apabila anda menskalakan melepasi 2-3 kes penggunaan AI, kesesakan CoE akan muncul. Penyelesaiannya adalah menambah keupayaan tertanam dalam unit perniagaan keutamaan tertinggi sambil mengekalkan fungsi CoE untuk tadbir urus dan platform. Ini adalah model berfederasi awal, walaupun ia mungkin belum diformalkan seperti itu. Hab adalah pasukan CoE asal; jejari adalah pakar tertanam dalam unit perniagaan yang memerlukan kapasiti sendiri dahulu.

Peringkat 4 (Bersepadu): Formalkan model berfederasi. Apabila AI tertanam dalam pelbagai aliran kerja teras merentasi pelbagai unit perniagaan, dan CoE terutamanya mengekalkan infrastruktur dan tadbir urus berbanding membina setiap penggunaan, anda telah tiba di model berfederasi dalam amalan. Memformalkannya (peranan hab dan jejari yang dinamakan, tanggungjawab tadbir urus yang eksplisit, laluan eskalasi yang jelas) menjadikan struktur tidak formal itu mampan.

Peringkat 5 (Transformasional): Model berfederasi kekal, tetapi keupayaan AI telah menjadi begitu teras kepada perniagaan sehingga perbezaan antara "fungsi AI" dan "fungsi perniagaan" mula kabur. Peranan hab beralih ke arah pembangunan penyelidikan dan keupayaan baru yang muncul sementara jejari semakin memiliki keupayaan mereka sendiri.

---

Realiti kos peralihan

Ini adalah bahagian yang diabaikan oleh kebanyakan perbualan reka bentuk organisasi, dan di sanalah keputusan sebenar dibuat.

Beralih dari model CoE kepada model berfederasi adalah mahal dan mengganggu. Ia memerlukan mengambil bakat tertanam baru sambil mengekalkan bakat CoE yang anda alihkan ke peranan hab. Ia memerlukan menulis semula tadbir urus untuk mengedarkan akauntabiliti yang sebelumnya dipusatkan. Rangka Kerja Penilaian Vendor untuk Alat AI menjadi sangat penting pada peralihan ini: tanggungjawab tadbir urus pertama hab sering menetapkan alat vendor mana yang dipiawai merentasi organisasi dan mana jejari boleh memilih secara bebas. Ia memerlukan pemimpin unit perniagaan untuk menerima tanggungjawab belanjawan untuk bakat AI yang sebelumnya mereka dapat sebagai perkhidmatan bersama. Dan ia memerlukan pasukan CoE asal untuk menerima skop yang dikurangkan dan mungkin headcount yang dikurangkan.

Peralihan itu boleh dilakukan. Tetapi ia biasanya mengambil masa 12-18 bulan dan mewujudkan gangguan organisasi yang ketara semasa tempoh di mana anda juga cuba menskalakan penggunaan AI. Organisasi yang mendapati pada Peringkat 3 bahawa mereka membina model yang salah untuk Peringkat 4 membayar kos peralihan tepat pada masa yang salah.

Implikasinya: rancangkan keadaan akhir sebelum anda membina keadaan mula.

Jika anda memulakan CoE pada Peringkat 2, reka bentuknya dengan cara yang boleh berkembang menjadi hab. Jangan bina struktur pasukan terpusat yang akan memerlukan pembinaan semula sepenuhnya untuk menyahpusat. Simpan infrastruktur platform terpusat (baik untuk kedua-dua model) dan bina kapasiti penyampaian projek dengan cara yang akhirnya boleh berhijrah ke unit perniagaan.

Jika anda membina kapasiti tertanam pada Peringkat 3, reka bentuknya supaya ia boleh disambungkan ke hab. Wujudkan piawaian sekarang (walaupun tidak formal) yang akan menjadi rangka kerja tadbir urus hab. Jangan biarkan setiap pakar tertanam membina infrastruktur mereka sendiri yang tidak serasi, kerana tugas pertama hab apabila ia dibina akan membersihkan pecahan.

---

Pilihan Model Operasi 3

Pilihan Model Operasi 3 adalah rangka kerja keputusan peringkat kematangan untuk di mana keupayaan AI harus berada dalam organisasi. Tiga pilihan adalah Pusat Kecemerlangan AI terpusat (satu pasukan, perkhidmatan bersama, tadbir urus yang konsisten), model Pakar Tertanam (bakat AI dalam unit perniagaan, konteks domain, kelajuan maksimum), dan Hab-dan-Jejari Berfederasi (platform terpusat dan tadbir urus dengan jejari penggunaan unit perniagaan). Setiap pilihan adalah sesuai pada peringkat kematangan yang spesifik dan mempunyai kos peralihan yang cukup tinggi sehingga memilih model yang salah untuk peringkat semasa anda mewujudkan pengorganisasian semula yang mahal apabila anda mencapai peringkat seterusnya.

