智東西（公眾號：zhidxcom）
作者 | 金碧輝
編輯 | 程茜
智東(dong)西5月16日報道，昨天下午，IBM大中華區技術銷售總(zong)經理、首席(xi)技術官翟(zhai)峰透露，AI領域的關(guan)注熱(re)點(dian)已從大語言模型轉向AI Agent（AI智能體），深度解讀了企(qi)業級AI的核(he)心(xin)要(yao)素，提出(chu)“小而美”模型適配(pei)理念，并著重介紹了IBM企(qi)業級AI Agent平臺watsonx Orchestrate。
翟(zhai)峰(feng)深(shen)度剖析(xi)了企(qi)業(ye)級AI的核(he)心要素。相較于此(ci)前追求(qiu)的“全知全能(neng)”的大型(xing)模(mo)型(xing)，如今更多企(qi)業(ye)傾(qing)向于采(cai)用(yong)中(zhong)小模(mo)型(xing)。這(zhe)類模(mo)型(xing)速度更快(kuai)，對計算(suan)資(zi)源需(xu)求(qiu)較小，且在邏(luo)輯推理(li)、上下文理(li)解以及外(wai)部交互等方面表現更為出(chu)色，更貼合企(qi)業(ye)實際應用(yong)場(chang)景。
在(zai)研發側(ce)的(de)知(zhi)識庫構建、文檔(dang)設計、代碼生(sheng)成，以及(ji)服務(wu)端(duan)基(ji)于知(zhi)識庫的(de)智能(neng)客服打造(zao)等場景中，針(zhen)對(dui)性的(de)小模型能(neng)夠更高效(xiao)精(jing)準地滿(man)足需(xu)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(zhu)重提升(sheng)企業級(ji)AI的全棧能力(li)，企業內(nei)部應(ying)選擇適合自身場景的“小而美”模(mo)型(xing)(xing)。不(bu)同業務場景需配備相應(ying)的專家模(mo)型(xing)(xing)，多個小模(mo)型(xing)(xing)在企業運營中各司其職(zhi)，共同發揮作用，打破(po)單一模(mo)型(xing)(xing)解決所(suo)有(you)問(wen)題的傳統思維。
基(ji)于這一(yi)模(mo)型策(ce)略，IBM在去年推出企業(ye)級AI Agent平(ping)臺watsonx Orchestrate。該(gai)平(ping)臺依托(tuo)IBM Granit等開源模(mo)型，具備(bei)強大(da)的(de)(de)復雜工作(zuo)流自動(dong)化能(neng)(neng)力，目(mu)前已與Adobe、AWS、Microsoft、Oracle、Salesforce Agentforce、SAP、ServiceNow和Workday等公司(si)的(de)(de)企業(ye)級核心業(ye)務應用完成1000多項(xiang)集(ji)成，將AI Agent能(neng)(neng)力深度滲透至企業(ye)流程的(de)(de)各個(ge)環節。
watsonx Orchestrate為IBM自身及第三方的(de)AI Agent提供(gong)多(duo)Agent編排服(fu)務，借助預構建的(de)Agent，能(neng)幫(bang)助企業迅速(su)在高投資(zi)回(hui)報率的(de)場景中獲得收(shou)獲。此外，該平臺引入了AgentOps理念(nian)，可(ke)實現對AI Agent從構建、部(bu)署到管理的(de)全生命周期(qi)管理。
在(zai)使用(yong)靈活性上，客戶既(ji)可以單(dan)獨(du)選用(yong)watsonx Orchestrate平臺(tai)，也(ye)能與IBM其(qi)他產品配合使用(yong)。平臺(tai)部署上線后，IBM Agent以API形(xing)式供用(yong)戶在(zai)手機端(duan)或應用(yong)端(duan)調(diao)用(yong)，便(bian)于操(cao)作。
關于(yu)普通(tong)(tong)員(yuan)工是否能(neng)便(bian)捷地使用(yong)(yong)IBM的(de)Agent，翟峰(feng)回應(ying)，watsonx Orchestrate充分(fen)考慮到不同(tong)用(yong)(yong)戶群體(ti)的(de)需(xu)求(qiu)，提供了(le)面向非技術用(yong)(yong)戶的(de)無(wu)代碼(ma)工具(ju)。普通(tong)(tong)員(yuan)工無(wu)需(xu)具(ju)備深(shen)厚的(de)編程知識，通(tong)(tong)過簡單(dan)的(de)拖拽、配置操作，即可在5分(fen)鐘內(nei)構建(jian)屬(shu)于(yu)自己(ji)的(de)AI?Agent。
此外，平臺還(huan)為合作伙(huo)伴(ban)提供(gong)低代(dai)碼(ma)、無代(dai)碼(ma)及專(zhuan)業(ye)代(dai)碼(ma)等多種(zhong)構建(jian)Agent的工具，滿(man)足業(ye)務(wu)用戶、專(zhuan)業(ye)開發人員等不同群體(ti)的需(xu)求，并且支持從無代(dai)碼(ma)向有代(dai)碼(ma)的轉換，降低開發門檻(jian)，提升(sheng)開發效率(lv)。
