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》。