Petikan: "Penyelidikan McKinsey tentang organisasi pada skala mengesahkan bahawa risiko, pematuhan, dan tadbir urus data paling kerap diurus melalui CoE terpusat, sementara penggunaan dan penggunaan berjaya paling banyak melalui struktur berfederasi. Fungsi tadbir urus kekal pusat; fungsi penyampaian diedarkan."

Petikan: "Beralih dari model CoE kepada model berfederasi biasanya mengambil masa 12-18 bulan dan mewujudkan gangguan organisasi yang ketara semasa anda juga cuba menskalakan penggunaan AI. Kos peralihan adalah tertinggi pada masa yang paling salah."

Petikan: "Model berfederasi adalah destinasi untuk organisasi besar. Ia bukan titik permulaan. Kebanyakan organisasi pertengahan pasaran perlu membina CoE sebelum mereka boleh membina hab yang berbaloi untuk disambungkan."

Analisis Rework: Berdasarkan corak organisasi AI perusahaan, kegagalan paling biasa dalam pemilihan model adalah terlalu berambisi. Organisasi pada Peringkat 2 mencuba model berfederasi yang mereka tidak mempunyai infrastruktur pengurusan atau kumpulan bakat untuk dikekalkan. Hasilnya adalah hab dengan terlalu sedikit autoriti dan jejari dengan terlalu sedikit sokongan. Perkembangan peringkat demi peringkat, bermula dengan CoE yang ringan, kekal sebagai laluan paling boleh dipercayai kepada model berfederasi yang berfungsi pada Peringkat 4.

Apa yang setiap model perlukan daripada program literasi AI

Model organisasi yang anda pilih membentuk latihan literasi AI (iaitu kebolehan pekerja untuk menggunakan, mengesahkan, dan mengawal output AI) yang perlu anda laburkan.

Dalam model CoE, literasi AI untuk pengguna perniagaan adalah kritikal, kerana pengguna perniagaan adalah antara muka antara CoE dan aliran kerja sebenar. Pengguna perniagaan yang tidak dapat menyatakan apa yang mereka perlukan, tidak dapat menilai kualiti output AI, dan tidak dapat mengenal pasti di mana AI salah mewujudkan kegagalan komunikasi yang CoE tidak dapat selesaikan dari pihaknya. Latih pengguna perniagaan anda dengan keras dalam pengesahan output dan pertimbangan eskalasi.

Dalam model tertanam, literasi AI untuk pemimpin unit perniagaan adalah keutamaan, kerana pemimpin unit perniagaan menetapkan hala tuju untuk pakar tertanam mereka dan perlu memahami cukup untuk menanya soalan yang baik dan membuat keputusan bina-vs-beli yang baik. Literasi AI eksekutif adalah jurang yang paling kerap tidak ditangani dalam model tertanam.

Dalam model berfederasi, kedua-dua lapisan penting: pasukan jejari memerlukan literasi AI teknikal penuh, sementara pihak berkepentingan perniagaan yang mereka layani memerlukan pengesahan output dan kesedaran polisi. Hab memerlukan literasi khusus tadbir urus (pengurusan risiko, reka bentuk audit, penilaian vendor).

Baca Literasi AI: Kemahiran Tempat Kerja Baru untuk struktur program latihan, dan Evolusi Peranan AI: Apa yang Berubah untuk Siapa untuk reka bentuk peranan peringkat fungsi yang perlu disokong oleh model organisasi anda.

Model yang anda pilih menentukan siapa yang memiliki kerja transformasi AI dan seberapa cepat ia bergerak. Mendapatkannya dengan betul memerlukan kejujuran tentang peringkat kematangan semasa anda, budaya organisasi anda, dan di mana anda realistik ingin berada dalam tiga tahun. Penyelidikan State of AI McKinsey mendapati bahawa untuk risiko, pematuhan, dan tadbir urus data, organisasi paling kerap menggunakan model yang sepenuhnya terpusat, sementara untuk penggunaan dan penggunaan, hab-dan-jejari hibrid adalah struktur paling biasa pada skala. Rangka kerja "Rewired" memanggil model berfederasi sebagai destinasi; ia tidak mengatakan mulakan di sana. Kebanyakan organisasi perlu melalui CoE sebelum mereka boleh membina hab yang berbaloi untuk disambungkan.