編者注： 2025年，AI領域的熱議話題已經從大語言模型（LLMs）轉向了AI智能體（AI Agent）。根據Gartner最新預測，企業(yè)軟件中整合自主型AI的比例將從2024年的不足1%躍升至2028年的33%；同時，超過15%的日常工作決策將交由AI智能體自主完成。
今天，我們對 AI智能體應該抱有怎樣的期待？技術愿景和商業(yè)落地間又存在著哪些關鍵挑戰(zhàn)？釋放AI智能體強大潛能的關竅又是什么？值此契機，我們與您分享中國電子報、電子信息產業(yè)網記者宋婧的深度好文《IBM：AI實驗的時代已結束，企業(yè)級AI智能體加速落地》。文章原載于 電子信息產業(yè)網 ，詳情如下，轉載時請務必注明文章作者和出處。
北京 2025年5月21日 /美通社/ -- 近日，IBM在年度科技盛會Think大會上發(fā)布了一系列混合云技術創(chuàng)新，致力于打破企業(yè)級AI（人工智能）規(guī)模應用的長期桎梏，幫助企業(yè)使用自己的數據構建和部署先進的AI Agent（智能體）。在5月15日IBM召開的企業(yè)級AI媒體及分析師圓桌會上，IBM大中華區(qū)技術銷售總經理、首席技術官翟峰表示，AI實驗、嘗試階段已經結束，接下來最重要的是，它開始慢慢進入到企業(yè)最核心的場景、最核心的業(yè)務域，幫助企業(yè)實現降本增效的終極目標。
企業(yè)級 AI 落地是一場 " 馬拉松 "
根據IBM商業(yè)價值研究院（IBV）最新發(fā)布的全球CEO調研報告顯示，未來兩年企業(yè)對AI技術的投資將翻兩倍以上；大多數受訪CEO表示正在積極采用AI Agent，并為大規(guī)模應用做準備。然而，大規(guī)模的投資也導致了技術的碎片化，僅有25%的AI項目實現了預期的投資回報（ROI）。另外，IBM預計到 2028 年，全球新增的應用數量將超過10 億個，這將帶來更加碎片化的IT環(huán)境，為企業(yè)的持續(xù)增長制造阻力。
IBM 董事長、首席執(zhí)行官 Arvind Krishna 指出，AI技術已經走過了實驗階段。能否應用量身定制的AI技術、并產生可衡量的業(yè)務成果，將決定企業(yè)的競爭優(yōu)勢。翟峰對這個觀點進行了進一步闡釋。他表示，互聯網時代，AI有時間可能被過度"神化"或者"妖魔化"了，實際上企業(yè)級AI落地就像是一場"馬拉松"，它是一個復雜的系統(tǒng)過程，需要一步一步來。對于企業(yè)而言，AI的能力怎么快速融入到IT自動化、業(yè)務自動化過程中，甚至重塑業(yè)務流程，這件事情會變得越來越重要。
比如在制造領域，現階段AI落地往往出現在兩端。一個是研發(fā)端，比如搭建知識庫場景、文檔設計、代碼生成；另一個是在服務端，基于知識庫去做一些智能客服的應用。但是，更值得探討的應該如何在企業(yè)的生產、制造這些最核心的領域讓AI產生價值。"數據、模型、治理、助手、智能體是企業(yè)級AI落地的核心要素。"翟峰表示。同時，他強調："其他幾項都是在做基礎設施建設，最重要的是如何讓智能體真正發(fā)揮價值。"
智能體應用將大幅提升企業(yè)生產力
今天，AI Agent正在從對話工具轉變?yōu)樯a力工具。與企業(yè)系統(tǒng)的交互往往要求用戶具備深厚的專業(yè)知識，以駕馭龐大而復雜的交互界面。AI Agent的出現將大大降低這一門檻。試想一下，如何用戶只需通過簡單的對話界面陳述其目標，AI Agent便可以自動執(zhí)行復雜任務并獲得洞察，企業(yè)人力資源、財務、IT 和客戶服務等職能部門的生產力將會得到大幅提升。
然而，要實現這一目標，AI Agent必須要在復雜的企業(yè)技術棧中游刃有余，無縫連接海量的應用、數據和系統(tǒng)。"AI Agent核心要做三件事：一是理解你的想法，并且能夠推理；二是根據你的想法，制定一個計劃；三是執(zhí)行這個計劃。這就要求首先在企業(yè)內部，指令要傳達到某個具體的設備、某個應用、某個系統(tǒng)的時候，這些系統(tǒng)必須是互聯互通的，不打通這件事情是做不下去。其次，企業(yè)級AI的發(fā)展一定是在混合云的環(huán)境下，有的數據在云上、有的在云下、有的在邊緣側、有在設備端，如何更好地把數據打通、流程打通、應用打通，把這些能力用最簡單的API的方式喂給這些AI Agent，讓它能夠更好的執(zhí)行任務，就變得越來越重要。"翟峰表示。
