<p>ServiceNow 声称它已经创建了一个人工智能代理，目前正在解决公司员工帮助台 90% 的 IT 请求。</p>
<p>ServiceNow 表示，除了在内部使用自主工作机器人外，部分 ServiceNow 客户也在进行测试。该公司预计将在下半年使该产品普遍可用。</p>
<p>内部请求包括高频率问题，如密码重置、账户解锁、软件访问请求、电子邮件问题和 VPN 连接，这些问题在定义的权限和升级路径内端到端处理。</p>
<p>ServiceNow 的一位发言人告诉《The Register》，在我们自己的环境中，超过 90% 的目标一级请求是自主处理的，这些类别的解决率超过 99%，且速度明显快于仅由人工处理的工作流程。</p>
<p>ServiceNow 表示，这通过让自主工作在实时配置管理数据库（CMDB）、活跃工作流程、政策引擎、审批链和真实交易历史之上运行来实现——每当请求关闭、工作流程执行或政策变更时，所有这些都会实时更新。</p>
<p>随着 Salesforce 针对其企业 ITSM 客户推出自己的 Agentforce IT 服务产品，ServiceNow 可能需要一个胜利。Salesforce 首席执行官 Marc Benioff 在最近一个季度的财报电话会议上自豪地表示，挖走了五个 ServiceNow 客户。</p>
<p>ServiceNow 面临的另一个挑战是自主工作如何适应客户环境。虽然 ServiceNow 表示其内部文档有 20 年的经验支持，但现实世界帮助台的文档通常很差或根本不存在。</p>
<p>“文档问题是真实存在的，坦率地说，大多数供应商假装它不存在。ServiceNow 能够给出不同答案的原因是平台内部存在的两十年的结构化数据，” AI 产品集团副总裁 Nenshad Bardoliwalla 表示。“这不是一个读取你的 Word 文档并希望得到最佳结果的系统……我们的宣传是 ‘我们是聚合你已有工具信号的控制平面，我们用两十年构建的结构化工作流逻辑填补空白。’”</p>
<p>Bardoliwalla 表示，自主工作在回答问题时使用历史请求信息作为知识库。到目前为止，该系统已经由 ServiceNow 员工在内部进行测试，员工向其提交请求。</p>
<p>ServiceNow 为《The Register》按类型和子类型分解了这些请求——这就是帮助台组织和管理请求的方式——显示自主工作解决了 90% 的与网络（46%）、硬件（11%）和软件（43%）相关的请求类型，以及以下子类型：企业应用访问、云认证服务（33%）、协作工具问题（13%）、VPN 和网络连接问题（7%）、笔记本电脑和硬件性能问题（8%）以及软件安装和配置（6%）。</p>
<p>“它怎么知道得到了正确的答案？因为结果在同一平台内是可衡量的，” Bardoliwalla 说。“请求是否解决？工作流程是否完成？审批是否得到了正确的签署？ServiceNow 以一种独立的 LLM 无法做到的方式闭合了循环。”</p>
<p>Bardoliwalla 表示，ServiceNow 知道设备、用户、身份、访问政策以及与配置项相关的历史事件模式，但他强调，自主工作知道何时需要停止并升级问题。</p>
<p>“当差距真实存在时，自主工作者会知道自己不知道什么，” 他说。“这实际上是一个差异化因素：一个系统说 ‘我可以自主解决 70% 的问题，这就是我升级另外 30% 的确切原因’ 比一个幻想答案的系统更值得信赖。”</p>
<ul>
<li>ServiceNow 似乎无法控制其钱包，收购了一家小型 AI 分析公司</li>
<li>ServiceNow 自豪地谈论其 AI 代理变得更智能所投入的多年努力</li>
<li>ServiceNow 提出可能的共同首席执行官结构，但表示没有即将发生的变化</li>
<li>ServiceNow 瞄准 1 亿美元的 AI 驱动的人员成本节省</li>
</ul>
<p>Forrester 副总裁兼首席分析师 Charles Betz 表示，如果 ServiceNow 成功实现了一级帮助台的自主执行，那就是一个 “里程碑”，因为多年来 AI 在帮助台的使用主要是用于转移、推荐或更快的路由。</p>
<p>“端到端的规模执行是不同的；它确实使 AI 作为运营基础设施而不仅仅是生产力辅助工具得到了合法化，” 他说。“所以是的，这带来了真正的利润——但不仅仅是通过缩减一级人员。价值体现在更快的解决、更少的升级、更好地利用熟练员工，以及在没有线性增加劳动力的情况下吸收增长的能力。限制因素从 ‘AI 能做到吗？’ 转变为组织是否具备维持更高基准的数据质量、工作流程和治理纪律。”</p>
<p>他说，这也打开了自动化悖论的大门，他表示这与 Lisanne Bainbridge 在 1983 年论文《自动化的讽刺》中所写的类似。对于帮助台来说，这意味着以前的基本支持变成了基本要求，“一旦摩擦被消除，用户会浮现出更高层次的需求。”</p>
<p>“一旦低垂的果实被采摘，就会出现一个众所周知的动态。一级并不会消失——基准会提高，” Betz 告诉《The Register》。 “常规的程序性问题会被自动化，而剩下的则是更困难、更模糊、更跨系统的问题。从系统的角度来看，你得到的是复杂性蔓延，而不是单纯的数量减少。” ®</p>

