A.艾拓先锋ITIL CHINA

第3讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:AI 接岗之前,先把“人机交接”当成一项正式变更


1789434451785007.png




这次课程开场时,我给大家提出了一个很现实的问题。


当组织准备合并岗位,或者把一部分工作交给 AI 和智能体时,管理者怎么知道原来的员工已经把工作完整交出来了?他的知识有没有遗漏?每天、每周和临时要做的事项是否都已列清楚?他自己做的小工具、存在个人硬盘里的资料、遇到特殊情况时才使用的处理办法,又有没有进入交接范围?


人与人交接,这些问题已经不少。把工作交给 AI,难度只会更高。


接手岗位的新员工可以主动观察、追问,也会从同事的语气、习惯和企业文化中判断哪些事情更重要。AI 没有这样的默认理解。它不知道一份看似普通的报表为什么必须在某个业务节点前完成,也不知道某位员工口中的“按以前办法处理”究竟指哪一版办法。没有被明确写出、输入和验证的内容,对它来说很可能就不存在。


所以,我的判断是:AI 接岗不能当成买来一个工具、开通一个账号,更不能只看模型能不能完成一次演示。它应当被当成一项正式变更来管理。



要交接的从来不只是一张岗位职责表


许多岗位的正式职责写得很概括:负责系统运维、编制报告、处理用户问题、维护供应商关系。真正支撑日常工作的,往往藏在职责表之外。

一位工程师可能知道某个系统每到月底就容易出现容量压力;知道哪个告警可以先观察,哪个告警必须马上升级;知道某项操作虽然写在 SOP 里,但执行前必须向另外一个团队确认数据状态。他还可能保存着自己写的脚本、查询语句、临时解决方案,以及供应商关键联系人的沟通记录。


这些内容有的属于知识,有的是工作项,有的是工具,还有一些是长期协作形成的关系和默契。组织过去依赖这个人,却未必意识到依赖了哪些东西。


如果管理者只是把岗位职责、几份制度和历史工单一次性塞给 AI,然后问一句“你会做了吗”,得到的很可能是一份语言流畅的总结。它可以复述工作,却不代表能够在真实环境中接住工作。


人机交接的第一步,不是训练模型,而是把岗位的实际工作看清楚。


可以从一段真实工作周期入手:这个岗位收到了哪些输入,作了哪些判断,调用了哪些数据和工具,输出交给谁,遇到例外时找谁处理。正式流程和实际做法有差异的地方,也要保留下来分析。直接把灰色做法隐藏掉,只会让 AI 在上线后第一次遇到它时措手不及。



“AI 做得出来”与“AI 可以接岗”之间差得很远


现在的 AI 很容易在演示中给人惊喜。给它一份日志,它可以迅速总结;给它一个需求,它可以生成脚本;告诉它报告格式,它也能很快产出初稿。


但一次成功的输出,只能说明它在当时的输入和环境下完成了任务。岗位工作还包括输入不完整、系统状态异常、权限不足、多个目标冲突,以及无法按照标准路径处理的情况。


真正的验收要看它能否稳定处理一组有代表性的场景。


例如,把历史上正常、异常和边界情况分别拿来测试。AI 能不能识别缺少的资料,而不是自行补齐?遇到低把握的判断,它会不会停止并请求人工确认?它给出的操作是否在授权范围内?结果能否留下记录,让后来的人知道当时用了哪些数据、规则和模型版本?


这些问题没有答案,AI 就还没有达到接岗状态。


ITIL 5 在“转换”活动中强调,新的或更新的产品进入运营环境前,需要评估转换要求、确认资源、执行计划,并通过监测、测试、连续性和安全控制确认已经具备运营条件。教材并没有直接说“岗位交给 AI 就是一项变更”,这是我结合课堂问题提出的管理建议。但其中的思路完全适用:先验证运营就绪度,再逐步进入真实工作,不能从演示直接跳到全面替代。


1789434599917655.png



最稳妥的办法,是让人和 AI 先并行一段时间


人机交接不适合一次切断。更可靠的做法,是先让 AI 处在“影子岗位”上。


同一项工作仍由原岗位负责,同时让 AI 根据相同输入独立给出判断或执行建议。两边结果不一致时,不要急着判定谁对谁错,而要找差异来自哪里:是 AI 缺少上下文,还是原来的做法依赖个人经验;是流程没有写清,还是历史习惯本身就需要调整。


这段并行过程的价值,不只是训练 AI,也是在反向检查岗位。过去只有一个人做,很多隐性判断不容易被发现。现在 AI 每一次卡住、误解或请求帮助,都会暴露交接资料中的缺口。


当高频场景已经比较稳定,可以先让 AI 执行、由人复核;低风险工作逐步减少逐项检查,改为抽查和监测;高风险决定、重大例外和涉及责任的事项,仍保留明确的人工授权。权限应随着验证结果逐步开放,而不是因为模型表现好就一次给足。


