【系统学AI】24 ITSM 的 AI 化革命：从 ServiceNow Now Assist 到 Salesforce Agentforce 360 全景拆解（2026）
本文是「AI 学习计划」系列第 24 篇，属于模块 06 行业应用第 1 篇。
系列定位：用产品视角拆解 AI 在企业级垂直场景的落地，不止讲技术，更讲商业闭环。
0. 写在前面：为什么 ITSM 是 AI Agent 第一个杀进去的"主战场"
如果你问一个 AI 产品经理：「2026 年企业级 AI Agent 第一个跑出 PMF 的场景是什么？」
答案大概率是 ITSM（IT Service Management，IT 服务管理）和它的两个亲戚——CSM（Customer Service Management，客户服务管理）、HRSD（HR Service Delivery，HR 服务交付）。
为什么？三个原因：
- 场景闭环性极强：工单流入 → 分类派单 → 知识检索 → 回复处理 → 关闭归档，每个环节都有标准动作和明确产出。LLM 的"幻觉"在结构化流程里被天然约束。
- 数据资产现成：ServiceNow、Salesforce、Zendesk 这些平台沉淀了 10+ 年的工单、知识库、流程定义，AI 不需要冷启动。
- ROI 一眼能算清：MTTR（Mean Time To Resolution，平均解决时长）下降 30%、首响时间下降 50%、人工坐席减员 20%，这些都是 CFO 能直接拍板的数字。
ServiceNow CEO Bill McDermott 在 2026 年 Q1 财报会上直接讲：「Now Assist 是我们 20 年来增长最快的产品线。」Salesforce 则把 2026 年命名为 “Agentforce Year”，把整个 CRM 重写成 AI 原生架构。
这一篇，我们就把这两个标杆——ServiceNow Now Assist 和 Salesforce Agentforce 360——的产品架构、技术栈、定价模式、典型 Agent 工作流，全部拆开来讲清楚。
1. 前置知识扫盲：ITSM、ITIL、CSM 到底是什么
⚡ 写作铁律 #3：第一次出现的术语必须先扫盲，这一节是后续讨论的基石。
| 术语 | 全称 | 是什么 | 对标产品 |
|---|---|---|---|
| ITSM | IT Service Management | IT 服务管理：内部员工提交 IT 故障/请求，IT 团队处理。比如"我的 VPN 连不上"、“申请装一个 IDE”。 | ServiceNow ITSM、Jira Service Management、BMC Helix |
| ITIL | IT Infrastructure Library | ITIL 是 ITSM 的方法论圣经，定义了事件管理（Incident）、问题管理（Problem）、变更管理（Change）、知识管理（Knowledge）等 26 个流程。最新版本是 ITIL 4。 | 不是产品，是规范 |
| CSM | Customer Service Management | 客户服务管理：外部客户提的问题，客服处理。比如"我下的订单没收到"。 | Salesforce Service Cloud、Zendesk、Freshdesk |
| HRSD | HR Service Delivery | HR 服务交付：员工向 HR 提需求，比如"申请育儿假"、“开离职证明”。 | ServiceNow HRSD、Workday |
| CMDB | Configuration Management Database | 配置管理数据库：存储所有 IT 资产（服务器、网络设备、软件）及其依赖关系的"地图"。 | ServiceNow CMDB、Device42 |
| MTTR | Mean Time To Resolution | 平均解决时长，ITSM 最核心的 KPI。 | — |
| L1/L2/L3 | Level 1/2/3 Support | 客服分级：L1 是接电话/聊天的初级客服（解决 70% 简单问题），L2 是有专业能力的工程师，L3 是研发或厂商专家。 | — |
| Agentic Workflow | — | 由多个 AI Agent 协作完成的工作流，区别于传统"单 Bot 单次回答"。ServiceNow 2026 年的核心叙事就是这个词。 | — |
📌 关键洞察：传统 ITSM 是「人在流程里跑」，AI 化后变成「Agent 在流程里跑，人监督异常」。这是一次"主语切换"。
2. ServiceNow Now Assist：把 Agent 嵌进 ITIL 26 个流程
2.1 产品矩阵（2026 Yokohama / Zurich 版本）
ServiceNow 2025 年 9 月推出 Now Assist，2026 年 3 月升级到 Yokohama Patch 11+ / Zurich Patch 5+，正式从「生成式 AI 助手」升级成「Agentic AI 平台」。
它的产品矩阵分四层：
┌─────────────────────────────────────────────────────────────┐
│ Now Assist for ITSM / CSM / HRSD / FSM / SecOps / ... │ ← 业务套件
├─────────────────────────────────────────────────────────────┤
│ AI Agent Studio（自定义 Agent 构建器） │ ← 平台层
│ AI Control Tower（治理/审计/路由） │
├─────────────────────────────────────────────────────────────┤
│ Now LLM Service（自研）│ Azure OpenAI │ Gemini │ Claude │ ← 模型层
