课堂讲服务既会创造正面价值,也可能引入成本、风险和负面成果时,我讲了一次自己经历的生产事故。
当时我负责 Oracle 数据库。一次夜间变更前,我关闭数据库做了快速全备,然后按已在测试环境验证过的方案准备升级生产系统。
麻烦出在 SSH 跳转上。我从一台机器连到另一台,又继续连向别的环境。终端里看到的仍然是相似的命令行,多次测试后,我以为自己仍在测试环境,执行了删除旧系统的操作。实际被删掉的是生产数据库文件。
多个制造厂的其他人已经下班,仓库仍在出货。仓库来电说 ERP 不能使用时,我才意识到生产环境已经受到影响。后来第三方支持也参与调查,最终确认删错了环境。幸好变更前的全备可用,数据库得以恢复。
这个案例对我的意义,不是证明一个人会粗心。操作者当然应负责,管理者还要继续问:为什么一次环境误判能够直接变成对生产库的破坏性操作?

复杂性带来能力,也增加误判空间
ITIL 5 在解释价值、成果、成本和风险时,特别指出服务可能引入新成本和风险,甚至对某些预期成果产生负面影响。只有正面影响大于负面影响,服务才会被认为有价值。
Oracle 和 ERP 这类复杂系统提供了强大能力,也带来大量配置、环境、账号和操作路径。同样一条命令在测试与生产环境中的后果完全不同,而连续 SSH 跳转让人眼面对的界面仍然高度相似。系统的功能越多,如果环境识别和权限仍靠个人始终保持警惕,误操作的机会也会增加。
“新系统会引入新风险”不是反对引入新技术。它要求组织在评估新能力时,同时查看新的失败方式、操作依赖和恢复要求,不能只看功能是否比原来强。
第一层控制:让环境身份无法被忽略
复盘这个案例,最靠前的问题是环境身份没有在每一次关键操作前强制出现。
测试与生产可以使用明显不同的终端提示、主机命名、背景颜色和账号。不能只在登录时显示一次,执行删除、覆盖、停库等高风险操作前,脚本应再次读取环境标识并要求确认目标。
一个用来清理测试库的账号,原则上不应同时拥有生产库的删除权限。即使同一位人合法拥有两类权限,也应通过不同身份、访问通道和临时授权分开使用。操作者如果在测试上下文中,技术上就不应能够直接跨过去删生产文件。
跳板机和特权访问平台也不应只是多一次登录。它要绑定变更记录、目标环境、授权时间和操作身份,对破坏性命令留下可审计证据。否则,它只是把 SSH 跳转的路径变得更正式,并没有减少环境误判。
第二层控制:变更步骤和复核要对准失败点
一份变更方案如果只写“删除旧库文件”,它只说了要做什么,没有防止在错误环境中做。可执行的步骤应说明目标主机和实例、当前版本、预期文件路径、操作前查看的标识、命令执行后的验证结果。
双人复核也不是在整份文档后面补一个签字。复核人要在破坏性操作的关键时点,独立核对环境、命令、对象和恢复条件。如果他只听操作者说“我现在在测试环境”,两个人共用的仍是同一个未验证假设。
对高风险步骤,工具可以强制把命令中的对象解析出来,与已批准变更中的环境和路径比对。只有完全一致才允许继续,临时更改对象就要重新授权。这比要求人在长时间夜间变更中始终不犯错更可靠。
备份救了这次事故,但“做过备份”还不是完整回退
同时也要继续追问:备份是否完整,是否实际验证过恢复,恢复需要多长时间,两个小时内产生的业务数据怎样处理,恢复后由谁核对数据与业务状态。备份能打开,不等于业务已经完整恢复。
变更前的运营就绪检查,应当把备份版本、恢复命令、所需权限、预计时间、业务补数和验证责任一起确认。如果只是看到一条“已备份”就认为可以回退,真正出事后还是要现场探索。
AI 进入命令行后,这些控制要更硬
AI 现在可以为运维人员组装命令、读取变更步骤、分析当前环境,也可以通过工具直接执行操作。它减少了语法错误和手工查找,也让一条破坏性命令更快地作用到大量对象上。
所以,不能因为 AI 会解释命令,就交给它一个同时覆盖测试和生产的高权限账号。它取得的身份应绑定当前变更、目标环境和允许动作,授权在时间窗口后失效。任何删除、批量覆盖或停止核心服务的指令,都要由工具独立校验环境和对象,并由获授权的人确认。
AI 还可以在执行前把命令展开,告诉复核人它将连接哪个环境、匹配哪些文件、影响多少对象、回退依赖哪份备份。发现目标与已批准内容不一致时,它应停止,不应试图替人解释这个差异“应该没问题”。
执行后的记录同样要保留。应能回答哪个人发起、哪个智能体和版本解析了指令、使用什么身份连接哪个环境、工具执行了什么、哪个人完成授权,以及最终验证结果。记录的目的不是为了在事后找一个人背责任,而是分清环境判断、授权规则、命令生成和工具拦截哪一层没有起作用。
权限也要随变更结束而回收。如果智能体为一次夜间变更取得了生产权限,窗口结束后仍可继续调用,一次临时授权就变成了长期暴露面。撤销身份、令牌和工具会话,应当与变更关闭一起验证。
复盘要把“小心”拆成多层防线
如果只把这次事故写成“操作人员未仔细确认环境”,控制方案很可能只剩下再培训一次、再强调一次。人仍然会在夜间、长时间、多环境切换中工作,相同失效条件也仍然存在。
更有用的回放方式,是沿着整个过程追问:进入环境时是否有强标识,测试账号为什么能触及生产,破坏性命令为什么没有二次校验,变更步骤是否写清目标,复核人能否独立获得事实,备份是否已经验证恢复,业务如何核对中断期间的数据。
每一个问题都对应一层可以建立的防线。操作者的注意力仍然重要,却不应是阻止整套生产数据被删除的唯一条线。
技术越先进、系统越复杂、AI 执行越快,组织越需要让错误在伤害生产之前被环境、权限、工具和复核拦下来。这才是把“新系统引入新风险”从定义变成可以实施的管理动作。
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18讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:流程 KPI 都达标,业务成果为什么仍可能不好
下一篇:第20讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:IT 服务的价值为什么必须共创,不能由 IT 单方面“交付”
返回导读: