AI在ITSM中的应用——概述

人工智能（AI）正在迅速改变各组织对信息技术（IT）的应用方式，它不仅仅是一种工具，更是优化运营、增强决策能力、提供卓越用户体验的核心驱动力。这一转变在IT服务管理（ITSM）领域尤为突出。ITSM是一门专注于战略规划、设计、交付、管理、运营及持续改进IT服务的学科，旨在满足客户与组织的双重需求。

随着企业不断适应日益复杂的数字生态系统，AI不仅是一种发展趋势，更已成为推动ITSM现代化转型的基础要素，涵盖组织架构、人员、信息、技术、合作伙伴、供应商，以及价值流与业务流程等各个维度。

AI像人类神经系统一样感知、处理并响应信息——主动监测、被动应对，依托习得的行为模式、习惯或规则运作。传统ITSM在很大程度上依赖基于规则的确定性系统。虽然这类系统在结构化环境中表现良好，但在需要情境理解、预测分析和持续学习的动态场景下，往往力不从心。AI为ITSM赋能，使系统能够：

• 理解自然语言（借助NLP）
• 在服务问题发生前提前预判（预测性分析）
• 从海量数据集中识别规律（机器学习）
• 自动化复杂决策流程（认知计算）
• 提供个性化服务体验（情境式AI）

从聊天机器人处理一线工单，到预测引擎推荐变更窗口，AI正在重新定义服务的设计、使用、支持与交付方式。

人工智能种类繁多，涵盖各种模型与能力。了解这些类型有助于IT领导者将人员、实践和工具与ITSM目标紧密结合。

• 有限记忆AI
  • 特点：从历史数据中学习以辅助决策。
  • ITSM应用示例： 事件趋势预测、SLA预测、用户行为建模。
• 机器学习（ML）与深度学习
  • 特点：从海量数据中学习，识别规律，并随时间持续优化。
  • ITSM应用示例：
    • 事件管理：基于历史解决路径对事件进行分类。
    • 问题管理：利用聚类技术识别根本原因。
    • 变更管理：分析历史结果以预测变更成功率。
• 自然语言处理（NLP）
  • 特点：理解并生成人类语言。
  • ITSM应用示例：
     
    • 知识管理（KM）：从已解决的工单中自动生成知识文章。
    • 服务台：能够理解用户意图并精准响应的聊天机器人。
    • CCaaS：通过语音与聊天支持分析来评估用户情绪。
• 认知与生成式AI
  • 特点：综合生成响应，模拟人类推理过程。
  • ITSM应用示例：
    • 请求履行：根据用户画像提供个性化解决方案。
    • 体验管理：从客户数据中生成主动洞察。
    • 持续改进：基于趋势分析提供可落地的改进建议。
• 智能体AI（新兴变革性技术）
  • 特点：具备自主目标驱动行为，能动态调整策略，展现预测性与前瞻性学习能力。
  • ITSM应用示例：
    • 服务台：智能体AI自主监控未解决的工单，查阅知识管理库，并启动修复工作流。
    • 变更管理：评估环境变量，建模预测结果，并以最少的人工干预建议最佳执行时机。
    • 配置管理：持续验证配置项（CI）数据完整性，并修复多云环境中的数据不一致问题。
    • CCaaS：作为主动式数字智能体，监测情绪变化，并在人工察觉之前提前上报问题。
    • 知识管理：通过识别知识老化并自动更新，实现知识库的自我维护与管理。

