多年来，AI 在 IT 服务管理中的前景一直备受讨论。用于分流工单的聊天机器人。用于回答常见问题的虚拟智能体。用于路由请求的自动化。这些都很有用，但可能并不是您最初期待的理想状态。

如今的不同之处在于智能体 AI：这类系统不只是响应指令，还能在会产生实际影响的多步骤工作流中进行推理、行动和适应。对于 IT 领导者而言，问题不再是是否采用智能体化 ITSM，而是如何以足够完善的治理支撑其高速运行。

AI 智能体并不是即将来到您的服务台——它们已经在那里。Ivanti Neurons for ITSM正处于这一转变的核心，它将 AI 智能体直接嵌入事件管理、服务请求和知识管理中。

智能体化服务台的落地部署

智能体化 ITSM 员工队伍并不是多了几个步骤的聊天机器人。在 Ivanti Neurons 中，AI 智能体是针对特定 ITSM 角色专门构建的：在事件到达的瞬间进行分流和分类，端到端执行已获批准的变更工作流，无需分析师干预即可查询和核对CMDB，并提供真正能够解决问题的知识文章，而不只是把文章呈现出来。

这些智能体可在您现有的技术栈中运行。智能体 AI 智能体应覆盖您的整个技术栈，而不是孤立运作。我们的愿景是在ITSM、端点管理、补丁管理和安全领域部署智能体，从而赋能自主型企业。

以下介绍具有前瞻性的 IT 领导者如何治理和扩展智能体化 ITSM 员工队伍，并从中获得切实成果。

真正的成果，而非试点项目

对于已不再停留于 Ivanti Neurons for ITSM 试验阶段的组织而言，随着 AI 智能体在生产环境中逐步成熟，回报正在持续叠加。根据 Ivanti 自有的AITSM 研究：86% 的 IT 专业人员表示，AI 驱动技术是提升 IT 组织效率的关键，85%的人认为，根因分析和预测性维护等 AI 与自动化解决方案有助于减少 IT 工单量。

这些发现进一步印证了这一机遇的规模。尤为重要的是，58% 的组织已经将 AI 用于密码重置，52%用于员工入职——这些例行任务会消耗分析师的时间，却只能带来有限的战略价值。

分析师估计，解决一张 IT 工单的平均成本在 15 至 17 美元之间；对于升级请求，成本还会成倍增加。能够处理这类高频、低复杂度队列的 AI 智能体，不只是降低成本。它们还能让您最优秀的人才腾出时间，投入真正推动业务前进的工作。

— Ivanti AI：ITSM 自动化的未来报告。

在部署 Ivanti Neurons for ITSM 的各个行业中，这一转型正在发生：

  • 医疗保健：在多站点环境中自主解决设备配置和 EHR 访问请求，减少以往会拉长服务窗口的延迟。
  • 金融服务：AI 评分的变更风险可识别对 CAB 至关重要的标记，缩短审核时间，并在无需人工投入的情况下保持完整审计跟踪。
  • 制造业：端点健康信号会自动与未结事件关联，从而在融合的 OT 和 IT 环境中缩短 MTTR。

治理不只是护栏，更是引擎

表现最佳的智能体化 ITSM 组织有一个共同点：他们对AI 智能体治理投入的严谨程度不亚于变更管理。治理完善的智能体不只是执行任务，它们还会持续改进。缺乏治理的智能体会在不易察觉中退化：随着工单模式演变而发生漂移；知识文章逐渐过时；组织变化超出模型假设。

优秀的 ITSM 智能体治理在实践中是什么样的？

  • 明确自主边界。IT 团队需要精确配置哪些工作流步骤可以完全自主执行、哪些需要人工确认，以及哪些必须始终升级处理。
  • 通过每个触点的反馈循环实现持续改进。智能体会从分析师纠正、最终用户满意度评分和解决结果中学习。这些信号会汇总呈现，因此您的团队不只是关闭工单，还在改进自身流程。
  • 每个智能体操作都有审计跟踪。AI 智能体的每一项决策都应记录完整上下文——触发因素、使用的数据以及采取的操作。合规性是内建的，而不是事后附加的。
  • 真正有效的升级机制。智能体了解自身限制。当置信度低于可配置阈值时，AI 技术需要将其连同完整上下文无缝路由给合适的人工人员，让分析师无需从零开始。
  • 可信信息。AI 智能体必须使用您信任的数据，而不是依赖外部未知来源或幻觉。保持对数据源的控制，对于确保信息可靠至关重要。

