重新定义“AI员工”：AI Agent正在重塑企业IT服务管理（ITSM）

全球的企业软件市场正在经历一场底层形态的更替。Gartner预测：到2026年底，40%的企业应用将集成任务型 AI 智能体，而2025年这一比例还不足5%。

在所有企业软件门类中，ITSM 或许是最先迎来这一变化的领域。理解这一判断，需要回到 ITSM 自身的演进脉络中。

从流程标准化到 AI 辅助，ITSM 的智能化演进

过去二十年，ITSM 的核心贡献在于实现了服务过程的标准化。服务目录、工单流转、SLA与审批留痕，将散落的IT请求纳入了一套可度量、可审计的体系。AI 正是在这一基础上分阶段融入的。

• 在规则驱动（L1）阶段，系统依靠关键词匹配和固定的分支引导流程运行。典型应用是FAQ知识库和基于预设话术的自动回复，用户必须按照系统规定的路径操作，系统本身不具备自然语言理解能力。

• 进入NLP辅助（L2）阶段后，系统开始具备意图识别与实体抽取能力，能够理解用户的模糊表达并映射到预设的意图分类中，进而推荐知识库文章或辅助工单路由。但这一阶段的理解依然是浅层的，本质上是“理解止步于分类”。

• 伴随大语言模型的落地，ITSM进入了 AI 助手（L3）阶段。语义理解、自然语言生成与上下文推理能力的飞跃，使 AI 的角色从前端问答延伸至工单全链路的辅助处理——工单摘要生成、排障方案推荐、服务质检与知识沉淀。

同时，流程自动化也在并行发展，将账号开通、权限变更等确定性动作封装为脚本自动执行。

然而，AI 在这一阶段的输出仍止步于建议与辅助，最终的执行动作与任务闭环仍需人工介入。

两者的局限指向同一个空白：无论是执行路径还是判断本身，都必须由人预先设定或临场把关——系统中还没有一个能够理解任务、自行规划步骤，并在授权范围内闭环执行的角色。

AI Native ITSM，重构服务逻辑

在既有路径逐步显露局限的同时，AI 技术的发展正在快速补齐承担实际工作所需的每一块能力——AI真正承担实际工作，在工程层面首次具备可行性。

不同于此前将AI作为辅助功能叠加在既有流程之上，AI Native 的 ITSM 平台将 AI 原生地内嵌于服务的运行逻辑之中。

最先被改变的是交互方式：员工不再需要打开 ITSM系统、寻找服务项、填写表单，而是在平台的对话入口或者企业日常使用的IM工具里，直接说清自己的诉求。

剩下的事情交给AI——理解任务、推进执行，需要研判时再请工程师参与决策。

服务的驱动逻辑由此从“人推动流程”转向“人定义目标”，交互方式也从“人找服务”变成了“服务响应人”。

对报单的员工来说，甚至不需要感受到 ITSM 系统的存在——这也意味着，与企业IM的深度集成不再是锦上添花的对接项，而成为这类平台的基本能力要求。

这种“无感服务”的背后，是 AI 在替员工完成一系列原本需要人工执行的系统操作。做什么、按什么顺序做、调用哪些工具，都由AI自主规划与编排。

ITSM 平台因此需要一个新的角色设定：让 AI 以明确的身份进入流程，像人类员工一样被组织和管理。这就是 AI 员工。

国内平台的演进路径与此吻合。以轻帆云为例，智能助手承接咨询、AI 辅助处理支撑工单流转、服务质检与知识沉淀在后台运行——当工具调用与技能封装逐步标准化后，这套原本用于“辅助”的AI体系便具备了向“执行角色”升级的条件。

不是更强的助手，而是一个被管理的角色

与只能给出建议、执行仍靠人来完成的 AI 助手不同，AI 员工是被赋予系统权限、对执行结果负责的岗位角色。

它能够理解任务目标，自行拆解步骤，自主决定调用哪些工具和技能，并在授权范围内端到端地完成事项处理。

因此接入一名 AI 员工，与管理一名人类员工遵循同样的逻辑：定义岗位职责，开通系统权限，明确授权范围——哪些事项可独立完成、哪些需要与人协作——并持续记录其工作过程。

具体来说，在 ITSM 平台中，一名合格的 AI 员工需要同时具备以下四项特征：

这四项特征落到实际工作中是什么样？

以 IT 部门最熟悉的新员工入职为例：

过去，新人账号、权限与邮箱的开通，需要在多个系统间流转，由工程师逐项操作。

而在轻帆云平台，当一名“入职服务”的AI员工上岗后，它会根据新人的部门和岗位确定所需的账号与权限清单，依次调用各系统的接口完成开通，最后将处理结果回填工单——全程无需工程师介入，每一步操作都留有记录。

并非所有事项都适合交由 AI 独立完成。涉及生产数据库的权限申请、超出常规范围的资源请求，AI员工同样可以承接，但角色转为协助：完成信息核对、方案准备等前置工作，最终的授权动作交由工程师确认执行。

还有一些任务，受限于单一角色的权限或能力边界，需跨域协作方能完成。

此时，多名 AI 员工可组成虚拟团队：

• 由“队长”负责拆解任务与分派工作；

• 各领域“队员”在授权范围内闭环处理；

• 最终由队长对结果进行校验汇总。

  
  

任务在角色间按预设规则流转，超出边界时自动升级至工程师。

这种基于职责分工与流转规则的协作模式，与人类团队的运作逻辑高度一致。

上岗并非终点。AI 员工同样需要接受考核：哪些任务被成功解决、哪些执行失败，均记录在案。

管理者顺着工作记录逐层核查：任务在哪一步频繁卡住，原因是技能不足、知识欠缺还是权限受限——进而对症调整：改写工作指令、补充知识、放宽或收紧授权，让其在下一轮任务中表现更佳。

此外，AI 员工的每一次推理都会产生Token消耗，规模化部署后这笔开支不容忽视。哪个AI员工处理了多少任务、消耗了多少资源、单次任务的平均成本是多少——这些数据同样需要透明可查，让AI的投入产出像人力预算一样清晰可控。

质量可考核、成本可度量，意味着AI员工的职责范围可以被逐步放大。入职开通这类标准事项只是起点，随着能力边界的扩展，AI员工能够承接的事项会持续增多；工程师的时间由此从逐项执行中释放出来，得以转向架构优化、故障复盘等更具研判价值的创造性工作。

轻帆云的 AI 员工，让趋势照进现实

回到开头的问题：2026年，IT 团队为什么需要 AI 员工？

过去，执行要么按预设脚本运行，要么依靠工程师逐项完成；AI 员工的出现，让“理解任务、自行规划、在授权范围内闭环执行”第一次成为可以配置进流程的能力。

在国内，轻帆云是较早探索 AI Native 的 ITSM 平台之一。

其 AI 能力此前已覆盖服务的多个环节：智能助手承接咨询、AI辅助处理支撑工单流转、服务质检与知识沉淀在后台持续运行。

AI员工是这条演进线的下一步——AI 从辅助人做事，走向以明确的岗位、受控的权限和可回溯的记录独立承担事项。