IBM高管详解如何加速企业AI应用：Agent是路径，不是噱头

编者注： 当全球还在热议智能体技术时， IBM已悄然构建了完整的智能体全栈解决方案，支持企业在现有IT架构中构建、部署和管理智能体。企业级AI智能体平台 watsonx Orchestrate 依托 IBM Granite等"小而美"的开源模型，能够大规模实现复杂工作流自动化。该平台已实现与80多种核心业务应用的1000多项集成，将智能体能力输送至企业流程的每个"神经末梢"。

在最近举行的 Think 大会 上， I BM 发布了助力企业级AI的最新技术成果，包括开箱即用的专业领域智能体、面向开发者和业务人员的自主构建工具套件，以及覆盖智能体全生命周期的管理平台。 值此契机，我们与您分享 网易科技记者袁宁 的深度好文《 IBM高管详解如何加速企业AI应用：Agent是路径，不是噱头》。文章原载于 网易科技 ，详情如下，转载时请务必注明文章作者和出处。

北京 2025年5月21日 /美通社/ --  "AI 实验的时代已经结束。企业竞争优势取决于量身定制的 AI 应用和可量化的业务成果。"

-

2025年Think大会后，IBM的首场国内深度技术沟通会上，IBM大中华区技术销售总经理、首席技术官翟峰再次重申其董事长、首席执行官Arvind Krishna在2025Think大会上的发言。

IBM大中华区技术销售总经理、首席技术官 翟峰

在翟峰看来，企业已经从 " 是否使用 AI" 的阶段，进入 " 如何真正用好 AI" 的关键节点。过去一年大模型的热潮推动了智能化转型的愿景，但当下客户更关心的是：智能体能不能执行任务？能不能稳定复用？能不能带来真实的成本收益比？

IBM的答案，是基于平台化、工程化的企业AI Agent体系：不只是能对话的助手，而是嵌入流程、完成任务、可监控、可维护的"数字员工"。

这一体系由watsonx平台承载，构建了模型、数据、任务执行与管理的完整技术栈，目标是让AI真正"长"在企业系统内部，成为流程的一部分而非附加功能。

翟峰强调，企业级Agent不同于消费端的聊天机器人，它的关键是"动手能力"。企业系统中存在大量复杂的审批流、数据表、权限系统和业务规则，Agent如果无法理解这些"系统语言"，就无法完成任何有价值的任务。

IBM构建的架构分三层：上层是对话与交互，中层是任务拆解与行动逻辑，底层是与IT系统的连接与API调用，确保从"理解指令"到"完成动作"的闭环。

为了支撑这样的系统，IBM强化了watsonx的数据与任务平台能力。

IBM大中华区科技事业部数据与AI资深技术专家 吴敏达

IBM 大中华区科技事业部数据与人工智能资深技术专家吴敏达指出，企业 AI Agent 真正的门槛不在前端建模，而在 " 系统内嵌 " 。

智能体不仅要能调用知识图谱与检索系统，还要具备跨平台、跨部门的能力。这就要求它必须具备规划任务、执行策略和对接异构系统的能力，"不只是懂语言，还要懂业务，懂流程，懂工具。"

watsonx平台通过对企业历史数据与系统接口的标准化管理，使Agent具备上下文理解与动作执行能力，在系统中自主规划工作流。

而要真正支撑AI Agent在企业中大规模、稳定运行，仅靠"技术能实现"还不够，工程体系必须随之完善。

IBM大中华区科技事业部自动化资深技术专家 张诚

IBM 大中华区科技事业部自动化资深技术专家张诚在会上介绍了IBM构建的"AgentOps"体系——它不是简单的DevOps延伸，而是一整套适配Agent开发、部署、监控、治理的运行机制。

张诚表示，企业部署 AI Agent 常见的三个难点是：系统无法对接、任务无法评估价值、智能体生命周期难以管理。AgentOps的目的就是将智能体模块化、服务化，每一个Agent都有输入输出接口、行为日志、权限边界，可以像业务组件一样管理、复用与扩展。

在AgentOps的支持下，IBM还建立了"Agent能力目录（Agent Catalog）"，企业可以像搭积木一样选择通用能力Agent（如文档总结、报告生成）和行业特定Agent（如生产排程、设备故障诊断），结合低代码工具快速部署。

而通过统一的监控与策略引擎，系统可以对Agent的成功率、响应时间、调用频次进行分析，帮助企业进行效果评估与性能调优。

在Agent落地场景方面，IBM的实践也在不断聚焦产业链深处的"刚需任务"。

IBM大中华区科技事业部车库创新团队经理 张珣

IBM 大中华区科技事业部车库创新团队经理张珣表示，相比对话式产品，企业级客户更关心是否能够解决业务痛点。

她举了制造业的典型案例：某重工业企业在产线管理中存在大量设备巡检与文档记录需求，传统方式耗时耗力、合规风险高。IBM帮助其搭建了基于watsonx的设备巡检Agent，结合图像识别、语音输入和工作流系统，自动识别异常并填写记录，节省了超过70%的人力成本。

张珣强调，IBM的方法论不是一味推"超级智能"，而是打造"业务颗粒度合适"的中小型Agent，专注完成一个环节的任务，然后串联起来形成完整流程。

围绕Agent的产业价值，张珣表示，企业要真正看到AI带来的价值，关键在于明确三个层次：一是任务自动化的成本对比，二是对数据质量与流程标准化的倒逼作用，三是为未来更大规模的智能重构打下基础。

"Agent不是一个项目，而是企业数字化能力的延伸。它既是战术工具，也是战略投资。"张珣说道。

总结来看，IBM并未将AI Agent包装成某种玄奥前沿的未来技术，而是通过实实在在的平台能力、工程方法与行业案例，明确传递出一个信号：Agent是企业重塑工作方式的工具，而不是追赶技术潮流的装饰。