IBM percaya bahwa agen kelembagaan menggunakan “segalanya” ketika datang ke AI, dan tantangannya adalah pencocokan LLM dengan negara penggunaan yang benar

Selama seratus tahun terakhirDan SAYABm Banyak tren teknis yang berbeda telah terlihat meningkat dan jatuh. Yang cenderung menang adalah teknik di mana ada opsi.

di dalam VB mengonversi 2025 Hari ini, Armand Ruiz, Wakil -Kepala Platform Kecerdasan Buatan IBM secara rinci sejauh mana pemikiran biru yang hebat tentang kecerdasan buatan dan bagaimana pengguna institusi sebenarnya menerbitkan teknologi ini. Topik utama yang telah dikonfirmasi Ruiz adalah bahwa pada titik ini, ini bukan tentang memilih model atau teknik bahasa tunggal (LLM). Semakin banyak pelanggan institusional secara sistematis menolak strategi kecerdasan buatan untuk penjual tunggal yang mendukung beberapa model yang sesuai dengan LLM yang ditentukan dengan kasus penggunaan yang ditargetkan.

IBM memiliki model internasional Amnesty Open Source dengan keluarga granit, tetapi tidak menentukan pengembangan teknologi ini sebagai satu -satunya pilihan, atau bahkan opsi yang tepat untuk semua beban kerja. Perilaku lembaga ini mendorong IBM ke posisi itu sendiri tidak seperti pesaing model utama, tetapi sebagai Ruiz disebut sebagai menara kontrol untuk beban karya Amnesty International.

“Ketika saya duduk di depan pelanggan, mereka menggunakan semua yang dapat mereka capai, semuanya,” Ruiz menjelaskan. “Untuk pengkodean, mereka menyukai antropor dan beberapa kasus penggunaan lainnya seperti logika, mereka mencintai O3 dan kemudian untuk menyesuaikan LLM, dengan data mereka sendiri dan kontrol yang tepat, dan mereka menyukai rantai granit kami atau yang salah dengan model kecil mereka, atau bahkan Llama … itu hanya pertandingan LLM dengan penggunaan yang tepat. Lalu kami membantu mereka dengan baik.”

Strategi Gerbang Multi-Llm

Respons IBM terhadap kenyataan ini di pasar adalah gerbang model yang baru dirilis yang menyediakan lembaga untuk satu antarmuka pemrograman aplikasi untuk beralih antara LLM yang berbeda sambil mempertahankan pengamatan dan tata kelola melalui semua operasi penerbitan.

Arsitektur teknis untuk pelanggan memungkinkan pengoperasian model open source pada stapel inferensi mereka untuk situasi penggunaan sensitif dengan fasad pemrograman aplikasi publik satu kali seperti AWS Bedrock atau Google Cloud Gemini untuk aplikasi yang kurang penting.

“Gerbang ini memberi pelanggan kami satu lapisan dengan satu antarmuka aplikasi untuk beralih dari LLM ke LLM lain dan menambahkan pengamatan dan tata kelola sepanjang waktu,” kata Ruiz.

Pendekatan ini secara langsung kontras dengan strategi penjual bersama untuk menutup pelanggan di ekosistem khusus. IBM tidak sendirian dalam mengikuti pendekatan multi -leller untuk memilih model. Beberapa alat telah muncul dalam beberapa bulan terakhir untuk memandu model, yang bertujuan untuk mengarahkan beban kerja ke model yang sesuai.

Protokol komitmen muncul sebagai infrastruktur kritis

Selain manajemen multi -mode, IBM membahas tantangan yang muncul untuk berkomunikasi dari agen ke agen melalui protokol terbuka.

Perusahaan telah mengembangkan ACP (protokol koneksi agen) dan berkontribusi pada Linux Foundation. ACP adalah upaya kompetitif untuk Google Agent2agen (A2A), yang disumbangkan Google minggu ini di Linux.

Ruiz menunjukkan bahwa kedua protokol bertujuan untuk memfasilitasi komunikasi antar agen dan mengurangi pekerjaan pembangunan yang dialokasikan. Diharapkan bahwa berbagai metode saat ini berkumpul, saat ini, perbedaan antara A2A dan ACP sering menjadi teknologi.

