最近围绕 ITIL® 第5版 Foundation 中文版发布的讨论比较多。作为长期关注 ITSM、运维管理、数字化转型和服务治理的人，我更关注的是：ITIL v5 到底变化在哪里？它和 ITIL 4 是什么关系？对企业 IT 团队和个人学习路径有什么影响？

这篇文章尝试从技术管理和实践落地的角度，对 ITIL v5 的核心思想做一次梳理。

一、先说结论

ITIL v5 不是对 ITIL 4 的推翻，而是面向 AI 原生时代的演进。

ITIL 4 的核心是服务价值体系和价值共创；

ITIL v5 则进一步把管理对象扩展到数字化产品与数字化服务，并强调端到端生命周期、体验价值、AI 能力以及更清晰的治理机制。

如果用一句话概括：

ITIL v5 试图回答的问题是，在 AI、自动化和数字化产品成为业务核心的背景下，服务管理应该如何升级。

二、时代背景：为什么需要 ITIL v5？

ITIL 4 发布时，企业主要面对的是数字化转型、敏捷、DevOps、云服务和服务价值链重构。那时的关键词是价值共创、服务价值体系、实践体系和组织协同。

而今天，AI 正在改变 IT 服务的交付方式。

在运维侧，AI 可以参与告警降噪、日志分析、根因分析和自动化修复；

在服务台侧，AI 可以参与问题分流、知识推荐、自动回复和请求处理；

在研发侧，AI 可以辅助代码生成、测试生成、文档生成和发布说明整理；

在业务侧，AI 可以直接参与客户交互、业务判断和流程协同。

这就带来了一个很现实的问题：当 AI 和自动化深入服务交付过程后，传统 ITSM 的管理边界够不够？

显然，只管理事件、问题、变更和服务请求已经不够了。组织还需要管理数字化产品、用户体验、AI 风险、自动化执行链路和端到端价值实现。

三、核心变化一：从 IT 服务到数字化产品和服务

传统 ITSM 的管理对象是 IT 服务。典型场景包括网络、服务器、应用系统、办公系统、业务系统和服务台支持。

但现在，很多系统已经变成数字化产品。例如：

一个客户 App 直接决定用户转化和留存；

一个数据平台直接影响经营分析和决策；

一个智能客服系统直接影响客户体验；

一个自动化运维平台直接影响服务可靠性；

一个 AI 助理甚至可能成为业务流程的一部分。

因此，ITIL v5 强调数字化产品和数字化服务，是非常关键的变化。

这意味着 IT 团队不能只问“系统是否正常”，还要问：

这个产品是否真正解决用户问题？

这个服务是否带来业务结果？

用户体验是否足够好？

生命周期中是否能够持续迭代？

AI 和自动化能力是否可控？

从这个角度看，ITIL v5 更接近产品化服务管理，而不是传统意义上的后台 IT 管理。

四、核心变化二：八阶段生命周期

ITIL v5 强调数字化产品与服务的全生命周期，可以概括为八个阶段：发现、设计、获取、构建、转换、运营、交付和支持。

对技术团队来说，可以这样理解：

发现：需求识别、业务问题分析、市场机会判断；

设计：架构设计、体验设计、方案设计、接口设计；

获取：资源采购、云资源开通、供应商能力引入、许可证管理；

构建：开发、配置、集成、自动化脚本、基础设施即代码；

转换：测试、验证、发布、上线、灰度、回滚准备；

运营：监控、容量、可用性、性能、安全和持续优化；

交付：功能可用、服务价值触达、用户满意度实现；

支持：事件、请求、问题、知识和服务台支持。

这个模型和传统“上线后再运维”的思路不同。它要求服务管理从需求和设计阶段就介入。

很多故障不是上线那一刻才产生的，而是在需求不清、设计不合理、依赖关系不明确、测试覆盖不足、变更风险识别不足时就已经埋下。

因此，全生命周期管理的价值在于：提前发现问题，减少后期补救成本。

五、核心变化三：从 SLA 到 XLA

技术团队非常熟悉 SLA。比如：

服务可用率；

平均响应时间；

平均恢复时间；

故障处理时限；

变更成功率；

请求完成时间。

这些指标很重要，但它们不能完整代表用户体验。

举个例子：系统可用率达标，但页面操作复杂，用户仍然觉得不好用；工单响应时间达标，但用户没有获得有效解决，仍然不满意；故障修复时间达标，但用户不知道处理进展，仍然缺乏信任。

