Ivanti 博客: 作者

智能体 AI 如何变革基础设施与运营

Thu, 11 Jun 2026 13:35:04 Z

基础设施与运营 (I&O) 团队长期以来一直处于一个熟悉的悖论之中：业务扩展得越快，I&O 承受的压力就越大。每一次新应用部署、每一个新增端点，以及每一个启动的云工作负载，都会带来更多复杂性、更多风险和更多工单。

面对这种压力，传统应对方式——增加人员、增加工具、增加脚本、增加 API——充其量只能带来有限缓解。然而，核心结构性问题，也就是被动式运营的底层架构，始终顽固地存在着。直到现在。

智能体 AI正在彻底重塑这一架构。

IT 与运营 (I&O) 中的 AI 已经超越了辅助和建议阶段。能够推理、规划、执行和学习的自主智能体如今已经投入运营，而不再只是未来路线图中的项目。正在有意识部署智能体 AI 的组织已经看到了显著收益。我们的 2026 年 AI 成熟度研究报告发现，57% 的 IT 组织正在将智能体 AI 用于多项重要 IT 工作流，其中 17% 依靠它支持广泛的端到端流程。这种部署正在将解决时间从数小时压缩到数分钟，并且每季度可分流数千张手动工单。

此外，在已将 AI 扩展到广泛应用或业务关键级别的组织中，89% 表示 AI 经常帮助团队在最终用户察觉之前发现问题；而处于早期试验阶段的组织中，这一比例为 43%。这一转变正在推动 I&O 从被动响应转向主动、智能的运营姿态。

剩下的问题是，您的组织能够以多快的速度在 I&O 环境中大规模实施智能体 AI？

了解更多：借助智能体 AI 变革 IT：加速型自主服务的黎明

为什么传统自动化已经触及天花板

要理解智能体 AI 的重要意义，有必要先了解它之前的技术形态，以及为什么这些技术始终无法完全满足需求。

I&O 中的传统自动化曾经创造了巨大价值。运行手册将组织知识固化下来。脚本将重复性流程标准化。机器人流程自动化 (RPA) 机器人处理基于结构化规则的工作流。这些工具在一定程度上减少了人工工作量，使团队能够在人员规模不变的情况下完成更多工作。但它们从根本上始终较为脆弱——依赖明确指令，无法适应新情况，也无法在没有人员操控的情况下采取行动。

以一个典型场景为例：凌晨 2 点，一次补丁部署在部分端点上失败。基于规则的自动化可能会记录故障并创建工单。更复杂的脚本可能会尝试重试。但二者都无法诊断故障是源自应用冲突、代理损坏、网络分段问题，还是策略配置漂移。二者都无法实时调整修复策略。二者也无法向服务台传达上下文、更新 CMDB，或根据受影响资产的关键性进行智能升级。于是，一名人工工程师会收到呼叫。循环继续。

这就是传统自动化的天花板：它执行指令，但不会思考。它自动化任务，却无法编排结果。随着基础设施环境呈指数级变得更加复杂——横跨本地、多云、边缘和混合架构——基于规则的自动化所能处理的范围，与 I&O 团队实际所需之间的差距，已经扩大成一道鸿沟。

智能体 AI 正是弥合这一差距的答案。

智能体 AI 对 I&O 意味着什么

智能体 AI 系统能够独立设定目标、制定实现目标的计划、跨工具和系统执行多步骤操作、评估结果并调整方法——所有这些都无需在每一步都由人工介入。与回答问题的聊天机器人或执行预定义工作流的脚本不同，智能体系统以目标为导向并具备自适应能力。它贯穿任务从识别到解决的完整生命周期。

在 I&O 场景中，这意味着自主智能体可以完成以往需要熟练工程师，或一整套复杂而脆弱的自动化脚本链才能完成的工作：关联来自不同监控系统的信号，识别事件根本原因，执行适当修复，验证修复是否奏效，更新相关记录，并闭环处理——所需时间可能只相当于人工打开一张工单。

