您的全新成功中心已上线：立即探索 Innovators Hub

Fri, 06 Feb 2026 05:00:03 Z

今天是我们打造轻松、直观且一站式 Ivanti 支持体验之旅中的重要里程碑：Ivanti Innovators Hub 现已上线！ 这不仅是一次焕新，更是向前迈出的重要一步——为您提供一个更智能、统一的目的地，让支持、资源和社区以您所需的方式满足您的需求。

一个入口，满足您的所有需求

随着此次上线，Ivanti Success Portal 和 Ivanti Community 现已整合至全新的 Ivanti Innovators Hub。无需再在多个网站之间切换。现在，您所有的资源、案例管理工具和知识内容都已统一整合到 hub.ivanti.com 的简化体验中。您将能够全面访问一直以来依赖的用户与账户管理、资源库以及案例提交功能。用户注册和登录仍将在 success.ivanti.com 进行。

通过 Innovators Hub 聊天机器人获得更智能的支持

我们很高兴在 Innovators Hub 中为您带来更流畅的聊天机器人体验。当您需要帮助时，聊天机器人会首先提示您选择产品并描述您的问题或故障。随后，它会搜索我们的论坛、知识文章和技术文档，生成相关答案，帮助您直接在聊天中即时找到解决方案。

如果建议答案解决了您的问题，您可以直接继续后续操作，无需创建支持案例。如果没有解决，聊天机器人会让您选择提出另一个问题或继续创建案例。如果您继续创建案例，聊天机器人会自动将您已提供的详细信息（如产品和查询内容）带入案例表单，因此您只需在提交前填写其余必填字段。

此工作流程有助于确保每位用户在可能的情况下都能获得快速的自助支持，同时也能轻松地将未解决的问题升级给我们的团队。聊天机器人基于提示运行，并会逐步引导您，让您快速解决问题，减少搜索答案所花的时间。

现代化平台，全新起点

随着此次上线，您还会注意到我们更新了网址：请访问 hub.ivanti.com（而非 forums.ivanti.com）。这体现了 Ivanti 对支持、社区和知识的全新统一愿景，也清晰表明全新的现代化体验正等待着您。

下一步计划

展望 3 月，我们正准备进一步提升您的 Innovators Hub 体验。您将看到专注于个性化、参与互动和直观工具的新功能——这些功能均充分考虑了您的反馈，旨在让每一次支持互动都轻松而简单。

感谢您在我们开启这一新篇章之际给予的合作与支持。Ivanti Innovators Hub 的目标很简单：为您提供一个值得信赖的支持、学习和社区中心——因为您的成功就是我们的使命。欢迎您立即探索全新的 Hub，并在我们持续共建的过程中分享您的反馈。

面向 ITOps 的智能体 AI 如何实现规模化价值

Mon, 05 Jan 2026 17:00:02 Z

这是 AI 时代的一个悖论：组织高度关注 AI 的前景，视其为释放生产力和推动企业转型的关键；IT 团队也充分认可AI 与自动化所带来的优势——但阻碍这一转型的，恰恰也是这些组织自身。

尽管大多数 IT 从业者支持采用 AI，但运营、文化和预算方面的障碍仍在阻碍企业规模化实施 AI。其结果是：如今大多数企业尚未将能够带来真正业务价值的突破性 AI 与自动化用例投入实际运营。

这并不是说大多数企业没有使用 AI——只是它们主要将 AI 用于完成较低层级的任务并提升个人生产力。虽然这是重要的一步，但企业需要以更宏观、更长期的视角思考，才能从其AI 投资中获得显著的投资回报率和数字化转型成效。

自动化与输出，对比智能体 AI 的自主性

在生成式 AI 的采用方面，IT 团队已经走在前列。根据2025 年 Ivanti 研究报告，84% 的 IT 专业人员在工作中使用生成式 AI 工具。同一项研究还显示，IT 专业人员对 AI 和自动化也普遍持积极态度：

83% 的人预计 AI 将在未来一年提升生产力。
70% 的人表示 AI 会让他们的工作更有成就感。

然而，尽管取得了这些进展，企业仍未充分挖掘 AI 驱动技术的更深层潜力。许多团队已经掌握了任务级自动化（工单路由、密码重置、日志摘要），但很少有团队采用智能体 AI，即超越执行本身，实现自主推理和优化。

自动化与转型之间的这一差距，反映了各行各业正在面临的一个更大问题。虽然大多数组织已经在某种程度上使用 AI，但只有少数组织从其 AI 工具中看到了可衡量的业务影响。麦肯锡将这种情况称为“生成式 AI 悖论”。

