从基准测试到业务影响：IBM通用智能体在企业生产环境中的部署

智能体在自动化数字工作方面正迅速发展，但企业面临的更艰巨挑战在于：超越原型，部署能够交付可衡量业务价值的系统。这一路径受限于框架碎片化、开发缓慢以及缺乏标准化评估实践。通用智能体作为一种有前景的方向，已在学术基准测试中取得优异成绩，并在任务类型、应用和模态方面提供灵活性。然而，其在生产企业环境中的实际应用证据仍有限。本文报告了IBM开发和试点通用计算机智能体(CUGA)的经验，该系统已开源(https://github.com/cuga-project/cuga-agent)。CUGA采用具有强大分析基础的分层规划-执行架构，在AppWorld和WebArena上实现了最先进的性能。超越基准测试，它在业务-流程- Outsourcing人才招聘领域进行了评估，满足企业对可扩展性、可审计性、安全性和治理的要求。为支持评估，我们引入了BPO-TA——一个覆盖13个分析端点的26任务基准。在初步评估中，CUGA接近专用智能体的准确率，同时表明其潜在可减少开发时间和成本。我们的贡献有两个：首次呈现通用智能体在企业规模下运行的初步证据，以及从此初始试点中提炼的技术和组织经验教训。我们概述了推动研究级架构如CUGA迈向稳健、企业就绪系统的要求和下一步工作。