IBM：AI实验的时代已结束，企业级AI智能体加速落地

近日，IBM在年度科技盛会Think大会上发布了一系列混合云技术创新，致力于打破企业级AI（人工智能）规模应用的长期桎梏，帮助企业使用自己的数据构建和部署先进的AI Agent（智能体）。在5月15日IBM召开的企业级AI媒体及分析师圆桌会上，IBM大中华区技术销售总经理、首席技术官翟峰表示，AI实验、尝试阶段已经结束，接下来最重要的是，它开始慢慢进入到企业最核心的场景、最核心的业务域，帮助企业实现降本增效的终极目标。

（IBM大中华区技术销售总经理、首席技术官 翟峰）

企业级AI落地是一场“马拉松”

根据IBM商业价值研究院（IBV）最新发布的全球CEO调研报告显示，未来两年企业对AI技术的投资将翻两倍以上；大多数受访CEO表示正在积极采用AI Agent，并为大规模应用做准备。然而，大规模的投资也导致了技术的碎片化，仅有25%的AI项目实现了预期的投资回报（ROI）。另外，IBM预计到 2028 年，全球新增的应用数量将超过10 亿个，这将带来更加碎片化的IT环境，为企业的持续增长制造阻力。

IBM 董事长、首席执行官 Arvind Krishna 指出，AI技术已经走过了实验阶段。能否应用量身定制的AI技术、并产生可衡量的业务成果，将决定企业的竞争优势。翟峰对这个观点进行了进一步阐释。他表示，互联网时代，AI有时间可能被过度“神化”或者“妖魔化”了，实际上企业级AI落地就像是一场“马拉松”，它是一个复杂的系统过程，需要一步一步来。对于企业而言，AI的能力怎么快速融入到IT自动化、业务自动化过程中，甚至重塑业务流程，这件事情会变得越来越重要。

比如在制造领域，现阶段AI落地往往出现在两端。一个是研发端，比如搭建知识库场景、文档设计、代码生成；另一个是在服务端，基于知识库去做一些智能客服的应用。但是，更值得探讨的应该如何在企业的生产、制造这些最核心的领域让AI产生价值。“数据、模型、治理、助手、智能体是企业级AI落地的核心要素。”翟峰表示。同时，他强调：“其他几项都是在做基础设施建设，最重要的是如何让智能体真正发挥价值。”

智能体应用将大幅提升企业生产力

今天，AI Agent正在从对话工具转变为生产力工具。与企业系统的交互往往要求用户具备深厚的专业知识，以驾驭庞大而复杂的交互界面。AI Agent的出现将大大降低这一门槛。试想一下，如何用户只需通过简单的对话界面陈述其目标，AI Agent便可以自动执行复杂任务并获得洞察，企业人力资源、财务、IT 和客户服务等职能部门的生产力将会得到大幅提升。

然而，要实现这一目标，AI Agent必须要在复杂的企业技术栈中游刃有余，无缝连接海量的应用、数据和系统。“AI Agent核心要做三件事：一是理解你的想法，并且能够推理；二是根据你的想法，制定一个计划；三是执行这个计划。这就要求首先在企业内部，指令要传达到某个具体的设备、某个应用、某个系统的时候，这些系统必须是互联互通的，不打通这件事情是做不下去。其次，企业级AI的发展一定是在混合云的环境下，有的数据在云上、有的在云下、有的在边缘侧、有在设备端，如何更好地把数据打通、流程打通、应用打通，把这些能力用最简单的API的方式喂给这些AI Agent，让它能够更好的执行任务，就变得越来越重要。”翟峰表示。

当企业的AI Agent协同工作时，其真正力量就会被释放。IBM 的战略是帮助客户在任何IT基础设施上、使用其专有数据和技术运行AI Agent。针对当前企业级AI从“全知全能”的大模型向中小模型转变的趋势，IBM提出了“小而美”的模型适配理念，并推出了企业级AI Agent平台watsonx Orchestrate。该平台基于IBM Granite等开源模型，具备强大的复杂工作流自动化能力，已与企业级核心业务应用如Adobe、AWS、Microsoft等完成了1000多项集成，将AI Agent的能力深度融入企业流程的各个环节。据悉，IBM基于watsonx Orchestrate打造的Agent工具可帮助企业在五分钟内轻松构建起专业领域的AI Agent，还能为AI Agent全生命周期提供可观测性，包括性能监控、防护、模型优化和治理。值得一提的是，它预集成了 80 多个行业领先的企业级应用，用户无需担心被单一供应商锁定。

找对应用场景是智能体落地关键

当下，AI Agent已成为继大模型之后最热的概念之一，各种号称“Agent”的产品、应用、解决方案层出不穷。然而值得关注的是，并非所有业务场景都需要引入AI Agent。对于企业而言，找对AI Agent的应用场景至关重要。

IBM大中华区科技事业部数据与AI资深技术专家吴敏达指出，AI Agent与传统智能助手的显著区别在于，AI Agent在推理时可根据实际情况自主决策，因此它能承担更为复杂的工作。一些业务场景只需要自动化技术就能完成，且不需要太多算力，响应速度还很快。但有些业务场景，仅靠简单的交互式对话和自动化技术是解决不了问题的，需要AI能够自主决策，这就需要发挥AI Agent的作用了。

（IBM大中华区科技事业部数据与AI资深技术专家 吴敏达）

根据IBM的调研，人力资源、销售、采购等高投资回报率经过验证的场景，更适合部署企业级智能体。以IBM自身的实践为例，人力资源智能体的应用帮助相关部门减少了61%的工单，销售智能体每周可帮助销售人员节省9小时的工作量；采购智能体则让采购和合同周期缩短了70%。“我们首批发布了这三个智能体，企业用户可以把这些智能体作为模板，根据自身实际需求对其进行调整、编辑，快速构建自己的智能体。”吴敏达表示。

另据权威机构调研，一个中等规模的企业平均大概有上千个应用存在。基于这样的背景，企业计划建设AI Agent，却发现很难和现有应用打通怎么办？IBM大中华区科技事业部自动化资深技术专家张诚指出，成功的企业级AI Agent需与多个企业系统集成，并进行有效交互，才能提供有价值的响应。一是要构建跨云上、云下的集成能力，让AI大脑和可以干活的应用联动起来；二是要通过自动化的IT运维，实现多个Agent链路的可视化；三是要构建自动化的基础架构，让Agent能够高度自动化、弹性的使用基础资源。

（IBM大中华区科技事业部自动化资深技术专家 张诚）

“要通过小步快跑的方式帮助企业实现转型。”IBM大中华区科技事业部车库创新团队经理张珣强调。以制造业为例，制造业数字化转型要实现“研产供销服”全流程的AI赋能。在研发环节，可以通过企业级AI助手加速创新；在生产环节，可以通过IBM的生产与供应链控制塔实现智能设备管理和产销协同；在财务环节，可以通过预构建Agent来进行全面的预算管理。

（IBM大中华区科技事业部车库创新团队经理 张珣）

张珣建议，应该根据企业现阶段数字化转型能力、现状进行评估，再定制相应的实施路径。一些传统企业数字化水平不高，他们可能更关心如何在规则驱动型进行精准的执行，那就应该加大自动化技术投入，提升生产效率；而一些在数字化转型领域走得比较靠前的企业，则可以更多地去做生成式AI技术的创新探索。（本文原载中国电子报、电子信息产业网。作者：宋婧。转载已获授权。）