这种转变不只是运营层面的，也是理念层面的。我们正在从由人员发起行动、自动化执行行动的模式，转向由智能代理发起、执行并验证行动，而人员负责监督和治理的模式。对于 I&O 领导者而言，这并不是对团队的威胁，而是团队有史以来最强大的效能倍增器。

智能体 AI 助力 I&O 大规模运行

服务台工单队列是 I&O 职能承压时最明显的症状。密码重置、软件安装、访问权限配置、连接故障排查——这些高频、低复杂度请求占用了分析师大量时间，并推高运营成本。对于需要立即解决问题，而不是等待 48 小时 SLA 窗口的员工而言，它们也非常令人沮丧。

了解更多：从工单处理者到团队领导者：管理智能体 IT 员工队伍

消除工单队列带来的瓶颈

智能体 AI 消除了队列这一瓶颈。试想拥有一个对话式 AI 智能体，例如 Ivanti Neurons AI Self Service Agent，它不仅能从知识库中检索答案，还能验证身份、检查合规策略、执行配置工作流、确认记录系统中的变更，并通知请求者，所有这些都可在数分钟内完成。工单根本不会到达人工分析师手中。分析师的时间得以释放，用于需要人工判断的工作。

现在，再试想为分析师释放更多时间来处理复杂任务。智能体 AI 数字队友可与人工坐席协同工作，提供主动洞察，建议解决问题的最佳方式，并通过智能操作实现自动化。

在服务台中部署智能体 AI 的组织持续报告称，工单量显著下降——通常在部署第一年内即可实现，并随着系统成熟和学习进一步累积成效。这并不是传统意义上的自动化，而是大规模智能编排。

在用户感受到影响之前主动修复

I&O 中成本最高的事件，往往是那些本可以预防的事件。例如，磁盘容量直到达到 100% 才被发现；证书到期直到服务中断才被跟踪；软件漏洞直到被利用后才被修补。事后看来，这些故障几乎总是可以预测的——信号一直存在。问题在于，没有人能够始终监控所有内容。

自主端点管理结合智能体 AI，可持续监控端点、网络、应用和云基础设施中的遥测数据。智能体能够检测异常、关联微弱信号，并在问题演变为中断或安全事件之前开始修复。容量趋于上限的磁盘会得到扩展。即将到期的证书会得到续订。存在漏洞的端点会在下一个维护窗口进行修补，在风险被利用之前消除隐患。

从被动到主动的转变，是智能体 AI 为 I&O 带来的最高价值能力。它不仅降低事件成本，还能预防事件本身，以及随之而来的停机、业务中断和声誉损害。对于 I&O 领导者而言，这一转变重新定义了运营成功的衡量方式。指标从平均解决时间这一被动指标，转向平均预防时间：您的环境在业务受到影响之前检测并纠正问题的频率。

在不增加人员规模的情况下实现扩展

企业 IT 环境的增长速度快于 IT 预算。端点与工程师的比例持续扩大。云工作负载不断增加。安全要求日益强化。在这种环境中，“招聘更多人员”这一传统杠杆既不具备财务可持续性，也不足以满足运营需求——人才市场根本无法提供所需数量的熟练工程师。

智能体 AI 重新定义扩展方程。自主智能体没有固定工作时间、认知带宽限制或入职培训周期。它可以在数千个端点上并发处理数百项任务，而性能或质量不会下降。随着环境增长，智能体也随之扩展——不是线性扩展，而是指数级扩展。一个配置良好的自主智能体可以覆盖以往分布在多名初级分析师之间的工作负载，让高级工程师专注于架构、创新和战略计划，而不是日常修复。

这并不是要取代人员，而是让他们能够在其技能应有的层级上发挥作用。

以记录系统作为成功基础

有效部署智能体 AI 所需的不仅是强大的 AI 引擎，还需要可信且全面的数据基础——这一基础正是内置于 Ivanti Neurons 基础中的记录系统，其中包含设备智能、漏洞与暴露、软件清单和服务管理信息等权威数据源。该记录系统能够了解存在哪些资产、资产归属以及它们是否合规。

