为什么 IBM 认为企业采用代理人工智能首先要解决数据问题

Reatha

2026-03-31

IBM 的 watsonx Orchestrate 定位为代理 AI 企业部署的协调层。
代理人工智能的最大障碍是数据。

大多数企业都在人工智能方面投入了大量资金。他们做出的决定仍然很缓慢。人工智能投资与实际决策速度之间的差距正是 IBM 商业价值研究院所关注的已确定进入 2026 年的决定性压力之一是：人工智能支持的工作负载预计将从 2024 年的 3% 上升到 2026 年的 25%，增长了八倍，这表明代理系统的变革速度有多快。

IBM 应对这一压力的答案是 watsonx Orchestrate，它是一个用于在企业工作流程中构建和协调 AI 代理网络的平台。其宣传很简单：人工智能代理不会查询仪表板或等待报告，而是执行检索、进行评估，并仅在必要时将其交给人类。

该公司将在即将到来的展会上展示其代理人工智能方法TechEx 北美人工智能与大数据博览会今年五月在圣何塞。

没有人愿意修复数据层

在代理可以工作之前，数据必须准备好。根据 IBM 自己的研究，大多数组织还没有达到这一目标。一个全球性的学习IBM 商业价值研究所对 27 个国家/地区的 1,700 名首席数据官进行了调查，结果发现，虽然 81% 的人表示他们的组织的数据战略现已与技术路线图相集成（高于 2023 年的 52%），但只有 26% 的人相信他们的数据可以支持新的人工智能收入流。

IBM 表示，有效代理人工智能的障碍不是推理成本或模型本身。问题是数据。组织需要可信的、公司特定的数据来帮助代理创造真正的价值，而这些数据绝大多数是非结构化的，存在于电子邮件、文档和内部视频中。国际商业机器公司估计2022 年生成的企业数据中有 90% 是非结构化的，其中法学硕士仅占 1%。

这就是 IBM watsonx.data 平台旨在解决的问题，使代理能够访问结构化和非结构化源，而不需要组织从头开始重建数据堆栈。

编排层的作用

Watsonx 编排整合拥有 80 多个企业平台，包括 Adobe、AWS、Microsoft、Oracle、Salesforce、SAP、ServiceNow 和 Workday，允许 AI 代理通过单一界面在系统中进行操作。多代理架构允许来自不同供应商的代理共享上下文并移交任务，而无需人工作为中继。

IBM 首席商务官 Rob Thomas 描述了这一挑战：“我们的观点是，在如何集成代理方面，市场上存在很大的差距。这不是我们提供代理的问题。这也让一家公司能够看到未来有数百、数千甚至数百万个代理同时运行。”

IBM 所押注的是，编排而非模型性能将成为决定性的能力。 Enterprise Strategy Group的分析师Mark Beccue指出，IBM在企业系统集成方面的经验使其在这一领域具有优势：“IBM更擅长牵手。他们的全部工作就是系统集成。”

IBM 作为自己的测试用例

IBM 倾向于成为所谓的“零客户端”——在向客户提供之前在内部部署自己的代理人工智能堆栈。它发布的结果足够具体，可以作为基准。

该公司的 IT 支持代理 AskIT，已解决自 2023 年推出以来，86% 的 AI 代理查询减少了 74%，通话和聊天次数减少了 74%，并通过持续的年度成本避免，初步降低了 1800 万美元的成本。 IBM 表示，在整个业务中，人工智能和自动化已经帮助了仅 2024 年，它就节省了 45 亿美元，并预计从手动任务中解放了 390 万小时。

在采购方面，该公司的发票审核代理在测试中对 19 种发票格式中的 18 种实现了 95% 以上的首次通过准确率，实现了以前需要大规模手动审核的流程的自动化。 2025 年，其销售助理 AskSales 回答了超过 25 万个卖家问题。