智能体时代的 IT 服务管理:AI Native ITSM 的能力体系与建设路径

产品前沿

传统 ITSM 建设的核心,是将分散的服务活动纳入可管理的交付过程——企业以服务目录和流程为骨架,通过工单、SLA 与知识库规范服务交付。


在这套体系之上,企业持续推进服务自动化:知识问答承接常见咨询,工单按规则自动分类分派,部分标准操作通过系统集成自动执行。这些能力已能支撑部分服务闭环,但遇到既有规则未覆盖的情况时,补充什么信息、选择哪种方案、如何继续处理,往往仍需要人工判断。


而大模型在语义理解与推理方面的进展,使 AI 能够理解任务目标并规划处理步骤。以大模型为核心的 AI 智能体(AI Agent)可以调用业务系统和工具执行操作,从而参与具体的 IT 服务工作。


AI 的参与也对服务管理平台提出了新的要求。AI Native ITSM 强调将 AI 作为平台的核心能力,从产品架构上支持其参与服务处理,而不只是为个别功能增加智能辅助。





01


有了AI Agent,ITSM还需要建设流程吗?


企业引入 AI Agent 时,一个常见的疑问是:既然 AI Agent 能自主规划并编排处理步骤、调用工具执行操作,ITSM 是否还需要建设流程?


答案是肯定的。


流程是 ITSM 服务管理体系的重要组成部分,其作用不只是编排操作步骤,还包括规范处理过程、明确协作责任和交付时限。服务目录、表单、处理节点与 SLA 共同支撑这些管理要求在具体服务中的落实。


以业务系统访问异常为例:以往员工提交报障后,服务台补充信息、判断影响范围并分派工单,工程师开展排查和处置。超出当前团队处理范围时,则按升级规则交由其他团队介入。


引入 AI Agent 后,员工通过对话反馈访问异常,AI Agent 补齐报障信息后创建工单。工单按流程进入处理环节后,AI Agent 查询相关数据、开展排查,并在授权范围内参与处置。需要人工接手时,它将已确认的事实和排查结果记入工单,再按流程转交相应人员。


智能体时代的 IT 服务管理:AI Native ITSM 的能力体系与建设路径配图 1


通过对比可以看出,AI Agent 改变的是工作的执行方式——它可以承接流程中的具体工作,但遇到超出授权、风险无法确认或需要跨团队协调的事项,仍需按规则交由相应人员处理。


因此,AI Agent 的参与可以改变具体工作的执行与编排方式,但支撑服务交付的流程体系仍需建设。





02


AI Native ITSM,企业还需要建设什么?


AI Native ITSM 的建设既涉及平台支撑,也涉及 AI Agent 如何完成具体工作。原有服务管理体系为 AI Agent 提供了管理依据,但要让它承担具体工作,企业还需要将原本由人员掌握的执行要求,落实为 AI 能够使用的能力与约束。



智能体时代的 IT 服务管理:AI Native ITSM 的能力体系与建设路径配图 2


那么,这部分能力具体需要如何建设?


  1. 明确工作范围与交付标准


AI Agent 的职责不能停留在“负责故障处理”这样的简单描述。企业需明确它具体承担哪些工作,以及达到什么条件才算完成。例如,负责故障恢复的 AI Agent,应明确可处理的故障类型;处理业务系统访问异常时,应以恢复正常访问作为完成条件。


  1. 组织工作所需的知识、数据和工具


企业应围绕 AI Agent 的业务场景确定 SOP,组织处理所需的知识,并接通查询与操作工具。已有知识库与 SOP 可以复用,但需要结合具体场景进行必要调整,使其符合 AI Agent 的工作要求。


数据质量也应纳入建设范围——配置记录过期、运行信息缺失或知识与当前环境不匹配,都会影响 AI Agent 的判断。企业应明确这些情况下如何补充、核实信息,避免 AI Agent 在依据不足时直接执行。


  1. 落实数据安全与操作授权


企业应根据 AI Agent 的工作范围,明确相应的权限范围(例如可以访问哪些数据、执行哪些操作),避免越权操作。对于处理过程中的信息,还应规定哪些可以提交给大模型处理、哪些可以反馈给用户,防止敏感信息泄露。


关键的数据访问与操作需要留痕,以便追溯 AI Agent 的执行过程,为问题核查提供依据。


  1. 验证 AI Agent 能力与交接机制


上线前,企业应通过实际任务检验 AI Agent 能否达到交付标准,并测试其在信息不足、权限受限或工具异常时的处理能力。需要人工接手时,应验证 AI Agent 能否按规则停止操作,并将已确认的信息、已执行的操作和未解决的问题交给接手人员。


在此基础上,AI Native ITSM 平台需要将 AI Agent 的数据查询、知识使用和工具调用,与已有的工单处理、流程协作及权限管理相衔接,并支持处理结果记录和人工交接,使 AI 能力与服务管理要求在同一平台上共同发挥作用。





03


轻帆云如何落地 AI Native ITSM?


