“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人工智能佼佼者技术专家 吴敏达）
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佼佼者技术专家 张诚）
IBM大中华区科技事业部自动化佼佼者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“比较优秀智能”，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。（本文原载于网易科技，作者：袁宁。转载已获授权。）
（推广）