还要提前设计回退。模型不可用、数据接口中断、输出质量突然下降时,谁能接回工作?原来的知识和操作能力是否还在?如果组织在完全没有回退准备的情况下撤掉岗位,AI 一旦失效,服务连续性就会受到影响。



交接最难的一部分,是人


课堂中我特别谈到,机器被新机器替代,旧机器不会有情绪;员工面对岗位合并和裁撤,会考虑自己的工作、收入和未来。管理者不能假设员工会毫无保留地帮助 AI 学会自己的全部工作。


如果组织一边让员工整理知识、训练智能体,一边又回避这些成果将怎样影响岗位,员工自然会担心:我交得越完整,是不是越快失去位置?在这种情况下,知识遗漏、消极配合和表面完成都不难理解。


组织变革管理之所以重要,就在这里。管理者需要把变化说清楚:哪些工作准备交给 AI,哪些判断仍由人负责,岗位会怎样调整,员工需要学习什么新能力,交接质量怎样评价。能够转向流程设计、知识管理、AI 监督、异常处置和服务改进的人员,也应当获得清楚的转岗与学习路径。


让原岗位参与设计并不等于把决定权完全交给个人。治理主体仍需根据业务目标作出取舍,并对结果负责。但参与者至少应当知道变化的边界、自己的责任和可能去向。ITIL 5 所说的数字化技术治理,本身就是一个以人为本的体系,包含评估、指导、监测和问责,也强调利益相关方参与和承诺。


一项 AI 变更如果只有技术测试,没有人员沟通,它的风险并没有被完整管理。



AI 没有组织权力,责任不能跟着岗位一起消失


课堂上我把 AI 比作高参。它可以很聪明,可以给出建议,甚至比人更快地完成不少操作,但它没有被组织授予管理权,也不会为业务后果承担领导责任。


当 AI 接手一项工作时,原岗位的责任必须重新分配,而不能留在空中。


谁批准 AI 可以处理这类数据?谁决定它能够执行到哪一步?谁监测结果质量?谁处理例外?谁在模型或规则变化后重新验证?发生重大错误时,谁有权停用并回退?这些角色需要写进流程和治理安排。


如果最后的解释是“这是 AI 做的”,说明交接还没有完成。组织只是把工作交给了机器,却没有把责任交给新的责任人

。

这也是为什么流程化和体系化在 AI 时代更加重要。过去人和人之间有一些没有写明的地方,还可以靠经验、沟通和临场判断补上。人与 AI 协作时,这些空白很容易直接变成执行错误。数据标准、SOP、权限、记录、升级路径和监测要求,需要比原来更清楚。



AI 正式接岗之前,管理者至少要看见这些证据


我不建议用“自动化率达到多少”作为唯一的接岗标准。比例很容易计算,却不能说明岗位风险是否已经受控。


管理者更应该检查几类证据:实际工作是否已经盘点,输入、输出和责任边界是否明确;隐性知识、个人工具和关键数据是否进入组织管理;正常、异常和边界场景是否经过验证;AI 无法处理时有没有人工升级路径;权限是否与风险相匹配;运行过程能否追溯;员工的职责变化与后续安排是否已经沟通;服务中断时能否回退。


这些证据不需要一次做到完美。可以从一项范围清楚、风险较低的工作开始,在反馈中逐步补齐。但只要其中还有重要空白,就不宜宣布“这个岗位已经可以由 AI 接手”。


AI 接岗真正交付的结果,不是一场成功演示,也不是减少了几个人工步骤。它要证明新的工作安排能够持续运行,业务风险有人负责,例外情况有人接住,原来依赖个人的知识已经变成组织可以管理的能力。


到了这一步,AI 才算进入了岗位。此前发生的,只能叫试用。



关于深圳艾拓先锋



深圳艾拓先锋为 PeopleCert 授权 ATO 认证培训机构,具备 ITIL Foundation(Version 5)官方培训资质。我们深耕 ITIL、IT 服务管理与数字化服务管理,聚焦 ITIL 5 原生 AI 治理、AI 智能体管控与 6C 模型落地,提供体系化企业内训与咨询服务。


本文出自《深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:长河老师知识要点与实践心得三十六讲》。 如需系统学习融合 AI 治理视角的 ITIL 5 认证培训、企业内训或 IT 服务管理咨询,可访问深圳艾拓先锋官网课程页面,也可前往 PeopleCert 官网

 https://www.peoplecert.org/ways-to-get-certified/ato/shenzhen-aito-xianfeng-enterprise-management-consul-172763核验授权资质。 咨询渠道:400 热线 400-806-0230,微信:18027379316



上一篇:第2讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:员工都在用 AI,为什么组织效率没有明显提高

下一篇:第4讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:AI 越聪明,标准化为什么反而越重要




返回导读:





← 返回ITIL 5 长河原创文章