IBM认为生成式 AI 将催生逾十亿新应用：以下揭示其如何借助 agentic AI 促成这一目标

2025年的企业 AI 正从试验阶段迈向实施阶段，并且部署模式正从 AI 助手演变为 AI 代理。

这也是今天开幕的 IBM Think 2025 大会的主要主题。在本次活动中，IBM 将推出一系列全新的企业 AI 服务，同时对现有技术进行一系列升级，以助力更多企业将 AI 应用推向真实部署阶段。IBM更新的核心，是针对从 Think 2023 开始发布的 watsonx 平台的一系列改进。在 Think 2024 活动中，重头戏是引入编排功能，帮助企业构建自己的 AI 助手。而到了2025年，AI 助手已成为基本配置，全行业乃至各企业都在探讨如何构建、使用并从 agentic AI 中获益。

IBM 此次宣布了一系列 agentic AI 功能，包括： - AI Agent Catalog : 一个用于发现预构建 agent 的集中式平台。 - Agent Connect : 一个针对第三方开发者的合作项目，使他们可以将自己的 agent 与 watsonx Orchestrate 集成。 - 针对销售、采购和人力资源的领域专用 agent 模板。 - 无需编码的 agent 构建工具，面向不具备技术背景的业务用户。 - agent 开发工具包，供开发者使用。 - 多 agent 编排器，具备 agent 间协作能力。 - Agent Ops ( in private preview ) : 提供遥测和可观察性功能。

IBM 的根本目标是帮助企业缩小实验阶段、真实部署和业务收益之间的差距。

IBM 首席执行官 Arvind Krishna 在对媒体和分析师介绍时表示： “在未来几年内，我们预计将有逾十亿个新应用借助生成式 AI 构建而成。AI 是一项独特的技术，能够在提升生产力、降低成本和扩大收益之间产生交集。”

企业 AI 面临的挑战：如何实现真正的投资回报率（ROI）

虽然围绕 AI 的炒作和关注从未缺席，但这并非对关注底线的企业而言真正有意义的方面。IBM 赞助的研究表明，企业大约只有 25% 的时间能获得预期的投资回报率。Krishna 指出，投资回报率受到几个因素的影响，包括企业数据的可获取性、各应用之间的信息孤岛，以及混合基础设施的各种挑战。Krishna 表示： “大家在 AI 投资上都加倍投入，过去 12 个月内唯一的变化是，人们停止过多试验，开始着力关注哪些领域能为企业带来价值。”

从 AI 试验到企业级生产

IBM 这次公告的核心在于认识到各组织正从孤立的 AI 试验转向需要企业级能力的协调部署策略。IBM 数据与 AI 事业部总经理 Ritika Gunnar 在接受 VentureBeat 采访时表示： “我们正努力缩小从现有的数千个试验到企业级部署的差距，而企业级部署需要与关乎关键任务应用时同样的安全治理和标准。”

IBM watsonx Orchestrate 平台的发展反映了 AI 技术整体成熟度的提升。该平台最初由 IBM 于 2023 年发布，主要用于帮助构建和使用 AI 助手及自动化工具。到了 2024 年，随着 agentic AI 开始进入主流，IBM 开始增加 agentic 能力，并与包括 Crew AI 在内的多家供应商建立了合作。

通过 IBM 全新的 agentic AI 组件，如今的方向是支持多 agent 间的协作与工作流程。这不仅仅是构建和部署 agent，而是深入探讨企业如何通过 agent 产生投资回报率。Gunnar 表示： “我们坚信正进入一个真正智能系统的时代，因为现在我们所整合的 AI 能够为您完成各项任务，这也是一个重大的差异化优势。”

推动企业 agentic AI 发展的技术与协议

业界在促进 agentic AI 方面的努力层出不穷。Langchain 是构建和运行 agent 的广泛使用平台，同时也是包括 Cisco 和 Galileo 在内，共同推动 AGNTCY 开放框架以实现 agentic AI 的更大努力中的一部分。在 agent 间通信方面，Google 于四月发布了 Agent2Agent。当然，还有 Model Context Protocol ( MCP )，它已逐渐成为连接 agentic AI 工具与服务的事实标准。

Gunnar 解释道，IBM 在多 agent 编排方面使用的是自有技术。她指出，agent 之间如何协同工作至关重要，这是 IBM 的一大差异化所在。话虽如此，她也强调 IBM 正在采取开放策略，即企业可以使用 IBM 的工具（例如 BeeAI），或其他供应商的工具（包括 Crew AI 和 Langchain）来构建 agent，所有这些都能与 watsonx Orchestrate 协同工作。

IBM 还在推动并支持 MCP。据 Gunnar 介绍，IBM 通过让具备 MCP 接口的工具能自动出现在 watsonx Orchestrate 中并被直接使用来支持 MCP。也就是说，只要工具具备 MCP 接口，它将在 watsonx Orchestrate 中自动可用。她表示： “我们的目标是开放，我们希望您能整合您的 agent，无论它们是基于何种框架构建。”

解决企业关注的问题：安全性、治理和合规性

为确保 agentic AI 能够适用于企业使用，必须保障信任与合规性。这也是 IBM 推动该技术关键的一环。Gunnar 解释说，IBM 已在 watsonx 产品系列中内置了防护机制与治理措施。她表示： “我们正在将对 大语言模型 的治理能力扩展到 agentic 技术中，就像我们对 大语言模型 有评估一样，您也需要能够评估 agent 响应的意义。” IBM 同时在将传统的机器学习评估指标扩展到 agent 技术上。Gunnar 表示，IBM 对 大语言模型 追踪超过 100 项不同指标，而这些指标现正被推广并扩展到 agentic 技术上。

实际应用效果

agentic AI 已在许多组织中展现出真实的应用效果。IBM 正使用其自有的 agentic AI 来优化内部流程。Gunnar 表示，通过使用公司的 HR agent，IBM 内 94% 的从简单到复杂的请求均由 HR agent 处理。在采购任务上，IBM 采用自有 agentic 工作流程已将采购周期缩短高达 70%。另一个从 IBM 的 agentic AI 方法中获益颇丰的群体是其合作伙伴。例如，Ernst & Young 正利用 IBM 的 agentic AI 为客户打造税务平台。

对企业意味着什么

对于希望在 AI 部署上引领潮流的企业而言，IBM 的 agentic AI 方向为从试验走向部署提供了蓝图。仅仅构建一个 agent 远远不够。如果 IBM 的首席执行官所言属实，未来将有成千上万个 agent 在企业任务中协同工作。各组织将构建和使用来自多种来源的 agent 以及类似 MCP 的 agentic 服务。IT 领导者应基于以下四个关键因素对该平台进行评估： - 与现有企业系统的集成能力。 - 确保 agent 行为合规且安全的治理机制。 - agent 自主性与可预测结果之间的平衡。 - agent 部署的投资回报率评估能力。

企业必须现在就思考 agent 如何协同工作、如何确保安全与治理。IBM 的 agentic AI 生态系统将吸引更多企业客户，而开放地连接其他 agentic AI 系统意味着组织有望避免构建另一个信息孤岛。