IBM Think 2026：企業 Agent 不是模型題，是管理制度題

企業 AI 很容易走到一個分岔點：一邊是越來越多 agent prototype，另一邊是越來越不清楚的資料、權限、流程和營運責任。每個部門都能展示一個「看起來有用」的 agent，但沒有人知道它上線後誰維護、資料從哪裡來、出錯時誰負責。

這是很多 AI 專案最不漂亮、也最真實的地方。公司不是沒有模型，不是沒有 demo，而是沒有把 AI 當成一種要被營運的能力。沒有制度，prototype 越多，管理負債越重。

IBM 在 Think 2026 的大包公告，最值得看的不是產品數量，而是它把問題命名為 AI operating model。官方把 agents、data、automation、hybrid 四個系統放在一起，說企業要管理 AI-driven systems，就要像管理關鍵基礎設施一樣，有治理、規模與營運紀律。

這個說法有供應商立場，但方向是對的：agent adoption 失敗，往往不是因為模型少一個版本，而是公司沒有一套讓 agent 穩定工作的管理制度。

四層比一個漂亮 agent 更重要

第一層是 agents。IBM 談下一代 watsonx Orchestrate，重點是多來源 agent 的部署、政策與 accountability。企業問題不是「能不能做一個 agent」，而是成百上千個 agent 由不同團隊建立後，誰知道它們在做什麼。

第二層是 data。agent 如果沒有即時、可解釋、受治理的 business context，就只能在片段資料上猜測。IBM 把 watsonx.data context、Confluent 與即時資料層放進同一個故事，是在說 agent 要行動，必須先知道現在企業發生什麼。

第三層是 automation。IBM Concert 這類 operations platform 的位置，是把 insight 變成 coordinated response。agent 不能只產生建議，還要接到 incident、security、infrastructure、workflow 等可執行流程。

第四層是 hybrid governance。大型企業的 AI 不會只跑在單一雲端或單一司法管轄。Sovereign Core 這類語言反映的是合規、資料主權、可攜性與跨環境控制。

產品清單背後，是四個管理問題

對讀者來說，IBM Think 2026 可以轉成四個問題。

你的 agent 是否有 owner、政策與日誌？你的資料是否能提供即時 context，而不是只讓 agent 搜文件？你的 automation 是否能把建議送進真正流程？你的治理是否跨雲、跨資料中心、跨法規環境仍能一致？

如果答案是否定的，新增 agent 只會增加管理負債。它們會分散在不同部門、吃掉不同資料、用不同權限行動，最後讓 IT、法務、資安和業務主管一起收拾一堆說不清楚的自動化。

不要把 operating model 當成口號

IBM announcement 裡有許多 availability 狀態，從 GA 到 private preview 都有；草稿不能把它們寫成全部已成熟可用。IBM 提到的成本節省或客戶案例，也必須留在官方案例邊界內。

但這篇的 Signals reading 可以很清楚：企業 AI 的下一步不是買更多模型，也不是讓每個部門各自長出 agent。真正的門檻，是把 agent、資料、automation 與 governance 組成可營運的系統。

沒有 operating model，agent 越多，組織越亂；有了 operating model，AI 才可能從實驗變成基礎設施。IBM 這次的重點，不是告訴市場又多了幾個產品，而是提醒企業：AI 進入日常營運後，真正稀缺的不是模型，而是能把模型變成可靠工作的管理能力。

林子睿（編輯：廖玄同），《IBM Think 2026：企業 Agent 不是模型題，是管理制度題》，矽基前沿 [Si]gnals，2026-05-06。https://signals.tw/articles/ibm-think-2026-agentic-operating-model/