大型机智能体化
内容提要
BMC提出“大型机智能体化”愿景，使AI原生适配大型机，融合数十年专业经验、企业知识与实时运维情境，并内嵌治理。该愿景包含六大特征：大型机原生专长、集成智能、企业开放、受控执行、客户数据保护与投资保护。调查显示，用户更倾向AI先提供建议而非自主执行，信任需逐步建立。BMC已推出AMI Agentics等方案，用于运维、数据与开发流程，以提升效率与信心。
延伸解读
信任先于自主：调查数据揭示的采用节奏
2026年BMC大型机调查显示，用户对AI自主完成诊断操作的接受度从32%降至23%，而偏好AI生成建议的比例从36%升至41%。这并非抵触AI，而是组织在谨慎界定信任边界。文章据此提出“信任必须先于自主”，AI应先作为顾问，随成功交互积累再逐步扩大权限。对计划引入智能体的团队而言，这意味着初期应优先部署可解释、可审批的建议型功能，而非直接追求端到端自动化。
治理内嵌而非外挂：四个支柱决定落地质量
BMC强调“治理 by design”，将治理直接嵌入运营模型，而非事后追加功能，具体覆盖智能体表现、资源利用、策略合规与可审计活动追踪四个支柱，并在需要干预或审批处保留人在回路。这一设计回应了大型机场景对可控性的高要求：智能体越深入关键工作流，越需要明确的策略边界与审计记录。读者评估方案时，可重点考察治理是否与工作流一体、审批点是否可配置。
从愿景到工作流：已落地的三类场景
文章列举了BMC AMI Agentics的实际应用：运维侧用于CPU异常调查、Db2 probable cause分析与REXX脚本自然语言解释；数据侧通过AI Reorg Advisor和SQL Workload Advisor解释建议并指导优化；开发侧则以处于beta的Code Pipeline MCP服务器，让Cursor、GitHub Copilot、Claude Code等助手接入大型机构建与部署流程。这些场景的共同点是让智能体调查、分析、解释和推荐，而非取代操作员、开发者或数据人员。
投资保护与开放性的现实考量
BMC将“投资保护”列为六大特征之一，明确其目标是扩展现有大型机、BMC AMI与企业AI投资，而非另建孤立平台或零散点方案；同时强调企业开放性，安全对接企业工具、模型、智能体与生态。对已有大型机运维体系的组织，这降低了重复建设的顾虑，但也意味着效果取决于与现有工具链的集成程度。文章未给出具体定价或性能数据，选型时仍需结合自身工作流验证。
Q&A
BMC提出的“大型机智能体化”具体指什么？
BMC提出的“大型机智能体化”是指让AI原生适配大型机，将数十年专业经验、企业机构知识与实时运维情境相结合，并内嵌治理，使AI成为理解工作流上下文、能在受控边界内协调行动的专用智能体，从而扩展人类专业能力，而非简单地将通用AI工具接入大型机。
大型机智能体化愿景包含哪六大特征？
六大特征包括：大型机原生专长（将专业大型机知识应用于关键工作流）、集成智能（连接专业知识、机构知识和实时运维情境）、企业开放（安全集成企业工具、模型、智能体和生态）、受控执行（对智能体行动应用策略、监督、透明度和控制）、客户数据保护（企业数据受既定安全、访问和控制策略治理）、投资保护（扩展现有大型机、BMC AMI和企业AI投资，而非创建孤立平台）。
调查显示用户对AI自主执行大型机任务的接受度如何变化？
2026年BMC大型机调查显示，随着对AI熟悉度提高，用户并未更愿意交出完全控制权。在AI问题诊断方面，愿意让AI完成动作的比例从32%降至23%，而偏好AI生成建议的比例从36%升至41%。这表明许多大型机领导者将AI首先视为顾问，之后才视为自主执行者，信任需逐步建立。
BMC如何实现“设计即治理”？
BMC将治理直接嵌入运营模型本身，而非事后作为附加功能。治理贯穿四大支柱：智能体性能、资源利用率、策略合规性和可审计的活动跟踪。同时采用人在回路的方法，在需要干预或批准的地方纳入人工监督，使大型机原生AI能够从智能审慎地走向行动。
BMC AMI Agentics for Ops 提供了哪些具体功能？
BMC AMI Agentics for Ops 提供专用智能体工作流，推进定义的运维调查、解释发现并推荐下一步，用于主动异常检测和AI引导的根本原因分析。具体包括：BMC AMI Ops Monitoring中的智能体CPU调查加速CPU峰值排查；BMC AMI Ops Insight中融入智能体AI提供Db2可能原因洞察并推荐下一步；BMC AMI Ops Automation中新的解释智能体用平实语言解释REXX脚本，帮助操作员快速理解现有自动化脚本。
BMC如何让AI辅助大型机应用开发？
BMC通过新的BMC AMI DevX Code Pipeline MCP服务器（目前处于测试阶段），让开发者将熟悉的AI编码助手（如Cursor、GitHub Copilot和Claude Code）连接到大型机构建和部署流程。这样大型机不再是独立的开发环境，而是融入开发者日常使用的AI辅助工作流，使开发者能用已知工具将大型机作为现代开发体验的自然组成部分。