所以，ITIL v5 强调体验进入价值定义。

XLA 的思路是从用户真实感受出发，衡量服务是否帮助用户更好地完成任务。

对技术管理而言，这意味着指标体系要升级：

SLA 衡量服务承诺；

XLA 衡量体验结果；

业务指标衡量价值实现。

未来成熟的服务管理体系，应该把这三类指标结合起来，而不是只看技术指标。

六、核心变化四：治理强调授权、问责和可追溯

AI 和自动化改变了治理难度。

以前，一个变更由谁提交、谁审批、谁执行、谁回滚，相对清楚。现在，很多动作可能由自动化工具触发，甚至由 AI 建议后自动执行。

例如：

监控系统识别异常后自动扩容；

AIOps 平台判断告警关联并关闭部分告警；

自动化工具执行批量配置变更；

AI 助手根据知识库给出处理建议；

服务机器人自动回应用户请求。

这些场景的效率更高，但也需要更强治理。

ITIL v5 强调三点：

授权：谁有权让系统执行什么动作；

问责：执行结果由谁负责；

可追溯：全过程是否有记录，是否能审计、复盘和改进。

在落地时，可以对应到具体机制：

权限模型；

审批策略；

自动化白名单；

操作日志；

变更记录；

模型输出记录；

回滚机制；

责任矩阵；

审计报告。

这不是为了增加管理负担，而是为了让 AI 和自动化能够在可控范围内安全扩展。

七、核心变化五：AI 成为服务管理的核心能力

ITIL v5 中，AI 不再只是辅助工具，而是服务管理能力的一部分。

在实际工作中，AI 至少可以参与以下场景：

1.生成

生成知识库文章、故障报告、发布说明、SOP、工单摘要和服务报告。

2.整理

清理重复知识、识别无效配置项、校验数据质量、归类工单和告警。

3.解释

把复杂日志、告警、用户反馈和系统信息转化为可理解的摘要。

4.认知

识别异常模式、预测容量风险、辅助根因分析、发现服务瓶颈。

5.沟通

通过自然语言和用户、工程师、系统之间建立交互。

6.协调

自动触发流程、编排工具链、执行修复动作或升级路径。

但需要注意的是，AI 能力越强，治理要求越高。企业不能只关注 AI 的效率提升，还要关注准确性、可解释性、权限边界、数据安全和结果复盘。

八、ITIL 4 与 ITIL v5 的关系

很多人会关心：已经学了 ITIL 4，还需要重新学吗？

我的理解是，不需要把它看成推倒重来。

ITIL 4 仍然提供了非常重要的基础能力：

服务价值体系；

四个维度；

指导原则；

服务价值链；

服务管理实践；

价值共创理念。

ITIL v5 是在这些基础上，进一步面向数字化产品、AI 原生服务、体验管理和治理升级。

所以，更合理的学习路径是：先理解 ITIL 4 的服务管理基础，再学习 ITIL v5 的新增视角。

九、对不同角色的建议

如果你是服务台或运维工程师，建议重点关注 AI 在事件、请求、知识、问题和变更中的应用。

如果你是 ITSM 管理者，建议关注生命周期管理、指标体系升级和跨团队协作。

如果你是 DevOps、SRE 或平台工程团队成员，建议关注自动化治理、可观测性、发布管理和服务可靠性。

如果你是产品经理或数字化负责人，建议关注数字化产品与服务生命周期，把服务管理能力前置到发现和设计阶段。

如果你是 CIO、CTO 或数字化转型负责人，建议关注 AI 治理、组织能力、责任边界和价值组合管理。

全网同名，欢迎关注回复，有回必答。

ITIL v5 的核心，不只是“新版本”，而是服务管理范式的进一步升级。

它从 IT 服务扩展到数字化产品和服务；

从服务价值链扩展到端到端生命周期；

从 SLA 扩展到体验价值；

从传统治理扩展到授权、问责和可追溯；

从 AI 工具应用扩展到 AI 能力管理。

对于技术团队来说，ITIL v5 的价值不在于背概念，而在于帮助我们重新理解：在 AI 原生时代，如何管理复杂数字化服务，如何让技术真正稳定、可信、持续地创造业务价值。