“AI 實驗的時代已經結束。企業競爭優勢取決于量身定制的?AI 應用和可量化的業務成果。”

2025年Think大會后，IBM的首場國內深度技術溝通會上， IBM 大中華區技術銷售總經理、首席技術官翟峰 再次重申其董事長、首席執行官Arvind Krishna在2025Think大會上的發言。

（IBM大中華區技術銷售總經理、首席技術官?翟峰）

在翟峰看來，企業已經從 “ 是否使用 AI” 的階段，進入 “ 如何真正用好 AI” 的關鍵節點。 過去一年大模型的熱潮推動了智能化轉型的愿景，但當下客戶更關心的是：智能體能不能執行任務？能不能穩定復用？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平臺承載， 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，成為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復雜的審批流、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。

為了支撐這樣的系統，IBM強化了watsonx的數據與任務平臺能力。

（IBM大中華區 科技 事業部數據與人工智能資深技術專家?吳敏達）

IBM 大中華區科技事業部數據與人工智能資深技術專家吳敏達指出，企業 AI Agent 真正的門檻不在前端建模，而在 “ 系統內嵌 ” 。

智能體不僅要能調用知識圖譜與檢索系統，還要具備跨平臺、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平臺通過對企業歷史數據與系統接口的標準化管理，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。

而要真正支撐AI Agent在企業中大規模、穩定運行，僅靠“技術能實現”還不夠， 工程體系 必須隨之完善。

（IBM大中華區科技事業部自動化資深技術專家?張誠）

IBM 大中華區科技事業部自動化資深技術專家張誠 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。

張誠表示，企業部署 AI Agent 常見的三個難點是：系統無法對接、任務無法評估價值、智能體生命周期難以管理。 AgentOps的目的就是將智能體模塊化、服務化，每一個Agent都有輸入輸出接口、行為日志、權限邊界，可以像業務組件一樣管理、復用與擴展。

在AgentOps的支持下，IBM還建立了“Agent能力目錄（Agent Catalog）”， 企業可以像搭積木一樣選擇通用能力 Agent （如文檔總結、報告生成）和行業特定 Agent （如生產排程、設備故障診斷），結合低代碼工具快速部署 。

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產業鏈深處的“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，相比對話式產品，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：某重工業企業在產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，自動識別異常并填寫記錄，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“超級智能”，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，然后串聯起來形成完整流程。

圍繞Agent的產業價值，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準化的倒逼作用，三是為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。

總結來看，IBM并未將AI Agent包裝成某種玄奧前沿的未來技術，而是通過實實在在的平臺能力、工程方法與行業案例，明確傳遞出一個信號： Agent 是企業重塑工作方式的工具，而不是追趕技術潮流的裝飾。 （本文原載于網易科技，作者：袁寧。轉載已獲授權。）