生成式AI正快速重构企业业务想象力，但如何深度嵌入业务流程仍缺乏通用路径。IBM大中华区技术销售总经理翟峰表示，AI尝试阶段已经过去，接下来的核心是进入企业最核心的业务领域，实现降本增效。

据IBM商业价值研究院最新全球CEO调研报告，未来两年企业对AI技术的投资将翻两倍以上，超半数CEO正积极部署AI智能体。然而，仅有25%的AI项目实现预期投资回报率，主要原因在于技术碎片化和复杂性。

以制造业为例，当前AI应用多集中于研发端及服务端，如知识库、代码生成和智能客服等，但在生产制造等核心环节的价值释放有限。IBM预测，到2028年全球新增应用将超10亿个，中等规模企业平均运行上千个应用，接口标准千差万别，导致‘最后一公里’集成成为瓶颈。

翟峰指出，企业级AI落地的关键因素在于数据、专有垂直小模型和安全治理。在此基础上，AI智能体通过自主决策能力完成复杂任务。IBM案例显示，其人力资源智能体处理了94%的员工查询，年节省成本超500万美元；销售智能体每周为员工节省9小时；采购智能体将合同周期缩短70%。

IBM Think大会发布的watsonx Orchestrate平台提供无代码/低代码工具，支持多智能体协同编排与性能监控，解决开发容易运维难的问题，并集成了Adobe、AWS、微软等80余个企业级应用。

要让智能体真正发挥作用，还需解决两大基础问题：就绪数据和自动化。IBM通过‘实体-值提取’技术解析文档关键信息，使非结构化数据准确率提升40%。同时，通过统一语义层融合结构化和非结构化数据治理。

在执行层面，IBM去年收购的WebMethods技术已融入Hybrid Integration平台，实现跨云应用调度。智能体规模化部署后的运维挑战则通过Instana全链路监控、Concert根因分析以及HashiCorp基础设施弹性伸缩解决。

面对AI大模型的狂热，IBM强调理性主张，建议客户从低复杂度或低准确率要求的场景入手，逐步过渡到高复杂度和高准确率的场景。最新开源的Granite 3.2模型参数不足10M，却能在金融预测、库存规划等场景精准发力。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。