“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大中華區技術銷售總經理、首席技術官?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。过去一年大模型的熱潮推动了智能化轉型的願景，但當下客戶更關心的是：智能體能不能執行任務？能不能穩定複用？能不能帶來真實的成本收益比？

IBM的答案，是基于平台化、工程化的企業AI Agent體系：不只是能對話的助手，而是嵌入流程、完成任務、可監控、可維護的“數字員工”。

這一體系由watsonx平台承載，構建了模型、數據、任務執行與管理的完整技術棧，目標是讓AI真正“長”在企業系統內部，成爲流程的一部分而非附加功能。

翟峰強調，企業級Agent不同于消費端的聊天機器人，它的關鍵是“動手能力”。企業系統中存在大量複雜的審批流、數據表、權限系統和業務規則，Agent如果無法理解這些“系統語言”，就無法完成任何有價值的任務。

IBM構建的架構分三層：上層是對話與交互，中層是任務拆解與行動邏輯，底層是與IT系統的連接與API調用，確保從“理解指令”到“完成動作”的閉環。

爲了支撐這樣的系統，IBM強化了watsonx的數據與任務平台能力。

（IBM大中華區科技事業部數據與人工智能佼佼者技術專家?吳敏達）

IBM大中华区科技事业部数据与人工智能佼佼者技术专家吴敏达指出，企業AI Agent真正的门槛不在前端建模，而在“系统内嵌”。

智能體不僅要能調用知識圖譜與檢索系統，還要具備跨平台、跨部門的能力。這就要求它必須具備規劃任務、執行策略和對接異構系統的能力，“不只是懂語言，還要懂業務，懂流程，懂工具。”

watsonx平台通過對企業曆史數據與系統接口的標准化管理，使Agent具備上下文理解與動作執行能力，在系統中自主規劃工作流。

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大中華區科技事業部自動化佼佼者技術專家?張誠）

IBM大中華區科技事業部自動化佼佼者技術專家張誠在會上介紹了IBM構建的“AgentOps”體系——它不是簡單的DevOps延伸，而是一整套適配Agent開發、部署、監控、治理的運行機制。

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。

而通過統一的監控與策略引擎，系統可以對Agent的成功率、響應時間、調用頻次進行分析，幫助企業進行效果評估與性能調優。

在Agent落地場景方面，IBM的實踐也在不斷聚焦産業鏈深處的“剛需任務”。

（IBM大中華區科技事業部車庫創新團隊經理?張珣）

IBM大中華區科技事業部車庫創新團隊經理張珣表示，相比對話式産品，企業級客戶更關心是否能夠解決業務痛點。

她舉了制造業的典型案例：某重工業企業在産線管理中存在大量設備巡檢與文檔記錄需求，傳統方式耗時耗力、合規風險高。IBM幫助其搭建了基于watsonx的設備巡檢Agent，結合圖像識別、語音輸入和工作流系統，自動識別異常並填寫記錄，節省了超過70%的人力成本。

張珣強調，IBM的方法論不是一味推“比較優秀智能”，而是打造“業務顆粒度合適”的中小型Agent，專注完成一個環節的任務，然後串聯起來形成完整流程。

圍繞Agent的産業價值，張珣表示，企業要真正看到AI帶來的價值，關鍵在于明確三個層次：一是任務自動化的成本對比，二是對數據質量與流程標准化的倒逼作用，三是爲未來更大規模的智能重構打下基礎。

“Agent不是一個項目，而是企業數字化能力的延伸。它既是戰術工具，也是戰略投資。”張珣說道。

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。（本文原载于网易科技，作者：袁宁。转载已获授权。）

（推廣）