2025 年 8 月发布的一份 MIT 报告进一步印证了 AI 应用与投资回报率之间的脱节。报告发现，高达 95% 的组织尽管在生成式 AI 上投入了 300 亿至 400 亿美元，却没有获得任何回报。

问题的原因很直接：生成式 AI 负责创建。它生成内容、自动执行任务并加速工作流。然而，它无法自主学习、推理或适应。企业 AI 的下一阶段将由能够动态解释、预测并采取行动的系统推动，也就是如今被定义为智能体 AI。

Ivanti 的研究进一步表明，如今大多数企业尚未将更复杂的 AI 用例整合到其 IT 工作流中。

虽然 67% 的组织实现了工单路由自动化，但将 AI 应用于根因分析或其他预测性用例的组织不到三分之一。这表明，大多数团队仍在优先考虑面向任务的标准自动化，而不是通过智能体 AI 让系统实现自主思考和行动。

IT 团队经常使用标准自动化和生成式 AI 工具来提升个人生产力，并以快于单纯人工干预的速度处理低层级、重复性任务。用更少的时间和资源提升效率，是 AI 的一项关键优势，尤其对于资源紧张、总被要求“用更少做更多”的 IT 团队而言更是如此。但效率提升只是整体图景的一部分。

Ivanti 数据还揭示了一个更深层的组织问题：近一半 IT 团队表示，其组织缺乏韧性——即在不过度依赖人工干预的情况下，快速适应变化、从中断中恢复并维持业务连续性的能力。

真正的企业敏捷性需要自主且自适应的AI 解决方案，能够预判问题、推理潜在解决方案，并持续学习如何交付最优成果。

这正是许多领先组织转向智能体 AI 的原因。自主 AI 智能体让团队有机会重塑传统 IT 运营，从被动自动化转向主动、目标驱动的协作。它们认识到，用 AI 转型 ITOps意味着从孤立的自动化成果迈向系统级智能。

智能体 AI 在 ITSM 和 ITOps 中的高影响力用例

智能体 AI 已经通过减少停机时间、降低成本和提升组织敏捷性来带来实质性成效。

以下是五个高影响力的智能体 AI 在 IT 中的用例：

1. 自主事件修复

自主修复是 AI 开始从支持工具走向战略能力的关键。在传统 IT 运营中，识别并修复问题可能需要数小时的人工分诊和升级处理。

借助智能体 AI，同样的事件可以被实时检测、诊断和解决，通常在用户察觉到任何中断之前就已完成。

智能体 AI 不仅能够检测 IT 环境中的异常并诊断根因，还能智能制定解决方案，并在无需人工干预的情况下执行修复。此外，机器学习使 AI 能够从以往事件中学习，并利用这些经验持续完善和改进未来的响应工作。

2. 主动问题预防

主动问题预防，是指 AI 能够预判潜在技术问题，而不仅仅是做出反应。智能体 AI 不是只解决已知问题，而是持续监测数据模式，并以细微偏差的形式发现早期预警信号；这些偏差可能进一步演变为服务中断或安全问题。

换言之，它推动 ITOps 走向主动预防，监测先行指标，并在问题变得严重之前加以处理。

3. 端到端生命周期管理

自主 AI 智能体将为资产生命周期管理提供更全面、更有效的方法。

这种面向生命周期的自动化视角超越了单个工单或事件，覆盖 IT 运营的每一个阶段。

从新设备上线到为过时基础设施打补丁并将其退役，智能体 AI 可确保系统保持安全、合规且具备成本效益。

它不仅修复问题，还会在从配置部署到退役的全过程中检测、诊断并优化 IT 系统。它就像一个持续改进引擎，从整个 IT 生态系统中的模式中学习，主动优化资源、简化更新，并减少 IT 员工的长期负担。

4. 动态变更与发布管理

动态变更与发布管理正是智能体 AI 充分展现其编排能力的领域。在大多数企业中，变更管理仍是一个阻力较大的流程，需要跨多个团队、工具和环境进行协调。

智能体自动化通过让 AI 智能体协同处理复杂工作流来改变这一点，这些工作流包括网络安全事件响应和软件部署；它们能够在极少人工监督的情况下协同工作，解决事件、配置资源并确保合规。

这些智能体充当智能协调者：在各系统之间同步更新、验证配置，并在出现异常时自动回滚变更。其结果是更快速、更安全且更可预测的变更周期，使 IT 团队能够专注于创新，而不是耗费大量资源进行“救火”。

