Ivanti 博客: 企业服务管理

ITAM 与 CAASM 的交汇：为什么 IT 资产管理是 CAASM 战略的前提条件

Wed, 01 Jul 2026 14:59:44 Z

网络资产攻击面管理（CAASM）是网络安全战略中一项基础工作的全新方法：全面了解您的网络资产，从而识别恶意行为者可能利用的漏洞。

对于 IT 运营人员而言，CAASM 听起来很可能与 IT 资产管理（ITAM）非常相似。这是因为这两个领域关系密切，也清楚表明安全团队和 IT 运营团队可以并且应当利用共同的工具和流程。

ITAM 与 CAASM：有何区别？

ITAM 是一套用于在整个生命周期内管理所有 IT 资产（包括硬件和软件）的流程和工具。它通常涵盖广泛的工作流，包括资产发现、库存管理、服务映射、资产跟踪与监控以及资产生命周期管理。

CAASM 在 ITAM 的基础上进一步扩展，用于识别并缓解组织系统、网络和应用程序中的潜在漏洞与威胁。该流程通常包括识别 IT 环境中的所有资产、梳理这些资产之间的相互依赖关系，并评估安全事件可能带来的影响。

其目标是让您的组织清晰了解潜在攻击面，并根据最重大的风险确定修复工作的优先级。组织确实有这样的需求：44% 的网络安全团队认为资产信息对于识别和保护攻击面至关重要。

ITAM 的安全优势

ITAM 对安全的重要性对 IT 领导者而言并不陌生。EMA 对 IT 领导者开展的 2022 年调查发现，近半数受访者通过安全风险的降低程度来衡量其 ITAM 计划的成功。从安全视角审视 ITAM，可以看到许多与 CAASM 直接相关的优势：

资产识别

全面实施的 ITAM 解决方案可帮助您的组织识别并跟踪所有 IT 资产。了解环境中有哪些资产，是识别潜在漏洞和威胁的第一步。

漏洞管理

如果没有全面的 IT 资产清单，您的组织在尝试定期开展漏洞评估、识别潜在漏洞并主动加以解决时，就会遇到缺口。

确定安全措施的优先级

了解所有组成部分及其位置是良好的开端，但要有效分配资源来支持风险管理，还需要知道哪些资产最为关键。一套定义清晰的 ITAM 流程和功能完善的 ITAM 系统，可为您的组织提供确定安全措施优先级所需的信息。

通过按类型对资产进行分类，网络安全团队可以将更多精力放在云和 SaaS 等较高风险资产上，同时对边缘设备等相对较低风险资产保持适当控制。

此外，尽管以下方面与 CAASM 的直接关联较弱，ITAM 也在其他领域发挥着强化安全的作用：

合规性

众多法规（如 CCPA、GDPR、POPI、Castle 等）都要求企业维护准确的 IT 资产清单，并证明其符合各类安全标准。

成本节约

就 IT 资产而言，成本管理与使用情况管理密切相关。例如，近三分之一的受访 IT 领导者认为，他们正在将预算浪费在未使用或使用不足的云资源上。支出管理不善本身就是 IT 组织面临的一项风险，而且会限制可用于解决安全问题的资源，从而加剧网络安全风险。

构建确保资产安全的 CAASM 解决方案

CAASM 解决方案将 ITAM 与网络资产风险管理相结合，可以保护单个资产以及整个网络资产面免受各类威胁和漏洞的影响。下面让我们深入了解构成有效 CAASM 解决方案堆栈的各个组件：

资产发现与管理

我们已经看到，ITAM 是 CAASM 解决方案的关键组成部分。要成功实施 ITAM，需要借助发现工具扫描网络，以识别所有已连接设备，包括那些可能隐藏或未知的设备。

随后，ITAM 解决方案的资产数据库（通常与 CMDB 相关联，见下文）可以提供一个中央存储库，用于管理所有资产信息，包括资产属性、配置，以及关系和依赖项的映射。

漏洞管理

漏洞管理包括一系列工具和技术，可帮助您的组织识别 IT 资产中的漏洞并确定其优先级。漏洞扫描工具会定期扫描您的环境，以识别硬件、软件和配置中的潜在漏洞。随后，这些工具会根据严重程度对漏洞进行优先排序，并提供修复建议，以便主动加以解决。

威胁情报

威胁情报包括提供新兴威胁和趋势实时信息的工具和技术。这些工具会监控广泛的信息来源，包括公共和私有源、社交媒体以及暗网论坛，以识别潜在威胁和攻击向量。您可以利用这些信息确定安全措施的优先级，并主动应对潜在威胁。

配置管理数据库（CMDB）

CMDB 是 IT 资产环境中所有服务、资产和其他配置项的中央存储库。它既包含这些项目的清单，也包含它们之间的关系和依赖项。CMDB 使您的企业能够跟踪和管理所有资产变更，确保变更以受控且有文档记录的方式进行。

通过将 CMDB 与漏洞管理和威胁情报工具集成，企业可以根据资产及其关系的关键程度来确定安全措施的优先级。

CAASM 解决方案堆栈是一套全面的工具和技术，可帮助企业主动识别并缓解 IT 资产中的潜在漏洞。通过结合资产发现与库存管理、漏洞管理、威胁情报和 CMDB，您的企业能够抢先应对潜在网络威胁，确保关键 IT 资产安全。

隐形 IT 部门：如何借助智能体 AI 提供无摩擦体验

Thu, 18 Jun 2026 19:42:35 Z

每家企业都已采购 AI，但许多企业仍在等待投资回报。Ivanti 的《2026 AI 成熟度报告》发现，只有 2% 的组织表示目前完全没有使用 AI。随着大多数组织走出 AI 试验阶段，真正的竞争差异化因素在于 AI 是否能够持续、规模化地提供业务价值。

企业部署了用户置之不理的聊天机器人，实施了无人信任的智能体，并推出了各种“AI 驱动”工具，结果员工要么绕开这些工具，要么转而使用个人的影子 AI 工具。问题不在于 AI 能做什么，而在于您要求用户如何使用它。大多数组织将 AI 视为一项待部署的功能，而不是一种需要设计的体验。他们关注 AI 的能力，而不是用户真正需要什么。结果就是又一个闲置软件解决方案，带来的挫败感多于价值。

数字体验是区分成功 AI 部署与失败 AI 部署的关键环节。优先考虑 AI 用户体验的组织，能够识别会破坏用户信任的实施陷阱，并制定切实可行的框架来部署智能体 AI，在不中断业务的情况下带来改进。当 AI 和 IT 像隐形的超级能力一样发挥作用时，效果最佳。用户不会注意到技术本身；他们会感受到工作完成得有多顺畅。

AI 采用悖论

MIT 研究表明，约 95% 的企业 AI 计划未能交付可衡量的 ROI，其中大多数停滞在试点阶段，无法扩展为真正的业务价值。

这种情况是如何发生的：领导层批准 AI 计划，IT 部署技术，安排培训课程，跟踪采用指标；六个月后……却没人使用。聊天机器人无人问津，AI 助手被束之高阁，员工开始寻找替代办法，避开那些本应让工作更轻松的工具。

这并不是变革管理失败，而是因为没有理解当 AI 叠加在其他所有职场技术之上时，用户实际经历的是什么。

用户并不是为了 AI 而需要 AI。他们想要的是笔记本电脑启动更快、应用程序在演示中途不会卡死、视频通话不会延迟，以及在他们发现异常之前问题就已解决。当您强迫他们通过 AI 界面才能获得这些体验时，您已经失去了他们。

阅读更多：面向 ITOps 的智能体 AI 如何规模化释放价值

为什么大多数 AI 实施在用户体验上失败

走进任何企业 IT 环境，您都会看到同样的模式。AI 实施清单被严格执行：

已选择技术供应商
已部署平台
已配置集成
已完成用户培训
已正式上线

但六个月后，现实开始显现。2025 年 EY 调查发现，尽管部署了 AI，64% 的员工表示工作负载有所增加，而只有 5% 的员工表示他们正在最大限度利用 AI 来真正改变自己的工作。

IT 按照手册做对了所有事情，但问题在于，这本手册是由销售 AI 的人编写的，而不是由使用 AI 的人编写的。

以典型的 AI 聊天机器人部署为例，其目标是“增强自助服务能力”和“减少工单量”。但在实践中，这意味着过去只需给 IT 发送一条简短 Slack 消息的员工，现在必须：

进入一个单独的门户
琢磨如何用机器人能够理解的方式描述问题
在 AI 返回的不相关知识文章中筛选信息
最终放弃并照样提交工单，此时他们已经感到烦躁，并且比原计划晚了十五分钟

工单仍然会被创建，问题仍然需要解决，但原本不存在的摩擦现在出现了，因为您增加的是步骤，而不是减少步骤。

这就是根本性错误：把 AI 当作用户需要互动的界面，而不是为用户工作的基础设施。一旦您要求用户改变行为来适应您的 AI，您建立的就是阻力，而不是采用率。

数字体验：AI 证明其价值的地方

那些真正从 AI 中获得价值的组织，已经不再问“我们如何让用户采用这个 AI 工具？”而是开始问“我们如何利用 AI 改进用户已经在做的事情？”这是一个细微的转变，却会带来巨大的影响。

在数字体验管理中，AI 并不位于用户与其工作之间。它位于用户与混乱之间，例如性能下降、应用程序故障、难以解释的速度变慢，以及尚未显现但将在接下来 30 分钟内出现的问题。

这正是智能体 AI 从根本上改变可能性的地方。传统监控工具会在出现故障时提醒人员。而智能体 AI 会在故障发生前阻止它。这就像烟雾探测器与灭火系统之间的区别。

传统 IT 运营以小时甚至天来衡量事件响应。具备自主修复能力的智能体 AI正在从根本上改变这一等式：通过检测模式并在问题升级前执行修复，将平均解决时间从数小时缩短到数分钟甚至数秒。

实际情况可能是这样的：

传统 IT 运营：

用户的笔记本电脑开始出现磁盘故障的早期迹象。
传统 DX 工具标记该问题并创建工单。
IT 分析师需要查看警报、评估严重性、安排维护，并最终联系用户。
总解决时间：数天。
对组织的影响：计划内停机、数据迁移和生产力损失。

智能体 AI

借助智能体 AI，系统会在用户发现任何异常之前检测到这一模式。
智能体自主触发自动备份流程，预配替换设备，预置用户的应用程序和数据，并安排在低活动时段完成设备更换。
用户会收到一封电子邮件：“您的新笔记本电脑明早将在前台等候领取。您现有的设置已完成迁移。”
无需创建工单，无需升级，也不会造成中断。

这是同一个问题，却带来了截然不同的体验。

构建无摩擦的 AI 实施框架

实现隐形 AI 需要重新思考如何部署、衡量和扩展数字体验计划。真正从智能体 AI 中获得 ROI 的组织遵循一致的模式：优先考虑体验，而非功能。

从痛点出发，而不是从可能性出发

最糟糕的 AI 实施从这个问题开始：“这种 AI 能做什么？”最佳实施则从这个问题开始：“当前有哪些痛点、重复性工作，或哪些环节不必要地拖慢了用户？”

在梳理 AI 能力之前，先梳理您的数字体验痛点：

用户在哪些问题解决环节等待时间最长？
哪些问题会反复产生工单？
哪些性能下降会按可预测的方式发生，却没有被主动发现？
IT 在哪些不需要人工判断的任务上花费时间最多？

这些是 AI 可以消除的用户体验问题，而不只是“AI 用例”；两者之间的区别很重要。当您从痛点出发，最终得到的会是用户真正需要的解决方案。

将 AI 部署在体验背后

用户永远不应需要决定是否与您的 AI 互动，因为这是实施者应负责的工作。在实践中，这意味着：

在用户寻求帮助前就检测并解决问题的自主智能体，而不是需要用户主动求助的机器人。
在用户搜索前主动推送解决方案的预测性洞察引擎，而不是带有AI 驱动搜索功能的自助服务门户。
在获批护栏内自动执行建议的自愈系统，而不是需要用户手动执行的 AI 驱动建议。

