IBM 昨天拉开了本周在波士顿举行的年度 Think 大会的序幕。毫不奇怪，生成式 AI 和用于实现代理 AI 的工具将在活动中占据主导地位，预计将吸引 5000 名与会者。与大多数人一样，IBM 也有很高的期望。
“在未来几年，我们预计将有超过 10 亿个使用生成式 AI 构建的新应用程序，”IBM 首席执行官 Arvind Krishna 在午间的虚拟媒体/分析师会议上说。首席商务官 Rob Thomas 和数据与 AI 总经理 Ritika Gunnar 也加入了他的行列。
Krishna 引用 IBM CEO 的一项研究说：“我们的客户希望将 AI 的投资增加一倍甚至增加，但是，他们发现只有大约 25% 的时间他们获得了他们预期的投资回报率，这是由许多因素驱动的，对企业数据的访问，不同应用程序的孤立性， 以及基础设施中发生的碎片化。
AI 项目相对较高的失败率和较差的 ROI 已成为 AI 倡导者面临的一个日益严重的问题。在 Think 大会上，IBM 正在宣传其 watsonx 企业 AI 平台并推出新功能，其中许多功能旨在解决 AI 的部署、执行和 ROI 问题。克里希纳挑出了三个：
- watsonx Orchestrate – Krishna 表示，“该工具可让您在 5 分钟或更短的时间内构建自己的企业使用代理。它有 ~80 个开箱即用的合作伙伴代理，与 IBM 构建的代理集成，总共 150 个。
- webMethods 混合集成 – IBM 表示的一种新解决方案，“用智能和代理驱动的自动化取代僵化的工作流程。它将帮助用户在混合云环境中管理跨应用程序、API、B2B 合作伙伴、事件、网关和文件传输的集成。
- watsonx.data – IBM 表示，这个改进的工具允许您“将开放数据湖仓一体与 Data Fabric 功能（如数据沿袭跟踪和治理）结合在一起，以帮助客户跨孤岛、格式和云统一、治理和激活数据。“[它] 允许企业将其 AI 应用程序和代理与非结构化数据连接起来，与传统 RAG 相比，AI 的准确率可以提高 40%”
（有关 Think 大会上重点介绍的工具的完整概要，请在此处阅读 IBM 新闻稿。
Krishna 的第四个重大公告是推出了一款新的大型机：IBM LinuxONE 5，IBM 表示这是“迄今为止最安全、性能最高的 Linux 平台，每天能够处理多达 4500 亿次 AI 推理作”。
IBM 强调的 LinuxONE 5 功能包括：
- “最先进的 IBM AI 加速器，包括 IBM 的 Telum II 片上 AI 处理器和 IBM Spyre Accelerator 卡（2025 年第 4 季度通过 PCIe 卡提供），以支持生成式和大容量 AI 应用程序，例如事务性工作负载。
- “带有机密容器的高级安全产品可帮助客户保护其数据，并与 IBM 开创性的量子安全加密技术的新集成，以应对支持量子的网络安全攻击。
- “显著降低成本和功耗 – 将云原生、容器化工作负载从同类 x86 解决方案迁移到运行相同软件产品的 IBM LinuxONE 5，可以在 5 年内节省高达 44% 的总拥有成本。”
IBM 显然拥有广泛的以企业为中心的 AI 产品组合。Krishna 表示，它同时专注于混合云和 AI 是驯服他所说的正在进行的基础设施碎片化的关键。在 Q&A 中，他、Thomas 和 Gunnar 回答了各种各样的问题;
IBM 的 AI 支出是否放缓？
Krishna 说：“简短的回答是，不，我们实际上看到人们在 AI 投资上加倍努力。当人们寻求生产力时，他们正在寻找节省成本的方法，但他们也在寻求扩大自己公司的收入。AI 是可以击中这三者交叉点的独特技术之一。我们的 IBV 小组进行的 CIO 调查显示，每个人都在 AI 投资上加倍投入，但他们现在正在寻求 AI 的回报。因此，过去 12 个月的唯一变化是人们停止了实验，并非常关注对业务的价值在哪里。
托马斯插话。“在 ROI 方面，我认为今年是价值创造成为重点的一年。因此，这并不是对 AI 的幻灭，而是客户要求创造价值。我认为我们通过了像 RAG 这样的实验，坦率地说，有些结果是不确定的或混合的。我认为它转向自动化的那一刻，能够自动化您的核心基础设施，例如 TerraForm 或 Vault 等，自动化您的财务，进入协助，然后是代理。我想说，这就是我们看到价值创造的转折点的地方。