在 I&O 场景中，记录系统是 IT 环境的权威真实来源：每一项硬件和软件资产、每一项配置、每一种关系、每一项策略、每一次变更。它是让自主智能体能够自信决策的智能层。没有它，在您的环境中运行的智能体只能猜测。有了它，智能体就能基于事实进行推理。

I&O 中最有效的面向智能体 AI 的记录系统整合了多个关键要素。配置管理数据库 (CMDB) 数据必须准确、实时并经过丰富——不是大多数组织继承下来的陈旧、手动更新的存储库，而是对实际环境进行动态维护的记录。IT 资产管理 (ITAM) 则用于管理资产从创建到处置的全生命周期，并确保保持准确的所有权信息。

服务管理工作流必须实现全面集成，使智能体能够在执行流程中创建、更新和解决工单。身份与访问数据必须可访问，使智能体能够围绕配置和权限做出符合策略的决策。来自监控、漏洞和性能工具的遥测流也必须汇入统一上下文，供智能体实时查询。

当这些要素就位时，自主智能体就能精准运行。它们知道哪些资产至关重要，哪些并非如此。它们知道哪些变更需要审批，哪些属于既定自动化边界。它们了解资产的历史——既往故障、待处理补丁、已安装软件、活动漏洞——并将这些上下文应用到每一次决策中。

如果组织试图在不投资记录系统的情况下部署智能体 AI，通常会发现其智能体产生的结果不一致，或需要人工持续纠正。AI 的智能程度取决于它能够访问的数据。投资数据质量和集成并不是可以推迟的前置条件——它正是决定智能体 AI 能够带来变革性价值，还是仅实现有限改进的关键工作。

业务价值：超越效率指标

智能体 AI 在 I&O 中带来的运营收益本身就很有说服力。解决时间更快。工单量更低。平均检测与修复时间缩短。这些指标能够引起 I&O 领导者共鸣，并从纯成本效率角度证明投资的合理性。

但其业务价值远不止服务台仪表板所显示的内容。

当 I&O 团队从被动、重复性工作中解放出来时，他们可以将能力转向推动竞争差异化的计划：加速应用部署、强化安全态势、支持数字化转型项目，并构建业务增长所需的弹性、可扩展基础设施。I&O 职能将从吸收运营噪音的成本中心，演进为塑造业务成果的战略推动者。

员工体验是这一价值中经常被低估的维度。当员工的请求能够获得即时、智能的响应，而不是排在耗时数天的工单队列中时，他们的生产力会提高，对 IT 的挫败感也会降低。在员工体验成为人才获取和保留竞争差异化因素的时代，一个无摩擦、响应迅速的 IT 职能是真正的业务资产。

智能体 AI 还能够显著降低风险。在一次勒索软件事件就可能造成数百万停机和修复成本，且安全不合规的监管处罚不断加重的环境中，主动漏洞管理和自动化策略执行能够提供可量化的风险缓解，其价值不仅在 IT 组织内部，在董事会层面和 CFO 办公室中同样具有说服力。

最后，智能体 AI 的价值会随着时间持续复利增长。每一次交互、每一次解决、每一次升级决策都会生成数据，从而改善智能体未来的表现。与会随着环境变化而退化的静态自动化不同，智能体系统会适应并改进，为初始投资带来越来越高的回报。

未来路径

基础设施与运营正在经历一场关键转型。在企业 IT 领域，我们如今管理的系统比以往任何时候都更加复杂、分布更广，也更关系到业务成功。I&O 面临的需求达到历史高位。然而，依赖被动人工干预和脆弱规则驱动自动化的传统运营模式，已经达到其能力上限。

智能体 AI 提供了一种从根本上更优的模式：由智能、自主的代理持续、准确、大规模地处理基础设施管理中高频、时间敏感且日益复杂的工作，而您的工程师则专注于让组织更具竞争力和韧性的战略性工作。

如今投资这一能力的组织，并不只是改进其 IT 运营。他们正在构建一种能够满足未来十年企业技术需求的 I&O 职能。我们相信，这是每一位 I&O 领导者都应努力达到的标准，而智能体 AI 是实现这一目标最强大的可用工具。