北美科技软件股指数 ETF - iShares

现在服务

全球科技股指数 ETF - iShares

NOWL

标普软件与服务 ETF - SPDR

<p>ServiceNow 开发了一种人工智能代理，能够解决 90% 的内部 IT 帮助台工单，包括密码重置和软件访问请求等常见问题。该公司计划在下半年将这项技术普遍推广。该人工智能利用来自其配置管理数据库的实时数据，并在针对特定问题时显示出超过 99% 的解决率。分析师认为这是运营基础设施领域人工智能的重大进展，可能导致更快的解决方案和更好的资源利用</p>

<p>ServiceNow claims it has created an AI agent that is currently solving 90 percent of the inbound IT tickets to the company's own employee help desk.</p>
<div class="lb-trans"><p>ServiceNow 声称它已经创建了一个人工智能代理，目前正在解决公司员工帮助台 90% 的 IT 请求。</p>
</div><p>ServiceNow said, in addition to using the Autonomous Workforce bot internally, select ServiceNow customers are testing it as well. The firm expects to have the product generally available by the second half of the year.</p>
<div class="lb-trans"><p>ServiceNow 表示，除了在内部使用自主工作机器人外，部分 ServiceNow 客户也在进行测试。该公司预计将在下半年使该产品普遍可用。</p>
</div><p>The internal tickets include high volume issues such as password resets, account unlocks, software access requests, email issues, and VPN connectivity, handled end-to-end within defined permissions and escalation paths.</p>
<div class="lb-trans"><p>内部请求包括高频率问题，如密码重置、账户解锁、软件访问请求、电子邮件问题和 VPN 连接，这些问题在定义的权限和升级路径内端到端处理。</p>
</div><p>“In our own environment, over 90% of targeted Level 1 volume is handled autonomously, with resolution rates above 99% for those categories and materially faster than human-only workflows,” a ServiceNow spokesperson told <em>The Register</em>.</p>
<div class="lb-trans"><p>ServiceNow 的一位发言人告诉《The Register》，在我们自己的环境中，超过 90% 的目标一级请求是自主处理的，这些类别的解决率超过 99%，且速度明显快于仅由人工处理的工作流程。</p>
</div><p>It accomplishes this by having the Autonomous Workforce operate on top of the live configuration management database (CMDB), active workflows, policy engines, approval chains, and real transaction history – all updated in real time every time a ticket closes, a workflow executes, or a policy changes, ServiceNow said.</p>
<div class="lb-trans"><p>ServiceNow 表示，这通过让自主工作在实时配置管理数据库（CMDB）、活跃工作流程、政策引擎、审批链和真实交易历史之上运行来实现——每当请求关闭、工作流程执行或政策变更时，所有这些都会实时更新。</p>
</div><p>ServiceNow could use a win as Salesforce is targeting its enterprise ITSM customers with its own Agentforce IT Service product. Salesforce CEO Marc Benioff boasted of poaching five ServiceNow customers during the most recent quarter's earnings call.</p>
<div class="lb-trans"><p>随着 Salesforce 针对其企业 ITSM 客户推出自己的 Agentforce IT 服务产品，ServiceNow 可能需要一个胜利。Salesforce 首席执行官 Marc Benioff 在最近一个季度的财报电话会议上自豪地表示，挖走了五个 ServiceNow 客户。</p>
</div><p>Another challenge for ServiceNow is how the Autonomous Workforce will adapt to customer environments. While ServiceNow says its internal documentation is backed with 20 years of experience, documentation inside real world help desks traditionally has been poor to non-existent.</p>
<div class="lb-trans"><p>ServiceNow 面临的另一个挑战是自主工作如何适应客户环境。虽然 ServiceNow 表示其内部文档有 20 年的经验支持，但现实世界帮助台的文档通常很差或根本不存在。</p>
