IT服务管理过去解决的一个核心问题,是让不同岗位能够围绕同一项服务有序协作。服务台接收用户问题,一线完成初步诊断,二线处理后台技术问题,三线或者供应商解决产品缺陷;变更经理组织评审,实施人员执行,业务人员参加验收。流程把这些人的责任、顺序、信息和检查点连接起来。只要参与者主要是人,这套设计就有它的合理性。
现在,智能体开始进入监控、事件、变更、知识和服务请求。它不只是多了一个参与者。人会等待、会遗忘、会因为专业边界而转单,智能体可以并行读取多种数据,可以在一次会话中连续调用多个工具,也可以全天候响应。原来为了解决人的能力限制而设置的某些节点,到了人机协同流程中可能不再需要;原来依赖经验和口头沟通的控制,则必须转换成机器能够读取的规则和数据。

先把四类工作分开
设计人机协同流程时,我会先把工作分成四类。第一类是大量读取和整理,例如汇总日志、查询配置、比对监控指标、整理工单历史。这类工作适合优先交给AI。第二类是基于明确规则的判断,例如根据影响度和紧急度计算优先级,按照预授权清单识别标准变更,也可以由系统自动完成。
第三类是受控执行,包括重启无状态服务、运行已经验证的诊断脚本、创建账号或者调整低风险配置。这些动作可以交给智能体,但要限定工具、参数、环境和回退方式。第四类是需要组织承担后果的决策,例如是否在业务高峰实施生产变更、是否接受残余风险、重大事件是否启动应急机制。AI能够提供分析,却不应在责任没有重新定义之前独自作出决定。
这四类工作并不是按照部门切开的。一个事件从发生到关闭,可能依次经过AI读取、人判断、AI执行、用户确认和AI记录。人机协同流程的重点,是让工作在这几种状态之间平稳切换,而不是给智能体安排一个固定工位。
流程触发方式会改变
传统流程常常由人发起。用户打电话才有事件单,工程师发现容量不足才申请扩容,员工提出申请才创建服务请求。智能体能够持续读取监控和业务事件后,流程可能在没有人敲下第一行文字时启动。严重告警可以触发诊断,诊断结果可以生成事件草稿;容量趋势达到条件,可以形成变更建议;HR系统出现新员工记录,可以触发账号、设备和培训权限的准备。
触发自动化以后,团队要回答以前不太突出的问题:什么信号足以启动流程,多个重复信号如何合并,误报是否会骚扰用户,谁来确认智能体判断的业务影响。触发器越灵敏,错误动作发生得也可能越快。流程设计不能只追求“全自动”,还要设计去重、置信度、冷却时间和人工接管条件。
交接内容也必须变化
人与人交接时,一句“王工,这个系统你熟,你看一下”有时就能推动工作。智能体不能依靠这种默契。它需要系统标识、故障现象、时间范围、相关配置项、最近变更、可调用工具和权限边界。过去散落在聊天、邮件和个人记忆中的信息,要变成可检索的知识、结构化配置和清楚的操作记录。
这意味着人机协同项目常常不是模型项目,而是管理基础补课。服务目录不清楚,AI就不知道自己支持什么;配置关系不可靠,AI就无法判断影响范围;工单分类长期混乱,AI学到的历史模式也会混乱。模型能力再强,也不能替组织自动补出从未建立的数据责任。
验收不再只看结果
如果一名工程师恢复了服务,团队通常会看业务是否正常、工单是否关闭。智能体执行后,还要检查它使用了什么信息,调用了哪些工具,是否越过授权范围,输出能否复现。一次偶然成功不能证明流程稳定。尤其是生成式AI带有概率性,同样的输入可能出现不同表达甚至不同判断,所以关键操作要由确定性的脚本和策略执行,模型负责理解、编排和解释。
人机协同流程还应记录人工接管。接管发生在哪个节点,原因是知识不足、工具失败、权限受限还是风险过高,这些记录会直接指导改进。有些团队把人工接管视为自动化失败,其实接管本身就是安全设计的一部分。真正的问题,是智能体失败后没有清楚地把上下文交还给人,导致工程师从头排查。
组织还需要处理人和AI之间的信任变化。刚上线时,工程师可能逐句检查AI的分析,效率反而下降;运行一段时间后,又可能因为它多数时候正确而不再认真复核。前一种情况会让项目难以体现价值,后一种情况会形成自动化偏见。比较稳妥的办法,是根据场景风险决定复核强度,并定期插入已知答案的测试任务,确认团队没有在不知不觉中把判断权完全让出去。
流程文件也要写得让两类参与者都能使用。人类看得懂的“视情况处理”“必要时升级”,对智能体来说缺少可执行条件;完全写成机器规则,又可能让一线人员难以理解。比较好的写法,是同时说明业务目的、判断依据、阈值、例外和升级对象。AI可以读取规则,人也知道规则为什么存在。这样建立的流程才不会在技术更新后迅速失效。