ITIL 真正难的地方：数字员工上岗前，规则先成形

从 SOP 到 Skill，从知识库到影子 IT，联想课堂讨论的是 AI 时代的 IT 运维秩序

数字员工进入 IT运维之前，组织规则有没有准备好。联想 ITIL 培训现场，AI 数字员工不是一个概念词，而是一连串具体追问：它能不能读 SOP，能不能执行处置动作，能不能沉淀知识，能不能被业务部门自行采购，能不能像一个数字化产品一样被设计、测试、发布、监控和迭代。

我在课堂上说，AI 是规范化水平的放大器。规范清楚的地方，它会把效率放大；规范含糊的地方，它会把含糊也放大。过去 ITIL 流程由人执行时，很多模糊地带可以靠经验弥补。工程师知道"根据情况处理"大概意味着什么，也知道该找谁确认；管理者知道哪些变更虽然紧急，但仍然不能越过批准；团队之间也会有一些非正式沟通来补齐流程没有写到的细节。数字员工没有这些组织默契，它只能依赖清晰的输入、规则、权限和异常处理路径。

因此，AI 转型的第一步未必是采购更强的大模型，也未必是给每个流程接上智能体，而是先把 ITSM 和 IT服务管理中那些依赖隐性经验的部分重新梳理。哪些 SOP 只是给人看的说明，哪些步骤可以被机器稳定调用，哪些判断必须转成人工确认点，哪些输出必须留下审计证据。ITIL 第5版之所以强调 AI治理和数字化产品服务管理，就是因为企业已经开始把 AI 从辅助工具推向执行主体。

这一步听起来朴素，却很容易被忽视。很多智能运维项目一开始就急着证明模型效果，结果发现真正拖住效率的并不是模型能力，而是流程规则说不清、权限边界不完整、异常路径没有设计。数字员工不会像资深工程师那样"凭感觉补一补"，它会忠实地暴露组织规则中的断点。ITIL 培训如果能帮助管理层提前看到这些断点，就已经不只是知识培训，而是一次治理预演。

"让 AI 执行 SOP"这句话听起来简单，真正落地时并不简单。SOP 是写给人看的，往往包含大量上下文和隐性判断；Skill 则是给数字员工调用的能力单元，需要明确输入参数、执行逻辑、输出结果、异常分支和权限边界。从 SOP 到 Skill 的过程，实际上是在逼组织把模糊经验显性化。那些"酌情处理""视情况确认""必要时沟通"的句子，对资深工程师不是问题，对 AI 却可能是执行障碍。

这也是我多年 IT服务管理实践里非常熟悉的一类问题。长期在 ITSM 咨询和智能运维场景里工作，我越来越感到，真正有价值的标准化不是把文档写厚，而是把关键判断写准。Skill 化不是简单拆步骤，而是让组织把可自动执行、需人工判断、需升级审批、需回滚保护的边界一一说清。这个过程既服务 AI，也反过来提升 ITIL 流程本身的质量。

知识库也会随之变化。传统 ITIL 知识管理主要面向人类员工，强调分类、层级、模板和检索便利；当 AI 智能体成为知识的使用者和生产者，知识形态会更偏向半结构化、可解析、可追溯。课堂上有负责知识库建设的同事和我交流，我们谈到 Markdown 或类似半结构化文档对 AI 更友好，因为它保留上下文，又便于机器抽取语义。更重要的是，事件记录、操作日志、告警历史、复盘结论，都可能由 AI 辅助转化为知识条目，工程师则从主要撰写者转为审核者和质量把关者。

数字员工还会改变 IT 部门的角色。当 IT 团队向业务部门交付经过安全合规基础训练的 AI 智能体时，它交付的已经不只是基础设施或传统应用，而是一类会工作的数字化产品。这个"产品"需要训练、测试、灰度、发布、监控、体验反馈和持续改进。ITIL 5 中关于数字化产品和服务生命周期的内容，正好为这类新对象提供管理语言。

如果 IT 部门不主动介入，影子 IT 风险会在 AI 时代被放大。业务部门自行采购智能体工具，可能带来数据权限、外部模型接入、行为不可预测、合规审计缺失等问题。过去一个失控应用可能只是多了一套系统，AI 时代一个失控智能体可能接触更敏感的数据，执行更高权限的动作，产生更难预测的结果。主动提供可治理的 AI 能力底座，让业务在合规边界内定制自己的 Skill，远比事后围堵更有价值。

这里也涉及 IT服务管理的服务对象变化。过去 IT 服务主要面向人类用户，满意度、响应时长、请求完成率都围绕人来设计；未来一部分服务消费者可能是业务智能体。它们调用 API、申请权限、请求数据、触发任务，也会留下失败率、重试次数、平均完成时长和人工介入频率。ITSM 指标如果能把这些数字员工的体验纳入进来，IT 部门就能更早发现数字化产品的问题，而不是等业务人员抱怨之后才补救。

课程最后有个轻松的插曲。实战演练评奖时，两个并列亚军的小组争最后一本签名书，大家七嘴八舌之后，当场用石头剪刀布一锤定音。一次比划，胜出的那位接过书，笑得很开心；另一位也哈哈大笑，毫无遗憾。

课后我在联想休息区坐了一会儿，又想到白天讨论过的 SOP、Skill、知识库和影子 IT。AI 时代的 IT运维不会因为有了智能体就自动变好，恰恰相反，它会更快暴露组织治理中的空白。ITIL 5 的价值，是让企业在拥抱数字员工之前，先把规则、边界、反馈和责任设计出来。对成熟 IT 团队来说，ITIL 培训真正难的地方不在知识点，而在于是否愿意把这些知识点转化成组织真实可运行的工作秩序。

三十余年的 IT服务管理实践告诉我，熟悉框架和经得起真实场景追问是两件事；前者靠学习可以获得，后者只能靠在真实组织里反复验证。联想 IT 的讨论让我看到，数字员工不是远处的趋势，而是已经站在 IT运维门口的新角色。规则先成形，数字员工才有资格真正上岗。

这件事越早做，后续的 AI 应用越有底气。规则清楚，IT 部门就能放心扩大自动化范围；规则模糊，再强的模型也只能在边界外徘徊。ITIL 培训在这里承担的，是把热闹的 AI 讨论拉回到可治理、可审计、可持续改进的清晰专业治理轨道上。