将人工智能（AI）应用从零散的试点项目扩展到覆盖全企业的规模化部署，仍是众多组织在推进数字化转型时面临的关键难题。

在生成式AI快速普及的背景下，企业内部对大模型的实验性尝试已相当常见。但在将这些工具纳入标准化、可治理、可集成的企业级体系方面，许多项目停滞在“概念验证”阶段，难以形成可持续的运营回报。围绕这一痛点，IBM推出一项新的服务模式，目标是帮助企业在现有基础上“组装”而非从零“自建”内部AI基础设施，以缩小投资与实际业务收益之间的差距。

基于资产的咨询模式

在传统咨询模式下，系统集成和流程改造高度依赖人工投入，项目周期长、成本高。IBM提出的“基于资产的咨询”（asset-based consulting）试图改变这一路径，将咨询方法论与预构建的软件资产目录结合使用。

据介绍，该模式为客户提供一套可复用的架构和软件资产，用于搭建和治理自身的AI平台。企业无需为每一个业务流程单独定制开发，而是可以在既有架构之上重新设计流程，将AI代理与现有的遗留系统连接起来。

在这一框架下，企业可以在不更换核心IT基础设施、不更换既有AI模型、也不改变既定云服务提供商的前提下，扩展新的AI代理应用场景，从而在控制改造成本的同时，逐步放大AI带来的业务价值。

面向多云和多模型环境

在推进AI平台化建设时，供应商锁定是企业管理层普遍关注的风险之一，尤其是在采用高度封闭的专有平台时。IBM在新服务中强调对企业IT环境“异构现实”的适配能力。

该服务支持多供应商、多云基础架构，可运行在亚马逊网络服务（AWS）、谷歌云（Google Cloud）、微软Azure以及IBM watsonx之上。同时，在模型层面也兼容开源与闭源多种类型，允许企业在既有技术与投资基础上扩展能力，而非通过“推倒重来”的方式重建生态。

IBM方面表示，这一策略旨在缓解企业在切换技术栈时对技术债务累积的担忧，降低在现有生态中引入新AI能力的门槛。

该服务的技术底座是IBM内部的交付平台IBM Consulting Advantage。IBM称，已利用该平台支持超过150个客户项目，并在内部实践中观察到咨询团队生产力最高可提升约50%。公司认为，如果该平台能够显著提升自身交付效率，也有望为客户带来类似的效率改善。

在应用层，该服务还提供一个行业化AI代理和应用的“市场”，涵盖面向不同行业场景的预构建解决方案。对业务管理者而言，这意味着从“单一模型管理”转向“平台优先”，更关注由数字与人类工作者共同构成的整体工作生态系统的管理与编排。

以平台为中心的部署实践

IBM表示，以平台为中心的方法正在通过具体项目逐步落地。全球学习公司培生（Pearson）目前正在利用该服务构建定制化平台，将人类专家与AI代理助手结合，用于管理日常工作和决策流程，以展示相关技术在实际运营环境中的应用方式。

另一家制造企业则采用IBM方案来规范其生成式AI战略。该客户首先聚焦识别高价值用例，并围绕这些用例测试针对性原型，同时推动管理层就可扩展的整体战略达成一致。基于这一过程，该企业在受控且具备治理机制的环境中部署了使用多种技术的AI助手，为后续在企业范围内进一步扩展应用奠定基础。

IBM咨询高级副总裁兼负责人Mohamad Ali表示：“许多组织正在投资AI，但在规模上实现真正价值仍是重大挑战。我们通过利用AI转型自身运营并交付可衡量成果，解决了许多挑战，拥有一套经过验证的方案，帮助客户取得成功。”

在相关讨论中，关注点正从单个大型语言模型的功能，逐步转向支撑其安全运行所需的整体架构设计。业界观点认为，AI能否在资产负债表层面产生实际影响，并非自然而然的结果，其成效在很大程度上取决于组织在引入新解决方案时，是否能够避免形成新的信息孤岛。

在采用预构建的AI代理和工作流程时，如何保持严格的数据溯源和治理标准，也被视为企业在推动AI规模化应用过程中需要重点把控的环节。

**相关阅读：**摩根大通将AI支出视为核心基础设施