當企業(yè)的AI Agent協(xié)同工作時，其真正力量就會被釋放。IBM 的戰(zhàn)略是幫助客戶在任何IT基礎設施上、使用其專有數據和技術運行AI Agent。針對當前企業(yè)級AI從"全知全能"的大模型向中小模型轉變的趨勢，IBM提出了"小而美"的模型適配理念，并推出了企業(yè)級AI Agent平臺watsonx Orchestrate。該平臺基于IBM Granite等開源模型，具備強大的復雜工作流自動化能力，已與企業(yè)級核心業(yè)務應用如Adobe、AWS、Microsoft等完成了1000多項集成，將AI Agent的能力深度融入企業(yè)流程的各個環(huán)節(jié)。據悉，IBM基于watsonx Orchestrate打造的Agent工具可幫助企業(yè)在五分鐘內輕松構建起專業(yè)領域的AI Agent，還能為AI Agent全生命周期提供可觀測性，包括性能監(jiān)控、防護、模型優(yōu)化和治理。值得一提的是，它預集成了 80 多個行業(yè)領先的企業(yè)級應用，用戶無需擔心被單一供應商鎖定。
找對應用場景是智能體落地關鍵
當下，AI Agent已成為繼大模型之后最熱的概念之一，各種號稱"Agent"的產品、應用、解決方案層出不窮。然而值得關注的是，并非所有業(yè)務場景都需要引入AI Agent。對于企業(yè)而言，找對AI Agent的應用場景至關重要。
IBM 大中華區(qū)科技事業(yè)部數據與 AI 資深技術專家吳敏達指出，AI Agent與傳統(tǒng)智能助手的顯著區(qū)別在于，AI Agent在推理時可根據實際情況自主決策，因此它能承擔更為復雜的工作。一些業(yè)務場景只需要自動化技術就能完成，且不需要太多算力，響應速度還很快。但有些業(yè)務場景，僅靠簡單的交互式對話和自動化技術是解決不了問題的，需要AI能夠自主決策，這就需要發(fā)揮AI Agent的作用了。
根據IBM的調研，人力資源、銷售、采購等高投資回報率經過驗證的場景，更適合部署企業(yè)級智能體。以IBM自身的實踐為例，人力資源智能體的應用幫助相關部門減少了61%的工單，銷售智能體每周可幫助銷售人員節(jié)省9小時的工作量；采購智能體則讓采購和合同周期縮短了70%。"我們首批發(fā)布了這三個智能體，企業(yè)用戶可以把這些智能體作為模板，根據自身實際需求對其進行調整、編輯，快速構建自己的智能體。"吳敏達表示。
另據權威機構調研，一個中等規(guī)模的企業(yè)平均大概有上千個應用存在。基于這樣的背景，企業(yè)計劃建設AI Agent，卻發(fā)現很難和現有應用打通怎么辦？IBM大中華區(qū)科技事業(yè)部自動化資深技術專家張誠指出，成功的企業(yè)級AI Agent需與多個企業(yè)系統(tǒng)集成，并進行有效交互，才能提供有價值的響應。一是要構建跨云上、云下的集成能力，讓AI大腦和可以干活的應用聯動起來；二是要通過自動化的IT運維，實現多個Agent鏈路的可視化；三是要構建自動化的基礎架構，讓Agent能夠高度自動化、彈性的使用基礎資源。
"要通過小步快跑的方式幫助企業(yè)實現轉型。"IBM大中華區(qū)科技事業(yè)部車庫創(chuàng)新團隊經理張珣強調。以制造業(yè)為例，制造業(yè)數字化轉型要實現"研產供銷服"全流程的AI賦能。在研發(fā)環(huán)節(jié)，可以通過企業(yè)級AI助手加速創(chuàng)新；在生產環(huán)節(jié)，可以通過IBM的生產與供應鏈控制塔實現智能設備管理和產銷協(xié)同；在財務環(huán)節(jié)，可以通過預構建Agent來進行全面的預算管理。
張珣建議，應該根據企業(yè)現階段數字化轉型能力、現狀進行評估，再定制相應的實施路徑。一些傳統(tǒng)企業(yè)數字化水平不高，他們可能更關心如何在規(guī)則驅動型進行精準的執(zhí)行，那就應該加大自動化技術投入，提升生產效率；而一些在數字化轉型領域走得比較靠前的企業(yè)，則可以更多地去做生成式AI技術的創(chuàng)新探索。
關于 IBM
IBM 是全球領先的混合云、人工智能及企業(yè)服務提供商，幫助超過 175 個國家和地區(qū)的客戶，從其擁有的數據中獲取商業(yè)洞察，簡化業(yè)務流程，降低成本，并獲得行業(yè)競爭優(yōu)勢。金融服務、電信和醫(yī)療健康等關鍵基礎設施領域的超過 4000 家政府和企業(yè)實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現數字化轉型。IBM 在人工智能、量子計算、行業(yè)云解決方案和企業(yè)服務方面的突破性創(chuàng)新為我們的客戶提供了開放和靈活的選擇。對企業(yè)誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業(yè)務發(fā)展的基石。了解更多信息，請訪問：https://www.ibm.com/cn-zh
媒體聯絡人
崔守峰，shou.feng.cui@ibm.com
