主要观点总结
本文主要介绍了IBM推出的AI智能体解决方案watsonx Orchestrate，强调AI Agent在企业应用中的关键点和挑战，包括识别真假智能体、构建AI Agent的流程、数据的重要性、自动化流程的实现等。同时，文章还讨论了企业如何精准把握业务需求，让内部构建的AI智能体更具针对性、高价值并持续优化。
关键观点总结
关键观点1: IBM强调AI Agent在企业应用中的关键点是识别真假智能体，数据的重要性以及自动化流程的实现。
吴敏达表示可以通过算力需求来识别假智能体，同时强调数据在AI Agent完成任务中的重要性，没有高质量的数据或者无法使用数据会限制AI应用的效果。另外，企业需要实现自动化流程才能充分发挥AI Agent的价值。
关键观点2: IBM推出AI智能体解决方案watsonx Orchestrate，支持企业在短时间内构建自己的AI Agent。
通过统一的入口AskIBM，IBM内部也正在使用AI Agent为员工赋能。此外，该解决方案提供预构建、开箱即用的专业领域智能体矩阵，包括人力资源智能体、销售智能体和采购智能体等。
关键观点3: IBM强调了企业构建AI Agent所面临的挑战以及应对方式。
包括智能体开发背后涉及不同框架、不同应用、不同厂商的对接问题，企业如何找到高ROI和合适的场景，以及Agent从构建、生产到运维的全生命周期管理等问题。IBM提出了通过完整的云上、云下跨平台的集成能力来解决这些问题。
关键观点4: IBM强调企业级AI的本质不在于炫技，而是业务重构。
企业需要认清再炫酷的技术也解决不了业务本质的问题，必须快速补齐IT基础设施能力，才能搭上AI这趟快车。
正文
“对于国内企业来说，在使用的时候可以把这些智能体作为模板，然后根据自己的实际需求进行调整。”吴敏达举例。
第二层是多智能体编排
。一旦智能体开发上线部署到智能体目录（Agent Catalog）就可以开放给部门或者其它员工使用，这个目录类似于一个智能体仓库，支持分类检索、权限管理和版本控制，管理员也可以设定访问权限，并通过审批流程发布、共享智能体。
但随着企业智能体数量从数十个增至数百个，管理的复杂度也会越来越高。对此，watsonx Orchestrate 还引入了多智能体编排功能，支持跨智能体协作，例如销售智能体在获取新客户线索后，会自动触发市场智能体分析竞品动态，再调用客服智能体生成个性化跟进策略。并且，无论是企业自己构建、合作伙伴构建或是开源社区的专业领域智能体，都可实现信息共享，并协同处理复杂的多步骤流程。
第三层是开放的生态和开源协同
。前端是统一的入口，而背后是非常开放的智能体生态。watsonx Orchestrate 集成了 Adobe、AWS、Microsoft、Oracle、Salesforce Agentforce、SAP、ServiceNow 和 Workday 等公司的 80 多种行业领先的企业级应用工具。举例来说，企业可以选择直接在 Orchestrate 中调用 Salesforce 的销售预测智能体，而不需要重复开发对接接口。
需要注意的是，AI Agent 完成一项任务的背后需要非常丰富的知识，它们可能来自企业内部、互联网或者大模型本身，基于这些知识，任务的执行或者工具的调用才不会出错——这些知识，实际上就是数据。
翟峰表示，没有数据的 AI 应用都是空谈，企业要落地 AI 首先先问自己三个问题：高质量的数据有没有？这些数据在用吗？有没有真正发挥作用？
也就是说，有数据也并不意味着能用好数据。“企业内部 90% 以上其实都是非结构化数据，但是目前大家关注更多的却是结构化数据。”吴敏达强调，“因此，帮助企业提高对非结构化数据的使用，也是 IBM 主攻的方向。”
上图是最新更新的 watsonx.data 的简略逻辑架构图，相较于此前的版本集成了数据经纬，通过统一元数据治理增加了语义层（watsonx.data intelligence），用户可以直接进行自然语言提问，比如“某供应商的应付款是多少”，这时候通过语义层就可以找到对应的数据，它可能来自结构化数据，也可能来自文档库中的各种非结构化数据。如下图：
“我们认为这种方式比 RAG 准确率更高，因为其中的文档不是直接向量化的，中间有一个提取的过程。具体来说，我们通过 watsonx.data integration 去处理结构化和非结构化数据，对于非结构化数据，它在向量化的过程中会提取其中的实体（entity）和值（value），提取以后再把文档向量化。将来在大模型做知识库查询的时候，不仅会返回类似的向量，同时会把相关的实体和值返回出来，通过实体和值的辅助，使得准确率提高。”吴敏达表示。
watsonx.data integration 是一个全方位数据集成的工具，和过去 IBM 提供的 DataStage、Data Replication 等数据处理工具不同，watsonx.data integration 既可以支持结构化数据，也支持非结构化、半结构化的数据。
再往下，当数据放到 watsonx.data 中并经过 watsonx.data integration 统一集成之后，watsonx.data intelligence 就开始“工作”了，它的作用是提供统一的数据治理和数据血缘能力。吴敏达举例，“同一批数据有多种方式访问，比如用大模型知识库——RAG 的方式去问答，或者用传统的 SQL 查询——报表查询的方式，还有用机器学习的方式建模提取数据训练一个模型，也是一种方式。怎么保证不同的访问方式权限管控是在一起的？这种情况就可以通过 watsonx.data intelligence 来管控。”
与此同时，IBM 还把治理后的数据都封装为 API 接口或向量数据库，供智能体实时调用。例如，供应链智能体可直接访问实时库存向量数据，动态调整采购计划。这不仅提升了数据可用性，还为 Agent 的持续进化提供了“养分”。