在驾驭 IT 服务管理向智能体 AI 的转变中，了解 Ivanti 的智能体 AI 能力如何帮助 I&O 团队变革运营。

借助智能体 AI 转型 IT：加速自主服务时代的开启

Tue, 19 May 2026 14:49:37 Z

IT 服务管理 (ITSM) 行业正处于真正的拐点。数十年来，服务台一直基于一种根本上偏被动响应的模式运行——员工遇到问题、提交工单，然后等待人工分析师诊断、分流并解决问题。自动化提升了这一模式下的处理吞吐量，但从未真正挑战这一模式本身。

拐点：为什么 ITSM 将从此不同

智能体 AI 彻底改变了这一局面。智能体系统并非只是加快人工处理请求的速度，而是能够理解意图、提取上下文信息、选择行动路径、跨企业工具执行操作并确认结果，无需等待人工在每个步骤点击“批准”。我们正在见证 IT 服务管理向 IT 服务自主化的转变，这对每一位 CIO、CISO 和 IT 领导者都意义深远。

这些数据进一步凸显了紧迫性。Gartner预测，到 2026 年底，约 40% 的企业应用将嵌入面向特定任务的 AI 智能代理，而 2025 年这一比例还不到 5%。Gartner 研究还预测，到 2029 年，70% 的企业将部署智能体 AI 代理来同步运营其 IT 基础设施，而目前这一比例还不到 5%。

这些并非渐进式变化，而是对技术组织如何交付、保护和优化服务的一次全面重塑。

从脚本化机器人到自主智能代理：ITSM 中智能的演进

要理解行业的发展方向，就必须理解其发展历程。ITSM 中 AI 的演进脉络清晰：从确定性的脚本逻辑，逐步迈向真正的自主推理。

第一阶段：基于规则的自动化

最早一波 ITSM 自动化涉及脚本化工作流——如果工单匹配某些关键词，就会被路由到预定义队列；如果资产不符合合规要求，则自动触发修复脚本。这些自动化通过消除成本高昂的手动流程，并让运营更合规、更安全，从而带来可衡量的效率提升。然而，它们仍然较为脆弱。每一种新情况都需要一条新规则，系统无法处理模糊性，也无法从自身结果中学习。

第二阶段：AI 辅助的服务管理

机器学习和生成式 AI 的出现，引入了更具适应性的能力层。AI 开始自动分类工单、为分析师汇总事件，并基于历史解决数据生成知识文章。目前，约40% 的组织已经采用 AI，以推动更高效的工单解决。

聊天机器人和虚拟助手已将消费级对话界面带入企业，使员工能够通过自然语言而非结构化表单与 IT 支持互动。这些能力带来了重要跃升，但 AI 仍主要以助手的形式运作。AI 是在增强人类决策，而不是取代人类决策。

第三阶段：智能体 AI 与自主工作流

这正是行业当前所处的位置：第三个、且更具变革性的阶段门槛。智能体 AI 系统不会等待指令。它们会观察、推理、规划并采取行动。

从 ITSM 的角度来看，智能体系统可以检测终端上的异常，将其与已知漏洞模式关联起来，启动修复序列，更新配置管理数据库 (CMDB)，并关闭由此产生的工单——这一切都发生在受影响员工察觉问题之前。Gartner已将这一趋势正式化，并预测到 2028 年，至少 15% 的日常工作决策将通过智能体 AI 自主完成，而 2024 年这一比例为 0%；同年，33% 的企业软件应用将包含智能体 AI。

关键区别在于自主性。早期 AI 工具响应提示，而智能体系统追求目标。它们能够在多次交互之间保持记忆，推理达成结果的最佳路径，并跨集成的企业系统执行多步骤工作流。正是这种架构跃迁，使 ITSM 从以处理请求为中心的学科，转变为以交付结果为中心的能力。

智能体 ITSM 的构成：基于用户角色和基于任务的智能

随着智能体 AI 日趋成熟，其在 ITSM 中的应用正逐渐汇聚为两种互补架构：基于用户角色的智能代理和基于任务的智能代理。二者共同构成了许多行业观察者所称的 IT“对话式入口”——一个统一的智能界面，用自然、自适应的交互取代分散的门户、表单和电话导航。

