IBM 将智能体工作负载接入始终在线的 AI 运营模型

智能体工作负载为企业将人工智能投入生产带来了新的运营挑战。随着自主系统承担起持续性的职责，组织必须在其数据、应用和基础设施中支持各类决策与行动。

IBM公司的做法借鉴了客户在组织内规模化应用AI的经验。据IBM首席绩效营销官里蒂卡·冈纳（Ritika Gunnar，如图）介绍，这些工作帮助明确了支撑其AI运营模型的需求。

“随着你在使用AI方面越来越成功，尤其是当AI开始采取行动时，你现在拥有的工作负载会被持续使用，”她说，“你会有动力保持始终在线，因为这些智能体会一直为你采取行动。”

冈纳在SiliconANGLE Media的直播工作室theCUBE上接受独家采访，与theCUBE Research的戴夫·韦兰特（Dave Vellante）和约翰·弗里尔（John Furrier）就IBM的AI运营模型访谈系列进行了交流。他们讨论了企业集成、数据治理、人工监督，以及如何对照业务成果评估AI，为IBM TechXchange 2026做准备。（*下方为披露声明。）

跨企业连接智能体工作负载

IBM的AI运营模型整合了企业可能已从不同供应商处获得的四个组件。冈纳解释说，应用这些组件意味着要在新兴AI系统之外，同时兼顾既有应用和业务流程。

“你需要能够与现有系统集成，”她说。“人们不会抛弃现有的SAP系统，也不会抛弃现有的Salesforce系统。与这些系统集成，并让工作负载同时体现你的过去和未来，这意味着什么？”

这些组件各有明确职责：数据提供当前的企业知识，工作负载涵盖应用和工作流，自动化支持监督与优化，混合云则适应分布式运营。据Gunnar所说，它们的有效性取决于它们如何在智能体工作负载中协同运作。

“如果你拥有数据，而且这些数据正在为你的系统提供输入，但你并没有真正以这样的方式做好自动化——即借助融入的AI对所有工作负载实现完全可观测性——那么你未必能以最优方式为这类工作负载挑选合适的模型或合适的智能体，”她说。

将治理和人类判断引入决策

支撑智能体决策的信息可能横跨运营系统、边缘设备以及其他智能体生成的上下文。Gunnar解释说，提供受治理的上下文要求企业同时考虑信息的完整性以及权限如何随信息流转。

“我们的信念是，如果你能掌握数据，并且如果你能把大量治理工作左移——也就是大量关于谁在正确的时间拥有对正确数据的正当访问权的问题——这就变得很重要，因为你会让数据实时流转，并附带上下文以及谁真正拥有该数据的所有权信息，”她说。“因此，智能体能做出好得多的决策。”

企业还依赖员工通过经验积累起来的知识，而不是将其明确记录在系统中。提示词和其他上下文有助于传达这种判断力，但Gunnar指出，如何捕获这种判断力仍是一项持续存在的挑战。

“当你思考当今的工作负载时……其中很多本质上将是自主运行的，”她说。“但在大多数情况下，如果你谈论的是你的关键系统，你确实需要有人在环，以便把一些隐性知识补充进来，因为AI尚未成熟到能够自行达到那一步。”

对照业务成果评估绩效

智能体活动会生成决策和行动的日志，而提示词则记录提供给这些系统的指令。Gunnar解释说，这些信息共同支撑企业数据与AI工作负载之间持续不断的反馈循环。

“你实际上可以让该智能体进行多种不同的排列组合来做出决策，并让另一组评估循环实际执行评估：‘该智能体是否真的做出了决策？’”她说。“是否存在一种性能更高、更准确、更具成本效益的方式来实现这一点？”

性能涵盖准确性、及时性和成本，而预期的业务结果则指导着如何评估这些指标。因此，根据Gunnar的说法，将AI投入生产需要组织在审视支持它的技术的同时，也审视工作本身。

“确保你拥有所有这些要素，并且你真正在思考结果，而且你愿意从审视业务流程转型意味着什么开始，”她说。“这才是真正的关键所在。”

以下是完整的视频采访，这是SiliconANGLE和theCUBE对IBM的AI运营模型采访系列报道的一部分：

（*披露：theCUBE是IBM的AI运营模型采访系列活动活动的付费媒体合作伙伴。IBM——theCUBE活动报道的赞助商——以及其他赞助商均不对theCUBE或SiliconANGLE上的内容拥有编辑控制权。）

图片：SiliconANGLE