A.艾拓先锋ITIL CHINA

第32讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:优化和自动化之前,先回答这件事对业务有什么用

IT 部门做出一项自己认为很有价值的功能,投入了工具、接口和开发时间,上线后业务人员却很少使用。


这种情况并不少见。技术团队容易把“能不能实现”当成项目最难的部分。AI 编程和智能体出现以后,实现速度进一步提高,半天就能做出一个概念验证。可功能做得越快,越需要先回答:它替谁解决什么问题,改变哪项业务结果?


课堂讲“优化和自动化”时,我特别强调,难处往往不在工具,而在策略。优化必须落到业务需求、投资回报、风险和当前状态。技术方案容易获得,不代表值得进入生产。



先把期望成果说到可以验证


“建设智能服务台”“提升自动化率”“引入 AIOps”都不是业务成果。它们描述了准备采用的手段。


更具体的问题可能是:用户无法准确选择服务目录,导致大量工单改派;监控告警重复,工程师花时间人工归并;标准权限请求等待人工抄录,履行时间过长。对象、现状和后果明确后,团队才知道优化什么。


还要约定怎样判断改进有效。工单改派是否减少,告警是否更快关联到服务,权限请求等待是否缩短,人工复核是否增加了新的负担。没有这些基线和结果,项目只能展示模型回答得多流畅。


AI 可以帮助分析历史工单、等待、返工和用户反馈,找出候选问题。模型归纳出的模式要回到业务人员和流程负责人那里核对,因为数据可能缺失,投诉较少也不一定代表影响较小。


业务成果还要有明确的受益者和使用窗口。把监控报告生成时间缩短,如果没有人依据报告采取行动,速度没有价值;把请求全天自动履行,如果业务只在固定批次使用,又可能增加不必要的运行与支持。先了解结果在谁的工作中被使用,才能判断优化目标和投入尺度。



自动化之前先处理旧流程中的矛盾


原流程有重复审批、字段口径冲突和责任不清,直接接入 AI,会把这些问题带入新的执行方式。


例如,同一服务在服务目录、CMDB 和监控平台中名称不同。智能体能够读懂用户说的是哪个系统,却不知道该关联哪项 SLA 和支持组。继续调整提示词,可能提高语言匹配,无法替组织统一服务标识。


又如,一项请求既要求业务负责人确认,又要求 IT 经理重复确认同一风险。让 AI 自动生成两份审批材料,只是把重复动作做得更快。团队应先判断两个审批是否承担不同责任;如果没有,就简化或合并。


ITIL 5 给出的顺序很清楚:简化和/或优化之后再自动化。教材同时说明,自动化和 AI 依赖良好数据、优化后的工作流与有力治理。


优化也可能选择不自动化。某项工作发生很少、每次差异很大,建立和维护智能体的成本高于人工判断;某项高风险决定需要多方解释和责任,AI 更适合准备材料。组织不必为了追求一个统一自动化比例,把所有流程推向同一终点。



生成式 AI 也会增加成本和风险


技术常被包装成降低成本的答案,实际运行成本不只包括模型调用。知识整理、接口维护、人工复核、安全审查、错误返工、模型升级复测和供应商管理都要持续投入。


一个智能体生成工单摘要很快,下游却要逐项核对事实,端到端工作量可能没有减少。自动诊断能提出恢复建议,如果日志和配置关系不完整,工程师还要重新调查。错误建议一旦取得执行权限,恢复成本会比人工慢一点更高。


ITIL 5 特别提醒,生成式 AI 的使用应受治理、伦理和合规政策控制;为了自动化而自动化,可能增加成本、引入重大风险并降低组织弹性。


所以,自动化方案需要同时说明数据边界、人工验证、权限、追溯和回退。模型不可用时工作怎样继续,供应商接口变化后谁负责,旧的人工能力是否需要保留,都属于方案成本。



1789953971539072.png


决定哪些动作交给机器


一条流程中,不同动作适合不同自动化程度。


采集已有数据、检查字段、比对标准条件、生成草稿和准备影响摘要,通常适合先由 AI 辅助。结果容易核对,错误也能在执行前发现。


高频、低风险、规则稳定且可回退的动作,在经过验证后可以进一步自动执行,例如按预授权目录履行标准请求、合并重复告警或运行标准诊断。


涉及生产修改、敏感数据、资金、客户承诺和高影响例外时,要保留明确人工授权。模型能力强,不等于组织已经授予权力。授权范围要随验证证据扩大,而不是在概念验证成功后一次给满。


每个自动动作还要有停止条件。数据冲突、关系缺失、置信不足、超出标准条件或回退不可用时,AI 应把已完成的检查和证据交给人,不能为提高自动化率继续猜。


概念验证进入生产前要设一道证据门。试验中用了哪些代表性场景,失败类型有哪些,人工接管是否可用,权限和日志是否符合要求,模型或接口不可用时能否继续服务。演示成功只回答技术是否可能,运营就绪要回答它能否持续、安全地加入真实工作。



优化结果要从端到端检查


局部动作缩短,不一定改善整项服务。


AI 把事件分类从五分钟缩短到一分钟,如果工单随后在错误支持组等待两小时,用户没有得到更快恢复。自动生成变更材料节省了工程师时间,授权者若因内容冗长增加审阅,整体周期仍可能上升。


检查范围应从问题提出到使用结果确认。等待在哪里减少,错误是否转移到下游,人工接管是否增加,用户是否更快完成任务,业务风险是否改变。必要时用价值流看板观察跨流程的影响,而不是只报模型调用量和自动化比例。


AI 也可以持续监测这些结果,比较自动与人工路径的返工、接管和失败。但指标需要稳定口径,不能让系统为了证明成功,只统计机器完成的步骤而忽略人工补救。


运行成本也要按完整周期计算。除调用费用外,知识更新、接口维护、评测、合规审查、供应商支持和退役迁移都可能长期发生。把这些责任和预算写进产品计划,才能判断自动化在一年后仍是否划算,而不只比较一次任务的人工分钟数。



自动化前先回答四个问题


准备实施一项自动化时,我建议团队先写下四个答案。


它具体消除哪类等待、错误或业务风险?输出由谁依据什么标准验证?失败或模型不可用时怎样回退?持续运行的完整成本由哪些部分构成?


回答不能停在“提高效率”“人工兜底”“必要时恢复”。要落到服务、流程节点、角色、数据、时间和证据。答案不清楚时,可以先做小范围实验,用真实工作补齐,而不宜直接扩大生产权限。


自动化是一种实现方式,不是项目成立的理由。先找到业务真正愿意使用的结果,清理流程中的冲突,再把合适动作交给 AI。这样做出来的功能也许没有演示中那么炫,却能进入日常工作,并持续说明自己为什么值得运行。



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31讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:保持简单实用,不是只做简单的事

下一篇:第33讲:深圳艾拓先锋第四期 ITIL Foundation(Version 5)培训课后系列分享:ITIL 5 为什么把视野从“管服务”扩展到数字化产品和服务的全生命周期




返回导读:




← 返回ITIL 5 长河原创文章