IBM：AI 转型的核心目标是消除人工环节 而非优化人机交互

过去100年间，IBM见证了无数技术潮流的兴衰沉浮。最终胜出的，往往是那些能提供多元选择的技术。

在近日举行的 “2025 VB全球科技转型峰会” 上，IBM人工智能平台副总裁阿曼德·鲁伊斯深入阐释了这家蓝色巨擘对生成式AI的思考，以及企业用户实际部署该技术的现状。

鲁伊斯的核心观点是：现阶段的关键并非选择单一的大语言模型（LLM）供应商或技术。

越来越多的企业客户正在系统性摒弃单一供应商的AI策略，转而采用针对不同应用场景精准匹配多模型的技术路线。

IBM虽然拥有Granite系列开源AI模型，但并未将其定位为全能解决方案，甚至不认为它适合所有工作负载。

这种企业需求趋势正推动IBM转型，即不再以基础模型竞争者自居，而是如鲁伊斯所言，成为AI工作负载的管控平台（control tower）。

鲁伊斯说："当我面对客户时，发现他们正在动用所有可用资源，真的是无所不用。在编程场景，他们青睐Anthropic；而在逻辑推理等用例中，他们偏好OpenAI的 GPT-3；至于大语言模型定制化需求，比如基于自有数据进行微调时，客户往往选择我们的Granite系列，或Mistral的小型模型，甚至Llama......关键在于为具体用例匹配最合适的LLM。而我们的角色，就是帮助他们完成这些技术选型建议。"

01

多模型智能网关战略

为应对这一市场现状，IBM推出了全新模型网关解决方案 —— 通过单一API接口，企业可在不同大语言模型间灵活切换，同时确保所有部署的可观测性与统一治理。

这一技术架构使客户能够在敏感用例场景下，通过自有推理基础设施运行开源模型；同时针对非核心业务应用，仍可灵活调用AWS Bedrock或 Google Cloud Gemini等公有云API服务。

鲁伊斯表示，该网关为客户提供了统一的接入层，通过单一API即可在不同大语言模型间自由切换，并实现全流程的可观测性与治理。

这一策略与厂商惯用的 "锁定客户至专属生态系统" 的做法截然相反。

采取多供应商模型选择策略的并非只有IBM。

近几个月来，市场上已涌现出多个模型路由工具，其设计目标都是将工作负载智能分配至最合适的模型。

02

智能体协同协议

成为关键基础设施

除多模型管理外，IBM正通过开放协议攻克智能体间通信这一新兴技术挑战。

该公司开发的ACP（智能体通信协议）已捐赠给Linux基金会，此举直接对标谷歌本周刚提交的Agent 2 Agent（A2A）协议 —— 两大科技巨头不约而同选择将各自协议开源，标志着智能体交互标准化进程进入关键阶段。

鲁伊斯指出，这两项协议的核心目标都是实现智能体间的无缝通信，同时减少定制化开发工作。

他预测，尽管目前A2A与 ACP协议在技术实现上存在差异，但最终这些技术路线将会走向融合。

这类智能体协同协议为AI系统提供了标准化交互框架，使不同平台和厂商的技术架构能够实现互操作。

当考虑到企业级应用规模时，其技术重要性就显而易见，部分IBM客户在试点项目中已部署超100个智能体。

若缺乏标准化通信协议，每个智能体间的交互都需要定制开发，这将造成难以持续的集成负担。

03

AI驱动的流程与业务革新

鲁伊斯在谈及AI对企业的影响时强调，其价值远不止于聊天机器人。

"如果只是做聊天机器人，或者单纯想用AI节省成本，那根本算不上真正的AI应用"，他指出，"AI的真正意义在于彻底重构工作流程和业务运作方式。"

人工智能应用与转型的核心差异，在于技术对业务流程的改造深度。

以IBM人力资源部为例，过去员工通过聊天机器人获取HR信息，如今专业智能体可自主处理薪酬、招聘、晋升等常规咨询，系统自动对接相关数据库，仅在必要时转接人工，这标志着运营模式发生了根本性变革。

鲁伊斯解释道："过去我需要频繁联系HR同事处理各类事务，现在通过HR智能体就能完成大部分工作。根据问题类型 —— 无论是薪酬核算、离职办理、招聘录用还是晋升调岗，系统都会自动对接不同的人力资源内部子系统，这些子系统就像由专门的智能体分别掌管。"

这标志着从 "人机交互" 到 "计算机中介的工作流自动化" 的根本性架构变革。

其核心转变在于，不再是员工学习使用AI工具，而是AI系统掌握端到端全业务流程的自主执行能力。

技术层面的启示在于，企业必须超越简单的API集成和提示词工程，转向深度业务流程数字化改造，通过系统级赋能，使AI智能体能够自主完成多环节工作流。

04

企业AI投资的战略要义

IBM的实际部署数据揭示了企业AI战略必须实现的几大关键转变：

1. 摒弃 "聊天机器人优先" 思维：企业应当识别完整的可改造工作流，而非简单地在现有系统上叠加对话界面。核心目标是消除人工环节，而非优化人机交互。

2. 构建多模型弹性架构：与绑定单一AI供应商相反，企业需要能根据用例需求灵活切换模型的集成平台，同时确保治理标准的一致性。

3. 投资通信标准：企业应优先选择支持MCP、ACP和 A2A等新兴协议的AI工具，而非采用会导致供应商锁定的专有集成方案。

鲁伊斯强调，构建空间巨大，每个人都需学习AI—— 尤其是业务领导者必须成为 “AI优先” 的领导者，深入理解这些概念。

注：文/AI发现者，文章来源：牛透社(公众号ID：Neuters )，本文为作者独立观点，不代表亿邦动力立场。