Protokol konjungsi menyediakan cara terpadu sistem kecerdasan buatan untuk berinteraksi melalui platform dan penjual yang berbeda.

Pentingnya teknis menjadi jelas ketika mempertimbangkan skala lembaga: beberapa pelanggan IBM sudah memiliki lebih dari 100 agen dalam program eksperimental. Tanpa protokol komunikasi yang seragam, interaksi masing -masing agen membutuhkan agen pengembangan khusus, yang menciptakan beban integrasi yang tidak kompatibel.

Kecerdasan buatan berkisar pada transformasi tugas kerja dan cara pekerjaan dilakukan

Mengenai bagaimana Ruiz yang mempengaruhi lembaga yang mempengaruhi saat ini, ini menunjukkan bahwa itu harus lebih dari sekadar chatbots.

“Jika Anda hanya memberikan obrolan, atau Anda hanya mencoba melakukan biaya dengan kecerdasan buatan, Anda tidak melakukan kecerdasan buatan,” kata Ruiz. “Saya pikir kecerdasan buatan akan sepenuhnya mengubah alur kerja dan cara pekerjaan dilakukan.”

Perbedaan antara implementasi kecerdasan buatan dan AI berfokus pada kedalaman teknologi dalam proses komersial saat ini. Contoh Sumber Daya Manusia Internal IBM menunjukkan transformasi ini: alih -alih memiliki informasi sumber daya manusia, agen yang sekarang berurusan dengan informasi rutin tentang kompensasi, pekerjaan dan promosi, secara otomatis panduan ke sistem yang sesuai dan meningkatkan untuk manusia hanya jika diperlukan.

“Saya menghabiskan banyak waktu untuk berbicara dengan mitra sumber daya manusia saya untuk mendapatkan banyak hal. Saya berurusan dengan sebagian besar dari mereka sekarang dengan agen sumber daya manusia,” jelas Ruiz. “Berdasarkan pertanyaan, apakah itu terkait dengan kompensasi atau sesuatu yang hanya terkait dengan berurusan dengan pemisahan, mempekerjakan seseorang, atau membuat penawaran promosi, maka semua hal ini akan berkomunikasi dengan berbagai sistem sumber daya manusia internal, dan itu akan seperti agen terpisah.”

Ini adalah pergeseran arsitektur yang penting dari pola interaksi komputer manusia ke otomatisasi alur kerja yang terjadi oleh komputer. Alih -alih karyawan belajar berinteraksi dengan alat kecerdasan buatan, kecerdasan buatan belajar untuk melakukan bisnis penuh -ke -bagian.

Efek teknis: Lembaga perlu melampaui API dan rekayasa yang menuntut perangkat proses yang dalam yang memungkinkan agen kecerdasan buatan untuk melakukan tugas alur kerja multi -langkah secara mandiri.

Efek strategis dari investasi AI terhadap institusi

Data penerbitan realistis IBM menunjukkan banyak transformasi penting dari strategi AI yayasan:

Meninggalkan pemikiran chatbot pertamaLembaga harus menentukan tugas alur kerja lengkap untuk berubah alih -alih menambahkan antarmuka percakapan ke sistem saat ini. Tujuannya adalah untuk menghilangkan langkah -langkah manusia, tidak meningkatkan interaksi komputer manusia.

Arsitek untuk fleksibilitas multi -gaya: Alih -alih mematuhi penyedia kecerdasan buatan, lembaga membutuhkan platform integrasi yang memungkinkan pengalihan antara model berdasarkan persyaratan keadaan penggunaan sambil mempertahankan kriteria tata kelola.

Berinvestasi dalam Standar KomunikasiLembaga harus memberikan prioritas pada alat kecerdasan buatan yang mendukung protokol yang muncul seperti MCP, ACP dan A2A alih -alih metode integrasi kerajaan yang membuat kunci penjual.

“Ada banyak hal untuk konstruksi, dan saya masih mengatakan bahwa semua orang perlu belajar kecerdasan buatan, terutama para pemimpin bisnis, yang harus menjadi pemimpin internasional amnesti dan memahami konsep,” kata Ruiz.