ServiceNow 自主解决 90% 的自身 IT 请求。现在它想为任何企业做到同样的事
Source: VentureBeat
ServiceNow 的自主工作队伍公告
ServiceNow 正在自主处理 90 % 的内部员工 IT 请求，解决案件的速度比人工代理 快 99 %。周四，它宣布了希望用于为其他所有人实现同样效果的产品技术。
组织已经花了三年时间运行试点项目，但当 AI 进入执行层时，这些项目会停滞。代理可以识别问题并推荐解决方案，但随后必须交还给人类，因为它缺乏完成任务的权限，或因为在受治理的环境中没有人信任它能够自主行动。
大多数团队遇到的障碍不是能力问题，而是 治理和工作流连续性。
ServiceNow 的答案是一个名为 Autonomous Workforce 的新框架；一个面向员工的新品 EmployeeWorks（基于其十二月收购的 Moveworks 构建）；以及它称之为 “role automation” 的底层架构方法。
从工单系统到 AI 劳动力
ServiceNow 已经为此努力了二十年。
- 工单系统 – 最初的平台。
- 工作流自动化引擎 – 下一步演进。
- Now Assist – 在过去两年里在工作流基础之上叠加的 AI。
现在的不同之处在于，新方法 不再把 AI 视为叠加在工作流之上的功能，而是把它 视为在工作流内部运行的工作者。这种从“AI 辅助”到 “AI 执行” 的转变正是更广阔的企业市场的方向。ServiceNow 正在对实现这一目标的具体架构进行押注。
三部分公告
| 组件 | 功能描述 |
|---|---|
| EmployeeWorks | 员工用自然语言描述问题，无需提交工单即可得到解决。 |
| Autonomous Workforce | 端到端 执行工作。 |
| Role automation | 管理 AI 专家在现有企业权限体系内如何运作的架构层。 |
大多数企业 AI 助手（例如 Microsoft Copilot、Google Gemini）要求员工了解 哪种工具处理哪类问题。Moveworks——在 12 月收购前拥有 550 万 企业用户——围绕 单一入口点 构建，能够自动在这种模糊性中进行路由。
“在过去两年里，组织争相采用 AI，但在许多情况下，这种冲刺导致了碎片化的工具、脱节的 AI 体验，以及员工为了完成简单任务而在系统之间来回切换，”
— Bhavin Shah，Moveworks 创始人兼 ServiceNow 高级副总裁
为什么角色自动化不同于普通代理
ServiceNow 提出了一个名为 role automation（角色自动化）的新架构层，它不同于大多数企业已经使用的代理。
- 传统 AI 代理 – 任务导向：在给定目标后，它们会推理并 在运行时确定它们被允许执行的操作。这在企业环境中会产生问题，因为 治理、审计轨迹和权限边界 是不可协商的。
- 角色自动化 – 一个 AI 专家 继承 与人类员工相同的访问控制框架、CMDB 上下文、SLA 逻辑和授权规则，从部署的那一刻起。它不能超出定义的范围，也不能基于任务中途学习的内容自行提升权限。
ServiceNow 将其划分为三层：
- 任务代理 – 处理单个自动化步骤。
- 代理工作流 – 将确定性和概率性执行相结合。
- 角色自动化 – 位于上述之上，作为一个完全虚拟化的员工角色，拥有明确的职责和预先继承的治理。
基于此架构构建的首款产品是 Level 1 Service Desk AI Specialist（一级服务台 AI 专家），它能够端到端处理常见的 IT 请求（密码重置、软件访问授权、网络故障排除），记录每一次解决方案，并且仅在遇到超出其定义范围的情况时才升级给人工处理。
“不要追逐蝴蝶”
Alan Rosa，CVS Health 的首席信息安全官兼基础设施与运营高级副总裁，亲眼目睹了医疗保健领域 AI 治理失效的后果。他负责在 300,000 名员工 中部署 AI，合规不是可选项。
“无聊是美好的。可预测的。稳定的。必须从负责任、可解释的 AI 开始。没有偏见，没有幻觉，明确的防护栏。每个人都了解规则。” – Alan Rosa
在同一次简报中，Rosa 用于扩展 AI 的框架正好对应 ServiceNow 所宣称的架构。CVS Health 在 12 月收购前已经是 ServiceNow 和 Moveworks 的客户。Rosa 表示，两者平台的组合令人鼓舞，潜力 “正在成形”，尽管 CVS Health 尚未公开承诺部署自主劳动力。
Rosa 的建议
- 不要追逐蝴蝶。 专注于艰苦、乏味的运营用例——那些能带来真实 ROI、影响人们生活的案例。
- 将 AI 视为 持续演进的能力集合，需要 动态（而非静态）测试。
- 在任何 AI 用例投入生产前，必须经过 临床、法律、隐私和安全审查。
“当 AI 在学习和适应时，静态审查根本不够。清洗、冲洗、重复。” – Alan Rosa
Rosa 的方法是在部署架构之初就嵌入治理，而不是在问题出现后再进行补丁。这正是 ServiceNow 对 角色自动化 的声明：继承现有企业权限和工作流逻辑的 AI 专家，在结构上比在运行时自行决定范围的代理更不容易突破治理边界。
这对企业意味着什么
对于任何评估 agentic AI 的组织，无论供应商如何，实际问题都很简单：
该解决方案是否将治理和工作流连续性嵌入 AI 的核心架构，还是依赖临时权限和事后控制？
需要可信、可审计、具备权限感知自动化的企业应仔细审视 ServiceNow 的 Autonomous Workforce、EmployeeWorks，尤其是 role automation 层，将其视为负责任扩展 AI 的蓝图。
问题
你的 AI 治理是嵌入在执行层内部，还是作为一个政策文档坐落在其之上，供代理绕过？
答案
这正是 ServiceNow 试图通过 Autonomous Workforce 和 EmployeeWorks 解决的——将治理和工作流上下文直接烘焙进代理层，而不是事后再加上去。
对实践者而言，起点是 治理架构，而不是功能。部署任何 agentic AI 之前，先绘制出权限、工作流逻辑和审计要求实际所在的位置。如果没有这层基础，任何代理框架都难以在企业规模下站住脚。
“规模与信任是相辅相成的，”Rosa 说。“如果失去信任，就失去了扩展的权利。”