IBM видит, что корпоративные клиенты используют «все», когда речь идет об ИИ, проблема заключается в том, чтобы сопоставить LLM с правильным вариантом использования

За последние 100 лет я видел, как взлетали и падали различные технологические тенденции. Побеждают технологии, где есть выбор.

Сегодня на конференции VB Transform 2025 Арманд Руис, вице-президент по платформе искусственного интеллекта в IBM, подробно рассказал о том, как Big Blue думает о генеративном ИИ и как его корпоративные пользователи на самом деле внедряют эту технологию. Ключевая тема, которую подчеркнул Руис, заключается в том, что на данный момент речь идет не о выборе одного поставщика или технологии большой языковой модели (LLM). Все чаще корпоративные клиенты систематически отказываются от стратегий ИИ с одним поставщиком в пользу многомодельных подходов, которые сопоставляют конкретные LLM с целевыми вариантами использования.

У IBM есть собственные модели ИИ с открытым исходным кодом в семействе Granite , но она не позиционирует эту технологию как единственный выбор или даже как правильный выбор для всех рабочих нагрузок. Такое корпоративное поведение заставляет IBM позиционировать себя не как конкурента базовой модели, а как то, что Руиз назвал контрольной башней для рабочих нагрузок ИИ.

«Когда я сижу перед клиентом, он использует все, к чему у него есть доступ, все», — объяснил Руиз. «Для кодирования они любят Anthropic, а для некоторых других вариантов использования, например, для рассуждений, им нравится o3, а затем для настройки LLM, с их собственными данными и тонкой настройкой, им нравится либо наша серия Granite, либо Mistral с их небольшими моделями, или даже Llama ... это просто соответствие LLM правильному варианту использования. А затем мы также помогаем им давать рекомендации».

Ответом IBM на эту рыночную реальность стал недавно выпущенный модельный шлюз, который предоставляет предприятиям единый API для переключения между различными уровнями управления образовательными стандартами, сохраняя при этом наблюдаемость и управляемость во всех развертываниях.

Техническая архитектура позволяет клиентам запускать модели с открытым исходным кодом на собственном стеке вывода для чувствительных случаев использования, одновременно получая доступ к публичным API, таким как AWS Bedrock или Gemini от Google Cloud, для менее важных приложений.

«Этот шлюз предоставляет нашим клиентам единый уровень с единым API для переключения с одной степени магистра права на другую, а также обеспечивает наблюдаемость и управление на всех этапах», — сказал Руис.

Подход напрямую противоречит общей стратегии поставщиков, которая заключается в том, чтобы запереть клиентов в собственных экосистемах. IBM не одинока в использовании подхода с участием нескольких поставщиков при выборе модели. В последние месяцы появилось множество инструментов для маршрутизации моделей , которые направлены на направление рабочих нагрузок на соответствующую модель.

Помимо многомодельного управления, IBM решает новую проблему взаимодействия агентов с помощью открытых протоколов.

Компания разработала ACP (Agent Communication Protocol) и внесла его в Linux Foundation. ACP — это конкурентная попытка протокола Agent2Agent (A2A) от Google, который на этой неделе был внесен Google в Linux Foundation.

Руиз отметил, что оба протокола направлены на облегчение коммуникации между агентами и сокращение работы по индивидуальной разработке. Он ожидает, что в конечном итоге разные подходы сойдутся, и в настоящее время различия между A2A и ACP в основном технические.

Протоколы оркестровки агентов предоставляют стандартизированные способы взаимодействия систем ИИ на разных платформах и у разных поставщиков.

Техническая значимость становится очевидной при рассмотрении масштаба предприятия: некоторые клиенты IBM уже имеют более 100 агентов в пилотных программах. Без стандартизированных протоколов связи каждое взаимодействие агента с агентом требует индивидуальной разработки, что создает неустойчивую нагрузку на интеграцию.

Говоря о том, как сегодня ИИ влияет на предприятия, Руис полагает, что это должно быть нечто большее, чем просто чат-боты.

«Если вы просто делаете чат-ботов или пытаетесь только сэкономить с помощью ИИ, вы не занимаетесь ИИ», — сказал Руиз. «Я думаю, что ИИ на самом деле заключается в полной трансформации рабочего процесса и способа выполнения работы».

Различие между внедрением ИИ и трансформацией ИИ заключается в том, насколько глубоко технология интегрируется в существующие бизнес-процессы. Внутренний пример HR IBM иллюстрирует этот сдвиг: вместо того, чтобы сотрудники запрашивали у чат-ботов информацию о HR, специализированные агенты теперь обрабатывают рутинные запросы о компенсации, найме и повышениях, автоматически направляя их в соответствующие системы и передавая их людям только при необходимости.

«Раньше я проводил много времени, общаясь со своими партнерами по HR по многим вопросам. Теперь я решаю большую часть этих вопросов с помощью агента по HR», — объяснил Руис. «В зависимости от вопроса, касается ли это компенсации или просто урегулирования увольнения, найма кого-то или повышения по службе, все эти вопросы будут связаны с различными внутренними системами HR, и это будут как отдельные агенты».

Это представляет собой фундаментальный архитектурный сдвиг от моделей взаимодействия человека и компьютера к автоматизации рабочих процессов с участием компьютера. Вместо того, чтобы сотрудники учились взаимодействовать с инструментами ИИ, ИИ учится выполнять полные бизнес-процессы от начала до конца.

Техническое значение: предприятиям необходимо выйти за рамки интеграции API и оперативного проектирования и перейти к глубокому инструментированию процессов, позволяющему агентам ИИ автономно выполнять многоэтапные рабочие процессы.

Данные IBM о реальном развертывании указывают на несколько критических изменений в стратегии корпоративного ИИ:

Откажитесь от мышления, ориентированного на чатботов : организациям следует определить полные рабочие процессы для трансформации, а не добавлять диалоговые интерфейсы к существующим системам. Цель состоит в том, чтобы исключить человеческие шаги, а не улучшить взаимодействие человека с компьютером.

Архитектор для гибкости многомоделей : вместо того, чтобы привязываться к одному поставщику ИИ, предприятиям необходимы интеграционные платформы, которые позволяют переключаться между моделями на основе требований вариантов использования, сохраняя при этом стандарты управления.

Инвестируйте в стандарты связи : организациям следует отдавать приоритет инструментам ИИ, которые поддерживают новые протоколы, такие как MCP, ACP и A2A, а не фирменным подходам к интеграции, которые создают привязку к поставщику.

«Нам предстоит многое построить, и я продолжаю говорить, что всем нужно изучать ИИ, а особенно руководителям предприятий необходимо быть лидерами в области ИИ и понимать его концепции», — сказал Руис.