基于用户角色的智能代理

基于用户角色的智能代理围绕特定用户角色的需求而设计。例如，自助服务智能代理可作为员工的第一联系点。它不会迫使用户浏览服务目录并填写结构化表单，而是通过对话式自助服务代理，利用自适应意图理解和引导式数据采集，将自然语言请求转换为结构完整、可执行的工单。其结果是显著降低员工操作阻力，并大幅提升服务团队的数据质量。这种方法影响显著——部署 AI 驱动的虚拟支持代理的组织报告称，呼叫量减少了 50% 至 70%，员工采用率达到 80% 至 85%。

服务台智能代理

相比之下，服务台智能代理则增强现场分析师的能力。它在工单处理过程中提供上下文感知的指导，加速分流和分类，并提供实时辅导，帮助经验较少的分析师达到资深人员的熟练水平。

AI 驱动的事件摘要可自动将复杂的工单历史提炼为可执行简报，从而为分析师节省大量时间。分析师仍然处于流程之中，但这一流程更紧凑、更快速，也更充分知情。

基于任务的智能代理

基于任务的智能代理处理离散的运营功能，例如知识搜索、事件创建、服务请求履行、摘要生成以及问答。这些智能代理运行在一个智能体框架内，该框架包括目标定义、环境建模、记忆、推理和行动执行。围绕智能代理到智能代理 (A2A) 以及模型上下文协议 (MCP) 通信出现的互操作性标准尤为重要。它们表明行业正迈向多智能代理生态系统，其中专业化智能代理协同工作，以解决复杂的跨领域问题——一些分析师将其称为“智能代理小队”。

Gartner 的路线图也证实了这一趋势。预计到 2027 年，三分之一的智能体 AI 实施将结合具备不同技能的智能代理，在应用和数据环境中管理复杂任务。其对 ITSM 的启示很明确：未来的服务台并不是单一的庞大系统，而是由专业化智能代理编排而成的组合，每个代理都将特定领域的智能贡献给统一的服务体验。

自我修复、自我防护、自助服务：自主 IT 的三大支柱

智能体 AI 在 ITSM 中的战略价值建立在三项相互关联的能力之上。这三项能力共同定义了真正的自主服务交付在实践中的样貌。

自我修复

自我修复是对传统被动支持最直观的突破。通过异常检测和自动诊断，现代平台可以在问题影响用户之前识别终端和安全问题。由超自动化驱动的云端机器人不仅会向 IT 人员发出问题警报，还会主动解决此前未上报或被忽视的问题，主动加快检测、自动解决事件，并让 IT 能够专注于创新。行业发展方向已十分明确。随着组织自我修复能力不断成熟，需要人工介入的工单数量将稳步下降，服务台的角色也将从问题解决转向治理和持续改进。

自我防护

自我防护回应了这样一个现实：网络安全和 IT 运营已无法继续各自为政。AI 驱动的跨设备、组织结构和数字体验可见性，可基于社会趋势和漏洞评分主动识别潜在漏洞，从而增强安全态势。

持续保持一致且经过核对的软件清单，有助于在暴露面演变为入侵机会之前将其识别出来。随着智能体 AI 在威胁检测、漏洞管理和修复工作流之间提供连接纽带，ITSM 与安全运营的融合正在加速。

通过 AI 驱动平台统一 IT 与安全的组织，有能力交付行业日益称为“无形却无处不在的安全”的保护——这种保护能够持续运行，同时不为最终用户造成摩擦。

自助服务正在被彻底重新构想。传统自助服务门户采用率低，是因为它们将系统逻辑强加给用户，而不是适应用户意图。对话式 AI 反转了这一动态。

员工通过自然语言进行交互，系统则在后台处理路由、分类和履行的复杂性。AI 驱动的虚拟助手通过提升生产力和满意度来交付卓越体验，将消费级虚拟助手的便捷性带入工作场所，同时最大化采用率并减少呼叫量。展望未来，随着语音自动化、移动优先界面和主动通知打造出全渠道支持体验，自助服务将进一步演进，在员工工作的任何地点与其相遇——无论是在办公桌前、工厂车间，还是在差旅途中。

