IBM видит, что корпоративные клиенты используют «все», когда дело доходит до ИИ, задача состоит в том, чтобы соответствовать LLM с вариантом использования.

За последние 100 летВ яBM видел много разных технических тенденций, которые поднимаются и падают. То, что имеет тенденцию побеждать, это технологии, где есть выбор.

В VB Transform 2025 сегодня Арманд Руис, вице -президент по AI Platform на IBM подробно описал, как Big Blue думает о генеративном искусственном интеллекте и о том, как его предприятия на самом деле развертывают эту технологию. Ключевая тема, на которую подчеркнул Руис, заключается в том, что на данный момент речь идет не о выборе одного поставщика или технологии для одного крупного языковой модели (LLM). Клиенты корпоративного предприятия систематически отклоняют стратегии ИИ с одним поставщиком в пользу многомодельных подходов, которые соответствуют конкретным LLMS с целевыми вариантами использования.

IBM имеет свои собственные модели искусственного интеллекта с открытым исходным кодом с гранитной семьей, но она не позиционирует эту технологию как единственный выбор или даже правильный выбор для всех рабочих нагрузок. Это поведение предприятия заставляет IBM позиционировать себя не как конкурента модели фундамента, а как то, что Руис называл контрольной башней для рабочих нагрузок искусственного интеллекта.

«Когда я сижу перед клиентом, они используют все, к чему у них есть доступ, все», — объяснил Руис. «Для кодирования они любят антропные, и для некоторых других случаев использования, таких как рассуждения, им нравится O3, а затем для настройки LLM, с их собственными данными и тонкой настройкой, им нравится либо наш гранитный сериал, либо Мистраль с их небольшими моделями, либо даже лама… это просто соответствует LLM с правильным вариантом использования. И тогда мы помогаем им, чтобы приносить рекомендации».

Стратегия мульти-LLM Gateway

Реакция IBM на эту рыночную реальность представляет собой недавно выпущенный модельный шлюз, который предоставляет предприятиям один API для переключения между различными LLMS, сохраняя при этом наблюдаемость и управление во всех развертываниях.

Техническая архитектура позволяет клиентам запускать модели с открытым исходным кодом самостоятельно в свой собственный стек вывода для конфиденциальных вариантов использования, одновременно получая доступ к общедоступным API, таким как Bedrock или Google Cloud Gemini для менее важных приложений.

«Этот шлюз предоставляет нашим клиентам один слой с одним API, чтобы переключиться с одного LLM на другой LLM и добавить наблюдаемость и управление повсюду», — сказал Руис.

Подход напрямую противоречит стратегии общего поставщика по блокировке клиентов в проприетарные экосистемы. IBM не одинока в том, чтобы принять многоотдательный подход к выбору модели. В последние месяцы появились несколько инструментов для маршрутизации моделей, которая направлена ​​на направление рабочей нагрузки на соответствующую модель.

Протоколы оркестровки агента появляются как критическая инфраструктура

Помимо мультимодельного управления, IBM решает возникающую задачу общения с агентом-агентом с помощью открытых протоколов.

Компания разработала ACP (протокол связи агента) и внесла его в Фонд Linux. ACP является конкурентным усилием протокола Google Agent2agent (A2A), который только на этой неделе был внесен Google в фонд Linux.

Руис отметил, что оба протокола стремятся облегчить общение между агентами и сократить пользовательские работы по разработке. Он ожидает, что в конечном итоге различные подходы будут сходиться, и в настоящее время различия между A2A и ACP в основном являются техническими.

Протоколы оркестровки агента предоставляют стандартизированные способы взаимодействия систем ИИ на разных платформах и поставщиках.

Техническая значимость становится ясной при рассмотрении масштаба предприятия: у некоторых клиентов IBM уже есть более 100 агентов в пилотных программах. Без стандартизированных протоколов связи каждое взаимодействие с агентом и агентом требует пользовательской разработки, создавая неустойчивую интеграционную нагрузку.

ИИ — это преобразование рабочих процессов и способ выполнения работы

С точки зрения того, как Руис видит ИИ, влияющий на предприятия сегодня, он предполагает, что это действительно должно быть больше, чем просто чат -боты.

«Если вы просто занимаетесь чат -ботами, или вы пытаетесь сделать экономию средств с ИИ, вы не делаете ИИ», — сказал Руис. «Я думаю, что ИИ на самом деле о полном преобразовании рабочего процесса и о том, как выполняется работа».

Различие между реализацией ИИ и трансформацией ИИ сосредоточено на том, насколько глубоко технология интегрируется в существующие бизнес -процессы. Внутренний пример HR от IBM иллюстрирует этот сдвиг: вместо того, чтобы сотрудники, спрашивающие чат -ботов для информации о персонале, специализированные агенты теперь обрабатывают обычные запросы о компенсации, найме и продвижении по службе, автоматически маршрутизируют соответствующие системы и эскалация для людей только при необходимости.

«Раньше я проводил много времени, разговаривая с моими партнерами по кадрам во многих вещах. Я обращаюсь большей частью этого сейчас с агентом по персоналу», — объяснил Руис. «В зависимости от вопроса, если это что -то в отношении компенсации или что -то в том, что касается разлуки, или найма кого -то, или для продвижения по службе, все это будет связано с различными внутренними системами HR, и они будут как отдельные агенты».

Это представляет собой фундаментальный архитектурный сдвиг от моделей взаимодействия человека с компьютером к компьютерной автоматизации рабочего процесса. Вместо того, чтобы сотрудники учатся взаимодействовать с инструментами искусственного интеллекта, ИИ учится выполнять полные бизнес-процессы.

Техническое значение: предприятия должны выйти за рамки интеграции API и призвать проектирование в направлении глубокого процесса инструментов, которые позволяют агентам искусственного интеллекта выполнять многоэтапные рабочие процессы автономно.

Стратегические последствия для инвестиций в области ИИ предприятия

Данные развертывания в реальном мире IBM предполагают несколько критических сдвигов для стратегии ИИ предприятия:

Отказаться от чат-бота-первого мышления: Организации должны определить полные рабочие процессы для преобразования, а не добавлять разговорные интерфейсы в существующие системы. Цель состоит в том, чтобы устранить человеческие шаги, а не улучшить взаимодействие человека с компьютером.

Архитектор гибкости мультимодели: Вместо того, чтобы принять участие в отдельных поставщиках искусственного интеллекта, предприятиям нужны платформы интеграции, которые позволяют переключать между моделями на основе требований к случаям использования при сохранении стандартов управления.

Инвестировать в стандарты связи: Организации должны расставлять приоритеты инструментов искусственного интеллекта, которые поддерживают возникающие протоколы, такие как MCP, ACP и A2A, а не подходы к проприетарной интеграции, которые создают блокировку поставщиков.

«Есть так много всего, чтобы построить, и я продолжаю говорить, что всем нужно изучать ИИ, и особенно бизнес -лидеры должны быть первыми лидерами ИИ и понимать концепции», — сказал Руис.