这一模式始终一致：减少用户决策点、消除额外步骤，并降低对 AI 素养的要求。您的智能体 AI 应该不需要任何用户培训，因为用户永远不应与它直接互动。

衡量用户体验，而不是 AI 性能

大多数实施偏离方向的地方就在这里：它们衡量的是 AI 性能，而不是用户结果。

如果您跟踪的是 AI 交互次数、AI 响应时间、模型准确率分数或自动化率，那么您衡量的就是错误的指标。

相反，应衡量：

最终用户问题平均解决时间的缩短。Ivanti 的《2026 AI 成熟度报告》发现，45% 的 IT 员工表示 AI 让他们的工作更快、更好。
用户报告的对 IT 响应能力的满意度。
在用户察觉之前已解决问题的比例。
在重复性请求上节省的时间。
工单量的减少，这不是因为您在转移问题，而是因为您在预防问题。

支持 AI 自主性的治理框架

真正拖慢大多数智能体 AI 部署的并不是技术问题，而是如何让利益相关者放心接受 AI 在未事先请求许可的情况下采取行动。

自主级别	风险级别	示例操作
完全自主	低	清除缓存、重启服务、性能优化、例行修补
通知式自主	中	重置用户配置文件、重新安装应用程序、更新驱动程序
需要人工审批	高	重大配置变更、数据迁移、基础设施修改
人工主导、AI 辅助	关键	安全事件响应、合规决策、预算审批

关键在于认识到，随着 AI 智能体证明其可靠性，并且您的监控发现最初未曾预见的模式，“高风险”范围会随着时间推移而缩小。将AI 治理视为静态机制的组织，最终得到的 AI 往往能力不足，难以产生实质影响。将治理视为动态机制的组织，则能够让 AI 在保持安全的同时持续扩大影响力。

成功是什么样子

正在实施AI 驱动服务体验的组织，正在看到显著的满意度提升。PwC 研究发现，领先的实施项目在提升运营效率的同时，实现了 10-15% 的 NPS 改善。

围绕 AI 的讨论发生了变化。用户不再谈论 IT 如何妨碍他们，甚至开始不再谈论 IT，而这正是目标所在。IT 成为基础设施：隐形、可靠，并且只在被有意需要时才出现。

您的服务台会最先看到这种转变，例如：

工单量下降，不是因为您在转移问题，而是因为您在预防问题
升级减少，因为 AI 能在越来越早的阶段发现并解决问题
分析师的时间从被动救火重新分配到主动的系统改进
平均解决时间缩短，因为在旧模式下还未完成检测时，修复往往已经发生

对于最终用户而言，体验更简单：一切正常运行，应用程序响应迅速，系统可用，速度变慢不会演变成故障。同事抱怨的那些难以解释的性能问题似乎没有发生在他们身上，并不是因为他们运气好，而是因为 AI 智能体正在以他们看不见的方式持续优化他们的体验。

真正的采用指标，是用户不再想着 IT。不是因为他们忽视 IT，而是因为没有什么需要他们操心。

真正的选择：隐形 AI，还是被忽视的 AI

每个组织都将在数字体验管理中部署 AI。问题不在于是否部署，而在于如何部署；更重要的是，用户到底会真正受益，还是只是又被迫使用一个新工具。

这需要从根本上重新思考如何实施、衡量和扩展 AI 计划。如果做对了，您将改变组织对 IT 的认知：从成本中心转变为竞争优势，从被动救火转变为主动赋能，从必要负担转变为能够顺畅运转的隐形基础设施。

最好的 AI 就像最好的 IT 一样，是您永远看不见的那一种。用户体验到的不是您的技术，而是问题的消失。而这正是关键所在。

准备好借助智能体 AI 改善您的数字体验了吗？

了解 Ivanti Neurons for ITSM 如何部署在幕后运行的智能体 AI，在用户察觉任何异常之前预测问题、自主解决问题并优化体验。

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。

从工单处理者到团队领导者：管理智能体化 IT 员工队伍

Thu, 30 Apr 2026 13:00:02 Z

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。

Ivanti 在您信赖的权威记录系统上推出智能体 AI

Mon, 20 Apr 2026 22:00:02 Z

投资者和企业终于开始提出一个此前一直回避的问题：哪些软件公司能在 AI 革命中生存下来，哪些又会因此被淘汰？答案正变得越来越清晰。能够作为权威记录系统，即 AI 本身所依赖的权威事实来源的公司，至关重要。

今天，Ivanti 宣布受控发布 Ivanti Neurons AI Self-Service Agent，这是我们的首个自主式 AI 解决方案。我们正立足于战略优势，率先在我们的 IT 服务管理 (ITSM) 框架中推出这一新解决方案，并延续我们在智能自动化方面的长期积累，包括内置工作流、Neurons 机器人基础设施、生成式 AI 工具，以及如今的全对话式自主智能体。

构建扩展 AI 的基础

关于 AI 未来将实现什么的讨论并不少见，但如果没有坚实的基础支撑，这些潜力便无从谈起。

要将自主式 AI 落地运营，并在整个组织范围内扩大其影响，需要具备五项基础能力。

了解现有环境：AI 必须基于准确的发现数据运行，而不是基于假设。如果无法实时了解设备、用户、配置和依赖关系，自主操作就会变得危险。
维护组织记忆：AI 需要能够经受组织变化的持久上下文。关系、历史记录和依赖关系必须保存在权威记录系统中。
明确责任归属：每一项自主操作都需要清晰的所有权和决策轨迹。当 AI 代表组织采取行动时，必须有人承担责任。
执行策略：AI 必须区分技术上可行的事项与组织上允许的事项。缺乏治理的优化会带来合规风险。
确保可审计性：通过 AI 执行的每项操作或做出的每个决策，都必须可追溯、可解释，并且经得起审计。

这并不是任何模型的局限，而是 AI 工作方式的本质。AI 功能强大，但它依赖数据运行。如果这些数据是碎片化、不准确或缺乏治理的，那么基于这些数据构建的 AI 也会如此。

这正是 Ivanti Neurons Platform 旨在提供的能力。我们的 Neurons Platform 是面向 IT 与安全运营的强大权威记录系统和控制面板。我们的发现引擎可建立事实基准。我们的 CMDB 可保存关系、依赖项和变更历史。我们的 IT 资产管理 (ITAM) 功能可分配所有权、生命周期和责任归属。我们的软件资产组合管理可执行允许事项与仅被检测到的事项之间的边界。

这不只是产品架构。它是您的组织安全、智能运营所需的基础。

迈向自主式服务交付之旅

智能体 AI 并非一夜之间构建而成。在 Ivanti，我们始终围绕信任、治理和可重复性，有计划地稳步推进这一方向。

我们迈向自主式服务交付的路径，是战略性的，也是有意为之的。

传统自动化：建立基于规则的工作流，按顺序执行预定义任务。

认知 AI：通过机器人、机器学习和预测分析引入智能，推动 IT 从被动响应走向主动管理。

生成式 AI：引入大型语言模型和自然语言交互。

对话式 AI：通过增加意图识别、情绪检测和安全护栏深化交互，将 AI 从工具转变为互动伙伴。

而现在，自主智能体不仅能够响应，还能在多个系统之间编排操作，并在每一步都保持治理。

每一个阶段都建立在前一个阶段之上。也正因为每个阶段都以准确的数据、治理和责任归属为基础，才能交付真正的企业价值。正是这一基础，让今天的发布成为可能。

介绍 Ivanti Neurons AI Self-Service Agent

每一位 IT 领导者都非常熟悉这一问题：员工很难在彼此割裂的知识系统中找到答案。基础工单不断涌入服务台。用户因门户复杂难用而沮丧放弃。IT 团队陷入工单处理的重复循环，不断处理重复性工作，却无法投入真正推动业务向前发展的战略项目。传统自助服务门户并未解决这一问题。它们僵化、令人受挫，并且往往制造的问题比解决的问题更多。

Ivanti Neurons AI Self-Service Agent 则不同。我们都见过聊天机器人，但这并不是又一个聊天机器人。它是真正的对话式 AI 智能体。它能够对话、调查、解决问题，并且只在必要时进行升级。首个版本聚焦于智能知识搜索、事件升级，以及使用自然语言向 IT 提出请求的能力。体验如发送消息般简单自然。

这一初始版本将三项能力做到出色：智能知识搜索、在知识不足以解决问题时进行事件升级，以及无需填写复杂的自助服务门户表单即可从服务目录发起请求。

我们深知，在数字时代，时间、速度和准确性不容妥协，因此在构建这些能力时始终以此为出发点。AI Self-Service Agent 能够进行自然对话，提出正确的问题，查询内部及获准的外部来源，并呈现经过验证的答案。如果仅凭这一流程无法解决问题，该智能体会进行升级，并从对话中捕获结构化事件，无需用户重复其请求，从而确保顺畅无阻的用户体验。

该解决方案基于一个 AI 框架构建，旨在随着我们全面实现自主式端点管理愿景而持续扩展。

推动真正重要且可衡量的实际成果

此次发布直接推动客户实现战略成果：提升 IT 生产力、改善数字化员工体验，并通过统一平台将团队与业务职能连接起来。具体而言：

对于业务而言，这意味着可衡量的生产力提升、更低的单工单成本，以及让 IT 成为战略成果的推动者，而不是运营瓶颈。

自主化需要可信赖的基础

我们的自主式 AI 方法之所以值得信赖且切实可行，是因为 AI Self-Service Agent 作为 Ivanti Neurons Platform 的一部分，构建在权威记录系统之上。这确保了：

我们的智能体 AI 不会即兴编造（即产生幻觉）。它基于准确的发现数据、经过验证的资产信息和受治理的工作流运行。
它知道有哪些设备存在、由谁拥有、哪些软件被允许，以及适用哪些策略。
它会维护持久状态，并在每一项操作中执行责任归属。

这一运营模式简单而强大：在问题影响用户之前持续检测。基于权威记录系统中的可信数据做出决策。在定义边界内通过受治理的自动化采取行动。

这正是只能生成答案的 AI，与组织能够在生产环境中以企业级规模信赖的 AI 之间的区别。

我们正在构建的未来

此次发布既是一个里程碑，也是未来发展的基础。我们正在 AI 本身所依赖的权威记录系统之上构建自主能力。这让我们的平台更具韧性，让我们的客户关系更加稳固，并让我们交付的价值随着时间推移不断增强。

IT 的未来将是前瞻性的、自驱动的和战略性的。IT 领导者不再是被动接收工单的人。他们将成为智能、自修复基础设施的编排者。自主智能体负责处理常规事务，持续学习，并将复杂问题升级给人工专家——这一切都在权威记录系统所执行的治理护栏之内完成。

我们多年来一直在为这一时刻进行构建。我为团队交付的成果感到自豪，也对接下来的发展更加期待。

并非所有代理都一样：如何为 IT 正确应用代理式 AI

Wed, 08 Apr 2026 13:00:06 Z

三个月前，一位 CIO 告诉我，她的组织“已经部署了代理”。她的端点团队以为她指的是每台受管笔记本电脑上的遥测客户端。她的服务台以为她指的是 AI 聊天机器人。与此同时，她的安全架构师听到的却是“自主决策”。他们的理解都没错，但彼此却并未真正对上话。

这就是代理概念混淆的问题。听起来像是语义问题，但当团队开始认真实施代理式 AI 时，它会造成实实在在的认知错位。因此，让我们把它理清楚。

IT 中三类“代理”及其协同方式

1. 端点代理

端点代理是数十年来一直在受管设备上静默运行的轻量级客户端，用于收集遥测数据、执行策略和应用补丁。如果您运行的是现代化端点管理平台，它们已经遍布您的设备群，默默持续地开展工作。它们是您的基础设施层：始终在监听和报告，但不会做出决策。

2. 自动化机器人和工作流

自动化机器人和工作流处理 IT 运行所依赖的重复性、结构化流程：主动问题识别、自我修复、密码重置、账户解锁、软件预配和审批链。这些并不是需要为之辩解的传统局限。一个设计良好的密码重置机器人速度快、结果可预测，并且非常适合这项工作。它们是您的执行层：可靠、可审计，并且为特定用途而构建。

3. AI 代理

AI 代理确实是截然不同的存在。端点代理负责收集数据，自动化机器人负责执行任务，而 AI 代理则负责协调二者。它们由大型语言模型 (LLM) 编排，能够理解意图，基于来自多个系统的上下文进行推理，规划多步骤操作，并判断何时将需要人类专业能力的问题升级处理。