</div><p>“The documentation problem is real, and frankly most vendors pretend it isn't. The reason ServiceNow can answer differently is the two decades of structured data that lives inside the platform itself,” according to group VP for AI products Nenshad Bardoliwalla. “This isn't a system that reads your Word docs and hopes for the best ... The pitch is ‘we're the control plane that aggregates signal from the tools you already have, and we fill the gaps with structured workflow logic built over two decades.’”</p>
<div class="lb-trans"><p>“文档问题是真实存在的，坦率地说，大多数供应商假装它不存在。ServiceNow 能够给出不同答案的原因是平台内部存在的两十年的结构化数据，” AI 产品集团副总裁 Nenshad Bardoliwalla 表示。“这不是一个读取你的 Word 文档并希望得到最佳结果的系统……我们的宣传是 ‘我们是聚合你已有工具信号的控制平面，我们用两十年构建的结构化工作流逻辑填补空白。’”</p>
</div><p>Bardoliwalla said, the Autonomous Workforce uses historic ticket information as the knowledge base when answering questions. So far the system has been tested internally by ServiceNow employees feeding it tickets.</p>
<div class="lb-trans"><p>Bardoliwalla 表示，自主工作在回答问题时使用历史请求信息作为知识库。到目前为止，该系统已经由 ServiceNow 员工在内部进行测试，员工向其提交请求。</p>
</div><p>ServiceNow broke those tickets down for <em>The Register</em> by type and subtype – which is how help desks organize and manage tickets - revealing that the Autonomous Workforce solved 90 percent of ticket types related to networking (46 percent), hardware (11 percent), and software (43 percent), as well as the following subtypes: enterprise app access, cloud authentication services (33 percent), collaboration tools issues (13 percent), VPN and network connectivity issues (7 percent), laptop and hardware performance issues (8 percent), and software installs and configuration (6 percent).</p>
<div class="lb-trans"><p>ServiceNow 为《The Register》按类型和子类型分解了这些请求——这就是帮助台组织和管理请求的方式——显示自主工作解决了 90% 的与网络（46%）、硬件（11%）和软件（43%）相关的请求类型，以及以下子类型：企业应用访问、云认证服务（33%）、协作工具问题（13%）、VPN 和网络连接问题（7%）、笔记本电脑和硬件性能问题（8%）以及软件安装和配置（6%）。</p>
</div><p>“How does it know it got the right answer? Because the outcome is measurable inside the same platform,” Bardoliwalla said. “Did the ticket resolve? Did the workflow complete? Did the approval get the right sign-off? ServiceNow closes the loop in a way that a standalone LLM sitting on top of a SharePoint folder simply cannot.”</p>
<div class="lb-trans"><p>“它怎么知道得到了正确的答案？因为结果在同一平台内是可衡量的，” Bardoliwalla 说。“请求是否解决？工作流程是否完成？审批是否得到了正确的签署？ServiceNow 以一种独立的 LLM 无法做到的方式闭合了循环。”</p>
</div><p>Bardoliwalla said ServiceNow knows the device, the user, the identity, the access policies, and the historical incident patterns tied to a configuration item, but critically, he said, the Autonomous Workforce knows when it needs to stop and escalate a problem.</p>
<div class="lb-trans"><p>Bardoliwalla 表示，ServiceNow 知道设备、用户、身份、访问政策以及与配置项相关的历史事件模式，但他强调，自主工作知道何时需要停止并升级问题。</p>
</div><p>“When the gap genuinely exists, the autonomous worker will know what it doesn't know,” he said. “This is actually a differentiator: a system that says ‘I can resolve 70% of this autonomously and here's exactly why I'm escalating the other 30%’ is more trustworthy than one that hallucinates an answer.”</p>
