IBM将“业务内嵌”而非“模型性能”定位为人工智能（AI）竞争的关键胜负手。其诊断认为，不应将AI局限于部分试点或实验阶段，而应将其深度植入企业整体运营之中，才能拉开绩效差距。
IBM（$IBM）首席执行官阿尔文德·克里希纳（Arvind Krishna）6日在美国波士顿举行的“IBM Think 2026”首日主题演讲中表示，AI时代的关键不在于拥有多少AI，而在于其被深度整合到实际业务流程中的程度。
他将当下定义为AI的“第零天”。这意味着，虽然AI已成为现实，但仍有众多企业仅将其有限地应用于边缘功能。IBM认为，如果错过这个过渡期，未来的机遇窗口可能会迅速关闭。
向AI优先企业的转型
克里希纳强调，AI已不再是一个单纯的技术项目，其本身实际上正成为“商业模式”。据此，他解释说，比预算规模或组织人员数量更重要的，是企业将AI驱动的运营架构在多大程度上构建到了最末端。
IBM指出，其内部通过引入AI已实现了45亿美元（约合6.5533万亿韩元）的生产力提升效果。同时，IBM还强调了另一个现象：越来越多的企业并未止步于用这种生产力提升来削减成本，而是将其再投资于新产品、新服务及新的收入来源。
沙特阿美公司被作为案例呈现。IBM将阿美公司介绍为“AI优先”企业，并说明其已超越简单的概念验证阶段，将AI投入到实际现场运营中。其核心在于，通过结合现场领域专业知识、中小企业培训以及缩短业务周期，从而创造可衡量的价值。
不过，这类变革很可能无法在短期内完成。尽管IBM传递的信息明确，但实际改变数据结构、决策体系及组织设计的工作，可能是一场耗时数年的重大转型。市场上有观点认为，这种运营模式的转型可能需要十年左右才能完全稳固。
混合架构是AI的基础
基于企业数据并非仅存在于单一地点的现实，IBM再次强调了“混合”战略，即AI应当主动走向数据所在之处。其逻辑在于，对单一系统依赖越大，故障和安全风险也越大，因此具备稳定性和弹性的架构至关重要。
该战略的支柱包括：红帽OpenShift、对HashiCorp的收购、实时数据流处理能力以及watsonx.data。IBM特别认为，必须将实时数据与治理相结合，以确保AI代理能够基于可信赖的信息运行。
客户案例中提到了 Elevance Health。IBM解释称，该公司通过利用数百个数据点的客户虚拟助手来指导保险福利和费用，并通过数据共享层提高了医疗服务提供者之间的互操作性。此外，该公司还使用AI代理进行支付完整性监控，即防范欺诈、浪费和滥用行为。
IBM传达的核心信息很明确：AI的成效并非通过添加一个聊天机器人就能产生。只有在数据基础和平台实现现代化之后，将治理内嵌于从规划到部署的整个流程中，并将AI植入工作流，才能产生实质性效果。
量子计算，商业化进程快于预期
在量子计算方面，IBM也对传统观念划清了界限。它主张，无论是“科幻级别”的观感还是“被高估”的评价都是错误的，该领域正从“科学”阶段迈入“工程”阶段。
克里希纳解释说，量子优势正以快于预期的速度到来，且量子计算与AI并非竞争关系，而是互补关系。量子计算能够帮助AI解决其难以计算的问题，反之，AI则能加速算法和工作流的改进。
克利夫兰诊所被作为案例呈现。IBM评价称，该机构正在将量子技术应用于生物医学领域的发现和大规模模拟中，这是一项可能改变生物学及疗法认知方式的重要变革。
IBM力推的AI产品系列
在本次活动中，IBM还重点推出了一些支持运营模式转型的新产品和平台。
“IBM Bob”被介绍为一个超越了单纯代码辅助的平台，能够支持从规划到部署的整个开发过程。IBM表示，已在公司内部大规模使用该工具，并确认了其在提升生产力和交付速度方面的效果。
“主权核心”被定位为一个解决方案，旨在即便在监管及地缘政治变化的环境下，也能在执行环境层面维持主权和控制。
以公开预览形式推出的“Concert”，被描述为一个在日益复杂的系统环境中，超越简单监控、执行AI驱动的协调与响应的层级。
缺失的关键拼图：“集成层”
本次主题演讲被评价为始终如一地呈现了“AI优先”、“混合”和“治理”这三大主线。然而，也有观点指出，要弥合企业AI雄心与实际运营执行之间的差距，需要一个将分散的数据整合为统一语义体系的上层架构。
这意味着，需要存在一个层级，能够连接多个云、应用程序和边缘环境中分散的数据、策略、权限和流程，并将其转化为“可信的工作表达”。仅靠添加更多连接器来汇聚数据的方式，难以让AI代理安全且可重复地运行。
IBM被评价已具备实时数据、治理、混合基础设施和AI平台这些核心要素。然而，后续分析认为，只有将这些要素更清晰地呈现为一个完整的“端到端集成故事”，IBM方能增强其市场主导力。
归根结底，IBM此次传达的信息旨在将AI从一项独立功能重新设计为企业运营的核心主轴。AI竞争如今已从技术演示转向执行架构的竞争，而最终的胜利者，很可能属于那些能够整理、控制数据并将其与实际工作流程相连接的企业。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被省略或与事实不符。