游戏化采用。如果合理的话，游戏化可以成为一种低成本的程序，通过鼓励业务方面的个人提高数据质量来增加结构。例如，一家大型全球石油和天然气组织推出了一个积分系统，每次有人完成培训、标记数据集、创建新文档等，该人都会获得一定数量的积分，通过排行榜和奖品营造竞争精神。
正规化培训。如果 CoE 成员必须引导和指导每个新用户，那么扩展很快就会变得效率低下。更重要的是，如果做得不好，企业可能会感到沮丧。创建一个致力于 AI 计划的社区，让他们能够互相帮助（特别是在早期超级用户的支持下），可以减轻 CoE 本身对支持需求的负担。GE Aviation更进一步，提供 100、200 和 300 级课程，让最终用户 哥斯达黎加 WhatsApp 数据 参与他们的自助数据工作，并为任何想要参加的人提供全天高管培训。
提供可扩展的技术。重用是避免 AI 项目中返工的简单概念，从小细节（如可以共享的代码片段以加快数据准备）到宏观层面（如确保来自公司不同部门的两位数据科学家不在同一个项目上工作）。企业 AI 中的资本化将重用提升到了另一个层次 - 它是关于在其他项目中分担初始 AI 项目产生的成本（最常见的是查找、清理和准备数据的成本），从而以一个项目的价格实现许多用例。
3. 创造需求
创建支持系统有助于确保持久采用，但不一定会自动产生需求。需求生成的一个重要因素是用例。理想情况下，在 CoE 生命周期的开始阶段，管道将植入精心策划的用例，这些用例既具有很高的业务价值，又具有很高的成功可能性（也称为“速赢”或“唾手可得”的用例）。让业务方面的人员转移到 CoE 来处理这些类型的用例，以让团队开始工作，可能会非常成功。