<div class="lb-trans"><p>“当差距真实存在时，自主工作者会知道自己不知道什么，” 他说。“这实际上是一个差异化因素：一个系统说 ‘我可以自主解决 70% 的问题，这就是我升级另外 30% 的确切原因’ 比一个幻想答案的系统更值得信赖。”</p>
</div><ul>
<li>ServiceNow can't seem to keep its wallet closed, snaps up small AI analytics company</li>
<li>ServiceNow boasts about years of sweat equity that went into making its AI agents smarter</li>
<li>ServiceNow lays out possible co-CEO structure, but says no change imminent</li>
<li>ServiceNow eyes $100M in AI-powered headcount savings</li>
</ul>
<div class="lb-trans"><ul>
<li>ServiceNow 似乎无法控制其钱包，收购了一家小型 AI 分析公司</li>
<li>ServiceNow 自豪地谈论其 AI 代理变得更智能所投入的多年努力</li>
<li>ServiceNow 提出可能的共同首席执行官结构，但表示没有即将发生的变化</li>
<li>ServiceNow 瞄准 1 亿美元的 AI 驱动的人员成本节省</li>
</ul>
</div><p>Forrester vice president and principal analyst Charles Betz said if ServiceNow has managed to achieve autonomous execution in the Level 1 help desk, that is a “milestone,” since for years AI in the help desk was used for deflection, recommendation, or faster routing.</p>
<div class="lb-trans"><p>Forrester 副总裁兼首席分析师 Charles Betz 表示，如果 ServiceNow 成功实现了一级帮助台的自主执行，那就是一个 “里程碑”，因为多年来 AI 在帮助台的使用主要是用于转移、推荐或更快的路由。</p>
</div><p>“End‑to‑end execution at scale is different; it does legitimize AI as operational infrastructure rather than just a productivity aid,” he said. “So yes, this returns real margin — but not simply by shrinking L1 headcount. The value shows up as faster resolution, fewer escalations, better utilization of skilled staff, and the ability to absorb growth without linear increases in labor. The limiting factor shifts from ‘Can the AI do it?’ to whether the organization has the data quality, workflows, and governance discipline to sustain that higher baseline.”</p>
<div class="lb-trans"><p>“端到端的规模执行是不同的；它确实使 AI 作为运营基础设施而不仅仅是生产力辅助工具得到了合法化，” 他说。“所以是的，这带来了真正的利润——但不仅仅是通过缩减一级人员。价值体现在更快的解决、更少的升级、更好地利用熟练员工，以及在没有线性增加劳动力的情况下吸收增长的能力。限制因素从 ‘AI 能做到吗？’ 转变为组织是否具备维持更高基准的数据质量、工作流程和治理纪律。”</p>
</div><p>He said it also opens the door to the automation paradox, which he said is similar to what Lisanne Bainbridge wrote about in her 1983 paper, Ironies of Automation. For the help desk, this means what used to be basic support becomes table stakes and “users surface higher‑order needs once the friction is removed.”</p>
<div class="lb-trans"><p>他说，这也打开了自动化悖论的大门，他表示这与 Lisanne Bainbridge 在 1983 年论文《自动化的讽刺》中所写的类似。对于帮助台来说，这意味着以前的基本支持变成了基本要求，“一旦摩擦被消除，用户会浮现出更高层次的需求。”</p>
</div><p>“There’s a well‑known dynamic that kicks in once the low‑hanging fruit is harvested. Level 1 doesn’t disappear — the baseline rises,” Betz told <em>The Register</em>. “Routine, procedural issues get automated away, and what remains are harder, more ambiguous, more cross‑system problems. In systems terms, you get complexity creep rather than pure volume reduction.” ®</p>
<div class="lb-trans"><p>“一旦低垂的果实被采摘，就会出现一个众所周知的动态。一级并不会消失——基准会提高，” Betz 告诉《The Register》。 “常规的程序性问题会被自动化，而剩下的则是更困难、更模糊、更跨系统的问题。从系统的角度来看，你得到的是复杂性蔓延，而不是单纯的数量减少。” ®</p>
</div>

ServiceNow 自豪地宣称其 AI 机器人正在解决 90% 的自身服务台工单