但真正关键的细微差别在于：设计良好的 AI 代理不会取代自动化机器人，而是调用它。当员工通过对话式界面请求重置密码时，AI 负责对话、验证身份、应用策略逻辑，然后触发现有工作流来执行。以智能编排自动化。这才是值得构建的架构方向。再加入端点遥测数据，整个图景会更加丰富。

实际应用中的情况如下：

一名员工发来消息：“自从上次打补丁后，我的笔记本电脑一直运行很慢。”

AI 代理会：

解读意图，识别出这可能是由近期变更触发的性能问题。
从端点层提取实时 CPU 负载、磁盘使用情况和启动进程数据。
触发有针对性的修复。这不是猜测，而是基于数据、可审计的操作。

这正是对话层中的自我修复 IT。

让 ITSM 代理式 AI 发挥作用的关键

要正确应用代理式IT 服务管理 AI，关键在于几个重要基础。

从干净、最新的知识开始

AI 代理的能力取决于它所掌握的知识以及具备的上下文。在启用任何代理式能力之前，请审核您的知识库，并提出以下关键问题：

内容是否保持最新？
是否按用例进行标记？
重大变更后是否进行维护？

过时的知识会导致错误输出，并迅速破坏员工信任。话虽如此，这些 AI 代理同样也可以用于加速知识创建。每一个已解决的工单都是一篇文章草稿。每一个代理无法自信回答的问题，都是它为您发现的知识缺口。代理会成为知识库的贡献者，而不只是使用者。

提供上下文

仅有知识还不够。代理需要贯穿整个 IT 环境的实时上下文。这包括来自 CMDB 的设备数据、来自 HR 系统的角色和访问权限信息，以及来自 ITSM 的工单历史。有了这一上下文层，就有可能从一个听起来很智能的机器人，转变为能够闭环解决问题的代理。

设置治理护栏

具备控制机制和AI 护栏并非可有可无。要有意识地界定哪些事项可由代理自主处理，哪些需要人工审批步骤，哪些必须始终升级处理。让人工参与其中并不是过度谨慎，而是一种有意为之的智能设计。对于 MFA 变更、权限调整或数据访问请求等任何涉及安全的事项，代理应呈现决策依据，而不是单方面做出决策。企业必须从一开始就建立这些阈值，而不是日后再设法补救。

变更管理

即使设置再完善，如果企业没有考虑变更管理，部署也会失败。

您的服务台团队需要清楚了解代理负责什么，以及他们应在何处接手。您可以把它看作任何其他分工：不应存在职责重叠。您不希望人员把精力耗费在代理可以即时完成的任务上，也绝不希望代理在策略要求人工参与的情况下擅自做出判断。清晰的边界能让双方都在最有价值的位置发挥作用。

员工需要相信，当问题从代理升级给人工处理时，对话中的上下文不会中途丢失。若一开始就让代理承担超出基础支持范围的工作，一个前景良好的试点就可能演变成痛苦的回滚。先从小范围开始，赢得扩展的资格。

成功是什么样子

要证明代理式 AI 的 ROI，组织应关注能够反映真实影响、并可通过更好编排得到改善的运营指标。

工单分流显示代理在无需人工参与的情况下端到端解决常见请求的有效程度。自动修复则体现系统何时能够诊断问题并采取已获批准的纠正操作，从而减少人工工作量和队列积压。平均解决时间 (MTTR) 反映系统通过减少交接和工具切换，在多大程度上缩短了从请求到结果的路径。

这些指标共同表明，代理式 AI 是否真正减少了工作，而不只是转移了工作。但最重要的衡量指标是最终用户满意度 (CSAT)。没有满意度的速度，只会更快地产生摩擦。

最优秀的代理式 AI 是“无感”的。员工提出求助，获得所需帮助，然后继续工作，而无需注意到幕后运行的工作流、检查或自动化操作。成功的组织会有意识地设计代理式系统，建立清晰的护栏，并深刻理解自主性如何重塑运营。

后续步骤

如果您正在评估自助式代理式 AI 在 IT 生态系统中的作用，对话式入口通常是最务实的起点。将事件创建、服务请求、知识访问和状态检查整合到一个界面中，可以在遵循策略和现有工作流的同时，减少员工的使用阻力。

这种方法为更广泛的代理式平台奠定了基础。对于面临“少花钱多办事”压力的 IT 领导者而言，现在正是有意识地定义 AI 应如何运行、自主性在哪些方面能创造价值，以及何处需要护栏的时机。

准备好在代理式 AI 之旅中迈出下一步了吗？获取我们的白皮书，了解助您成功所需的框架、成熟度模型和实施路线图。

全面洞察，否则全面承险：IT 可见性的真相

Mon, 06 Apr 2026 12:00:02 Z

在日常生活中，忽视看不见的事物或许看似无害。但在 IT 领域，这会造成虚假的安全感，并带来代价高昂的错觉。

尽管许多组织都在使用某种形式的资产发现，但 Ivanti 2026 年安全研究显示，超过三分之一的 IT 专业人员（38%）表示，他们对访问其网络的设备掌握的数据不足；45% 的人表示，他们缺乏有关影子 IT的充分信息。这种可见性不足使关键资产面临无法被发现、无法被管理的风险。

然而，如今的混合环境已经覆盖办公室、家庭、云和数据中心。随着设备、身份、云工作负载和 SaaS 工具在这些空间之间移动，其中许多都超出了传统发现方法的覆盖范围。未受管的笔记本电脑滞留在网络中。SaaS 工具在缺乏监督的情况下被采用。云资源在CMDB更新之前就已出现又消失。结果是，环境中充斥着存在于其中、影响着业务却完全不可见的资产。

局部可见性的代价远超大多数组织的认知。任何未被跟踪或未被理解的资产，都会成为风险、计划外支出和运营低效的来源。

Ivanti 的《2025 年无边界数字环境安全报告》清晰呈现了这一挑战的范围：

四分之三的 IT 工作人员表示，使用个人设备（即 BYOD）在其组织中很常见。然而，在同一群体中，只有 52% 的人表示其组织明确允许这样做。
在 BYOD 不被允许的公司中，78% 的员工完全无视这一禁令。

随着工作场所中 AI 使用量呈指数级增长，影子技术问题也进一步加剧。根据 Ivanti 的同一项研究，近三分之一（32%）在工作中使用生成式 AI 工具的人承认，他们向雇主隐瞒了自己使用 AI 的情况。

好消息是：完整、持续的可见性是可以实现的；实现完整可见性的组织能够降低运营成本、消除由盲点驱动的风险，并增强合规就绪能力。现代发现方法现在让 IT 能够看见每一项资产、了解其上下文，并有信心地进行管理。

局部 IT 可见性的隐性成本

许多组织认为，只要能够看见“大多数”资产就已经足够；但当部分资产不可见且未受管理时，关键风险可能就隐藏在眼前。常见的可见性盲点示例包括：间歇性出现在 IT 扫描器上的未发现笔记本电脑；未经 IT 参与而新采用的 SaaS 工具；从未进入 CMDB 的孤立云工作负载；以及未被注意且未经审慎规划的过度配置身份等。

即使环境中只有一小部分未被纳入管理，也会立即暴露出四大问题：

1. 安全性下降

不可见或间歇性可见的资产会错过补丁、跳过扫描，并为攻击者制造可乘之机。盲点会拖慢事件响应，并使补丁修复优先级的对齐变得困难。根据Ivanti 2026 年全球研究，38% 的 IT 工作人员表示，数据不可访问且相互孤立，导致难以跟踪补丁状态和部署进度。

2. 合规性受阻

在这些安全挑战之外，同一份报告还发现，35% 的 IT 组织认为，数据可见性差距使他们在维持合规性方面面临更大挑战。

审计证据会分散在彼此割裂的工具、电子表格和收件箱中。如果无法自信地跟踪数据所在位置，就无法证明合规性。

3. 软件支出价值流失

即使已经部署 SaaS 管理或库存工具，不完整的使用情况和授权数据仍会导致超支。根据Zylo《2025 年 SaaS 管理指数》，企业约有 25% 的 SaaS 预算流失在未使用的授权、重复工具和利用不足的许可证上。

Ivanti 的《2025 年工作中的技术》研究发现，近三分之一的 IT 工作人员（31%）表示，其组织不会跟踪未使用或使用不足的软件许可证，原因可能是他们并没有完整的总体库存。此外，39% 的 IT 团队表示，过时硬件会导致 IT 预算被浪费。

每一项您无法看到或无法验证的资源，都在悄然消耗您的预算。

4. 运营效率下降

相互冲突或不完整的数据会迫使团队反复核查设备信息、追查过时记录，并在错误的资产上修复问题。这会拖慢服务交付并增加返工。

局部可见性不仅会遮蔽现实，还会制造隐性风险、隐性成本和隐性延迟。

为什么 IT 可见性差距持续扩大

遗憾的是，许多公司的可见性差距正在扩大。随着人员数量、设备、身份和 SaaS 使用量不断增长，IT 团队要维持完整可见性变得越来越困难。导致可见性问题加剧的因素包括：

影子 IT 和 SaaS 蔓延的速度超过了 IT 的跟进能力。
云资源在几分钟内出现又消失。
远程和混合办公员工连接到企业网络之外的网络。
身份蔓延扩展到数十个应用和平台。
传统发现工具只能覆盖环境中的一小部分。

这些压力会迅速叠加。员工往往在 IT 批准之前就采用方便的工具。当设备、服务器或应用在云环境中创建并在几分钟内删除时，它们可能会错过安全检查和监控。因此，这些短生命周期资源可能无法获得补丁或保护，形成攻击者可在任何人察觉之前加以利用的盲点。远程员工甚至可能从不接触企业网络。SaaS、身份和设备生态系统的扩张速度远远超过传统发现工具的设计跟踪能力。如果没有持续的多源可见性，组织几乎会立即落后。

要弥合这些不断扩大的差距，组织必须从被动的时间点库存转向建立在持续、上下文和实时可见性之上的模式。此时，理解并实现整个 IT 资产环境的真正可见性就变得至关重要。

IT 可见性不只是库存清单

真正的可见性并不是一份资产列表，而是每个团队都可以据此采取行动的完整、最新且可信的情报。全面可见性要求识别每台设备、每个 SaaS 应用、每个身份、每项云工作负载、每项配置和每个使用信号，无论其位于何处、存在多久。

这还意味着要理解各种关系：谁拥有该资产、它接触哪些数据、风险级别如何、对合规有何影响，以及它是否真正被使用。这一基础能够将发现从信息转化为运营控制。

完整可见性如何改变工作流

一旦可见性变得持续且具备上下文，整个环境都会随之改变。现代 IT 环境需要的不只是被动观察。随着威胁、工作负载和资产以前所未有的速度扩展，组织需要智能化、自动化的行动，将可见性转化为实际成果。AI 驱动的洞察和自动化工作流使团队能够主动应对安全威胁、修复问题并优化运营，而无需等待人工干预。

采用正确方法后，组织可以超越局部可见性，并最终看见：

每台设备、每个应用、每个身份和每项云工作负载。
经过规范化和对账的数据，并以单一可信来源呈现。
与受影响的确切资产和所有者相关联的漏洞。
可触发补丁修复、隔离措施、CMDB 更新和带有证明的工单关闭的自动化工作流。
覆盖基于代理、无代理、主动和被动方法的发现能力，从而触达混合环境的每个角落。

每个团队如何受益于统一资产可见性

借助统一且可靠的资产数据，每个团队都能从中受益：

安全团队可以将暴露面映射到真实资产，并更快响应。
IT 运营团队可以打通从发现到修复再到验证的闭环。
终端团队可以一致地执行策略。
ITAM 团队可以利用准确的使用情况和授权洞察来优化支出，消除浪费。
合规团队可以自动生成可供审计使用的证据，无需手动操作。

立即实现完整 IT 可见性

如今，这种清晰度已经可以实现。通过采用结合基于代理、无代理、主动和被动方法的现代发现方式，统一资产智能可确保 IT 团队实现完整可见性，即使环境变得更加复杂和分布式。

统一资产智能可摄取来自组织各个角落的最新数据，包括设备、身份、SaaS 应用、云工作负载和网络信号。这些数据会被规范化并整合为单一、可信的事实来源。

组织不再需要管理来自多个工具的局部或碎片化库存，而是获得实时、全面的视图。每项资产都能以其关键详细信息和上下文被准确呈现，从而消除盲点，让团队能够自信地保护和管理整个环境，减少猜测、降低风险并重新掌控局面。

