智能代理式 AI：迈向自治与个性化服务交付的跃迁

IT 服务请求管理作为一项实践，始终处于持续演进的过程中。ITSM 从业者最初采用的是传统框架，其显著特征在于依赖人工驱动的交接流程。随后，自动化技术的引入为流程带来了必要的速度与结构，但整体服务体验依然受制于僵化的规则体系。

随后，ITSM 迎来了人工智能的首次浪潮。虚拟聊天机器人开始全天候处理常规请求，例如密码重置；机器学习模型能够识别模式、完成分类，并将工单分派给合适的技术人员；情绪分析能力使服务团队能够在用户不满情绪升级之前及时感知风险。这一阶段，看似实现了一次显著的跃迁。

然而，即便引入了人工智能，服务请求管理的运行方式仍延续着既有模式：AI 辅助的自动化依然受限于规则，而服务交付流程的大部分环节仍由人类主导。系统能够执行请求，却并不真正理解请求背后的动因。

如今，智能代理式 AI（Agentic AI） 的兴起正在改变这一格局。它引入了一个更具自主性的智能层，使 AI 代理能够解读用户意图、跨数据源进行推理，并在无需人工持续干预的情况下执行多步骤任务，同时持续从上下文和结果中学习并优化自身行为。

从本质上看，服务请求管理已经从人工协调，演进至自动化与早期 AI 驱动的结构化执行。如今，借助智能代理式 AI，服务请求管理正开始具备更高程度的自主性与更强的情境感知能力。

为展示这一转变如何重塑日常服务交付体验，以下通过一个简单用例进行说明：员工 John 正在规划一次商务差旅。其核心需求并不复杂——审批流程、行程预订、费用设置以及安全的远程访问——但在三种不同的服务交付模式下，体验却截然不同：

• 人工驱动的服务交付

• 自动化与早期人工智能

• 智能代理式 AI 驱动的协同编排

人工交接驱动模式的脆弱性

尽管自动化与人工智能持续发展，许多组织在服务交付上仍然高度依赖以人工协调为主的模式。审批流程往往淹没在大量邮件中，状态更新分散在不同的聊天工具里，各团队基于不一致的信息开展工作，缺乏统一、可信的事实来源。

以 John 为例：他首先通过邮件向经理 Kumar 申请出差审批。随后，差旅部门完成行程预订，财务部门核销公司信用卡，但尚未获知出行计划的 IT 部门被排除在流程之外。当 John 为了在旅途中访问企业资源而自行下载免费 VPN 软件时，他在无意中违反了安全策略，从而触发 IT 安全团队告警，并为潜在风险敞开了大门。

这一场景清晰地揭示了人工驱动工作流的脆弱性。当各部门各自为政并完全依赖人工协调时，即便是一个简单的服务请求，也可能迅速演变为安全事件。在缺乏自动化机制来识别依赖关系或强制执行防护措施的情况下，每一次人工交接都会引入额外的风险、延误与不一致性。

自动化与早期人工智能时代

自动化为服务请求管理带来了亟需的结构化流程与效率提升。标准化工作流取代了临时性的人工协调方式，确保请求能够以较低摩擦完成分发、审批与执行。随后，人工智能技术的引入进一步提升了流程的智能化水平和响应能力。

当 John 提交差旅申请时，系统会自动将邮件转换为工单，并由人工智能完成分类与路由。其主管 Kumar 可即时进行审核与批准。随后，预先定义的企业服务管理（ESM）工作流接管流程编排，跨部门协调各项任务：差旅部门预订行程，财务部门处理公司卡及津贴，IT 部门准备已批准的 VPN 软件，并向 John 提供定制化的安全安装指导。

若缺乏这一统一流程，各项任务将以孤立方式展开，缺乏跨职能协作与必要的上下文信息，难以实现顺畅一致的服务体验。

在整个过程中，人工智能在后台持续提升运营效率：

• 虚拟客服全天候协助 John 完成 VPN 设置或解答差旅相关问题

• 机器学习模型自动完成请求分类与任务分派

• 基于大语言模型的推荐能力生成情境化更新与提醒

相较于旧有系统中割裂的流程和频繁的人工交接，这一模式已实现显著改进。John 不仅能够获得已批准的 VPN 软件，还能收到清晰、可执行的分步指导，从而大幅降低操作失误的可能性。

