智能体 AI 正在各行各业引发广泛关注，其变革 ITSM 的潜力不容忽视。围绕智能体 AI 能力的讨论层出不穷，您或许已经开始设想如何通过自动化事件管理、自动化变更风险分析来简化 ITSM 流程，如何通过服务台自动化提升效率，或如何借助预测性维护增强服务质量。但您也可能会开始思考：这一切究竟有多现实？我的组织真的为智能体 AI 做好准备了吗？

我认为，对于大多数组织而言，答案是否定的！

请不要误解我的意思；各组织正在关注相关讨论，也十分看重其潜在的长期收益。有些组织确实可能已经具备了正确实施智能体 AI 的条件。

目标远大，但准备不足：为什么大多数组织尚未准备好迎接智能体 AI

我之所以认为许多组织准备不足，是因为要让智能体 AI 实现最佳运行，需要干净、高质量的数据，定义清晰且可无缝自动化的工作流，以及面向智能体 AI 运行所涉及各系统的全面而灵活的集成。

从其他科技供应商收购数据管理公司的案例中，尤其是Salesforce 和 Informatica，我们可以看到干净且集成的数据有多么重要。经过对账与标准化的数据能为 AI 智能体提供尽可能充分的情报，使其能够产出最佳结果和最准确的信息。

您始终应该思考：AI 智能体将如何为您和您的组织创造价值？通往自主工作的旅程是否可以通过工作流实现？甚至 AI 领域的领导者 Anthropic 也提到，应尽可能使用最简单的解决方案，并且仅在需求复杂时才部署 AI 智能体。在某些情况下，智能体不仅成本更高，而且效率也不如预构建的工作流。

今天做好准备，明天迈向智能体 AI

在考虑推进智能体 AI 时，需要审视多个因素。通过规划和准备，您可以取得成功，而这份检查清单将帮助您规划前行路径。

规划

在开启智能体 AI 之旅时，请明确阐述将智能体 AI 引入服务管理环境的目标，并确保这些目标与组织的总体目标保持一致。一些常见目标包括：

  • 通过自动化重复且耗时的任务，减轻 IT 员工的工作负担。
  • 提高事件解决的速度和准确性。
  • 通过无缝的自动化请求履行，提升最终用户体验。

在目标明确之后，成功应呈现怎样的状态？您又将如何衡量？这些指标会因您的预期和既定目标而异，但一些常见指标可能包括：

  • 由 AI 成功实现自动化的任务占比。
  • 与人工任务相比，由 AI 处理的任务中错误数量的减少情况。
  • 用户满意度评分 (CSAT)。
  • 选择 AI 驱动的自助服务解决方案的用户占比。
  • 使用 AI 解决工单的平均成本降低情况。
  • 经 AI 介入后升级给人工坐席的事件占比。

相关内容：AITSM：AI 如何重新定义 IT 服务台自动化，该报告是 Ivanti 数字员工体验研究报告系列的一部分

数据准备

在服务管理语境下，可能需要多种数据来源，包括与 ITSM 直接相关的数据源，例如 CMDB 或资产库。随着范围扩展到更广泛的企业层面，您可能还需要来自 CRM、人力资源、设施、财务或其他部门的数据。

无论您从哪里获取数据，都需要考虑以下事项：

  • 您的数据质量是否可靠？数据是否一致？信息的准确性如何？是否存在更可信的数据源（或主数据源）应被作为默认来源？数据往往在多个系统之间不一致，这会让 AI 智能体更难做出充分知情的决策。
  • 您的数据是否易于访问？有多少不同的数据源？是否需要通过 API 进行集成？这些数据源是否保持最新？
  • 您的 CMDB 是否已准备好供智能体 AI 使用？您的 CMDB 中是否包含关键 CI？更重要的是，其关系和信息的更新程度如何？
  • 您是否需要遵守数据隐私合规要求？是否需要遵守 GDPR、CCPA 或其他数据保护法规？相关法规可能要求您对敏感数据进行匿名化处理，并将其保留在本国境内。

已定义的工作流与自动化

拥有高质量数据固然至关重要，但具备良好且正常运行的工作流来驱动任务，同样是成功实施智能体 AI 的关键组成部分。在某些情况下，现有工作流可以经过调整后用于智能体 AI 流程；但也有一些工作流需要修改，以满足 AI 智能体的请求/响应要求。

关于工作流，需要考虑以下事项：

  • 您的工作流能否供 AI 智能体使用？  您现有的工作流结构可能并不是最适合 AI 智能体利用整个工作流并交付准确结果的方式。
  • 这些工作流是否只会处理您组织内部的数据，还是需要访问外部数据源？在访问外部数据源时，已采取哪些安全措施来确保响应中数据的安全性和准确性？
  • 确保所有 AI 智能体及相关工作流都启用了审计跟踪，以便记录和监控 AI 的操作与决策。这有助于确保 AI 的正确性，并可在出现合规或安全问题时使用。

治理与合规

前文我们讨论了数据的合规要求，以及满足监管或法定要求的必要性。治理与合规还必须覆盖组织内的整个 AI 生态系统，以提供负责任、安全且可信的响应和操作。

以下是一些需要考虑的事项：

  • 定义 AI 在组织内如何使用的相关政策，并指定负责保护数据和评估伦理考量的人员或团队。
  • 确保在整个 AI 工作流中理解并满足监管或法定合规标准。例如，如果 AI 智能体需要访问健康相关数据以及从欧洲用户收集的数据，那么您就需要同时考虑 HIPAA 和 GDPR。
  • 识别整个环境中的潜在风险，并细致地缓解与 AI 部署相关的风险。

测试与验证

在受控环境中开启您的智能体 AI 之旅。建立试点项目来测试功能，确保按照目标进行衡量，并收集用户反馈。建立持续改进计划以进行调整和增强非常重要。请保持耐心，因为随着 AI 学习和调整，取得良好结果可能需要时间。始终根据需要进行监控和调整，并定义处理问题或故障的流程。

智能体 AI 是演进，而非革命

关于 AI 的讨论无处不在，虽然组织对此兴趣浓厚，但许多组织在如何推进以及什么最适合自身方面仍然保持审慎，这是合理的。正如过去几年我们所看到的，AI 已经从生成式快速发展到智能体式。紧跟新兴技术，并为未来增强做好规划至关重要。

Ivanti 凭借可助力您成长的 AI 能力，处于有利位置。进一步了解 Ivanti 能为您的 AI 之旅提供哪些支持。