AI将ITSM转变为以服务为导向、以体验为核心的方式，从被动响应转向主动预防，从而提升客户价值与组织价值。以下是其核心优势：

• 运营效率 - AI简化工作流程，自动处理可重复任务，并以比人工更快的速度处理事件。通过AI实现自动化，可减少人为错误、缩短解决时间并降低运营成本。
• 提升用户体验 - AI驱动的聊天机器人和虚拟客服提供全天候支持，即时解决常见问题，并根据历史行为和情感分析提供个性化沟通。
• 更智能的决策制定 - AI借助实时分析和预测能力增强决策水平，助力做出更加明智的选择。
• 主动式事件与故障管理 - 机器学习能够检测系统性能下降的早期信号并启动自动修复，推动ITSM从被动应急转变为主动预防。
• 改善知识管理 - AI通过分析使用模式、用户反馈和搜索趋势，不断优化知识库文章，提升其相关性、结构性和可访问性。
• 优化资源分配 - AI能够预测需求模式，为人员配置或资源调配决策提供指导，在高峰期提升服务水平。

AI 以独特而强大的方式支持并增强 ITSM 流程：

• 事件管理 - AI 能够根据历史趋势和模式对事件进行分类、设定优先级并分配工单，从而实现更高效的事件管理。预测分析可根据系统日志及其他数据预判潜在中断。虚拟客服处理常规工单，让人工客服得以专注于更复杂的问题。
• 问题管理 - AI 借助模式识别和聚类分析执行根本原因分析，在反复出现的问题演变为重大故障之前将其识别出来。
• 变更管理 - 由 AI 驱动的基于风险的变更评分，助力做出更明智的审批决策。AI 模型通过考量 CMDB 依赖关系，评估变更对各系统的影响范围。
• 事件流管理 - AI 从实时事件流中过滤噪音，仅呈现可操作的异常信息，并跨系统关联事件以识别系统性问题。
• 请求履行 - AI 根据用户角色、所在位置及历史行为，预判常见请求并自动完成处理。对话式 AI 优化服务目录的交互体验及审批流程。
• 体验管理 - 情感分析捕捉用户反馈中的情绪倾向，AI 个性化用户旅程，并预判服务体验中的摩擦点。
• 持续服务改进 (CSI) - AI 动态分析 KPI 并推荐服务优化方向。强化学习根据以往变更的成败经验持续调整模型。

ITSM中不同角色以独特的方式体验AI带来的益处。这对于评估AI投资的ROI至关重要。 

• 服务台专员 - AI可通过自动解决一线工单来减轻其工作负担。智能建议和上下文数据帮助专员更高效地处理复杂问题。
• IT经理 - AI可为经理提供预测性预警、容量预测及优化建议。
• 变更经理 - AI提供历史影响分析和风险评估，助力做出更明智的审批决策。
• 知识管理员 - AI根据实际使用情况帮助整理和组织内容。聊天机器人和NLP工具拓展知识库的覆盖范围并提升其价值。
• 终端用户 - 虚拟客服提供更快速、更精准的响应，提升用户满意度。个性化的支持体验有助于建立信任、减少用户挫败感。
• 高管与CIO -  AI通过提供服务成本、风险及技术投资与人员配置决策ROI的可视化信息，将ITSM与业务价值紧密结合。

随着人工智能重塑ITSM格局，它通过重新定义团队内部的角色与技能，对人力资源产生了深远影响。能够认识到这一变革的组织，可以凭借同理心与战略眼光从容应对转型。要在这一新环境中蓬勃发展，员工队伍必须培养融合技术能力、分析思维与人际交往能力的复合技能。

与普遍担忧相反，AI 并非天然以消除 ITSM 岗位为目标；相反，它通过将工作重心从重复性运营任务向战略性、知识密集型职责"左移"，从而提升了这些岗位的价值。

ITSM 团队越来越多地承担起管理 AI 驱动工具的职责，包括聊天机器人、AIOps 平台、虚拟客服及决策引擎。具备 AI 流畅运用能力，有助于实现有效监督、故障排查与持续优化。总体而言，新技能体系正在形成，旨在提升对 AI 的理解与应用能力，促进人与 AI 系统之间的高效协作与有效利用。