战略影响：这对 IT 领导者意味着什么

智能体 AI 在 ITSM 中的兴起，其影响远不止服务台。对于 CIO 和 IT 领导者而言，有几个战略主题需要重点关注。

从成本中心转向价值中心

当常规事件能够自行解决，AI 负责一线分流时，服务台将不再由工单量和平均处理时长来定义。相反，IT 团队得以专注于战略计划——数字化转型、员工体验创新和业务流程自动化。IT 领导者需要思考的问题不再是：“我们如何更快处理更多工单？”而是：“我们如何重新部署自主服务所创造出的能力？”

治理与信任的必要性

同一项Gartner 研究在预测智能体 AI 爆发式增长的同时，也发出了警示：如果成本、价值清晰度或风险控制不足，到 2027 年底，超过 40% 的智能体 AI 项目可能会被取消。成功实施将要求从第一天起就内置合规、可见性规则和策略遵循。AI 治理不是事后附加的问题，而是一项基础性设计要求。将护栏、审批工作流和可审计性嵌入智能体架构的组织，将获得可持续价值；而将治理视为事后补充的组织，则可能面临代价高昂的反转。

IT 与安全运营的融合

IT 与安全团队之间的数据孤岛长期削弱了组织韧性。能够统一服务管理、终端管理和暴露面管理的智能体 AI 平台可创建一个记录系统，从而在传统上相互独立的领域之间实现协调一致的智能响应。这种融合不仅仅是技术举措；它还需要组织协同、共享指标，以及打破职能壁垒的文化承诺。

员工体验成为竞争优势

借助 AI 驱动的情绪分析，能够跨设备、服务管理、安全和应用衡量并量化数字员工体验，这将员工体验从抽象愿景转变为数据驱动的实践。能够提供无缝、消费级 IT 体验的组织，将比那些将 IT 支持视为后台职能的组织更有效地吸引和留住人才。数字员工体验 (DEX) 评分正成为一项关键 KPI，为服务台分析师提供可见性，使其能够大规模交付个性化且富有同理心的支持。

超越 IT 的企业服务管理

智能体 AI 最容易被低估的影响，或许是它有潜力将智能服务交付扩展到 IT 之外，覆盖人力资源、设施、财务及其他业务部门。当底层平台支持无代码、工作流设计以及与外部系统的预构建集成时，已在 IT 服务管理中得到验证的模式，就会成为企业级转型的模板。仍依赖临时电子邮件、过时电子表格或纸质文档的业务部门，将从正在重塑 IT 的同样智能体能力中获得巨大收益。

自主服务的必然要求

通过智能体 AI 转型 IT 服务管理，并不是遥远的可能性，而是一个正在发生且不断加速的现实。能够脱颖而出的组织，将是那些准确认识到这一转变本质的组织：它不仅是一次技术升级，更是对企业范围内服务如何设计、交付和体验的根本性重新构想。

人的角色将发生转变，而不是消失。智能体 AI 不会淘汰 IT 专业人员，而会提升他们的价值。分析师将从工单处理人员转变为 AI 监督者、治理架构师和体验设计师。未来十年最有价值的 IT 专业人员，将是那些能够设计、训练和治理自主系统的人，而不是手动操作这些系统的人。

前进之路需要清晰务实的战略。从自动化基础开始——通过智能工作流、AI 辅助分类和自助服务界面减少摩擦并提升数据质量。逐步构建自主能力——自我修复终端、自我防护环境，以及能够端到端解决问题的对话式智能代理。同时投资于治理、文化和人才发展，以支撑企业级自主运营。

IT 领导者面临的问题不再是智能体 AI 是否会重塑服务管理，而是您的组织能够以多快的速度、以多具战略性的方式将其运营化。自主服务时代已经开启，竞争优势属于果断行动者，而不是等待永远不会到来的确定性的人。