5. 自主资源与容量管理

资源与容量管理是 IT 性能中最关键、也常被忽视的维度之一。借助 AI，企业可以通过分析历史使用趋势、工作负载波动和需求激增来预判未来资源需求。智能体系统可以在瓶颈出现之前自动分配计算能力、存储和带宽，在无需持续人工监督的情况下保持最佳性能。

随着时间推移，这些可自我调整的系统会从运营数据中学习，持续微调容量，减少浪费、降低成本，并确保即使在意外峰值期间也能保持服务连续性。

IBM 报告《智能体 AI 的战略性崛起》中的研究凸显了这一变化速度：到 2027 年，预计 AI 智能体将在工作流中自主决策的高管人数将增加一倍。如今，只有 24% 的高管表示已达到这一自主水平；而在两年内，67% 的高管预计这将成为常态。

克服障碍，交付企业级影响

然而，进展往往会停滞；并非缺乏意愿，而是由于结构性障碍。IT 领导者首先必须克服阻碍其向价值导向型工作演进的障碍。这些障碍是多方面的，涵盖技术、文化和运营层面。

即便是积极拥抱 AI 的 IT 组织，也可能缺乏深度自动化所需的结构性准备。例如，Ivanti 的《2025 年工作中的技术报告》发现：

38% 的 IT 专业人员认为，复杂的技术栈是影响高效 IT 运营的一个问题。
72% 的人表示，其组织内的 IT 和安全数据处于孤岛状态。

构建可持续的 AI 战略，不仅需要积极态度，还要求 IT 与更广泛的业务目标保持一致。成功的组织会将技术目标与切实成果相结合，并以清晰的数据结构、统一的流程以及具备管理新型 AI 驱动工作流能力的团队作为支撑。缺少这种一致性，即使是最优秀的工具也难以产生企业范围的影响。

IBM 研究揭示了另一个层面：45% 的高管将缺乏对 AI 决策过程的可见性视为主要障碍。这个 AI“黑箱”问题不仅是技术问题，也关乎信任、清晰沟通和 AI 护栏。规模化部署智能体 AI 需要治理框架，使自动化决策能够被理解、审计和解释。

这种转型必须始终以人为核心：设计目标应是增强能力，而不是取代人员。

智能体 AI 运营模式

应将智能体 ITOps 视为远不止一次效率升级，而是对传统 IT 工作流的全面重塑。引领下一阶段转型的组织，正在重新思考其系统如何在整个企业范围内自主决策、协作和适应。

这种程度的数字化转型需要来自高层的领导力。CIO 和高管利益相关者必须从试验转向执行。他们需要将嵌入智能体 AI 视为一种核心运营模式，而不是边缘项目；这种模式能够让技术、数据和人员围绕共同成果保持一致。

这一转向标志着未来真正的考验。

智能体 AI 计划的未来投资回报率

即便生成式 AI 技术已经带来了生产力提升，IT 团队需要的也不是更多工具。他们需要能够交付可衡量成果的智能。团队应建立能够引起 IT 和业务领导者共鸣的前后对比指标。除了效率提升（节省时间、更快解决问题、降低成本）之外，还应衡量人工节省、资源密集型中断减少以及工具蔓延减少等指标。

与那些只将 AI 用于渐进式甚至表层收益的组织相比，转型型组织在各项业务指标上都能看到更大影响，包括生产力、效率、收入增长、品牌实力和客户忠诚度。

事实上，根据前文提到的同一份IBM 报告，在三个关键 AI 采用领域表现出色的组织，达成顶级业务绩效的可能性高出 32 倍。

关键结论

未来 12 到 24 个月将考验 IT 领导者将试验转化为持续价值的能力。那些尽早采用智能体 AI 的组织，将能够更快学习、持续适应、提前防范潜在问题，并本能地从中断中恢复。

IT 部门已经多次证明，他们完全愿意并致力于采用 AI。现在，IT 必须再次发挥领导作用，并向更深层次推进。智能体 AI 标志着下一个成熟阶段：自学习、自修复、自优化的系统，可在整个企业范围内增强敏捷性和韧性。

这并不是“一设了之”。IT 团队必须构建、训练、监控、衡量并完善智能体 AI，以确保价值实现。

要进一步了解 AI 作为 IT 运营转型工具的作用，以及智能体 AI 和 IT 自动化的突破性用例，请参阅 Ivanti 研究报告《AI：ITSM 自动化的未来》。

Ivanti 博客: 作者