了解Ivanti Neurons for Discovery如何为您的环境提供完整可见性。

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》。

自动化将真正改变IT和业务的游戏规则

Fri, 21 Feb 2025 19:41:51 Z

目前，大家对于自动化的讨论无处不在，尤其是关于其对ITSM和IT组织架构可能产生的影响这个话题。IT行业总是伴随着新技术的不断涌现，其更新换代的过程永远不会停止。然而，某些新技术的影响力却远比其他技术更深远，互联网和智能手机就是其中的代表。如今，各种迹象都表明自动化将加入这一「高影响度」的技术行列，并在某种程度上改变我们身边的一切。

在技术领域，自动化是一个非常宽泛的讨论范畴，AI（人工智能）就是一个很好的代表。简单来说，自动化就是一种将原来需要人们手工执行的过程以一种更加高效的自动化作业的方式来实现的技术。当然，如今人工操作仍然主导着ITSM的日常节奏。

因此，无论怎样强调自动化在将来ITSM中的地位都是不过分的。

自动化完全有能力促成ITSM领域的重大变革，让我们来看三个例子，看看未来几年我们可以期待从这项技术中获得些什么：

01 自动化加速战略创新

大家意识到，随着时间推移，特定领域的产品自然会被商品化。因此，我们更加关注任何能够为特定领域的业务创造真正优势的差异化因素。而速度成为每个企业在各个业务领域都会考虑的一个关键因素——每天不断重复的任务和业务流需要多长时间完成？因为这个时间决定了整个业务的效率，而效率的提高就意味着交付给用户所需的产品或者服务的时间将大大缩短。

这种由于引入自动化带来的效率提升是非常显著的，在很多例子中，这种提升甚至可以达到80%-90%之巨。

自动化在现实中确实创造了不可估量的收益，它改变了组织内部的运作方式，提高了员工生产力水平，改善了针对客户的服务方式。通过ITSM自动化节省时间的两个典型场景就是自助式服务和服务目录的引入。

这些自动化的引入可以让员工快速提交事故或服务请求，无需直接与helpdesk人员或者一线工程师通信，甚至某些请求在整个流程中都无需技术支持人员的参与。这是一种简单、快速、方便、有效和全自动化的模型，在过去五到十年中，它已经在ITSM领域越来越普及，并且现在看来也一点儿都不过时。

02 自动化解放了员工

一直以来，企业中的IT人员不断尝试着提高工作效率，以便更积极主动地配合企业发展，例如开发出更具战略性、对业务更有影响力的项目。然而，IT运维的日常需求从某种程度上阻碍了这一转变，IT几乎夜以继日的不断重复着系统升级、中断、架构变化等日常工作。现在，自动化的引入提供了了将员工从重复的日常工作中解放出来的机会。

目前，IT行业的自动化水平通常在20%-30%之间，但是，巨大的变化即将到来。预计未来五年内，自动化首先将对ITSM领域带来巨大影响，并预计在2025年覆盖90%的ITSM领域。对于典型的IT组织而言，这意味着60%-70%的自动化水平净增长——这些数字是非常具有震撼力的。

这种规模的提高不但对效率提升是有益的，而且它真正改变了IT和业务上的游戏规则。

自动化为企业员工节省下来的每一分钟都是宝贵的，员工可以有更多的精力投身到更具有创新和战略价值的项目中去，或者投身到需要更多面对用户的工作中去。同样以我们之前提到的为例，自助服务和服务目录可以很大程度上减少ITSM团队的工作负荷，这使得我们的IT人员可以被重新分配到新的项目中，或者让他们有精力更加专注于客户服务，提升客户满意度。

03自动化“天生”敏捷

最近，业务敏捷性的话题受到了越来越多的关注。敏捷当然能带来很多显而易见的价值，例如快速变更的能力、快速扩展的能力、对于关键活动的快速迭代、快速的反馈机制、可以聚焦于业务本身的价值体现等。这些听起来都很好，但究竟如何做到这一点呢？我们可以通过建设敏捷IT，从而使得我们的资产和IT系统更加敏捷，最终实现业务的敏捷性。

IT的这些行动将从内到外地为业务创造敏捷性。

随着企业对技术、业务系统和数据的依赖性越来越强，IT发现自己本身在管理这些系统时起到了非常重要的杠杆作用。因此，当这些系统被不断增强和发展时，增加敏捷性成为了IT的一个重要目标。自动化天然携带的敏捷属性使其成为了关键，通过实现相关任务和业务流程的自动化，我们在加快执行速度、提高系统延展性、从容应对变更等能力方面又前进了一步。所有这些都提高了业务各个部分的敏捷性。

最后，不要盲目地相信只有自动化最主要的工作才能带来最大价值，事实并不是这样的。每一个简单任务的自动化，以及自动流转每一个简单的业务流程，都会对业务产生重大影响并带来即时价值。我们应该遵循这样的原则：节省下来的每一分钟都是至关重要的，同时消除掉每一个不必要的环节也是至关重要的。

自动化的好处就在于快速、实用、精确和便宜。有谁会不喜欢这些呢？不管我们将会选择关注哪些措施，引入了自动化和其他智能技术的ITSM的进步最终将有助于推动我们前进，而这仅靠人工的努力显然是不可能做到的。

ITSM最新魔力象限出炉，Ivanti无限逼近领导者

Fri, 21 Feb 2025 19:41:42 Z

不久前，最新的2019 Gartner IT服务管理魔力象限报告正式出炉。值得一提的是，于2017年首次现身Gartner魔力象限便位居挑战者象限的Ivanti，其排位已连续三年稳步提升。2019报告中，Ivanti已无限逼近领导者象限。

Gartner眼中的Ivanti

Gartner认为，IT服务管理工具对于基础设施和运营组织支持和提供IT服务至关重要。

ITSM工具帮助基础设施和运营（I&O）组织管理IT服务的消费，支持IT服务的基础设施，以及IT组织在提供这些服务方面的责任。IT服务台和IT服务交付功能最常用这些功能来支持流程的任务和工作流，包括事件、请求、问题、更改、服务级别、知识和配置管理。

Gartner指出，随着ITSM工具的市场饱和程度不断加深，供应商越来越多地将产品开发集中在非I&O用例上，比如与人力资源管理或设施管理相适配。

报告中，Gartner认为Ivanti在ITSM市场中地位不断提升，主要受益于其以下几方面优势：

通过其安全和ITOM解决方案等，Ivanti能为客户提供丰富的ITSM产品组合和许可选项，这对寻求定制化方案的组织非常具有吸引力
Ivanti通过渠道很好地迎合了I&O成熟度处于中低水平的组织，Ivanti的ITSM方案会定期地出现在客户的候选名单上
Ivanti通过活动、博客、社交媒体和网络研讨会等渠道大大改善了客户沟通，增强了产品改进和路线图的可视性
Ivanti在ITSM产品的云版本中提供了不少创新功能
······

客户眼中的Ivanti Service Manager

事实上，Ivanti ITSM方案在专业咨询机构眼中的价值已经在客户市场中得到了验证。在本土市场，大量来自各行各业的企业组织正通过Ivanti专业化的产品和服务获益：降本增效，实现自动化和统一管理。

“在IT服务管理方面，Ivanti提供的解决方案是真正国际化的产品，而其中的流程标准也符合中国的制定方式。使用这样的IT服务管理产品既匹配海外需求，又符合中国文化，保证了我们在海外市场统一运维工具的实施。”

“Ivanti产品方案的背后，是一套成熟的、被证实行之有效的管理思想和管理体系，并构筑了完整、统一的产品序列，这一点是其他很多同类厂商难以企及的。”

“通过升级为一套符合ITIL理念的IT服务管理平台，Ivanti将帮助我们彻底告别现有呼叫中心和OA资产管理系统的种种弊端，更好地支持快速增长的业务需求，满足日益高涨的IT管理规范化需求。”

“IT数字化管理转型历程中，ITSM项目实施是相当重要的一步。Ivanti方案在技术适用性、系统稳定性、运维敏捷性和服务成本等方面取得了很好的平衡，包括平台友好、开放的特性，充分适应定制化集成开发需求，为项目成功实施提供了关键保障。”

·····

对于Ivanti而言，无论是对中国市场提供的IT管理服务，还是在全球范围提供的IT管理服务，一直都在强调方法论的重要性。Ivanti也一直在提供方法论，并且基于方法论提供相关的工具，而且所涉及的概念保持与时俱进。

如今，企业自动化运维更需要一种云管理平台，将不同角色、不同功能集成起来，集中到一个平台上。Ivanti Cloud正是这样的平台，其功能可以帮助企业快速发现各类问题，整合数据并从中梳理出趋势与联系，智能化地分析、解决问题，进而提升运维效率。

对于用户而言，无论是在本地实施ITSM方案，还是想通过云端管理功能进一步优化效率和体验，Ivanti都是不二的选择。同时，在产品解决方案组合的灵活性和性价比方面，Ivanti也广受市场认可。

或许在不远的将来，Ivanti就将与你一起见证IT管理市场崭新的格局和版图。

ITAM 还是 CMDB？为什么两者都需要

Tue, 03 Dec 2024 16:28:54 Z

许多组织借助 IT 资产管理 (ITAM) 解决方案，确保其所有 IT 资产在生命周期结束前都能被发现、跟踪、保护并妥善处置。

一些 IT 管理员会询问，能否使用配置管理数据库 (CMDB) 来满足其 ITAM 需求。但也有人担心，在两个解决方案中跟踪 IT 资产会要求他们重复创建每条资产记录，从而增加工作量。

什么是 ITAM？

ITAM 是一套用于跟踪 IT 资产清单的最佳实践。其目标是管理 IT 资产的总体成本，包括所有权、与资产生命周期相关的合同、保修信息和更新换代信息。

ITAM 从组织的财务角度关注 IT 资产。当组织遵循 ITAM 最佳实践时，就能就技术采购做出明智决策。此外，还可以避免与软件审计相关的意外成本和罚金。

什么是 CMDB？

CMDB 是关于组织 IT 资产信息的中央存储库，其中包括硬件、软件、网络及其各种关系的详细信息。

配置管理涉及从运营和支持角度跟踪 IT 资产。由于资产的可用性和稳定性会影响组织的日常运营，因此需要记录资产及其配置和服务提供情况。

如果正在使用 CMDB，是否还需要 ITAM？

在使用 CMDB 时是否需要 ITAM，取决于组织规模以及其 IT 服务管理 (ITSM) 需求的复杂程度。组织可能会认为，避免购买单独的软件解决方案或避免为员工培训另一款产品颇具吸引力。在 ITSM 解决方案中管理 ITAM 数据，可以简化请求履行流程的构建和管理。

大多数 CMDB 解决方案都提供广泛的自定义功能，因此可以使用 ITAM 属性和功能对 CMDB 进行自定义。但 CMDB 的目标与 ITAM 的目标大不相同。

以您所在城市或城镇的公交服务为例，可以简单说明不同数据（线路编号和车辆编号）如何用于不同目标。公交车会被分配到线路，每条线路都会分配一个显示在公交车上的编号。每辆公交车还会被分配第二个编号，以便在其整个生命周期中进行跟踪。管理员可以将不同的公交车分配到某条线路，而不会影响公交线路编号。如果用于识别实体公交车的编号与公交线路编号相同，就会造成混淆。

代表电子邮件服务的 CMDB 配置项 (CI)（在我们的类比中相当于“线路”）很可能会比用于提供电子邮件服务的资产（即实体服务器，在类比中相当于“公交车”）的生命周期更长。

存储 ITAM 数据

CMDB 可以存储所有 ITAM 数据，但需要对 CMDB 进行重大修改才能满足 ITAM 要求。CMDB 缺乏发现功能，因此必须实施连接器或与外部 IT 资产发现工具集成，以确保 IT 资产配置信息能够被发现，并在 CMDB 数据库中保持最新。

还需要向 CMDB 添加更多自定义功能，这可能会产生高昂成本。即使为 CMDB 应用了 ITAM 功能，组织也仍然不太可能获得完整的 ITAM 解决方案。对于规模较小的组织而言，这种类型的 ITAM 可能已经足够，但仍需要修改 CMDB，使其能够处理合同、财务和生命周期信息。

此外，还需要在 ITSM 解决方案中创建 IT 资产经理角色，并为 ITAM 管理员授予适当的 CMDB 权限。除此之外，还需要修改或添加 ITSM 流程，以提供 ITAM 流程功能。

