 |
編者注： 當全球還在熱議智能體技術(shù)時， IBM已悄然構(gòu)建了完整的智能體全棧解決方案，支持企業(yè)在現(xiàn)有IT架構(gòu)中構(gòu)建、部署和管理智能體。企業(yè)級AI智能體平臺 watsonx Orchestrate 依托 IBM Granite等"小而美"的開源模型，能夠大規(guī)模實現(xiàn)復(fù)雜工作流自動化。該平臺已實現(xiàn)與80多種核心業(yè)務(wù)應(yīng)用的1000多項集成，將智能體能力輸送至企業(yè)流程的每個"神經(jīng)末梢"。
在最近舉行的 Think 大會 上， I BM 發(fā)布了助力企業(yè)級AI的最新技術(shù)成果，包括開箱即用的專業(yè)領(lǐng)域智能體、面向開發(fā)者和業(yè)務(wù)人員的自主構(gòu)建工具套件，以及覆蓋智能體全生命周期的管理平臺。 值此契機，我們與您分享 網(wǎng)易科技記者袁寧 的深度好文《 IBM高管詳解如何加速企業(yè)AI應(yīng)用：Agent是路徑，不是噱頭》。文章原載于 網(wǎng)易科技 ，詳情如下，轉(zhuǎn)載時請務(wù)必注明文章作者和出處。
北京 2025年5月21日 /美通社/ -- "AI 實驗的時代已經(jīng)結(jié)束。企業(yè)競爭優(yōu)勢取決于量身定制的 AI 應(yīng)用和可量化的業(yè)務(wù)成果。"
2025年Think大會后，IBM的首場國內(nèi)深度技術(shù)溝通會上，IBM大中華區(qū)技術(shù)銷售總經(jīng)理、首席技術(shù)官翟峰再次重申其董事長、首席執(zhí)行官Arvind Krishna在2025Think大會上的發(fā)言。
在翟峰看來，企業(yè)已經(jīng)從 " 是否使用 AI" 的階段，進入 " 如何真正用好 AI" 的關(guān)鍵節(jié)點。過去一年大模型的熱潮推動了智能化轉(zhuǎn)型的愿景，但當下客戶更關(guān)心的是：智能體能不能執(zhí)行任務(wù)？能不能穩(wěn)定復(fù)用？能不能帶來真實的成本收益比？
IBM的答案，是基于平臺化、工程化的企業(yè)AI Agent體系：不只是能對話的助手，而是嵌入流程、完成任務(wù)、可監(jiān)控、可維護的"數(shù)字員工"。
這一體系由watsonx平臺承載，構(gòu)建了模型、數(shù)據(jù)、任務(wù)執(zhí)行與管理的完整技術(shù)棧，目標是讓AI真正"長"在企業(yè)系統(tǒng)內(nèi)部，成為流程的一部分而非附加功能。
翟峰強調(diào)，企業(yè)級Agent不同于消費端的聊天機器人，它的關(guān)鍵是"動手能力"。企業(yè)系統(tǒng)中存在大量復(fù)雜的審批流、數(shù)據(jù)表、權(quán)限系統(tǒng)和業(yè)務(wù)規(guī)則，Agent如果無法理解這些"系統(tǒng)語言"，就無法完成任何有價值的任務(wù)。
IBM構(gòu)建的架構(gòu)分三層：上層是對話與交互，中層是任務(wù)拆解與行動邏輯，底層是與IT系統(tǒng)的連接與API調(diào)用，確保從"理解指令"到"完成動作"的閉環(huán)。
為了支撐這樣的系統(tǒng)，IBM強化了watsonx的數(shù)據(jù)與任務(wù)平臺能力。
IBM 大中華區(qū)科技事業(yè)部數(shù)據(jù)與人工智能資深技術(shù)專家吳敏達指出，企業(yè) AI Agent 真正的門檻不在前端建模，而在 " 系統(tǒng)內(nèi)嵌 " 。
