IBM：AI转型旨在消除人工环节而非优化人机交互

过去一个世纪以来，IBM 亲历了无数技术浪潮的起伏更迭。最终能够脱颖而出的，往往是那些能够提供多样化选择的技术。在近期举办的“2025 VB 全球科技转型峰会”上，IBM 人工智能平台副总裁阿曼德·鲁伊斯深入阐述了对生成式 AI 的洞察，以及企业用户实际部署该技术的现状。鲁伊斯明确抛出了核心观点：当前阶段的关键，绝非局限于选择单一的大语言模型（LLM）供应商或技术路线。

越来越多的企业客户正在有意识地放弃单一供应商的 AI 策略，转而采用针对不同应用场景精准匹配多种模型的技术路径。IBM 虽然拥有 Granite 系列开源 AI 模型，但并未将其定位为万能解决方案，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的身份出现，而是成为 AI 工作负载的管控平台（control tower）。

鲁伊斯在峰会上分享道：“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。在编程任务中，他们倾向于使用 Anthropic；而在逻辑推理等场景中，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——统一API与灵活切换

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。当然，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。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。鲁伊斯最后强调，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。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：IBM：AI转型旨在消除人工环节而非优化人机交互要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题