• ITSM 团队
  • 服务台分析师将转型为 AI 监管者，负责监督机器人行为、优化 NLP 响应，并处理需要情绪智能与判断力的升级事项。
  • 事件经理应从问题分流转向监督 AI 驱动的自动分类，着重关注经验关联与结果分析。
  • 问题经理借助 AI 识别规律模式，并通过预测建模减少问题积压。
  • 知识经理演变为内容策管的引领者，推动 AI 从集体知识与结构化内容中持续学习。
• 新技能示例
  • 提示工程与对话设计——为 AI 系统构建精准、具备情境感知能力的提示词与对话结构。
  • 数据解读与服务智能——能够分析数据分析报告、AI 报告及服务模式，以支撑决策制定。
  • 知识策管与 AI 内容监督——完善并管理用于驱动 AI 系统的知识内容，尤其在知识管理与自动化领域。
  • 工作流自动化与编排——设计、实施并优化由 AI 和机器人流程自动化（RPA）驱动的自动化流程。
  • AI 伦理监督与治理——理解 AI 系统如何需要监督以确保公平性、透明度与问责制。
  • 情绪智能与人机协作——在 AI 承担越来越多工作负载的同时，确保以人为本的服务交付。
• 面临风险的技能
  • 常规一线故障排查
    • 任务包括密码重置、打印机问题、网络诊断及账户解锁。
    • AI 驱动的虚拟客服、自愈脚本、利用自然语言处理（NLP）的自助服务门户及自动化平台，可高效地大规模处理上述任务。
    • 技能转变：从解决问题转向训练 AI 及管理异常情况。
  • 人工工单分流与路由
    • 人工客服手动对工单进行分类与优先级排序。
    • AI 模型可基于历史数据、关键词、情感分析及上下文实现自动分类、优先级排序与路由。AI 事件分类器、AIOps 关联引擎。
    • 技能转变：专注于优化 AI 流程并处理异常情况。
  • 静态知识管理任务
    • 涉及为文章添加标签，以及从零开始编写知识库（KB）内容。
    • 生成式 AI 与 AI 增强型知识管理平台现已能够生成文章草稿、对主题进行分类，并实时向用户推荐相关内容。AI 生成的文章草稿、通过 NLP 和语义搜索引擎实现的自动标签。
    • 技能转变：从内容创作转向内容策管与审核。
  • 被动式问题识别
    • 目前，这一环节依赖于等待事件或警报触发问题信号，并进行人工分析。
    • AI 能够在人类察觉之前，主动识别日志、指标与工单中的规律及异常。AIOps 平台、预测分析引擎。
    • 技能转变：转向假设验证与问题建模。
  • 流程合规监控
    • 针对 SLA 违规与工作流合规性进行人工检查。
    • AI 能够实时监控工作流、触发异常提醒，并更快速、更准确地分析流程瓶颈。AI 驱动的工作流引擎与合规机器人。
    • 技能转变：转向自适应流程设计与治理管理。
  • 一线呼叫中心话术脚本
    • 任务包括按脚本应答及回复基础咨询。
    • 对话式 AI 能够跨多个渠道处理日益复杂的用户交互。AI 聊天机器人与语音机器人、全渠道编排平台。
    • 技能转变：聚焦于高阶支持与情绪安抚。
  • 人工配置（CMDB）审计
    • 手动比对 CI 状态、人工进行库存核对。
    • 自动化发现、AIOps 及量子级 CMDB 能够以近实时的方式对配置进行验证与审计。实时 CMDB 智能体、AI 漂移检测与告警。
    • 技能转变：转向异常分析、服务/CI 建模及未来状态仿真等角色。

IT服务管理（ITSM）领域的从业人员正在不断演进，而非走向消亡。自信息技术诞生以来，这一群体始终在持续适应变化。

正如工业革命通过机械自动化催生了新的岗位，数字时代也因软件、云计算和互联网的进步而深刻改变了这一行业。

AI并非威胁，而是推动增长的催化剂。ITSM专业人员正从系统操作者转变为智能系统的编排者。他们的价值将不再由工单关闭数量来衡量，而体现于他们在AI驱动的生态系统中所贡献的洞察力、同理心与统筹协调能力。

