Bergabunglah dengan acara yang dipercaya oleh para pemimpin perusahaan selama hampir dua dekade. VB Transform menyatukan orang -orang yang membangun strategi AI perusahaan nyata. Pelajari lebih lanjut
Selama 100 tahun terakhir, SAYABM telah melihat banyak tren teknologi yang berbeda naik dan turun. Yang cenderung menang adalah teknologi di mana ada pilihan.
Di VB Transform 2025 hari ini, Armand Ruiz, VP dari platform AI di IBM merinci seberapa besar Blue berpikir tentang AI generatif dan bagaimana para pengguna perusahaan sebenarnya menggunakan teknologi tersebut. Tema kunci yang ditekankan Ruiz adalah bahwa pada titik ini, ini bukan tentang memilih penyedia atau teknologi model bahasa besar (LLM). Semakin banyak, pelanggan perusahaan secara sistematis menolak strategi AI vendor tunggal yang mendukung pendekatan multi-model yang cocok dengan LLM spesifik dengan kasus penggunaan yang ditargetkan.
IBM memiliki model AI open-source sendiri dengan keluarga granit, tetapi tidak memposisikan teknologi itu sebagai satu-satunya pilihan, atau bahkan pilihan yang tepat untuk semua beban kerja. Perilaku perusahaan ini mendorong IBM untuk memposisikan dirinya bukan sebagai pesaing model yayasan, tetapi seperti apa yang Ruiz sebut sebagai menara kontrol untuk beban kerja AI.
“Ketika saya duduk di depan pelanggan, mereka menggunakan semua yang mereka akses, semuanya,” Ruiz menjelaskan. “Untuk pengkodean, mereka menyukai antropik dan untuk beberapa kasus penggunaan lainnya seperti untuk penalaran, mereka menyukai O3 dan kemudian untuk kustomisasi LLM, dengan data mereka sendiri dan penyempurnaan, mereka menyukai seri granit kami atau tidak bermaksud dengan model kecil mereka, atau bahkan Llama … itu hanya mencocokkan LLM dengan kasus penggunaan yang tepat. Dan kemudian kami membantu mereka juga membuat rekomendasi.”
Strategi gateway multi-llm
Respons IBM terhadap realitas pasar ini adalah gerbang model yang baru dirilis yang memberikan perusahaan dengan API tunggal untuk beralih antara LLM yang berbeda sambil mempertahankan pengamatan dan tata kelola di semua penyebaran.
Arsitektur teknis memungkinkan pelanggan untuk menjalankan model open-source pada tumpukan inferensi mereka sendiri untuk kasus penggunaan sensitif sambil secara bersamaan mengakses API publik seperti AWS Bedrock atau Google Cloud's Gemini untuk aplikasi yang kurang kritis.
“Gateway itu memberikan pelanggan kami satu lapisan dengan API tunggal untuk beralih dari satu LLM ke LLM lain dan menambah kemampuan observasi dan tata kelola di seluruh,” kata Ruiz.
Pendekatan ini secara langsung bertentangan dengan strategi vendor umum untuk mengunci pelanggan ke dalam ekosistem eksklusif. IBM tidak sendirian dalam mengambil pendekatan multi-vendor untuk pemilihan model. Beberapa alat telah muncul dalam beberapa bulan terakhir untuk routing model, yang bertujuan untuk mengarahkan beban kerja ke model yang sesuai.
Protokol orkestrasi agen muncul sebagai infrastruktur kritis
Di luar manajemen multi-model, IBM menangani tantangan yang muncul dari komunikasi agen-ke-agen melalui protokol terbuka.
Perusahaan telah mengembangkan ACP (Agen Communication Protocol) dan berkontribusi pada Linux Foundation. ACP adalah upaya kompetitif untuk protokol Google Agent2Agent (A2A) yang baru minggu ini disumbangkan oleh Google ke Linux Foundation.
Ruiz mencatat bahwa kedua protokol bertujuan untuk memfasilitasi komunikasi antar agen dan mengurangi pekerjaan pengembangan khusus. Dia berharap bahwa pada akhirnya, pendekatan yang berbeda akan bertemu, dan saat ini, perbedaan antara A2A dan ACP sebagian besar teknis.
