将孤立的试点项目扩展为全企业范围的采用，从而实现AI价值的规模化，仍然是许多组织面临的主要障碍。
虽然生成式模型的实验已变得无处不在，但将这些工具工业化（即为其添加必要的治理、安全和集成层）往往停滞不前。为弥合投资与运营回报之间的差距，IBM 推出了一种新的服务模式，旨在帮助企业构建而非单纯开发其内部 AI 基础设施。
采用基于资产的咨询服务
是致力于改变这一局面的公司之一，通过提供基于资产的咨询服务来实现这一目标。该方法将标准的咨询服务专长与预构建的软件资产目录相结合，旨在帮助客户构建和管理自己的人工智能平台。
组织无需为每种工作流程定制开发，而是可以利用现有架构来重新设计流程，并将AI代理连接到旧系统。这种方法有助于企业在无需更改现有核心基础设施、AI模型或首选云提供商的情况下，通过扩展新的代理应用程序来实现价值。
管理多云环境
企业领导者经常担忧供应商锁定问题，尤其是在采用专有平台时。IBM的策略承认了异构企业IT环境的现实。该服务支持多供应商基础架构，兼容亚马逊云科技、谷歌云和微软Azure，以及IBM watsonx。
这种方法延伸至模型本身，支持开源和闭源两种版本。通过允许企业基于现有投资进行构建，而非要求其采用替换策略，该服务解决了阻碍采用的一个障碍：即切换生态系统时对技术债务累积的担忧。
该产品在技术上依托于IBM Consulting Advantage，这是该公司内部的交付平台。IBM利用该系统支持了超过150个客户项目，并表示该平台使其内部顾问的生产力提升了高达50%。其理念是，如果这些工具能加速IBM自身团队的交付，那么也应该能为客户提供类似的效率提升。
该服务提供了一个行业特定AI代理和应用程序的市场。对于企业领导者而言，这表明了一种“平台优先”的关注点，即注意力从管理单个模型转向管理一个由数字员工和人类员工组成的连贯生态系统。
积极部署以平台为中心的AI价值规模化方法
这种以平台为中心的方法的有效性，最好通过实际部署来观察。培生这家全球学习公司目前正在利用这项服务构建定制化平台。他们的实施将人类专业知识与代理助手相结合，以管理日常工作和决策流程，展示了该技术在实际运营环境中的运作方式。
同样，一家制造企业也采用了IBM的解决方案来制定其生成式AI策略。对于这家客户，重点在于识别高价值用例、测试定向原型，并让领导者围绕可扩展的策略达成一致。结果是在安全可控的环境中部署了使用多种技术的AI助手，为企业范围内的更广泛扩展奠定了基础。
尽管生成式AI备受关注，但其对资产负债表的实际影响能否实现尚无定论。
“许多组织正在投资AI，但在大规模实现真正价值方面仍面临重大挑战，”IBM咨询公司高级副总裁兼负责人Mohamad Ali指出。“我们在IBM内部通过利用AI转型自身运营并取得可衡量的成果，解决了许多此类挑战，这为我们提供了一套经过验证的方案，以帮助客户取得成功。”
这场对话正逐渐从特定大型语言模型（LLM）的能力转向运行它们所需的安全架构。AI规模化应用并实现价值的成功，很可能取决于组织在整合这些解决方案时能否避免形成新的数据孤岛。领导者必须确保在采用预构建的智能工作流时，能够保持严格的数据溯源和治理标准。
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
