智東西（公眾號：zhidxcom）
作者 | 金碧輝
編輯 | 程茜
智東西5月16日報道，昨天下午，IBM大中華區技術銷售總經理、首席技術官翟峰透露，AI領域的關注熱點已從大語言模型轉向AI Agent（AI智能體），深度解讀了企業級AI的核心要素，提出“小而美”模型適配理念，并著重介紹了IBM企業級AI Agent平臺watsonx Orchestrate。
翟峰深度剖析了企業級AI的核心要素。相較于此前追求的“全知全能”的大型模型，如今更多企業傾向于采用中小模型。這類模型速度更快，對計算資源需求較小，且在邏輯推理、上下文理解以及外部交互等方面表現更為出色，更貼合企業實際應用場景。
在研發側的知識庫構建、文檔設計、代碼生成，以及服務端基于知識庫的智能客服打造等場景中，針對性的小模型能夠更高效精準地滿足需求。
一、企業AI需小而美場景適配模型，多模型協同替代單一解決方案
IBM主要注重提升企業級AI的全棧能力，企業內部應選擇適合自身場景的“小而美”模型。不同業務場景需配備相應的專家模型，多個小模型在企業運營中各司其職，共同發揮作用，打破單一模型解決所有問題的傳統思維。
基于這一模型策略，IBM在去年推出企業級AI Agent平臺watsonx Orchestrate。該平臺依托IBM Granit等開源模型，具備強大的復雜工作流自動化能力，目前已與Adobe、AWS、Microsoft、Oracle、Salesforce Agentforce、SAP、ServiceNow和Workday等公司的企業級核心業務應用完成1000多項集成，將AI Agent能力深度滲透至企業流程的各個環節。
watsonx Orchestrate為IBM自身及第三方的AI Agent提供多Agent編排服務，借助預構建的Agent，能幫助企業迅速在高投資回報率的場景中獲得收獲。此外，該平臺引入了AgentOps理念，可實現對AI Agent從構建、部署到管理的全生命周期管理。
在使用靈活性上，客戶既可以單獨選用watsonx Orchestrate平臺，也能與IBM其他產品配合使用。平臺部署上線后，IBM Agent以API形式供用戶在手機端或應用端調用，便于操作。
關于普通員工是否能便捷地使用IBM的Agent，翟峰回應，watsonx Orchestrate充分考慮到不同用戶群體的需求，提供了面向非技術用戶的無代碼工具。普通員工無需具備深厚的編程知識，通過簡單的拖拽、配置操作，即可在5分鐘內構建屬于自己的AI?Agent。
此外，平臺還為合作伙伴提供低代碼、無代碼及專業代碼等多種構建Agent的工具，滿足業務用戶、專業開發人員等不同群體的需求，并且支持從無代碼向有代碼的轉換，降低開發門檻，提升開發效率。
二、AI Agent以自主思考協同工具，IBM探索人資、銷售、采購智能體融合
IBM大中華區科技事業部數據與AI資深技術專家吳敏達透露，AI Agent與傳統助手的顯著區別在于，AI Agent在推理時可根據實際情況自主決策，能承擔更多實際工作。
如今，AI Agent的交互層多為對話形式，包括文字和語音對話，旨在打通業務流程與數據。Agent通過自主思考，調用工具和其他Agent協同工作，實現業務目標。例如，IBM正在探索將人力資源Agent、銷售Agent、采購Agent相結合，發揮協同效應。
此外，他提到IBM的watsonx.data組件豐富，涵蓋數據經緯、多個查詢引擎、統一元數據和治理、開源數據格式、存儲、本地部署及云服務等，為企業數據管理和應用提供全面支持。
三、從全鏈路監控到制造業應用，IBM加強全鏈路的監控和治理
IBM大中華區科技事業部自動化資深技術專家張誠透露，成功的企業級AI?Agent需與企業其他功能有效交互。當AI Agent上線后，因其本質仍為應用且需調用多種執行操作，所以對全鏈路的監控和治理至關重要，包括解決AI客服回復速度慢等問題，以實現優化部署和投資。
關于出現問題如何進行反饋的相關機制，張誠解答稱，在watsonx Orchestrate平臺中，設有專門的反饋入口。當用戶在使用智能體過程中遇到諸如響應速度慢、任務執行錯誤等問題時，可通過該入口詳細描述問題情況，并附上相關操作記錄及截圖等輔助信息進行反饋。IBM的技術團隊會實時監測反饋信息，一旦收到問題反饋，會立即啟動問題排查流程。
IBM大中華區科技事業部車庫創新團隊負責人張珣關注了技術如何賦能企業落地，將其轉化為實際價值。
IBM結合IBM Watson Assistant、Watson Discovery和大語言模型（如GPT-4），構建混合AI架構。通過優化知識問答系統，集成外部知識庫，提升智能客服的專業應答準確性；并利用IBM Foundation Models的多模態技術，從PDF、圖片等非結構化數據中自動抽取關鍵信息，生成統計報告，并通過自然語言交互提供給決策者。
結語：“小而美”模型適配?平臺搭建占優，AI Agent全鏈路治理等存挑戰
在AI Agent技術從實驗室走向產業化的關鍵階段，IBM的實踐路徑為行業提供了重要參考。其“小而美”模型適配策略并非簡單追求參數規模，而是以企業場景的碎片化需求為核心，通過模塊化架構降低部署門，watsonx Orchestrate平臺即體現了這一思路，既保留生成式AI的創造力，又通過規則引擎確保業務流程的確定性。
隨著AI Agent技術的發展，企業在享受其帶來的高效、智能服務時，也需應對全鏈路監控治理、模型指令對齊等挑戰。未來，如何平衡Agent的自主性與可控性，將是行業持續探索的方向。