然而，该服务交付模式依然具有明显的被动特征。最终的执行环节仍然依赖 John 主动完成——打开说明、理解步骤并自行安装 VPN。

这种依赖性暴露了当前服务交付体系中的深层结构性问题。自动化与人工智能能够缓解这些问题，但尚无法彻底消除，主要体现在：

• 数据孤岛依然阻碍端到端可视化与自动化

• 工作流普遍采用“一刀切”的服务履行模式

• 基于规则的自动化仍占主导地位，限制灵活性

• 多个关键触点仍依赖人工理解、审批或执行

智能代理式 AI 的突破

当自动化逐渐触及效率天花板，服务管理的下一阶段在于引入具备自主思考与执行能力的智能系统。智能代理式 AI 正是这一转折点，它使系统能够理解情境、动态规划，并跨业务职能自主采取行动。

在该模型中，服务交付由一组以目标为导向的 AI 智能体网络驱动，具备三项核心能力：

• 情境感知能力：准确解读用户意图

• 动态推理能力：规划行动路径并解决依赖关系

• 多智能体协同能力：跨系统执行复杂工作流

智能代理式 AI 驱动下的 John 差旅体验

当 John 在 Microsoft Teams 中向经理申请参会时，接入企业服务管理平台的 AI 代理会自动识别其意图，提取目的地、时长与出行目的等关键信息，并自动创建差旅请求。经理在同一对话窗口中即可完成审批。

审批通过后，多个 AI 智能体立即协同执行下游任务：差旅智能体验证 John 的出行资格、预算限额与政策合规性，并生成已批准的行程；IT 侧的智能体分别检查设备加密状态、远程办公安全合规性，并依据最小权限原则动态调整访问权限。

与此同时，基于历史数据训练的自助服务推荐模型会动态更新 John 的自助界面，仅呈现与其当前情境最相关的内容，包括差旅清单、VPN 故障排查指南、公司信用卡政策以及事件上报流程。

在差旅期间，另一 AI 智能体通过 UEM 仪表盘持续监控终端健康状况与行为，并结合风险数据实时更新 John 的风险评分。一旦检测到异常或潜在威胁，系统将自主执行条件访问策略，在不影响正常工作的前提下保障数据安全。返程后，AI 驱动的后续流程将自动执行设备健康检查、验证配置与加密合规性，并恢复默认访问权限。最终，各系统状态完成同步更新：HRMS 记录差旅完成情况，财务系统核对费用，IT 系统标记服务请求已解决。

从自动化到智能代理式 AI 的关键差异

结语

借助智能代理式 AI，服务请求管理正逐步演变为一个自治决策系统。AI 智能体能够在理解正确情境的基础上，协调跨职能任务并自主执行，而人类则继续在决策闭环中发挥关键作用——制定策略、处理例外情况并引导高影响决策。

采用智能代理式 AI 的组织，将不再局限于渐进式效率提升，而是构建具备前瞻性、韧性与大规模个性化能力的服务生态系统。AI 承担繁重的运营执行工作，人类专注于更高价值的决策与创新，从而为员工提供更加无缝、可靠的支持体验，同时释放 IT 团队的战略潜能。

这种平衡重新定义了服务请求管理的卓越标准，也为安全、智能且以人为本的员工体验树立了新的标杆。

常见问题

1) 智能代理式 AI（Agentic AI）与传统自动化最大的区别是什么？

核心差异在于“意图与情境”的处理方式：传统自动化以流程与规则为中心，而智能代理式 AI 更强调对用户意图的解读、跨系统推理与多步骤自主执行。

2) 智能代理式 AI 会取代人工审批与决策吗？

实践中更常见的是“人类在环”：AI 负责执行与协同，人类负责策略制定、例外处理与高影响决策的把控。

3) 引入智能代理式 AI 之前，企业需要准备哪些基础能力？

通常包括：跨系统数据的可访问性与一致性、清晰的权限边界与审批策略、服务请求目录与流程的结构化，以及可观测性与风险治理相关的数据基础。

立即体验 ServiceDesk Plus

- 更喜欢云版本？注册试用：点击注册免费试用ServiceDesk Plus（30天全功能）；
- 希望本地部署？下载地址：下载ServiceDesk Plus本地版（5个技术员永久免费！）；
- 预约专家：需要定制化演示？立即预约1对1方案产品讲解；
- 获取报价，联系销售：填写信息，获取专属报价
限时福利：本月下载注册的用户赠送1小时配置指导服务，助力快速上线！