围绕上述建设要求,轻帆云将 AI Agent 的理解、规划和执行能力纳入服务管理平台,与知识、业务数据和流程共同支撑服务处理。这也是轻帆云 AI Native ITSM 产品架构的核心思路。


智能体时代的 IT 服务管理:AI Native ITSM 的能力体系与建设路径配图 3


在该架构下,Castrel AI (AI SRE Agent)引擎提供意图理解、工作规划和工具调用能力;Kogia 知识中枢 (AI 知识库) 提供知识检索、推理与质检支持;ITSM 组织工单与流程协作,CMDB、ITAM、APMO 则提供配置、资产和运行数据。平台同时配套权限校验、人工接管与审计机制,管理 AI 的执行过程。


AI 员工则是轻帆云将 AI Agent 能力用于具体服务场景的实践方式。每名 AI 员工对应一个业务岗位。


轻帆云按照服务台、工单处理、数据采集、变更管理等业务分工,定义其岗位——通过提示词明确其身份与职责边界,配置所需的技能与工具,接入业务知识、授予执行权限,设定工作 SOP,并开通服务入口。配置完成后,AI 员工可以在飞书等工作环境中通过对话承接请求,也可以在流程节点中依据工单内容和前序处理结果开展工作。



智能体时代的 IT 服务管理:AI Native ITSM 的能力体系与建设路径配图 4



在某连锁餐饮企业的案例中,轻帆云将 AI 员工与统一工单平台结合,承接门店售后、消费者咨询与投诉等服务。企业围绕这些工作定义 AI 员工岗位,接入业务知识与 SOP,并部署至小程序、门店专属二维码和企业微信工作台。AI 员工负责前端咨询与受理,工单流程组织后续处理,使原本分散在不同渠道和团队之间的请求得到统一归集与协同处理。企业由此减少重复沟通和信息转交,用现有人力承接更大规模的服务需求,提升服务效率与质量。





04


从服务平台走向企业工作入口


未来,企业的主要工作入口可能逐步向 WorkBuddy 等智能体工作台,以及飞书、Teams 等企业 IM 工具集中。员工更多在这些界面中提出需求,由 AI 理解需求、规划处理并调用后台系统推进工作。服务管理平台不仅提供业务数据,还需要提供可调用的工具与流程能力,并通过权限控制、处理记录和人工交接管理 AI 的执行过程。


随着 AI 承担的工作逐步扩大,AI Native ITSM 的建设也将从产品内部的智能化,延伸到对企业主要工作入口的服务支撑,并同步强化对服务质量、操作风险和责任交接的管理。


轻帆云可依托其 AI Native 产品架构,进一步支持 AI 数字员工接入这些主要工作入口,将服务能力从 IT 运维拓展至更广泛的企业服务管理(ESM)场景。



关于我们 

云智慧聚焦Agentic AI · AI 基础设施可靠性,秉持「Reliability for AI Infrastructure」品牌主张,面向电力、AI 算力服务、AI 智能体场景,打造全栈智能运维保障体系。保障 AI 基础设施规模化连续稳定运行,通过监测预警、快速响应、自动化运维与合规治理,帮助客户实现更高业务可用性、更低运行风险、更优运营成本。


轻帆云是云智慧旗下专注全栈智能化 IT 管理的核心品牌,2024-2026 年凭借综合实力跻身亚太区 IT 服务管理软件市场前十,中国市场占有率排名第一。依托云智慧在智能运维领域的深厚技术积淀与 ITIL 深度实践,轻帆云已构建覆盖IT 服务管理(ITSM)、配置管理(CMDB )、IT 资产管理、AI-SRE 智能体、可观测平台等全链路产品矩阵,实现企业 IT 管理全场景闭环支撑。