Kyndryl新推出的一项服务旨在帮助企业实现智能体工作流程在整个企业范围内的自动化和管控。
智能体服务管理包将成熟度模型、结构化评估、实施蓝图以及符合新兴标准(包括ISO 42001)的分阶段路线图整合为单一服务,由Kyndryl咨询部门负责交付。
通过该服务,客户能够对其组织的AI实施情况进行评估,识别服务管理、AI治理、安全和运营方面的差距。评估帮助客户根据相关标准和框架审查现有政策、控制措施和工作流程,以确定智能体操作的准备就绪程度,符合ISO 42001要求。随后Kyndryl会提供差距分析和分阶段路线图,帮助客户采用智能体IT服务管理,在云原生和AI原生环境中通过保护机制和人工监督来支持自主能力。
据Kyndryl全球战略负责人Kris Lovejoy介绍,该服务支持多云环境,并加速数据库、ERP系统和混合部署等工作负载的现代化。
"大多数企业环境是为人员运行工单和工具而构建的,而不是为在混合和多云环境中执行任务的自主智能体队伍设计的——这种不匹配限制了AI从试点项目向实际成果的转化,"Lovejoy在声明中表示。"你不能在为手工作业设计的操作模型基础上扩展智能体工作流程。组织需要明确的控制、可重复的实践和可衡量的采用阶段,以便AI智能体能够在适当的场合自主行动——同时人员仍然对治理、风险和服务结果负责。"
智能体AI数字信任服务包
与新服务同时推出的是另一个服务包——智能体AI数字信任,旨在帮助客户保护AI智能体的操作框架。通过智能体AI数字信任,客户获得一个中央控制点,便于AI智能体管理和治理。客户可以:
了解智能体,作为单一真实来源,帮助缓解影子AI相关风险。
在启动前验证每个智能体,通过安全性、弹性和政策合规性测试,确保它们在上线前符合标准。
通过实时保护机制保持控制,使智能体在批准的边界内运行。
Kyndryl表示,安全测试、验证和威胁建模应被纳入开发流水线。"此外,运行时保护如异常检测、守护智能体和快速隔离能力可以帮助在事件升级前控制局面。通过将安全和治理作为基础而非事后考虑,组织能够自信地扩展智能体AI,确保风险得到主动管理,与客户、合作伙伴和监管机构保持信任关系。"
智能体AI框架
这项新服务只是该供应商提供的AI智能体管理平台之一。去年Kyndryl推出了智能体AI框架。该包提供了一个编排系统,用于在本地、云端或混合IT环境中跨业务工作流程部署和管理自主、自学习智能体。
专门的智能体被部署来收集IT信息,如数据分析、合规检查、事件响应或服务台工单解决。随着时间推移,智能体从数据和结果中学习,以改进决策制定并自主调整工作流程。编排引擎解析这些数据,让企业系统能够实时调整以适应变化的条件。该平台定义智能体可以和不能执行的操作,基本上在整个企业范围内设定政策。
Q&A
Q1:Kyndryl智能体服务管理包包含哪些内容?
A:该服务包整合了成熟度模型、结构化评估、实施蓝图以及符合ISO 42001等新兴标准的分阶段路线图。它帮助客户评估AI实施情况,识别服务管理、AI治理、安全和运营方面的差距,并提供差距分析和路线图指导客户采用智能体IT服务管理。
Q2:智能体AI数字信任服务能提供什么安全保障?
A:该服务提供中央控制点进行AI智能体管理和治理,包括作为单一真实来源了解智能体以缓解影子AI风险,启动前验证智能体的安全性和合规性,以及通过实时保护机制确保智能体在批准边界内运行。
Q3:Kyndryl智能体AI框架的工作原理是什么?
A:该框架提供编排系统,在本地、云端或混合环境中部署自主智能体进行数据分析、合规检查、事件响应等任务。智能体从数据和结果中学习来改进决策,编排引擎解析数据让企业系统实时调整,平台定义智能体的操作权限和企业政策。
好文章,需要你的鼓励
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。