智能體不僅要能調(diào)用知識圖譜與檢索系統(tǒng)，還要具備跨平臺、跨部門的能力。這就要求它必須具備規(guī)劃任務(wù)、執(zhí)行策略和對接異構(gòu)系統(tǒng)的能力，"不只是懂語言，還要懂業(yè)務(wù)，懂流程，懂工具。"
watsonx平臺通過對企業(yè)歷史數(shù)據(jù)與系統(tǒng)接口的標準化管理，使Agent具備上下文理解與動作執(zhí)行能力，在系統(tǒng)中自主規(guī)劃工作流。
而要真正支撐AI Agent在企業(yè)中大規(guī)模、穩(wěn)定運行，僅靠"技術(shù)能實現(xiàn)"還不夠，工程體系必須隨之完善。
IBM 大中華區(qū)科技事業(yè)部自動化資深技術(shù)專家張誠在會上介紹了IBM構(gòu)建的"AgentOps"體系——它不是簡單的DevOps延伸，而是一整套適配Agent開發(fā)、部署、監(jiān)控、治理的運行機制。
張誠表示，企業(yè)部署 AI Agent 常見的三個難點是：系統(tǒng)無法對接、任務(wù)無法評估價值、智能體生命周期難以管理。AgentOps的目的就是將智能體模塊化、服務(wù)化，每一個Agent都有輸入輸出接口、行為日志、權(quán)限邊界，可以像業(yè)務(wù)組件一樣管理、復(fù)用與擴展。
在AgentOps的支持下，IBM還建立了"Agent能力目錄（Agent Catalog）"，企業(yè)可以像搭積木一樣選擇通用能力Agent（如文檔總結(jié)、報告生成）和行業(yè)特定Agent（如生產(chǎn)排程、設(shè)備故障診斷），結(jié)合低代碼工具快速部署。
而通過統(tǒng)一的監(jiān)控與策略引擎，系統(tǒng)可以對Agent的成功率、響應(yīng)時間、調(diào)用頻次進行分析，幫助企業(yè)進行效果評估與性能調(diào)優(yōu)。
在Agent落地場景方面，IBM的實踐也在不斷聚焦產(chǎn)業(yè)鏈深處的"剛需任務(wù)"。
IBM 大中華區(qū)科技事業(yè)部車庫創(chuàng)新團隊經(jīng)理張珣表示，相比對話式產(chǎn)品，企業(yè)級客戶更關(guān)心是否能夠解決業(yè)務(wù)痛點。
她舉了制造業(yè)的典型案例：某重工業(yè)企業(yè)在產(chǎn)線管理中存在大量設(shè)備巡檢與文檔記錄需求，傳統(tǒng)方式耗時耗力、合規(guī)風險高。IBM幫助其搭建了基于watsonx的設(shè)備巡檢Agent，結(jié)合圖像識別、語音輸入和工作流系統(tǒng)，自動識別異常并填寫記錄，節(jié)省了超過70%的人力成本。
張珣強調(diào)，IBM的方法論不是一味推"超級智能"，而是打造"業(yè)務(wù)顆粒度合適"的中小型Agent，專注完成一個環(huán)節(jié)的任務(wù)，然后串聯(lián)起來形成完整流程。
圍繞Agent的產(chǎn)業(yè)價值，張珣表示，企業(yè)要真正看到AI帶來的價值，關(guān)鍵在于明確三個層次：一是任務(wù)自動化的成本對比，二是對數(shù)據(jù)質(zhì)量與流程標準化的倒逼作用，三是為未來更大規(guī)模的智能重構(gòu)打下基礎(chǔ)。
"Agent不是一個項目，而是企業(yè)數(shù)字化能力的延伸。它既是戰(zhàn)術(shù)工具，也是戰(zhàn)略投資。"張珣說道。
總結(jié)來看，IBM并未將AI Agent包裝成某種玄奧前沿的未來技術(shù)，而是通過實實在在的平臺能力、工程方法與行業(yè)案例，明確傳遞出一個信號：Agent是企業(yè)重塑工作方式的工具，而不是追趕技術(shù)潮流的裝飾。
