2025年值得期待的AI驱动ITSM趋势

随着我们进入 2025 年，AI 不再是一个猜测的工具；它已明确确立为 IT 服务管理（ITSM）的基石，嵌入驱动 IT 服务交付、效率和用户满意度的核心流程中。除了优化现有内容外，AI 还使 IT 团队重新思考服务设计方式、问题预判方式以及支持交付方式，规模更大。随着这项技术的快速成熟，讨论焦点转向 AI 将如何以更深远的方式重塑 ITSM。

在本文中，让我们探讨可能塑造 ITSM 未来的关键 AI 趋势。

Agentic AI 的崛起

2024 年，重点是将生成式 AI 嵌入 ITSM 实践，但下一波 AI 转型将更加细致，agentic AI 将开始自主承担越来越复杂的任务。Gartner 预测，到 2028 年，33% 的企业软件应用将包含 agentic AI，这比当前水平有巨大飞跃。这些由大型语言模型（LLMs）驱动的先进系统，不受静态提示或决策树限制，而是能够自主思考、学习、推理和行动的动态软件程序。

想象一下：一名员工报告笔记本电脑故障，agentic AI 立即启动。它诊断问题，判断是否需要更换，检查库存，下订单并协调交付。最棒的是？所有这些都无需人工干预，节省时间，加快解决速度。与依赖大量训练和持续更新的传统 AI 系统不同，这些 AI 代理将自主运行，利用现有工具数据，实时扩展和适应不断变化的需求。凭借全天候支持，它们不仅能更快解决问题，还能提升员工满意度。

然而，agentic AI 的承诺伴随着关键考量。首先，部署前必须评估投资回报率，因为这些系统可能成本高昂，供应商需大量 GPU 资源，且生产力提升有限。其次，agentic AI 应建立在成熟的 ITSM 实践和干净的数据基础上，以避免加剧低效。最后，平衡自主性与伦理责任至关重要，以防止伤害或偏见。综合这些因素，2025 年，agentic AI 引领下，IT 团队将体验更快、更智能、更直观的 IT 服务交付。

基于 AI 的 ITSM 指标新时代

随着 AI 在 ITSM 中扮演更大角色，衡量投资回报率需要新的以 AI 为中心的关键绩效指标（KPI）。这些指标帮助组织了解 AI 如何驱动价值、提升效率和改善 IT 运营。2025 年，组织需跟踪超越传统指标（如解决时间、首次呼叫解决率和净推荐值）的指标。例如，组织应关注 AI 识别和解决问题的速度，通过评估事件或问题的提前时间来衡量。借助 AI 的主动事件识别和聚类能力，这有助于在问题成为正式服务工单前加以预防。

新的 AI 驱动 KPI 已被引入。工单偏转率衡量 AI 聊天机器人独立处理员工咨询的比例，减少人工工单工作。每工单成本降低指标反映了 AI 自动化带来的流程成本效率提升。

此外，人类接手率衡量聊天机器人对话需要升级至人工代理的频率，以及技术人员因 AI 在初次交互中收集的上下文和细节而能更快解决工单的程度。衡量 AI 与员工互动质量的其他指标可能包括 AI 回退率和满意度率。

缩小 IT 技能差距

随着我们拥抱 AI 的潜力，对技能专业人才的需求不断增长，组织正争相填补这些空缺。IDC 预测，到 2026 年，全球超过 90% 的组织将感受到 IT 技能短缺的影响，导致因产品延迟、竞争力下降和业务机会流失而造成约 5.5 万亿美元的损失。2025 年，为防止这些经济损失，企业预计将加大力度提升现有人才的技能。低代码和无代码工具将使非技术员工更容易拥抱数字化转型。

组织还将利用 AI 系统识别、组织和分发企业特定的 IT 知识。根据 Gartner，到 2027 年，生成式 AI 将创造的 IT 支持和知识库文章数量将超过人类。这将使 IT 员工更快排查故障，更高效解决问题，提高整体生产力。随着组织扩大 AI 计划，自动化 ITSM 工作流（如编排运行手册）将进一步减少重复劳动，使团队专注于更高价值的项目。

与技能提升需求相符，许多组织将任命专门的领导角色，如首席 AI 官、首席数据官和 AI 培训师，与 CIO 紧密合作。这些领导者将在推动 AI 采用和人才发展中发挥关键作用。通过这种方式，组织将确保技术与人才的无缝结合，赋能团队不仅适应 AI，还能发展在快速变化环境中茁壮成长所需的技能。

AI 重新定义 ITSM 实践

2025 年，AI 对核心 ITSM 实践的变革性影响将不可否认。我们去年进行的调查 The State of AI in ITSM - 2024 and beyond 显示，AI 驱动的最大变化将出现在事件管理（79%）和知识管理（73%），紧随其后的是服务请求管理（63%）。

调查的关键见解展示了 AI 将如何影响具体的 ITSM 实践。

• 事件管理：AI 将接管常规诊断、问题解决和工单创建，显著缩短解决时间，防止停机。
• 知识管理：AI 将自动化内容分类、知识库更新，并提供实时相关信息访问。
• 服务请求管理：AI 将简化软件请求和故障修复，实现更快、更个性化的服务交付。
• 问题管理：AI 将实现跨事件模式的主动识别，使团队能够预测并解决潜在问题，防止其升级为重大故障。
• 变更管理：AI 将逐步协助影响分析和部署流程优化，使变更无风险并减少中断。

虽然 AI 的关注点多集中于 IT 服务管理，但 AI 也在 IT 资产管理（ITAM）领域掀起波澜。ITAM 将被 AI 改造，我们在详细的 文章 中讨论了三种关键方式。