<p>ServiceNow 聲稱它已經創建了一個人工智能代理，目前正在解決公司員工幫助台 90% 的 IT 請求。</p>
<p>ServiceNow 表示，除了在內部使用自主工作機器人外，部分 ServiceNow 客户也在進行測試。該公司預計將在下半年使該產品普遍可用。</p>
<p>內部請求包括高頻率問題，如密碼重置、賬户解鎖、軟件訪問請求、電子郵件問題和 VPN 連接，這些問題在定義的權限和升級路徑內端到端處理。</p>
<p>ServiceNow 的一位發言人告訴《The Register》，在我們自己的環境中，超過 90% 的目標一級請求是自主處理的，這些類別的解決率超過 99%，且速度明顯快於僅由人工處理的工作流程。</p>
<p>ServiceNow 表示，這通過讓自主工作在實時配置管理數據庫（CMDB）、活躍工作流程、政策引擎、審批鏈和真實交易歷史之上運行來實現——每當請求關閉、工作流程執行或政策變更時，所有這些都會實時更新。</p>
<p>隨着 Salesforce 針對其企業 ITSM 客户推出自己的 Agentforce IT 服務產品，ServiceNow 可能需要一個勝利。Salesforce 首席執行官 Marc Benioff 在最近一個季度的財報電話會議上自豪地表示，挖走了五個 ServiceNow 客户。</p>
<p>ServiceNow 面臨的另一個挑戰是自主工作如何適應客户環境。雖然 ServiceNow 表示其內部文檔有 20 年的經驗支持，但現實世界幫助台的文檔通常很差或根本不存在。</p>
<p>“文檔問題是真實存在的，坦率地説，大多數供應商假裝它不存在。ServiceNow 能夠給出不同答案的原因是平台內部存在的兩十年的結構化數據，” AI 產品集團副總裁 Nenshad Bardoliwalla 表示。“這不是一個讀取你的 Word 文檔並希望得到最佳結果的系統……我們的宣傳是 ‘我們是聚合你已有工具信號的控制平面，我們用兩十年構建的結構化工作流邏輯填補空白。’”</p>
<p>Bardoliwalla 表示，自主工作在回答問題時使用歷史請求信息作為知識庫。到目前為止，該系統已經由 ServiceNow 員工在內部進行測試，員工向其提交請求。</p>
<p>ServiceNow 為《The Register》按類型和子類型分解了這些請求——這就是幫助台組織和管理請求的方式——顯示自主工作解決了 90% 的與網絡（46%）、硬件（11%）和軟件（43%）相關的請求類型，以及以下子類型：企業應用訪問、雲認證服務（33%）、協作工具問題（13%）、VPN 和網絡連接問題（7%）、筆記本電腦和硬件性能問題（8%）以及軟件安裝和配置（6%）。</p>
<p>“它怎麼知道得到了正確的答案？因為結果在同一平台內是可衡量的，” Bardoliwalla 説。“請求是否解決？工作流程是否完成？審批是否得到了正確的簽署？ServiceNow 以一種獨立的 LLM 無法做到的方式閉合了循環。”</p>
<p>Bardoliwalla 表示，ServiceNow 知道設備、用户、身份、訪問政策以及與配置項相關的歷史事件模式，但他強調，自主工作知道何時需要停止並升級問題。</p>
<p>“當差距真實存在時，自主工作者會知道自己不知道什麼，” 他説。“這實際上是一個差異化因素：一個系統説 ‘我可以自主解決 70% 的問題，這就是我升級另外 30% 的確切原因’ 比一個幻想答案的系統更值得信賴。”</p>
<ul>
<li>ServiceNow 似乎無法控制其錢包，收購了一家小型 AI 分析公司</li>
<li>ServiceNow 自豪地談論其 AI 代理變得更智能所投入的多年努力</li>
<li>ServiceNow 提出可能的共同首席執行官結構，但表示沒有即將發生的變化</li>
<li>ServiceNow 瞄準 1 億美元的 AI 驅動的人員成本節省</li>
</ul>
<p>Forrester 副總裁兼首席分析師 Charles Betz 表示，如果 ServiceNow 成功實現了一級幫助台的自主執行，那就是一個 “里程碑”，因為多年來 AI 在幫助台的使用主要是用於轉移、推薦或更快的路由。</p>
<p>“端到端的規模執行是不同的；它確實使 AI 作為運營基礎設施而不僅僅是生產力輔助工具得到了合法化，” 他説。“所以是的，這帶來了真正的利潤——但不僅僅是通過縮減一級人員。價值體現在更快的解決、更少的升級、更好地利用熟練員工，以及在沒有線性增加勞動力的情況下吸收增長的能力。限制因素從 ‘AI 能做到嗎？’ 轉變為組織是否具備維持更高基準的數據質量、工作流程和治理紀律。”</p>
<p>他説，這也打開了自動化悖論的大門，他表示這與 Lisanne Bainbridge 在 1983 年論文《自動化的諷刺》中所寫的類似。對於幫助台來説，這意味着以前的基本支持變成了基本要求，“一旦摩擦被消除，用户會浮現出更高層次的需求。”</p>
<p>“一旦低垂的果實被採摘，就會出現一個眾所周知的動態。一級並不會消失——基準會提高，” Betz 告訴《The Register》。 “常規的程序性問題會被自動化，而剩下的則是更困難、更模糊、更跨系統的問題。從系統的角度來看，你得到的是複雜性蔓延，而不是單純的數量減少。” ®</p>