单一数据库的风险

在 CMDB 中存储过多不相关数据，尤其是与特定业务问题无关的数据（例如将业务服务映射到 CMDB），可能会导致数据库变得庞大且成本高昂。存储的数据越广泛，维护数据准确性所需的时间、精力和人力资源就越多。

如果数据库不准确，就无法被信任。当许多人维护和更改数据时，就会面临未经批准的变更风险，甚至可能影响业务关键型配置项 (CI)。限制数据量也会限制能够更改数据的人员数量，从而维护数据完整性。这是为 CMDB 和 ITAM 使用独立工具的有力理由。

此外，如果将过多可能与关系或业务服务无关的数据放入数据库，会给试图解读或查看这些数据的人员带来不必要的信息负担。

资产报告怎么办？

将 IT 资产的完整详细信息纳入 CMDB，可以简化 IT 资产报告的创建。CMDB 可洞察 IT 资产之间的关系，包括其配置、变更风险以及这些变更带来的影响。它也不同于标准 ITAM 解决方案，后者通常跟踪 IT 资产之间的层级关联。

将所有 ITIL 和 ITAM 资产关系数据集中到 CMDB 中，可能会让报告工作比使用分散数据库更直接且更具成本效益。但这需要对 CMDB 进行大量修改。

了解更多：Ivanti Asset Manager 免费演示

为什么需要两个解决方案来跟踪 IT 资产？

对于遵循 ITIL 最佳实践的 ITSM 解决方案而言，变更管理至关重要。ITIL 为处理 IT 环境变更提供指导和最佳实践，以降低与 IT 配置变更相关的风险。

ITIL 最佳实践建议，提供运营服务的 IT 资产应使用 CMDB 进行记录和跟踪。使用 CMDB 跟踪的每项资产都是一个 CI，可以是硬件资产、软件资产，或为提供 IT 服务而组合的多项资产。每个 CI 都会被跟踪，以确保其处于可运行状态。

ITAM 解决方案面向不同目标，并提供自身的优势。许多组织希望将所有数据集中到单一事实来源中，但这未必是存储每一类数据的最佳位置。例如，有些组织希望将合同、流程指南和策略放入 CMDB。将这类非常具体的数据存储在专门管理这些数据的工具中，可以确保具备适当的功能。

以合同为例，ITAM 工具或合同生命周期管理系统会以适当格式存储合同，以便对其进行影像化处理、提取关键日期，并创建工作流或将其与成本中心或群组关联。

如果不进行大量自定义，CMDB 并非为支持这种详细程度而设计。为特定类型的数据选择合适的管理工具，然后将其链接或集成到 CMDB，可以确保不会为了集中化便利而牺牲功能。

同时在 CMDB 和 ITAM 解决方案中跟踪一项 IT 资产是否有意义？其实并没有，前提是可以通过将 CMDB 与 ITAM 解决方案集成的方式，避免重复创建 IT 资产记录。

设想一个用于管理公交线路服务的数据库。该数据库会跟踪与服务相关的项目，例如时刻表、司机以及分配到线路的公交车。通过集成，管理员只需使用显示可用公交车的查找表，将一辆公交车分配给某条公交线路。当 CMDB 与 ITAM 解决方案集成后，IT 资产可以直接链接到 CI，而无需重新创建并重复记录。

ITAM 与 CMDB：重点不在于“对立”

试图让 CMDB 承担 ITAM 的资产管理角色存在明显弊端。因此，这并不是“CMDB 与资产管理孰优孰劣”的问题，因为对于任何高度依赖技术的企业而言，ITAM 和 CMDB 都至关重要。

根据 ITIL 最佳实践，为组织提供服务的 IT 资产需要通过配置管理流程进行跟踪。这些 IT 资产也需要使用 ITAM 最佳实践进行跟踪，以避免因资产丢失或被盗、采购决策信息不足以及使用未授权软件而产生的意外成本。为确保无缝集成，组织应考虑使用集成到服务管理平台中的 ITAM 解决方案。

迁移到云端，摆脱基础设施负担并降低维护成本

Mon, 04 Nov 2024 15:50:11 Z

如今，企业一直在寻找精简运营并获得优势的方法。然而，许多企业仍受到本地部署 IT 基础设施的负担和成本所制约。这正是一些企业开始考虑云迁移优势的原因。

在本文中，我们将探讨云迁移的优势，以及它如何帮助企业节省成本、扩展业务并改善运营。我们将介绍摆脱本地基础设施、降低维护成本以及采用最新安全技术如何助力各种规模的企业。

降低成本并提升可扩展性

通过迁移到云端并利用其按使用量付费模式，企业可以避免对服务器、软件和数据中心等本地基础设施进行大量投资。这消除了购买和维护硬件及软件相关的资本支出，释放出宝贵的财务资源，使其能够重新分配到业务的其他领域。

可扩展性是迁移到云端的另一项重要优势。企业可以根据需求轻松扩展或缩减 IT 资源，确保只为实际使用的资源付费。这对于工作负载波动或存在季节性需求的企业尤其有帮助。通过避免基础设施过度配置，企业可以优化 IT 支出并避免不必要的成本。

此外，云端也为使用最新硬件和软件打开了大门，帮助企业提升性能和敏捷性。由云提供商负责基础设施更新和维护后，企业便可专注于核心业务，摆脱系统管理和更新的负担。这使企业能够保持竞争力和响应能力，推动创新与增长。

通过消除本地基础设施来降低成本

迁移到云端并不只是意味着无需购买和维护硬件，还意味着可显著降低本地基础设施的持续运营成本。通过云迁移，企业可以避免维护物理服务器、存储系统和网络设备的成本。这意味着不再需要硬件资本支出，不再承担电力和冷却成本，也不再需要维护合同。相反，企业可以将这些资金投入到推动增长和创新、促进业务发展的计划中。

此外，通过减少对本地基础设施的需求，也能减少聘请 IT 人员进行维护和故障排除的需要。这意味着现有 IT 团队可以减少花在日常维护上的时间，将更多精力投入到其他能够创造业务价值的项目上。当企业与云提供商合作时，对方会提供专家团队，持续监控和优化其云基础设施，确保其高度可靠并保持最佳性能。

同时，由于云提供商受益于规模经济，因此能够以低于本地部署解决方案的成本提供基础设施服务。他们通过大量投资最先进的数据中心、采用节能技术并优化资源利用率来实现这一点。因此，企业可以在不牺牲质量或性能的情况下节省成本，这在当今竞争激烈的环境中尤为重要。

无需担心应用升级和补丁

云计算的一大优势在于无需再进行本地部署的升级和补丁应用。这一转变降低了人为错误和升级延迟的风险，同时释放 IT 资源，使其能够专注于战略性业务计划。通过消除管理系统更新和补丁相关供应商关系的复杂性，组织可以显著简化 IT 运营。

此外，云计算提供商还提供可靠且安全的数据备份和灾难恢复解决方案。这意味着在发生自然灾害或系统故障时，企业可以快速、轻松地恢复数据并继续运营，而不会遭遇重大中断。采用本地部署系统通常很难且成本高昂才能实现这种级别的数据保护和韧性。借助云计算，企业可以放心地知道其宝贵数据始终得到备份，并可随时访问。

消除本地部署升级造成的停机时间

迁移到云端最具吸引力的优势之一，是可以消除本地部署基础设施升级造成的停机时间。这些升级可能需要定期进行，通常会带来较长时间的停机，并中断业务运营。这可能导致生产力和收入损失，以及客户满意度下降。

相比之下，云计算提供无缝且持续的升级流程。云提供商负责所有基础设施维护和升级，确保企业只有极少停机时间，甚至完全不停机。这使组织能够专注于自身核心能力，而不必担心 IT 管理的复杂性。通过消除停机时间，企业可以保持运营不中断，提升客户满意度并获得竞争优势。

此外，云计算还可帮助企业采用前沿安全措施并获得合规认证。云提供商会大力投资于稳健的安全基础设施，并配备专门的安全团队来保护数据和系统。因此，企业无需对自有安全基础设施进行大量投资，也能享受更高水平的安全性。这不仅降低了成本，还可确保遵循行业法规和标准。

展现绿色承诺

除了安全性之外，云计算也在环境可持续发展方面发挥作用。迁移到云端意味着企业可以通过降低能源消耗和减少硬件废弃物来降低碳足迹。随着可持续发展和负责任的资源管理日益重要，这一点尤为相关。采用云计算不仅是一项明智的业务决策，也是企业展示其致力于绿色未来承诺的一种方式。

总之，云迁移可以消除停机时间，免除本地部署基础设施成本，并增强安全性。迁移到云端能够为追求效率、可扩展性和竞争优势的企业带来战略优势。

命名许可证与并发许可证：为您的企业选择合适的模式

Wed, 25 Sep 2024 06:58:47 Z

谈到 ITSM 解决方案的许可授权时，了解可用的不同许可证类型并选择合适的类型，可能会对企业的效率和预算产生重大影响。

虽然许多订阅服务供应商只提供命名许可证，但也有一些供应商提供更灵活的并发许可证。两者各有优势，并适用于不同的使用场景。

许多 SaaS 解决方案只采用命名用户许可模式，这对某些组织而言可能成本较高。为了向客户提供更高的灵活性，一些软件供应商除了命名许可外，还提供并发许可证。

什么是命名用户许可证？

命名用户许可证，也称为固定用户许可证，会分配给计划使用系统的特定个人。许可证一旦分配给某个人，只有该人员可以使用此许可证访问软件。无论该人员是否正在使用软件，该许可证都视为已被占用。这类许可证与用户身份绑定，并需要唯一的用户名或 ID。

通过将许可证分配给特定用户，软件公司可以控制谁有权访问其软件，并防止未经授权的使用。这种控制级别有助于管理预算和软件支出，并确保许可合规。

对于用户群体明确的组织而言，命名许可证是一种简单且易于管理的许可选项。它们可提供清晰的软件使用记录，有助于简化许可证管理，并确保遵守软件许可协议。

命名许可证的优势

命名许可证具备多项优势，使其在特定情况下成为颇具吸引力的选择。

个性化与安全性：由于许可证与特定用户关联，因此可以根据该用户在公司内的角色和需求进行定制。这也增加了一层安全保障，因为只有注册用户才能访问软件。
管理简便：命名许可证管理起来很直接，因为每个许可证都与特定用户相关联。跟踪谁有权访问哪些内容也会更加轻松。
合规性：由于分配关系清晰明确，因此更容易确保符合软件使用政策和许可协议。
价格：与并发用户许可证相比，命名许可证的费用更低。

命名许可证的劣势

过度许可：组织需要为任何可能使用软件的人员购买许可证，因此许可证数量可能会超过实际使用量。例如，您可能购买了 100 个命名用户许可证，但发现最多只使用了 75 个。
偶尔使用的用户：偶尔需要访问软件的用户，例如承包商或服务提供商，无论登录次数多少，仍然需要一个命名许可证。
轮班员工：如果您的员工在不同班次访问解决方案，则必须为所有班次的用户购买许可证。
管理工作：随着用户加入或离开，命名许可证需要重新分配。一些供应商还会限制命名许可证可重新分配的次数。
许可不足：大多数按命名用户方式授权其产品的软件供应商，并不会阻止您在没有实际许可证的情况下访问其软件。但是，如果不仔细监控使用情况，实际使用系统的用户数量可能会超过您拥有的许可证数量。供应商通常会根据该期间使用过软件的用户数量，对您的许可证进行“用量核对”。

理想使用场景

员工需要始终确保能够访问软件的企业。
软件使用已深度融入单个用户日常工作流的环境。
团队结构稳定或变化缓慢的组织。

什么是并发用户许可证？

并发用户许可证，也称为“浮动”用户许可证，由一组用户共享，可提供更动态、更灵活的模式。这类许可证限制的是同时使用的用户数量，而不是用户总数。例如，一家公司可能购买 10 个并发许可证，任何员工都可以使用，但同一时间只能有 10 人使用该软件。

并发许可证的优势

成本效益：这种模式可能更经济，尤其是在并非所有用户都需要同时使用软件的情况下。您为峰值使用量付费，而不是为每个个人访问权限付费。
灵活性：在动态工作环境中，不同用户可能需要在不同时间访问软件，并发许可证可提供相应的灵活性。
资源最大化：这类许可证可根据业务需求的变化，高效利用软件许可证。