Protokol orkestrasi agen memberikan cara standar bagi sistem AI untuk berinteraksi di berbagai platform dan vendor.
Signifikansi teknis menjadi jelas ketika mempertimbangkan skala perusahaan: beberapa pelanggan IBM sudah memiliki lebih dari 100 agen dalam program percontohan. Tanpa protokol komunikasi standar, setiap interaksi agen-ke-agen memerlukan pengembangan khusus, menciptakan beban integrasi yang tidak berkelanjutan.
AI adalah tentang mengubah alur kerja dan cara kerja dilakukan
Dalam hal bagaimana Ruiz melihat AI memengaruhi perusahaan saat ini, ia menyarankan itu benar -benar perlu lebih dari sekadar chatbots.
“Jika Anda hanya melakukan chatbots, atau Anda hanya mencoba melakukan penghematan biaya dengan AI, Anda tidak melakukan AI,” kata Ruiz. “Saya pikir AI benar -benar tentang mengubah alur kerja sepenuhnya dan cara kerja dilakukan.”
Perbedaan antara implementasi AI dan transformasi AI berpusat pada seberapa dalam teknologi terintegrasi ke dalam proses bisnis yang ada. Contoh SDM internal IBM menggambarkan pergeseran ini: alih -alih karyawan meminta chatbots untuk informasi SDM, agen khusus sekarang menangani pertanyaan rutin tentang kompensasi, perekrutan, dan promosi, secara otomatis merutekan ke sistem yang sesuai dan meningkat ke manusia hanya jika diperlukan.
“Saya dulu menghabiskan banyak waktu berbicara dengan mitra SDM saya untuk banyak hal. Saya menangani sebagian besar sekarang dengan agen SDM,” Ruiz menjelaskan. “Bergantung pada pertanyaannya, apakah itu sesuatu tentang kompensasi atau itu sesuatu tentang hanya menangani pemisahan, atau mempekerjakan seseorang, atau melakukan promosi, semua hal ini akan terhubung dengan sistem internal SDM yang berbeda, dan itu akan seperti agen yang terpisah.”
Ini merupakan pergeseran arsitektur mendasar dari pola interaksi manusia-komputer ke otomatisasi alur kerja yang dimediasi komputer. Daripada karyawan yang belajar berinteraksi dengan alat AI, AI belajar untuk melaksanakan proses bisnis lengkap dari ujung ke ujung.
Implikasi teknis: Perusahaan perlu bergerak melampaui integrasi API dan mendorong rekayasa menuju instrumentasi proses yang dalam yang memungkinkan agen AI untuk menjalankan alur kerja multi-langkah secara mandiri.
Implikasi Strategis untuk Investasi AI Perusahaan
Data penyebaran dunia nyata IBM menyarankan beberapa pergeseran kritis untuk strategi AI perusahaan:
Abaikan pemikiran chatbot-first: Organisasi harus mengidentifikasi alur kerja lengkap untuk transformasi daripada menambahkan antarmuka percakapan ke sistem yang ada. Tujuannya adalah untuk menghilangkan langkah manusia, tidak meningkatkan interaksi manusia-komputer.
Arsitek untuk fleksibilitas multi-model: Daripada berkomitmen untuk penyedia AI tunggal, perusahaan membutuhkan platform integrasi yang memungkinkan pengalihan antara model berdasarkan persyaratan kasus penggunaan sambil mempertahankan standar tata kelola.
Investasikan dalam Standar Komunikasi: Organisasi harus memprioritaskan alat AI yang mendukung protokol yang muncul seperti MCP, ACP, dan A2A daripada pendekatan integrasi eksklusif yang membuat vendor lock-in.
“Ada banyak hal yang harus dibangun, dan saya terus mengatakan semua orang perlu belajar AI dan terutama pemimpin bisnis harus menjadi pemimpin pertama AI dan memahami konsep -konsepnya,” kata Ruiz.
About the Author
