挑战

联邦机构面临员工老龄化和数十年的遗留系统问题，导致难以快速且经济高效地处理关键申请。使用传统的 RPA 工具协调多个同步和异步系统，在速度、可伸缩性和业务规则控制方面存在差距。

在 IBM 工作 24 年，其中 7 年致力于为美国联邦客户构建 AI 自动化平台后，Naran 于 2024 年开始探索多智能体框架。到 2025 年，他的团队已经在联邦机构内部运行了两个 CrewAI 试点项目，并与 IBM 的 WatsonX 基础模型运行时集成。

CrewAI 提供了一个实践性强的开源框架，该框架快速成熟，允许架构师将 AI 智能体与自定义代码和业务规则结合，并与 WatsonX 无缝集成。CrewAI 团队的强大支持促使 IBM Consulting 为多个联邦交易寻求企业许可。

在实施过程中，Naran 及其团队：

• 构建了混合“AI 流程 + Crew 智能体”架构，以控制基于规则的决策与自主智能体的运行时机。
• 部署了多个智能体，用于从文档中提取申请人数据、汇总发现并计算项目资格。
• 将 CrewAI 与 WatsonX.AI 集成，以利用 IBM 的基础模型运行时，同时协调遗留系统和现代系统。

早期试点项目显示，与传统的 RPA 相比，资格判定更快、更高效——减少了跨不同系统的手动协调。IBM Consulting 正在与联邦机构敲定企业许可协议，目标是将试点项目全面投入生产，并在政府范围内推广智能自动化。