并发许可证的劣势

确定所需的并发许可证数量可能是一项复杂的任务，需要持续监控以确定峰值并发使用量。
当达到最大并发用户数后，并发许可证通常会阻止其他用户访问软件。

理想使用场景

员工间歇性使用软件或按班次使用软件的公司。
仅在特定任务中需要软件，而这些任务并非每天发生的组织。
员工流动率高或项目需求波动较大的工作环境。
必须将使用范围扩展到其他领域的组织。

如何计算并发用户数量

确定并发用户数量并没有放之四海而皆准的公式。它可能会因组织的使用模式而异。有些组织可能适用 3:1 的比例，即每三个用户对应一个许可证，但根据使用模式和峰值活动情况，您的比例可能更高或更低。在计算中加入一定缓冲作为保障，是一种常见做法。

许可证计算示例

以下是命名许可证与并发许可证计算方式的示例：

某组织正在为新的 SaaS IT 服务管理平台购买许可。该组织内部的用户构成如下：

IT 总人数：1,000。

服务台：三个班次共 25 名用户。

早班：10 名用户。
午班：10 名用户。
夜班：5 名用户。

变更经理：20。

资产经理：5。

外部顾问：20。

HR 服务管理：10。

	所需命名许可证数	所需并发许可证数
服务台	25	10	对于服务台，采用命名许可证时，我们需要为所有班次的每位服务台用户各配备一个许可证。而采用并发许可证时，我们只需按单个班次的用户数量购买即可，在本例中为 10 个。
变更经理	20	6	对于并发许可证，我们假设任意时间最多只有 6 名变更经理处于活跃状态。
资产经理	5	2	对于并发许可证，我们假设任意时间最多只有 2 名资产经理处于活跃状态。
外部顾问	20	4	由于外部顾问必须拥有许可证，因此即使他们可能只是间歇性用户，也会分配所有命名许可证。
HR 服务分析师	10	2	HR 也希望使用该平台，因此已对并发用户数量做出相应假设。
	80 个命名许可证	24 个并发许可证

这些并发用户许可证不局限于特定角色，任何用户都可以使用，但最多同时支持 24 名并发用户。

需要注意的是，组织可以选择同时采用命名许可和并发许可的组合。

确定最适合您组织的模式

在命名许可证与并发许可证之间做出选择，通常取决于对组织具体需求的分析：

评估使用模式：了解团队使用软件的频率以及使用情况的可预测性。命名许可证更适合持续的日常使用，而并发许可证则适合偶尔访问。
考虑预算限制：如果预算是一个重要因素，请根据您的使用模式评估每种许可类型的成本影响。
评估管理开销：从 IT 开销和合规性的角度，考虑每种许可证的管理难易程度。

命名许可和并发许可都能为组织提供更高的灵活性，许多组织也会选择同时使用这两种类型。命名许可证与并发许可证之间的选择，取决于企业的运营方式和软件需求。仔细考量这些因素，可帮助您选择一种既符合预算、又能提升团队生产力，并与运营工作流保持一致的许可模式。

Ivanti 提供并发许可和命名许可方法。详细了解 Ivanti 灵活的服务管理选项。

服务请求管理最佳实践

Tue, 20 Aug 2024 07:00:00 Z

服务请求管理是IT 服务管理 (ITSM)的关键组成部分，能够高效处理由员工发起的请求。

实施请求管理最佳实践不仅有助于组织提升服务请求体验，还能帮助其简化内部流程，并确保服务履行不会不堪重负。

什么是服务请求管理？

服务请求可以涵盖订购新电脑、访问内部软件，甚至像重置密码这样简单的事项。如果没有正式系统来支撑，处理这些请求就像在迷宫中摸索，处处都是遗失的请求、受挫的员工和不堪重负的 IT 团队。服务请求管理为服务交付带来秩序。

服务请求管理通过为员工请求服务提供统一联系入口，帮助组织管理和履行服务请求。该流程旨在保持简单明了，并提供一致且易于使用的体验。服务请求管理有助于 IT 和内部部门有效管理并解决服务请求，同时确保员工及时了解其请求状态，并确保其期望得到满足。

通过实施服务请求管理，组织可以转变服务交付方式，确保员工与 IT 团队能够在协作文化中共同提升运营效率。

前端设计最佳实践

有效的服务请求管理，其核心在于打造一流的员工体验。为此，组织应优先构建功能强大且易于使用的自助服务门户。该门户将成为员工寻求帮助的主要接触点，并应简化服务请求流程。

员工期望获得与在线购物同样便捷的体验。自助服务门户应体现面向消费者的友好体验，作为统一访问入口，让员工能够轻松请求服务、查找信息并跟踪请求状态。

例如，在线商店通常会将畅销商品置于显眼位置。组织也可以借鉴这一做法，让常见的服务请求最易于访问。通过便捷获取关键服务，员工可以减少对他人的依赖，而组织也能通过快速解决问题来提升员工体验。员工获得赋能，也因此更高效。

具有前瞻性的组织还应提供自助服务资源，让员工能够自行解决问题。事实上，我们的 2024 年 Everywhere Work 报告发现，49% 的员工认为更多自助服务信息能提升他们的工作效率。这些资源可能包括详细的知识库、分步指南和故障排除文章。通过为员工提供自行完成请求所需的工具，组织可以减少提交到服务台的请求，并建立自给自足和解决问题的文化。

打造顺畅管理员体验的最佳实践

要在服务请求管理中提供卓越的后端体验，可以实施多项最佳实践。

首先，将所有服务请求集中到单一系统中。这样可确保所有请求对授权人员可见且可访问，管理员无需在多个渠道或系统中查找。

接下来，利用自动化的力量创建清晰的工作流。这可以最大限度减少人工工作，让管理员专注于更复杂且更具战略性的职责。

建立清晰且定义明确的审批流程同样重要。在不影响必要审批的前提下，防止瓶颈并确保及时决策。简化审批工作流可加快请求履行速度，并避免解决过程中的不必要延误。

为了进一步增强后端体验，管理员可以利用分析和报告工具来监控和分析请求趋势，识别改进领域，并做出数据驱动的决策。管理员可以持续改进和优化服务请求管理，使其始终与组织目标和用户期望保持一致。

定期审查和更新服务请求管理政策、流程和文档，对于维护高性能系统至关重要。这种持续评估有助于纳入最佳实践、行业趋势和经验教训。通过保持文档更新并易于访问，管理员可以高效地为用户提供指导和支持，确保服务交付一致且有效。

最后，营造协作环境，让管理员、请求者和其他利益相关方能够积极参与并提供反馈，对于服务请求管理的持续改进至关重要。通过建立有效的沟通渠道，管理员可以收集有价值的洞察、回应关切并主动应对挑战。这将提升用户满意度和整体服务卓越性。

随着请求变得更加复杂，请求工作流可能需要跨越到外部系统中完成履行。例如，订购一台电脑时，可能需要进入采购系统，从供应商处订购这台新电脑。强大的双向集成可帮助您自动化整个流程，而不受系统和流程限制。

将服务请求管理扩展到 IT 之外

通过采用服务请求管理最佳实践，其优势可以远远超出 IT 部门。人力资源、设施管理和市场营销等部门也可以改进其运营。

自动化仍然是减少人工工作和提升工作效率的关键。人力资源部门可以自动化休假请求和入职流程，设施管理部门则可以自动化工单和资产跟踪。这让所有员工都有更多时间专注于战略性工作。

通过实施定义明确的审批流程，请求可以高效地流转给合适人员，确保及时签核。人力资源部门可以简化费用报销和休假请求。设施部门可以加快维护和翻新审批。完善的工作流还能进一步提升效果，通过定义任务顺序并自动化任务之间的流转，帮助各部门建立清晰流程、提高责任明确性并优化资源分配。

适当的服务请求管理可提升整个组织的生产力和效率。简化的门户可避免员工浪费时间查找正确的服务请求，而自动化工作流则可为管理员优化资源分配。这不仅提高了服务可用性，也为组织扩展和创新提供更多机会，为增长铺平道路。

此外，细致的文档记录和审批流程可强化合规与风险管理。通过采用这些实践，组织可以提升 IT 效率，并提高 IT 员工和最终用户的工作效率，确保所有员工都能获得更出色的体验。

帮助台和服务台有何区别？

Mon, 15 Jul 2024 09:00:01 Z

在过去，帮助台与服务台之间的差异或许曾经显而易见。但多年来，许多情况都发生了变化，尤其是新技术的出现，影响了用户和客户获得支持的方式。

让我们比较帮助台与服务台模式，并了解这一持续演进的过程。

在讨论 IT 服务管理 (ITSM) 解决方案时，帮助台与服务台之间的区别尤为明显。帮助台解决方案通常处理事件管理，而服务台解决方案则通过采用更多 ITIL 规程，超越了事件处理的范畴。现代服务管理解决方案则更进一步。

帮助台与服务台

传统 IT 帮助台运营源于 DOS 主导操作系统格局的时代，当时大多数计算机都兼容 IBM。客户支持软件会生成包含关键详细信息的事件档案；这就是人们熟悉的“工单”系统。

从开始到结束，事件的所有权都归属于一线支持分析师。当需要升级分析师介入时，他们会同时承担问题经理、变更经理和发布经理的职责。

这种模式作为一种响应式资源运行，采取“故障修复”的思路：帮助台专注于在用户问题、请求和事件出现时立即响应。这可确保最终用户工作的连续性，但不一定能从源头上阻止这些问题发生。

帮助台偏重响应式处理，而服务台模式则专注于主动预防问题并确保服务交付。服务台所采用的技术通过配置管理、知识管理和发布管理（而不只是事件管理）来实现这一目标，并且遵循 ITIL 最佳实践进行设计。

相关内容：20 项 IT 工单处理最佳实践，提升服务与支持水平

帮助台已经过时了吗？

在比较帮助台与服务台时，还有另一个值得关注的角度：可以说，帮助台或许已经不复存在，至少不再是传统意义上的帮助台。

过去，帮助台只是人们前来解决 IT 问题的地方。但随着时间推移，帮助台必须提供更全面、更主动的一系列服务，因此有了“服务台”这一名称。IT 人员开始不再只处理事件管理，还扩展到问题管理等更多领域。因此，随着 IT 团队变得更加主动和具备预测能力，服务台已经取代了帮助台的位置。

现实情况是，许多过去由帮助台按传统方式处理的问题，如今都通过自助服务门户得到解决。或者，由于智能自我修复机器人的存在，这些问题根本不会演变成事件。用户甚至不会为问题创建工单，因为在他们意识到问题存在之前，问题已经被修复。

相关内容：优化 IT 服务台：通过结构化实现流程改进

改善客户体验

服务台与帮助台功能之间的一个关键差异，是对支持专业人员所需技能组合的要求发生了变化。用于培训技术技能的资源非常丰富，但支持团队还需要具备倾听和沟通方面的客户服务技能。问题在于：在解决技术问题的同时，他们如何为用户带来积极体验，并避免问题升级？

此外，一线服务台人员通常比帮助台团队拥有更全面的培训和资源。这使他们能够独立处理更广泛的问题，从而降低升级率并加快解决时间。

帮助台与服务台模式

让我们梳理一下传统帮助台模式与现代服务台模式的区别：

特性	传统帮助台	现代服务台
关注重点	响应式事件解决——在事件被报告时进行处理。	维护服务交付并主动预防问题。
流程	非正式，且通常相互孤立。	维护服务交付并主动预防问题。
工具	非正式，且通常相互孤立。	正式化，并与 ITIL 最佳实践保持一致。
用户互动	电话和电子邮件支持。	多渠道支持（电话、电子邮件、聊天、自助服务门户）。
知识管理	有限的知识库。	强大的知识库和自助服务选项。
自动化	自动化程度很低。	重复性任务自动化（例如密码重置）。
所需技能组合	主要是技术技能。	兼具技术技能和沟通/客户管理能力。
指标与报告	关于已解决工单的基础报告。	关于服务级别、绩效和趋势的全面报告。
用户赋能	有限的自助服务选项。	用户可通过知识库和门户进行自助服务。
成本管理	即使是小型/常见事件也需要手动解决，从而推高成本。	通过自动化、流程分析和自助服务控制成本。
变更管理	非正式的变更流程。	正式的变更管理流程。
业务一致性	对业务目标关注有限。	与 ITIL 和业务目标高度一致。
安全一致性	通常与安全团队相互隔离。	可利用技术支持威胁预防以及与安全团队的协作。

