在IBM近期于国内举办的技术沟通会上，大中华区技术销售总经理兼首席技术官翟峰传达了一个明确的信息：AI实验的时代已成过往，企业现在需要关注的是如何定制化应用AI，并将其转化为可量化的业务成果。这一观点与IBM董事长、首席执行官Arvind Krishna在2025年Think大会上的发言相呼应。
翟峰指出，企业对于AI的应用已经超越了简单的“是否使用”阶段，步入了“如何高效利用”的关键时期。尽管过去一年中，大型AI模型的热潮推动了智能化转型的愿景，但当前企业更关心的是AI的实际应用能力，包括能否执行任务、能否稳定复用以及能否带来切实的成本效益。
IBM的解决方案是构建一个平台化、工程化的企业AI Agent体系。这个体系不仅仅是能够对话的助手，而是能够嵌入业务流程、执行任务、可监控且可维护的“数字员工”。这一体系依托于watsonx平台，提供了模型、数据、任务执行与管理的完整技术栈，旨在让AI成为企业系统内部的一部分，而非附加功能。
翟峰强调，企业级Agent与消费端的聊天机器人有着本质区别，其核心在于“动手能力”。企业系统中充斥着复杂的审批流程、数据表、权限系统和业务规则，如果Agent无法理解这些“系统语言”，就无法完成任何有价值的任务。因此，IBM构建了包含对话与交互、任务拆解与行动逻辑以及与IT系统连接与API调用的三层架构，确保从“理解指令”到“完成动作”的闭环。
IBM大中华区科技事业部数据与人工智能资深技术专家吴敏达指出，企业AI Agent的真正挑战在于“系统内嵌”。智能体不仅要能够调用知识图谱与检索系统，还需要具备跨平台、跨部门的能力。这就要求它必须能够规划任务、执行策略并对接异构系统，不仅要理解语言，还要理解业务、流程和工具。
为了支撑这样的系统，IBM强化了watsonx的数据与任务平台能力。通过标准化管理企业历史数据与系统接口，使Agent具备上下文理解与动作执行能力，在系统中自主规划工作流。
IBM大中华区科技事业部自动化资深技术专家张诚介绍了IBM构建的“AgentOps”体系，这是一个适配Agent开发、部署、监控、治理的运行机制，而非简单的DevOps延伸。张诚表示，企业部署AI Agent常面临系统无法对接、任务价值难以评估以及智能体生命周期管理困难等问题。AgentOps通过将智能体模块化、服务化，使每个Agent都具备输入输出接口、行为日志、权限边界，从而可以像业务组件一样进行管理、复用与扩展。
在AgentOps的支持下，IBM还建立了“Agent能力目录（Agent Catalog）”，企业可以像搭积木一样选择通用能力Agent（如文档总结、报告生成）和行业特定Agent（如生产排程、设备故障诊断），并结合低代码工具进行快速部署。通过统一的监控与策略引擎，系统可以对Agent的成功率、响应时间、调用频次进行分析，帮助企业进行效果评估与性能调优。
在Agent的实际应用方面，IBM不断聚焦产业链深处的“刚需任务”。IBM大中华区科技事业部车库创新团队经理张珣表示，相比对话式产品，企业级客户更关心的是解决业务痛点。她以制造业为例，介绍了IBM如何帮助一家重工业企业在产线管理中应用基于watsonx的设备巡检Agent，结合图像识别、语音输入和工作流系统，自动识别异常并填写记录，从而节省了超过70%的人力成本。
张珣强调，IBM的方法论并非追求“超级智能”，而是打造“业务颗粒度合适”的中小型Agent，专注于完成一个环节的任务，并将它们串联起来形成完整的流程。她指出，企业要真正看到AI带来的价值，关键在于明确三个层次：任务自动化的成本对比、对数据质量与流程标准化的推动作用以及为未来更大规模的智能重构奠定基础。
“Agent不仅是企业数字化能力的延伸，既是一种战术工具，也是一种战略投资。”张珣总结道。
