小而美模型是企业级AI核心！IBM高管详解企业级AI Agent平台，完成超1000项集成

智东西5月16日报道，昨天下午，IBM大中华区技术销售总经理、首席技术官翟峰透露，AI领域的关注热点已从大语言模型转向AI Agent（AI智能体），深度解读了企业级AI的核心要素，提出“小而美”模型适配理念，并着重介绍了IBM企业级AI Agent平台watsonx Orchestrate。

翟峰深度剖析了企业级AI的核心要素。相较于此前追求的“全知全能”的大型模型，如今更多企业倾向于采用中小模型。这类模型速度更快，对计算资源需求较小，且在逻辑推理、上下文理解以及外部交互等方面表现更为出色，更贴合企业实际应用场景。

在研发侧的知识库构建、文档设计、代码生成，以及服务端基于知识库的智能客服打造等场景中，针对性的小模型能够更高效精准地满足需求。

一、企业AI需小而美场景适配模型，多模型协同替代单一解决方案

IBM主要注重提升企业级AI的全栈能力，企业内部应选择适合自身场景的“小而美”模型。不同业务场景需配备相应的专家模型，多个小模型在企业运营中各司其职，共同发挥作用，打破单一模型解决所有问题的传统思维。

基于这一模型策略，IBM在去年推出企业级AI Agent平台watsonx Orchestrate。该平台依托IBM Granit等开源模型，具备强大的复杂工作流自动化能力，目前已与Adobe、AWS、Microsoft、Oracle、Salesforce Agentforce、SAP、ServiceNow和Workday等公司的企业级核心业务应用完成1000多项集成，将AI Agent能力深度渗透至企业流程的各个环节。

watsonx Orchestrate为IBM自身及第三方的AI Agent提供多Agent编排服务，借助预构建的Agent，能帮助企业迅速在高投资回报率的场景中获得收获。此外，该平台引入了AgentOps理念，可实现对AI Agent从构建、部署到管理的全生命周期管理。

在使用灵活性上，客户既可以单独选用watsonx Orchestrate平台，也能与IBM其他产品配合使用。平台部署上线后，IBM Agent以API形式供用户在手机端或应用端调用，便于操作。

关于普通员工是否能便捷地使用IBM的Agent，翟峰回应，watsonx Orchestrate充分考虑到不同用户群体的需求，提供了面向非技术用户的无代码工具。普通员工无需具备深厚的编程知识，通过简单的拖拽、配置操作，即可在5分钟内构建属于自己的AI Agent。

此外，平台还为合作伙伴提供低代码、无代码及专业代码等多种构建Agent的工具，满足业务用户、专业开发人员等不同群体的需求，并且支持从无代码向有代码的转换，降低开发门槛，提升开发效率。

二、AI Agent以自主思考协同工具，IBM探索人资、销售、采购智能体融合

IBM大中华区科技事业部数据与AI资深技术专家吴敏达透露，AI Agent与传统助手的显著区别在于，AI Agent在推理时可根据实际情况自主决策，能承担更多实际工作。

如今，AI Agent的交互层多为对话形式，包括文字和语音对话，旨在打通业务流程与数据。Agent通过自主思考，调用工具和其他Agent协同工作，实现业务目标。例如，IBM正在探索将人力资源Agent、销售Agent、采购Agent相结合，发挥协同效应。

此外，他提到IBM的watsonx.data组件丰富，涵盖数据经纬、多个查询引擎、统一元数据和治理、开源数据格式、存储、本地部署及云服务等，为企业数据管理和应用提供全面支持。

三、从全链路监控到制造业应用，IBM加强全链路的监控和治理

IBM大中华区科技事业部自动化资深技术专家张诚透露，成功的企业级AI Agent需与企业其他功能有效交互。当AI Agent上线后，因其本质仍为应用且需调用多种执行操作，所以对全链路的监控和治理至关重要，包括解决AI客服回复速度慢等问题，以实现优化部署和投资。

关于出现问题如何进行反馈的相关机制，张诚解答称，在watsonx Orchestrate平台中，设有专门的反馈入口。当用户在使用智能体过程中遇到诸如响应速度慢、任务执行错误等问题时，可通过该入口详细描述问题情况，并附上相关操作记录及截图等辅助信息进行反馈。IBM的技术团队会实时监测反馈信息，一旦收到问题反馈，会立即启动问题排查流程。

IBM大中华区科技事业部车库创新团队负责人张珣关注了技术如何赋能企业落地，将其转化为实际价值。

IBM结合IBM Watson Assistant、Watson Discovery和大语言模型（如GPT-4），构建混合AI架构。通过优化知识问答系统，集成外部知识库，提升智能客服的专业应答准确性；并利用IBM Foundation Models的多模态技术，从PDF、图片等非结构化数据中自动抽取关键信息，生成统计报告，并通过自然语言交互提供给决策者。

结语：“小而美”模型适配➕平台搭建占优，AI Agent全链路治理等存挑战

在AI Agent技术从实验室走向产业化的关键阶段，IBM的实践路径为行业提供了重要参考。其“小而美”模型适配策略并非简单追求参数规模，而是以企业场景的碎片化需求为核心，通过模块化架构降低部署门，watsonx Orchestrate平台即体现了这一思路，既保留生成式AI的创造力，又通过规则引擎确保业务流程的确定性。

随着AI Agent技术的发展，企业在享受其带来的高效、智能服务时，也需应对全链路监控治理、模型指令对齐等挑战。未来，如何平衡Agent的自主性与可控性，将是行业持续探索的方向。