相关内容：服务台自动化系列（四篇之一）：它能为您带来什么

网络安全合作伙伴

由于现代 IT 服务台不再只是一个响应式实体，它已成为战略合作伙伴，不仅有助于保持顺畅的 DEX 和生产力，还可以通过与企业安全和 GRC 团队协作来保护组织安全。

举例来说，服务台如今采用的自动化工具和流程可以重新用于主动安全用例。它们的主动检测与修复机器人可以被克隆并调整，以支持网络安全需求。

自动化端点管理工具可以确保每台已连接设备上的漏洞都得到自动处理。此外，由于服务台通常是遇到可疑活动或安全相关事件的用户的第一联系点，因此高效帮助他们排查这些问题，会让用户更愿意报告事件并遵循规程。

实现转型的合适工具

当 IT 部门决定从帮助台模式迈向服务台模式时，应在支持这一演进的软件解决方案中关注以下关键功能：

全面的企业服务管理系统

超越基础事件跟踪。服务台应在统一平台中管理事件、服务请求、变更和问题。应关注自助服务门户、无缝集成能力等功能。

知识管理

强大的知识库使用户能够自行解决问题，并减轻服务台人员的压力。可考虑文章搜索、用户评分以及与工单系统集成等功能。

自动化能力

将密码重置和服务预置等重复性任务自动化，让服务台人员能够腾出时间处理更复杂的问题。寻找能够与其他 IT 工具顺畅集成并支持自定义工作流的解决方案。

自助服务门户

通过易于使用的自助服务门户，使用户能够独立查找解决方案。它应提供对知识库的便捷访问，允许提交服务请求，并跟踪工单进度。

ITSM 最佳实践

选择支持 ITSM 最佳实践的解决方案，使事件管理、变更管理和问题管理等流程成为可能。它应提供服务级别协议、配置管理集成和报告等功能。

可扩展性和灵活性

随着 IT 需求的发展，任何新工具都应能够支持增长。应寻找具备模块化功能、可根据您的具体需求进行定制的解决方案。

报告与分析

借助强大的报告和分析工具，深入了解服务台绩效并识别改进领域。跟踪服务请求解决时间、用户满意度和服务人员绩效等指标。

安全功能

选择具备强大安全功能的解决方案，以保护用户数据，并确保授权人员能够安全访问。

用户界面和体验

对于服务台代理和用户而言，友好的用户界面对于顺利采用和有效交付服务至关重要。可考虑直观导航、移动访问能力和搜索功能等特性。

与现有工具和架构集成

确保服务台解决方案能够与您既有的 IT 基础架构（例如工单系统）无缝集成。

相关内容：选择 ITSM 解决方案：您真正需要了解的内容

如何借助 iPaaS 简化 ITSM 集成

Thu, 29 Feb 2024 18:03:46 Z

集成是现代 IT 服务管理的关键环节。通过将 ITSM 平台与外部应用程序连接，企业可以简化 IT 运营，提高效率和灵活性，并提供更优质的客户服务。实时集成使企业能够快速适应不断变化的情况，并确保 IT 服务与业务需求保持一致。

然而，ITSM 集成可能复杂且具有挑战性。传统集成方法通常涉及定制开发和集成工作，成本高且耗时。iPaaS 为这些挑战提供了解决方案，使 ITSM 集成更易于管理。

什么是 iPaaS？

iPaaS 是 Integration Platform as a Service（集成平台即服务）的缩写。它是一种基于云的服务，提供一套工具和服务，可轻松连接应用程序并自动化工作流。iPaaS 可用于将 ITSM 工具和应用程序与其他业务系统集成，例如 CRM、ERP 和 HR 系统。这有助于提高效率、降低成本并改善客户服务。

iPaaS 通过提供一个集中式平台来发挥作用，使企业能够连接应用程序并自动化工作流。该平台提供多项功能和服务，让应用程序集成变得更加轻松，包括：

预构建连接器：iPaaS 平台提供预构建连接器库，可简化与常用应用程序连接的过程。这些连接器专为 Salesforce、Oracle、SAP 和 Workday 等应用程序而设计。
数据转换：iPaaS 平台对于在各种应用程序之间转换数据至关重要，可在多个系统的集成过程中保持一致性和准确性。
工作流自动化：iPaaS 平台可以自动化应用程序之间的工作流，从而提高效率并减少人工干预的需求。

iPaaS 如何简化 ITSM 集成

iPaaS 通过提供一个具备内置连接器和模板的集中式平台来简化 ITSM 集成，无需复杂的点对点连接。这样在连接多个系统时可以节省时间和精力，并且不需要高级编码能力或技术专长。

借助 iPaaS，数据可以在 ITSM 工具和其他业务系统之间实时同步。这可确保所有系统都拥有最新信息。实时集成提高了 ITSM 流程的准确性和效率，使企业能够快速而有效地处理客户请求和问题。

此外，iPaaS 还为 ITSM 集成提供可扩展性和灵活性。随着企业发展以及 IT 需求变化，企业可以轻松添加或移除 ITSM 工具和应用程序，而不会中断现有集成。这使企业能够按需调整 ITSM 集成，同时保持流程高效运行。

ITSM 中 iPaaS 的常见用例

ITSM 中适合应用 iPaaS 的常见集成型用例包括：

eBonding/工单转发：这有助于与其他 ITSM 或工单系统实现双向集成，包括内部和外部系统。对于需要将其服务管理平台与客户平台直接集成的服务提供商而言，这种做法很常见。它通常涉及双向事件集成，但根据客户与服务提供商之间的协议，也可能包括变更和资产/CI。通常，此类集成会在 Ivanti Neurons for ITSM 与 ServiceNow 或 BMC Helix 之间进行。
采购：为了简化服务请求、服务履行和资产生命周期工作流，可能需要与 SAP 等采购系统或类似解决方案集成。此外，与 Dell 或 CDW 等外部提供商集成，可以促进与供应商之间的采购请求处理。
入职：将新员工引入组织时，不仅要让 HR 参与，还需要 IT、薪资、设施以及任何其他必要部门参与。无论使用的是哪些具体应用程序（例如 Workday、SAP、Ivanti Neurons for ITSM 或 ADP），都可以通过自动化来简化所有这些领域的入职流程。这样可以实现无缝集成，并处理所有必要任务。
DevOps：简化开发流程对于 DevOps/DevSecOps 流程的成功至关重要。要在应用程序开发（使用 Jira 和 Azure DevOps 等工具）、部署（使用 GitHub 和 Jenkins）、运营（使用 ITSM）以及安全（使用 ASOC 和 BlackDuck 等工具）的整个过程中实现精简高效的流程，自动化必不可少。
沟通/协作：许多组织使用各种协作工具，例如用于即时消息传递的 Microsoft Teams 或 Slack，以及 Espressive 和 Moveworks 等虚拟代理。当这些工具能够相互通信时，员工就可以使用自己偏好的工具，并改善整体体验。这也能确保通信不会丢失。让这些工具能够自动与服务管理集成并进行通信非常重要，因为这是一项关键能力。
运营管理：许多组织使用多种解决方案来监控其运营环境。这些解决方案通常涵盖网络、服务器、应用程序和安全监控。确保这些工具与服务管理通信至关重要，这样才能向相应团队提供准确及时的信息。与这些解决方案的集成应支持双向共享更新，从而确保所有环境之间保持一致。
请求履行：将请求履行的范围从 ITSM 扩展到外部第三方解决方案，例如审批和采购等流程，以及 CDW、Lenovo 或 Dell 等外部供应商系统。创建贯穿各种外部系统的顺畅工作流，以提高请求履行流程的效率。

Ivanti Neurons iPaaS 让集成变得轻松

由 Workato 提供支持的 Ivanti Neurons iPaaS 是适用于 Ivanti Neurons for ITSM (SaaS) 的集成平台，兼具成本效益、效率、敏捷性、可扩展性和安全性，可实现 ITSM、ITAM 和业务线应用程序之间的集成。它无缝集成到 ITSM 管理体验中，使开发、监控和故障排查在 ITSM、ITAM 或企业服务管理用例的环境下变得极其轻松。通过利用 Ivanti Neurons iPaaS，企业可以简化 IT 运营、改善服务交付，并在当今动态变化的技术环境中获得竞争优势。

Ivanti Neurons for ITSM 平台将继续支持 REST API、SOAP 和 Webhooks 等行业标准开放 API。Ivanti Neurons iPaaS 可扩展并增强您的 API 和集成能力。

详细了解 Ivanti Neurons iPaaS 如何变革您的 ITSM 集成方法。

如何借助 ITSM-GitHub 集成加速部署

Fri, 03 Nov 2023 17:04:45 Z

GitHub 是当今最受欢迎的版本控制系统之一，可帮助开发人员开展项目协作并快速部署代码。但是，如果操作不当，通过 GitHub 部署代码也可能耗时且存在风险。

在本博客中，我们将介绍 IT 团队如何与开发同事协作，通过与您已在使用的服务管理软件集成，加速并保护其 GitHub 部署。

GitHub 部署基础知识

如果您从事 IT 工作，可能听说过 GitHub；但如果您没有开发背景，可能不太了解它的具体用途。

GitHub 是一种常用的基于 Web 的软件开发版本控制系统。它为开发人员提供了一个平台，用于项目协作、存储代码并更轻松地部署变更。开发人员可以跟踪代码库的变更，并在变更集成到代码库之前进行讨论和审核。

GitHub 等版本控制系统本质上是一种将项目所有版本集中存储在一个位置的方式。每当项目发生新的变更（例如添加或删除代码）时，系统都会创建一个新版本，并将其与旧版本一起存储。这样，如果近期变更引发任何问题，就可以快速回退，而无需手动重新输入之前的所有工作。这使调试更加轻松，并有助于整体加快开发周期。

借助 GitHub，开发人员可以在生产服务器或预发布环境等各种环境中快速、可靠地部署代码，而无需在所开发的应用或网站需要更新或修复错误时每次都手动部署。

这有助于节省时间和精力，同时确保部署顺利进行，避免因手动复制文件错误或在部署过程中遗漏某些文件而导致意外错误。

为什么使用 ITSM 自动化 DevOps 流程？

GitHub 部署是软件开发流程中的关键环节，对其进行自动化和保护可能成为成败的关键。

自动化可简化整个部署流程。通过处理推送更新或检查错误等常规任务，自动化让您能够更快地开展更复杂的工作。它还可以消除人为错误风险，避免日后造成代价高昂的失误。

自动化还可让您更轻松地持续跟踪变更，从而快速发现问题并提前应对潜在风险。

通过采用 Ivanti Neurons for ITSM 等变更管理工具中的最佳实践，可以确保所有变更均得到跟踪和记录，从而提升合规性和监督水平。借助这些工具，企业可以更有信心地确保其系统在整个开发周期中免受恶意行为者或非预期变更的影响。

集成 GitHub 与 Ivanti Neurons for ITSM

Ivanti Neurons for ITSM 通过变更管理帮助自动化部署流程，使 IT 能够跟踪部署历史记录、审批和拒绝情况。

在传统的应用开发环境中，应用开发团队会通过在 ITSM 中创建变更请求，手动使用 ITSM 管理发布流程。由于这是一个手动流程，无法保证每次提出部署请求时都会创建变更请求，也无法保证在启动部署之前变更已获批准，因此可能导致未经授权或不正确的部署。

通过将 ITSM 的自动化变更审批流程扩展到 DevOps，应用开发团队可以保持高效工作，避免不必要的瓶颈和挫折。

GitHub 与 Ivanti Neurons for ITSM 之间的集成使用 GitHub 的自定义部署保护规则和 Ivanti Neurons for ITSM Webhook 来实现流程自动化。

自定义部署保护规则由 GitHub Apps 提供支持，并基于 Webhook 和回调运行。自定义应用会订阅部署保护规则事件；当针对特定环境触发部署时，该事件会发出，并根据配置触发相应事件。这些事件可以转发到 Webhook，并与 Ivanti Neurons for ITSM 集成。

创建自定义部署保护规则并将其安装到存储库后，该自定义部署保护规则将自动适用于存储库中的所有环境。

在 Ivanti Neurons for ITSM 中创建变更后，该变更将进入变更审批流程。如果变更获得批准，集成会自动将审批结果通知 GitHub，并更改 GitHub 包的状态，以允许部署自动继续。