另一位提问者指出，在业务流程中，异常往往多于规则。“IBM 您如何创建 AI 代理端到端管理工作流程所需的动态推理级别？”
Krishna 提供了 IBM 的一个例子。
“我们在这方面有很多经验。我将举一个简单的例子，然后我们将从那里扩展它。我们查看了我们的人力资源流程，并在两年前开始讨论最常见的前五个问题。我们自动化了这些 [并且] 在我们不断添加之后的几周内，我们就有 80 多个常见作。所以这些是完全自动化的工作流程。
“实际上，我们所做的大约 6% 的工作我们认为目前自动化没有投资回报率。随着时间的推移，技术变得越来越好，这样做的成本可能会下降，这就是我们全面采用的方法。在正在做的很多事情中，人类永远不会脱离循环。人类总是会在那里，要么是最复杂，要么是 AI 对自己的答案没有信心的边缘情况，“他说。
“另一个问题是，”虽然人们热情高涨，但公司在采用方面也面临着挑战。到目前为止，有多少客户已经实施了该计划？有多少个 POC 和正在转化为全职项目的 POC？
这是一个很好的里程碑问题。
Krishna 说：“[为了] 在这个问题上提供一点背景信息，我认为代理人的前身是帮助。如果您查看帮助，我认为根据最近的统计，我们有超过 20,000 次部署。有时一个客户端有三四个人，但部署次数超过 20,000 次。所以我认为这实际上又回到了 Rob 之前发表的评论。虽然存在一些困难，但人们对采用这些技术也充满了渴望、兴奋和热情。所以 20,000 是我们的数字。如果我看一下概念验证，我认为团队每年都会做 4000 或 5000 次，我认为是就踢轮胎而言。顺便说一句，其中大约一半确实进入了某种形式的生产。我不会说他们全部，但其中大约一半确实向前迈进了。
“我还认为，我们应该了解我们的合作伙伴，从采用 Joule 技术的 SAP、采用 Agent Force 技术的 Salesforce、ServiceNow 及其工作流代理、Adobe 及其代理体验、Work day 与他们的代理一起研究如何使人力资源流程更有效。Oracle 以及一些围绕 HR 和 Payroll 的代理可以继续存在。这些在所有这些案例中都得到了很好的采用，包括我们自己的 Across，很多很多客户，因为他们有帮助。现在，这些不是通用代理。我提到的几乎所有例子，他们都非常出色地完成了一组小而非常精确的任务。
Gunnar 补充道：“我们今天刚刚发布或将于明天发布的一项 IBV 研究显示，大多数企业都在进行概念验证或正在利用 AI 代理技术，无论是来自他们的单一应用程序供应商（如 Arvind 提到的示例），还是他们自己构建的代理。所以我们知道，对于大多数组织来说，2025 年是我们看到很多组织尝试 AI 代理的一年。现在我们还看到其中一些正在生产中。当我们在生产中看到这些时，它们通常是简单的、基于任务的执行 AI 代理。
“我们看到，现在很多研究和技术在这些模型的基本推理能力以及拥有全栈可观察性和可追溯性的意义方面已经成熟。我们现在开始看到，即使在 AI 代理技术中，也出现了更复杂的用例，例如自动化、协作、编排。因此，你可以看到，他们中的许多人正在试验，基于任务的简单 AI 代理正在生产中实现。随着技术的不断成熟，我们将看到更复杂的编排、协作和自动化案例继续成熟到生产中，因此，在未来几年内，我们相信超过 50% 的组织将在其基本系统中嵌入这些 AI 代理。
Thomas 补充道：“举个具体的例子，大约一年半前，我们与 Dunn 和 Bradstreet 合作构建了一个名为 Ask procurement 的助手。这是使用来自 Dun 和 Bradstreet 的采购数据、公司数据和运输数据。我们构建了这个应用程序，它利用 orchestrate 和 Watson x，能够让采购代理提出问题并找出采购的最佳地点;我们现在已经开始研究，我们如何让它成为代理？因为今天它真的只是一个 AI、Q 和 A，让它成为代理实际上是将其与如果我选择供应商联系起来，当我查看船期、运输路线时，我可以得到什么实际交货时间，无论是什么。所以我想说，技术就在那里。这是关于变更管理，然后将其应用于这些具体问题。但对于大多数公司来说，我认为通常从助理开始，然后转向代理工作流程有时是最快、风险最低的方式。