IT 领导力新必备技能

向智能体化 ITSM 员工队伍的转变，正在改变高效 IT 管理者的定义。核心能力不再是工单吞吐量或流程合规性，而是编排由人类和智能体组成的混合团队的能力；以评估直属下属时同样严格的眼光评估智能体绩效；并根据不断变化的业务需求持续调优系统。

Ivanti 的 2025 年工作中的技术报告和2025 年 DEX 报告揭示了这一挑战：

  • 46% 的 IT 专业人员表示，由于新软件部署，工单量有所上升。
  • 34% 的帮助台将重复、耗时的任务以及解决时间过长列为最主要的痛点。

这些正是智能体 AI 旨在承接的压力，但前提是领导者要建立起管理和引导它的能力。

在 ITSM 中使用智能体 AI 的 IT 领导者，应考虑围绕智能体绩效评审建立每周节奏，就像评审分析师 KPI 一样，提出以下问题：

  • 哪些智能体表现不佳，原因是什么？
  • 哪些工作流已经适合扩大 AI 自主范围？
  • 哪些升级模式表明模型存在知识缺口？

在智能体 AI 方面处于领先地位的组织，不能再孤立地评估分析师和 AI 智能体。真正的绩效衡量，意味着将二者作为由人类和 AI 组成、共同朝着同一目标努力的整合团队来评估。

缓慢采用就是技术债

在 IT 领域，人们往往倾向于先把 AI 采用做“正确”，再进行大规模推广。这种本能可以理解，因为 ITSM 触及组织的每个部分，失败也会非常显眼。但风险计算已经发生逆转。到 2026 年，行动迟缓的代价并不是避免了风险，而是与那些每个季度都在叠加智能体化优势的组织之间不断拉大的差距。

Ivanti 的研究指出了真正的障碍：42% 的 IT 专业人员将安全与合规顾虑列为 IT 自动化面临的首要挑战。此外，44% 的组织已经投资 AI，但表示员工缺乏有效使用这些工具所需的技能或培训。这些问题都可以解决，但只有在领导层主动推进时才能解决。

智能体化 ITSM 的障碍很少是技术层面的，更多是组织层面的。AI 成果归属不清、激励机制不一致，以及分析师因担心被取代而非被增强所产生的文化阻力，都会阻碍 AI 的全面采用。

值得注意的是，到 2025 年，已有 74% 的 IT 专业人员在使用生成式 AI 工具，高于前一年的 66%。员工队伍正在前进。问题在于，组织是否也在同步前进，还是正在制造摩擦，促使这种采用转入地下。

推动真正转型的原则

致力于构建真正智能体化 IT 运营的组织，通常拥有共同的运营理念：

  • 从成果出发，而不是从用例出发。确定一个战略指标——SLA 合规性、MTTR、分析师与工单比率——然后倒推出能够推动该指标的智能体化工作流。
  • 将 AI 智能体视为具有入职计划的团队成员。新智能体会接受监督、通过反馈获得指导，并在绩效达到要求时逐步扩大自主范围，而不是上线生产后就被遗忘。
  • 像衡量人类绩效一样衡量智能体绩效。解决率、升级率、最终用户满意度和知识贡献都会按智能体工作流进行跟踪，而不只是停留在服务台整体层面。
  • 在提升 AI 能力的同时投资人的能力。服务台会变得更好，其中的人员也会同步成长。最优秀的分析师不会被取代，而是被重新培养为 AI 教练、工作流架构师和异常处理经理。
  • 在需要治理之前先建立治理。在首次部署时就配置自主阈值、升级逻辑和审计策略，而不是等到第一次事件发生后再处理。
  • 将 AI 智能体和分析师视为一个团队。 将 AI 智能体与人工分析师作为一个团队来规划、执行和评估。引导这个组合团队通过形成期、震荡期、规范期和高效执行期团队发展框架，建立能够推动真正成果的信任与凝聚力。

被动式服务台的时代正在结束。不再只是等待工单、处理队列，并以关闭率衡量成功。正在定义未来十年 IT 运营的组织，正在构建能够感知、推理和行动的主动式服务管理运营：由 AI 智能体处理规模化工作，由您最优秀的人才负责未来。

Ivanti Neurons for ITSM 正是为这样的服务台而构建。问题在于，您的组织是否已准备好领导这一转型。

准备好构建您的智能体化 IT 员工队伍了吗？

了解 Ivanti Neurons for ITSM 如何从第一天起就将 AI 智能体嵌入您现有的服务台工作流。了解更多。