北美科技軟件股指數 ETF - iShares

現在服務

全球科技股指數 ETF - iShares

NOWL

標普軟件與服務 ETF - SPDR

<p>ServiceNow 開發了一種人工智能代理，能夠解決 90% 的內部 IT 幫助台工單，包括密碼重置和軟件訪問請求等常見問題。該公司計劃在下半年將這項技術普遍推廣。該人工智能利用來自其配置管理數據庫的實時數據，並在針對特定問題時顯示出超過 99% 的解決率。分析師認為這是運營基礎設施領域人工智能的重大進展，可能導致更快的解決方案和更好的資源利用</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 聲稱它已經創建了一個人工智能代理，目前正在解決公司員工幫助台 90% 的 IT 請求。</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，除了在內部使用自主工作機器人外，部分 ServiceNow 客户也在進行測試。該公司預計將在下半年使該產品普遍可用。</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>內部請求包括高頻率問題，如密碼重置、賬户解鎖、軟件訪問請求、電子郵件問題和 VPN 連接，這些問題在定義的權限和升級路徑內端到端處理。</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 的一位發言人告訴《The Register》，在我們自己的環境中，超過 90% 的目標一級請求是自主處理的，這些類別的解決率超過 99%，且速度明顯快於僅由人工處理的工作流程。</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，這通過讓自主工作在實時配置管理數據庫（CMDB）、活躍工作流程、政策引擎、審批鏈和真實交易歷史之上運行來實現——每當請求關閉、工作流程執行或政策變更時，所有這些都會實時更新。</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>隨着 Salesforce 針對其企業 ITSM 客户推出自己的 Agentforce IT 服務產品，ServiceNow 可能需要一個勝利。Salesforce 首席執行官 Marc Benioff 在最近一個季度的財報電話會議上自豪地表示，挖走了五個 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 面臨的另一個挑戰是自主工作如何適應客户環境。雖然 ServiceNow 表示其內部文檔有 20 年的經驗支持，但現實世界幫助台的文檔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>“文檔問題是真實存在的，坦率地説，大多數供應商假裝它不存在。ServiceNow 能夠給出不同答案的原因是平台內部存在的兩十年的結構化數據，” AI 產品集團副總裁 Nenshad Bardoliwalla 表示。“這不是一個讀取你的 Word 文檔並希望得到最佳結果的系統……我們的宣傳是 ‘我們是聚合你已有工具信號的控制平面，我們用兩十年構建的結構化工作流邏輯填補空白。’”</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，自主工作在回答問題時使用歷史請求信息作為知識庫。到目前為止，該系統已經由 ServiceNow 員工在內部進行測試，員工向其提交請求。</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 為《The Register》按類型和子類型分解了這些請求——這就是幫助台組織和管理請求的方式——顯示自主工作解決了 90% 的與網絡（46%）、硬件（11%）和軟件（43%）相關的請求類型，以及以下子類型：企業應用訪問、雲認證服務（33%）、協作工具問題（13%）、VPN 和網絡連接問題（7%）、筆記本電腦和硬件性能問題（8%）以及軟件安裝和配置（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>“它怎麼知道得到了正確的答案？因為結果在同一平台內是可衡量的，” Bardoliwalla 説。“請求是否解決？工作流程是否完成？審批是否得到了正確的簽署？ServiceNow 以一種獨立的 LLM 無法做到的方式閉合了循環。”</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 知道設備、用户、身份、訪問政策以及與配置項相關的歷史事件模式，但他強調，自主工作知道何時需要停止並升級問題。</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>“當差距真實存在時，自主工作者會知道自己不知道什麼，” 他説。“這實際上是一個差異化因素：一個系統説 ‘我可以自主解決 70% 的問題，這就是我升級另外 30% 的確切原因’ 比一個幻想答案的系統更值得信賴。”</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 似乎無法控制其錢包，收購了一家小型 AI 分析公司</li>
<li>ServiceNow 自豪地談論其 AI 代理變得更智能所投入的多年努力</li>
<li>ServiceNow 提出可能的共同首席執行官結構，但表示沒有即將發生的變化</li>
<li>ServiceNow 瞄準 1 億美元的 AI 驅動的人員成本節省</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 副總裁兼首席分析師 Charles Betz 表示，如果 ServiceNow 成功實現了一級幫助台的自主執行，那就是一個 “里程碑”，因為多年來 AI 在幫助台的使用主要是用於轉移、推薦或更快的路由。</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>“端到端的規模執行是不同的；它確實使 AI 作為運營基礎設施而不僅僅是生產力輔助工具得到了合法化，” 他説。“所以是的，這帶來了真正的利潤——但不僅僅是通過縮減一級人員。價值體現在更快的解決、更少的升級、更好地利用熟練員工，以及在沒有線性增加勞動力的情況下吸收增長的能力。限制因素從 ‘AI 能做到嗎？’ 轉變為組織是否具備維持更高基準的數據質量、工作流程和治理紀律。”</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>他説，這也打開了自動化悖論的大門，他表示這與 Lisanne Bainbridge 在 1983 年論文《自動化的諷刺》中所寫的類似。對於幫助台來説，這意味着以前的基本支持變成了基本要求，“一旦摩擦被消除，用户會浮現出更高層次的需求。”</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>“一旦低垂的果實被採摘，就會出現一個眾所周知的動態。一級並不會消失——基準會提高，” Betz 告訴《The Register》。 “常規的程序性問題會被自動化，而剩下的則是更困難、更模糊、更跨系統的問題。從系統的角度來看，你得到的是複雜性蔓延，而不是單純的數量減少。” ®</p>
</div>

ServiceNow 自豪地宣稱其 AI 機器人正在解決 90% 的自身服務枱工單