自动化变更管理流程中 GitHub 与 Ivanti Neurons for ITSM 之间的数据流。

释放 ITSM 与 GitHub 集成的潜力

Ivanti Neurons for ITSM 等服务管理工具对 GitHub 部署非常有价值。自动化和保护对于稳定性、可靠性和效率至关重要，而这些工具可提供所需功能，帮助确保您的部署安全且成功。

借助 Ivanti Neurons for ITSM，企业可以创建完整的审计跟踪，记录对代码库所做的每一项变更。此功能有助于调试代码中的任何错误，并准确定位潜在安全漏洞。

Ivanti Neurons for ITSM 旨在通过统一平台自动化多个系统中的变更。它让用户能够快速识别系统所需的变更，并从开始到结束跟踪这些变更的进展。这既降低了复杂性，也确保所有部署在上线前都符合公司政策和标准。

Ivanti Neurons for ITSM 还可以自动化端到端 DevSecOps 流程，从漏洞识别和优先级排序，到跨开发、运营或安全团队管理漏洞；同时自动集成 Jira 或 Azure DevOps 等开发工具，并在部署前自动执行变更管理流程和审批。

使用 Ivanti Neurons for ITSM 可以通过自动化、保护以及对流程和报告能力的可见性，让企业对其 GitHub 部署流程更有信心，无论是直接部署新代码，还是使用专门的 CI/CD 流水线。此外，这些解决方案还提供审计功能，帮助维持对 GDPR 或 HIPAA 等行业法规的合规性。

充分释放 Ivanti Neurons for ITSM 等服务管理工具的全部潜力，并让您的

充分释放 Ivanti Neurons for ITSM 等服务管理工具的全部潜力，并将您的 GitHub 部署流程提升到更高水平！

CMDB 影响 ITIL 成功的 10 种方式

Thu, 31 Aug 2023 15:35:41 Z

信息技术基础架构库 (ITIL) 服务资产与配置管理流程在其《服务转换指南》中有所描述，该流程要求 IT 组织建立并维护配置管理数据库 (CMDB)，用于跟踪配置项 (CI) 及其相互关系。

保持最新且正常运行的 CMDB，是衡量 ITIL 实施成功与否的最重要指标之一。然而，许多组织似乎忽视了它在支持其他 ITIL 流程方面的重要性。

在整个服务生命周期中，CMDB 都是许多 ITIL 流程的宝贵输入来源；有效维护 CMDB 可为 IT 组织带来诸多运营收益。下面我们将列出其中一些最重要的收益，但首先，让我们先明确了解什么是 CMDB，以及它在 IT 组织中发挥的作用。

什么是 CMDB？

配置管理数据库（CMDB）是一种特殊类型的电子数据库，旨在跟踪配置项及其相互关系。ITIL 将配置项定义为“为交付 IT 服务而需要管理的任何组件或其他服务资产”，或“处于配置管理之下的基础架构组件”。

配置项是 CMDB 的基本结构单元。IT 基础架构或环境中任何需要跟踪以交付 IT 服务的部分，都应在 CMDB 中拥有自己的 CI 记录。

CI 具有与其类型相对应的属性数据，并且 CI 有许多不同类型。最常被跟踪的 CI 类型是硬件和软件，但组织也可以选择为员工、网络、独立业务地点、文档、服务协议等创建 CI 记录。

每种 CI 类型都有其独特属性，这些属性会与 CI 之间的相互关系一起记录在 CI 记录中。

一旦 CMDB 填充了 CI 记录，组织就可以参考 CMDB 来确定 IT 资产之间的关系和相互依赖性。这些信息可推动各种关键流程和职能中的有效决策和 IT 管理。

1. CMDB 充当 IT 资产和基础架构的集中参考点

CMDB 还如何支持 ITIL？过去，IT 组织缺乏一个集中式存储库来保存环境中配置项的相关信息。可能存在一个用于硬件资产的数据库、另一个用于软件资产的数据库，以及一个完全孤立的系统来管理软件许可协议。

借助 CMDB，所有 IT 资产和基础架构都可在一个充当集中参考点的统一系统下进行管理。这个统一系统可帮助组织回答以下问题：

组织目前部署了多少某一类型的硬件？
在 IT 组织的所有硬件资产上，某一特定软件产品当前有多少个安装实例？
在给定时间范围内发生的电子邮件中断会影响多少用户？
组织需要购买多少软件许可证才能覆盖其全部使用量？

哪些 IT 资产与刚刚离职的用户相关联？对于某一特定角色的新员工，必须分配哪些 IT 资产？

这些问题涵盖了 IT 组织需要随时掌握的一些最基本知识，而保持最新的 CMDB 可以轻松解答所有这些问题。

2. CMDB 提升 IT 资产的透明度、可见性和管理水平

随着 IT 组织规模和复杂性的增长，手动跟踪组织拥有哪些资产、资产部署在何处以及由谁控制会变得越来越困难。掌握这些信息对于实施 ITIL 转换框架非常重要。

对 IT 资产监管不足会使组织面临不必要的风险。旧硬件必须通过适当渠道处置，以确保公司数据已被销毁或迁移，且不会被竞争对手或恶意行为者窃取。必须跟踪软件安装情况，以确保符合软件许可协议。

CMDB 为 IT 组织提供了一种透明且高度可见的方式，用于跟踪组织内的 IT 资产。任何拥有相应权限的人都可以访问 CMDB，查看各个配置项之间的状态和关系，并且每个配置项在其整个生命周期内都能得到全面记录。

3. CMDB 支持对新变更和部署进行准确的风险评估

变更部署和实施是 IT 组织面临的重要风险来源，也是 ITIL 框架试图解决的问题之一。当已部署的变更以意外方式影响系统时，可能导致服务中断，并对业务产生负面影响。

Gartner 估计，约 80% 的服务中断源于变更规划不足。IT 组织可能必须启动紧急变更协议，以恢复到稳定且可运行的环境，或以其他方式修复变更造成的中断。

变更经理可以使用 CMDB 了解配置项之间的关系，并预测即将发生的变更可能会影响哪些用户、系统、软件和其他配置项。

进而，变更经理可以实施相关策略，降低业务中断风险，并确保变更流程顺利进行而不会造成中断。这使他们能够将资源和精力投入到更具战略意义的计划中，从而优化时间效率。

4. CMDB 集中整合来自众多来源的数据

许多 IT 组织的一些软件或硬件资产数据存储在日志文件、报告和其他数据库中，这些数据未被使用，也未与 IT 基础架构的其他重要数据相连接。

在用 CI 记录填充 CMDB 时，CMDB 软件可以从各种现有介质中获取数据，包括 CSV、XML、WS 和其他文件类型。这可确保现有数据被有效纳入 CMDB，并用于填充 CI 的重要属性数据。

CI 还包含与特定硬件或软件相关提交的事件报告和事项报告中的信息，因此 CMDB 实际上发挥着将与特定配置项相关的所有数据汇聚到一处的作用。

5. CMDB 为 SKMS 和知识管理流程提供输入

对于专注于持续、数据驱动型流程改进的组织而言，知识管理是最关键的 ITIL 流程之一。作为该流程的一部分，IT 组织应建立服务知识管理系统 (SKMS)，这是一个独立平台，用于管理 IT 组织收集的数据、信息、知识和智慧。

CMDB 是知识管理流程和 SKMS 本身的重要输入来源。CMDB 包含每个配置项的数据，包括其类型、属性以及与其他 CI 的关系。所有这些数据都可由 SKMS 获取并分析，从而洞察如何更高效地管理和部署资产。

在 ITIL 中，CMDB 本质上是 SKMS 的一个组成部分。没有强大且保持最新的 CMDB，就无法拥有有效的知识管理系统，因为系统中会缺失太多重要数据。

6. CMDB 支持有效的事件和问题管理

保持最新的 CMDB 是宝贵的事实依据，可增强事件和问题管理活动。当收到与特定配置项相关的事件管理工单时，IT 操作人员可以使用 CMDB 访问 CI 记录，并了解有关该配置项的所有信息，例如购买日期、供应商、拥有期限，以及可能影响该设备的当前或过往事件和问题。

虽然事件和问题管理报告本身不被视为配置项，但 IT 组织可以使用 CMDB 将这些报告附加到相关 CI，确保事件和问题能够随时间推移，与其所影响服务对应的 CI 关联跟踪。

这些信息会直接进入 SKMS 的知识层和信息层，使组织能够更好地了解哪些 CI 的支持成本最高。

7. CMDB 便于调查存在问题的配置项

CMDB 使 IT 组织能够识别应替换或逐步淘汰的问题资产类别，以避免持续发生事件。如果组织不跟踪事件和问题与特定 IT 资产类别之间的关联，问题配置项可能会在组织中存在多年。

借助保持最新的 CMDB，IT 组织可以查看不同资产类别的统计信息，将事件和问题与相关 CI 及其依赖关系关联起来，并识别通过软硬件升级来降低服务成本和计划外停机时间的最佳机会。

CMDB 还使组织更容易对已知问题进行根因分析，发现其原因或来源，并开始制定解决方案。

8. CMDB 可以跟踪 CI 随时间发生的变化

配置项在其整个生命周期内可能不会始终保留相同的属性数据，因此 IT 组织需要一种方式来跟踪 CI 随时间的变化。例如，一台笔记本电脑这样的硬件项可能会分配给一名新员工，并安装与其岗位角色相关的软件。

该员工离职后，笔记本电脑会归还给 IT 人员，随后 IT 人员可以在其上加载不同的应用程序，并将其部署到另一个部门。

借助 CMDB，IT 组织可以跟踪公司在硬件、软件、许可证和其他资产的整个生命周期内如何部署这些资产。这包括以下指标：

修复特定配置项所需的平均时间。
修复特定资产类别所需的平均时间。
特定 CI 或资产类别的总正常运行时间/停机时间比率。
总拥有成本。
每个 CI 的变更和部署历史。

捕获历史使用数据使 IT 组织能够衡量长期投资回报率 (ROI)，以及新软件和硬件采购所产生的影响。这让组织能够以更数据驱动的方式进行新的软硬件投资，并能有力补充 ITIL 的有效实施。

9. CMDB 填充和维护可以实现自动化

IT 组织面临的主要挑战之一，是持续保持其配置项和 CMDB 处于最新状态。每天，尤其是在大型组织中，现有配置项都会不断发生变化。

CI 经常会在其他 CI 投入使用时退出服务，因此组织需要更新记录，以反映 IT 基础架构的最新变化。确保 CMDB 数据准确可靠，可增强用户信心，并促进更广泛的采用和更有效的 CMDB 利用。

10. CMDB 会持续变化和演进

持续服务改进是成功采用 ITIL 原则和流程的关键方面。为促进这种改进，IT 组织需要利用能够随着组织知识增长，以及根据新洞察和行业最佳实践更新政策与流程而不断变化和演进的系统。

当组织解决一个问题时，应捕获一些新的经验和知识，以帮助防止该问题未来再次发生。

这些变化可以通过 CMDB 实施，形式包括更新后的测试例程、修改后的运行手册、用于检测 IT 系统中特定信号的新监控器/警报，以及内部知识库中的新文档。同时，CMDB 也可以更新新的 CI 类型、关系和属性，以反映环境中的变化。

当未来发生类似问题时，IT 操作人员可以利用已捕获的知识，更轻松地解决问题。

总结：CMDB 是 ITIL 成功的核心

CMDB 和服务资产配置管理流程是 ITIL 的重要组成部分，可在各个层面推动成功。CMDB 创建了一个配置数据的集中式存储库，可提升 IT 资产的透明度和可见性，并为有效的 IT 资产管理实践奠定基础。

它使用自动化流程从组织内多个位置获取数据，促进事件管理流程，并直接向 SKMS 提供输入，同时支持在变更流程中进行增强型风险评估。

CMDB 可以跟踪 CI 随时间的变化，使 IT 在 CI 遭遇安全漏洞或灾难性故障时获得有价值的系统配置信息。IT 组织可以通过集成一流的 DDM 解决方案，将其软件发现和依赖关系映射 (DDM) 流程自动化。

最后，CMDB 是一种灵活而强大的工具，能够随组织一起适应和发展，反映组织关于 IT 服务交付的最新知识和最佳实践。