企业应积极投资AI教育，鼓励实践探索，并将AI视为战略伙伴。正如企业曾纷纷采纳"云优先"战略，如今也必须拥抱以创新、增长、运营和客户支持为核心的"AI优先"理念。

在这个AI驱动的时代，自动化将重塑各类角色，从业者将逐步成为技术专家、分析师和伦理顾问。自动化并不会消灭工作岗位，而是将重复性任务从人力工作中剥离，这凸显了个人与企业提升和转型技能的迫切需要。作为战略伙伴，AI正赋能各方。

将 AI 引入 ITSM，不仅仅是购买一款工具那么简单。这需要在思维方式、治理架构和运营模式上进行战略性转变。以下是一些准备建议：

• 根据业务需求设定高层次优先事项，并制定战略路线图，重点关注组织与人员变革：信息与技术、合作伙伴与供应商，以及价值流和实践/流程。
• 理解愿景、使命、目标、关键成功因素及关键绩效指标至关重要，同时还需掌握指导原则与核心价值观。
• 识别能力与资源差距，开展SWOT分析，并根据自建或采购决策确定上市时间要求。

• 开展AI成熟度评估，了解当前在自动化、数据管理、知识管理以及ITSM实践/流程成熟度方面的能力。
• 成熟度评估应与您的IT服务管理（ITSM）成熟度保持一致。如果您的ITSM成熟度处于"低"水平，则在某些领域可能尚未准备好采用AI。
• 启动组织变革管理（OCM）计划。

• AI 的高效运作依赖于高质量的数据、信息和知识，以支持明智的决策制定。请投资于干净、结构化且安全的数据管道和数据仓库。
• 确保知识管理与 CMDB/CMS 的准确性、一致的事件分类以及使用指标的完善。

• 将复杂项目分解为可管理的、按顺序推进的阶段，每个阶段都有明确的目标、交付成果和评估标准。
• 这种方法有助于在整个项目生命周期中提升清晰度、掌控力、风险管理能力以及与利益相关方的协调一致性。

• 选择一个与您组织目标和准备程度相符的试点项目。
• 可选方案包括：针对复杂流程以实现重大组织变革的高影响力试点，或聚焦特定应用场景以快速获得低风险成果的速赢试点。
• 每种方式各有其独特优势，在变革旅程的不同阶段，两者都能发挥重要价值。

• 采取措施以减少偏见、确保透明度并促进问责制，包括引入人工监督机制。

• 将各团队整合到整体OCM计划中。
• 对员工进行AI交互与实施培训，持续提升AI素养，并让一线员工参与优化工作流程，同时强调人类判断力的价值。
• 为使您的团队在ITSM领域具备应对AI的长远能力，请：
  • 持续提升技能：提供AI素养、数据解读及道德自动化方面的课程。
  • 共同设计解决方案：让一线员工参与AI实施与工作流程优化。
  • 彰显人的价值：重点展示人类的同理心、判断力和经验超越AI的案例。
  • 构建AI反馈闭环：赋予员工标记误报、提出改进建议并影响AI行为的能力。

• 选择具备原生 AI 能力或可访问 API 的平台，确保供应商在机器学习模型治理中将可解释性与安全性放在首位。

人工智能不仅是IT服务管理（ITSM）的未来，它已然存在于当下。拥抱人工智能的组织将在客户体验、运营敏捷性和卓越服务方面处于领先地位。本文探讨的许多概念目前已在实践中落地推行。

随着ITSM从严格的治理模式演变为动态的、洞察驱动的生态系统，人工智能将人员、流程与平台紧密相连。通过设定明确目标和道德标准，并培育持续学习的文化，任何规模的组织都能在ITSM中充分发挥人工智能的变革力量。智能服务时代已经到来，且将持续演进发展。