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(da)中華區科技(ji)事業部(bu)數(shu)據與AI資(zi)深技(ji)術(shu)專家吳敏(min)達(da)透露，AI Agent與傳統(tong)助(zhu)手(shou)的顯(xian)著區別在于，AI Agent在推(tui)理時可根據實際情況自主(zhu)決策，能承擔更多實際工作。
如今(jin)，AI Agent的交互層多為對話形式，包括文字和(he)語音對話，旨在打通業(ye)務流(liu)程(cheng)與數據。Agent通過(guo)自主(zhu)思考(kao)，調(diao)用(yong)工具和(he)其他Agent協(xie)同(tong)工作，實(shi)現業(ye)務目標(biao)。例如，IBM正在探索將人力(li)資源Agent、銷(xiao)售Agent、采購(gou)Agent相(xiang)結合，發揮協(xie)同(tong)效(xiao)應(ying)。
此外，他提到(dao)IBM的watsonx.data組(zu)件豐富(fu)，涵蓋數(shu)據經緯、多個查詢引擎、統(tong)一元數(shu)據和治(zhi)理、開源數(shu)據格式、存儲、本地(di)部署及云(yun)服務等(deng)，為(wei)企業數(shu)據管理和應(ying)用(yong)提供(gong)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(dong)化(hua)資(zi)深技術(shu)專家(jia)張誠(cheng)透露(lu)，成功的(de)企業級AI?Agent需與企業其他功能(neng)有效交互。當AI Agent上(shang)線后，因其本質仍為應用且需調用多(duo)種執(zhi)行操作，所以對(dui)全鏈路的(de)監控和治理至關重要，包括解決(jue)AI客服回復速度慢等問題，以實現優化(hua)部署和投資(zi)。
關(guan)于出現問(wen)題(ti)如(ru)何進(jin)行反饋(kui)的相關(guan)機制，張誠解答(da)稱，在(zai)watsonx Orchestrate平臺中，設有(you)專門(men)的反饋(kui)入口(kou)。當用戶在(zai)使(shi)用智(zhi)能體過(guo)程中遇到諸如(ru)響應速度慢(man)、任務執行錯誤等(deng)問(wen)題(ti)時，可通(tong)過(guo)該(gai)入口(kou)詳細描(miao)述(shu)問(wen)題(ti)情況，并附(fu)上(shang)相關(guan)操(cao)作記(ji)錄及截圖等(deng)輔助(zhu)信(xin)息進(jin)行反饋(kui)。IBM的技術團隊會(hui)實時監測反饋(kui)信(xin)息，一旦收到問(wen)題(ti)反饋(kui)，會(hui)立即啟(qi)動問(wen)題(ti)排查流(liu)程。
IBM大中華區科技事業部(bu)車庫(ku)創新團隊負責人張珣關注了技術如何(he)賦能企業落地(di)，將其轉(zhuan)化為實際價值。
IBM結合(he)IBM Watson Assistant、Watson Discovery和(he)大語言模型（如GPT-4），構(gou)建(jian)混合(he)AI架構(gou)。通過優化知識問(wen)答系統(tong)，集成外部知識庫，提升(sheng)智能客服的專業(ye)應答準(zhun)確性；并(bing)利(li)用IBM Foundation Models的多模態(tai)技術，從PDF、圖(tu)片等非(fei)結構(gou)化數(shu)據中自(zi)動抽取關(guan)鍵(jian)信息(xi)，生成統(tong)計報告(gao)，并(bing)通過自(zi)然語言交(jiao)互(hu)提供給決策(ce)者(zhe)。
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(hua)(hua)的(de)關鍵階段，IBM的(de)實踐路徑為(wei)(wei)行業提供了(le)重(zhong)要(yao)參考。其“小而美”模型適(shi)配策略(lve)并非簡單(dan)追求(qiu)參數規模，而是以企業場(chang)景(jing)的(de)碎(sui)片(pian)化(hua)(hua)需求(qiu)為(wei)(wei)核心，通(tong)過模塊化(hua)(hua)架(jia)構降低(di)部署門，watsonx Orchestrate平臺(tai)即體現了(le)這一思路，既保(bao)留(liu)生成式AI的(de)創(chuang)造(zao)力，又通(tong)過規則引擎(qing)確(que)保(bao)業務流程的(de)確(que)定性。
隨著(zhu)AI Agent技術的發展，企業(ye)在(zai)享(xiang)受其帶來的高效、智(zhi)能服務時，也需應(ying)對全鏈路監控治(zhi)理、模型指令對齊等挑(tiao)戰。未來，如何平衡(heng)Agent的自(zi)主性(xing)與可(ke)控性(xing)，將是行業(ye)持續探索的方向(xiang)。
