这两年做AIOps、做运维自动化的人,普遍有一个共同的矛盾:一边被要求“提效、降本、少人值守”,一边又被事故和合规压得不敢放手。你想把告警降噪、根因定位、自动处置做得更深,但每往前走一步,心里就会多一层担忧:万一自动化错了怎么办?谁来背锅?怎么解释?怎么审计?怎么回滚?
我一直觉得,这种矛盾不是你们不够专业,而是缺一套“把能力分层、把边界讲清楚”的管理语言。技术上你当然能做,但组织上你不一定敢做。ITIL 第5版把AI与治理这条线讲得更明确,尤其是6C能力模型,正好能帮你把这件事说清楚:哪些能力先做、哪些能力后做、哪些地方必须留人、哪些地方可以放自动化。
一、6C只是其中一块,但它能把很多事串起来
• AI与自动化被纳入体系,强调能力分层与治理边界,避免“黑箱提效”带来风险
八个阶段活动是:发现、设计、获取、构建、转换、运营、交付、支持。6C模型要落地,必须放进这条生命周期里看:你在哪段用AI,风险是什么,责任链条是什么,输出如何被验证与回流。否则6C就会变成一张PPT。
二、6C模型到底是什么:别当成概念,先当成“风险分层图”
• 协调:跨团队编排与自动执行,比如自动分派、自动编排、自动处置
你会发现,很多团队一开始就冲着“协调”去做,想要闭环,结果最容易翻车。不是你们技术不行,而是治理、底座、责任链条没准备好。6C模型的价值就在这里:它给你一个很合理的推进顺序,让你能把“先做什么、后做什么”讲得更有说服力。
三、先讲一句刺耳的:AIOps做不起来,常常不是算法问题,是底座问题
• 监控与日志覆盖不全,AI只能在黑盒里猜
所以我更建议按6C的顺序来:先把整理做好,再去追求更深的认知与协调。整理做扎实,你的后续能力才有根。
四、6C怎么落进八个阶段活动:同样用AI,位置不同,风险完全不同
为了让你更直观,我把6C放进八个阶段活动里讲一遍,你就能看出“在哪用更稳”。
发现与设计:AI适合做创造与整理,但别替你拍板 在发现与设计阶段,AI很适合帮你归纳需求、聚合反馈、生成候选方案、整理历史事件与变更经验。 这里的原则是:AI可以帮助你更快更全,但价值取舍、范围边界、体验承诺必须由人来定。因为这些决定本质是业务决策,不是技术决策。
获取与构建:AI适合做计算与整理,提升标准化与一致性 在获取与构建阶段,AI更适合帮你做资源风险提示、依赖分析、代码与配置审查辅助、测试结果归纳、变更说明生成等。 但要注意,构建阶段的核心不是“生成更多内容”,而是把交付做成可验证、可回滚、可度量。AI能加速整理与分析,但这些能力要服务于交付质量,而不是增加噪音。
转换:AI能发挥很大价值,但要把边界写死 转换阶段是最适合引入AI风险提示的地方,比如: • 洞察:对历史变更关联事件做风险评分 • 认知:对发布演练结果做异常模式识别 • 沟通:生成公告草稿与内部口径,保持一致 但要非常谨慎对待“协调”,也就是自动放行、自动处置。转换离生产太近,一旦自动决策错了,影响会被放大。这里最稳的策略是:AI提供建议,人做最终决策,并且决策链条可审计。
运营与支持:认知与沟通很有价值,但必须保留人工介入通道 在运营与支持阶段,AI可以做告警聚类、异常检测、相似问题推荐、工单分派建议、知识条目推荐、沟通草稿生成。 但你必须保留人工介入与一键回退的机制,并确保支持团队能解释“为什么这么建议”。否则用户体验会被伤到:回复更快了,但更不靠谱了,信任会掉得很快。
交付:AI可以提升体验,但别用“更快”掩盖“更不准” 交付阶段AI很适合做用户教育、变更引导、FAQ生成、沟通一致性维护。 但交付的核心是价值被感知,体验被守住。AI沟通如果答非所问,会让用户觉得你在敷衍,比慢更糟。
五、6C落地的推荐顺序:先把“整理”跑通,再谈闭环
你会发现,这个顺序并不炫,但它稳。稳的好处是:你能持续积累信任。信任一旦建立,组织才敢让你把自动化放得更深。
六、治理怎么配套:不把责任写清楚,6C越走越危险
你把这四件事补齐,AIOps才可能从试点走向规模化。否则你永远只能停在“展示型项目”。
七、别忘了体验:AIOps的成功标准不是“更自动”,而是“更可信”
很多团队衡量AIOps成功,会看自动化比例、告警压缩率、工单节省量。这些都对,但不够。真正能决定你能走多远的,是用户与一线团队是否信任系统。你可以做得很自动,但如果一线觉得“它老是乱派、乱答、乱合并”,大家会本能地绕开它。绕开之后,数据又不完整,模型又更差,最后形成恶性循环。
这些指标比“自动化比例”更能说明你走得稳不稳。
2026年1月29日,PeopleCert正式发布了ITIL 第5版。作为ITIL官方中国区大使,我将会推出系列文章帮大家解读ITIL 第5版到底有哪些重大的更新。
欢迎加长河老师微信achotsao,深入交流ITIL 第5版最新资讯。