├─────────────────────────────────────────────────────────────┤
│ Now Platform（CMDB + Workflow + Knowledge + ACL） │ ← 数据底座
└─────────────────────────────────────────────────────────────┘
2.2 ITSM 四大金刚 Agentic Workflow（必背）
ServiceNow 2026 年 Q1 重点推广的 ITSM 四大开箱即用 Agentic Workflow，覆盖 ITIL 事件管理 80% 场景：
| # | 工作流 | 触发时机 | Agent 干的活 | 价值点 |
|---|---|---|---|---|
| 1 | Generate My Work Plan（生成我的工作计划） | 工程师上班登录时 | 扫描我手上所有未关闭工单，按优先级/SLA/客户情绪打分排序，估算每个工单耗时，输出今日 work plan | 解决"我今天先干啥"的工程师早间焦虑 |
| 2 | Triage and Categorize ITSM Incidents（分诊与分类） | 新工单流入瞬间 | 读工单标题+描述，匹配 category/subcategory/service/CI（配置项），并自动关联相关的 major incident 或 problem | 把人工分诊从 5 分钟压到 5 秒 |
| 3 | Investigate and Resolve ITSM Incidents（调查与解决） | 工程师领单后 | 检索 KB 文章、过去类似工单、相关服务目录，输出"分步解决建议"，工程师决定是否采纳 | 让 L1 拥有 L3 的知识储备 |
| 4 | Wrap Up and Resolve Incidents（收尾与关闭） | 工程师标记 resolved 时 | 自动生成 resolution notes、选择 resolution code、关联相关 KB 用于后续复用 | 解决"工程师懒得写复盘"的老大难 |
💡 产品经理视角：这四个工作流之所以能开箱即用，是因为它们不需要客户做任何 prompt engineering——ServiceNow 把 ITIL 标准流程"硬编码"成了 Agent 的 SOP。这是把方法论变成产品的经典案例。
2.3 Change Management Agentic AI（变更管理 8 个 Agent）
变更管理是 ITIL 里最难自动化的流程（因为涉及风险评估和审批），ServiceNow 在这个场景里堆了 8 个专用 Agent：
| Agent 名 | 职能 |
|---|---|
| Change Conflict Assessor | 检测变更冲突，找出受影响 CI 和服务 |
| Change Quality Assessor | 用历史相似变更评估当前变更描述质量 |
| Schedule Change Request | 自动找空闲变更窗口 |
| Change CI Suggestion | 推荐相关配置项 |
| Change Outage Assistant | 自动关联 outage 记录 |
| Standard Change Template Recommender | 对话式创建变更工单 |
| Standard Change Template Proposal | 基于历史相似变更生成模板提案 |
| Explain SLA | 解读 SLA 暂停/恢复事件 |
为什么这么细？ 因为变更管理的每一步都涉及「专业判断 + 数据查询」，把这些拆成独立 Agent 后，可以单独迭代、单独评测、单独 disable。这是 multi-agent 架构在企业场景的最佳实践。
2.4 模型选型：Now LLM 还是 Azure OpenAI？
这是企业 ITSM AI 化时第一个要决策的问题。ServiceNow 给了 4 个选项：
| 模型 | 优势 | 劣势 | 推荐场景 |
|---|---|---|---|
| Now LLM Service（自研） | 数据不出 ServiceNow | 能力弱于 GPT-5.5/Claude Opus 4.7 | 强合规行业（金融/政务） |
| Now LLM LTS（长期稳定版） | 行为可预测 | 更新慢 | 已上生产环境的关键流程 |
| Azure OpenAI（GPT-5.5 / o4） | 通用能力最强 | 数据需经 Azure | ⭐ ITSM 默认推荐 |
| Anthropic Claude on AWS（Opus 4.7） | 长文+推理强 | 中国区不可用 | 复杂变更管理、知识检索 |
| Google Gemini 2.5 Pro | 多模态 | 工具调用稍弱 | 工单截图/视频附件分析 |
⚡ ServiceNow 官方建议：ITSM agentic workflow 默认选 Azure OpenAI（GPT-5.5），因为它在工具调用和指令遵循上最稳。变更管理这种长上下文场景可以用 Claude Opus 4.7。
2.5 安全与权限：ACL + Role Masking + Run As
企业里 AI 化的真正死穴不是模型能力，而是权限。如果一个 Agent 替财务 VP 自动审批了一个变更，谁担责？
ServiceNow 的解法是三层安全模型：
- ACL（Access Control List）：每个 Agent 在执行 action 时，必须带一个"运行身份"
- Run As（动态/AI 用户）：可以选
Run as the requester（继承用户权限）或Run as a dedicated AI user（用专用服务账号） - Role Masking：每个 Agent 工作流声明"哪些角色的用户可以触发"，未授权用户连看都看不到这个 Agent
🎯 借鉴价值：这套模型对所有要做企业级 Agent 的产品都通用。Agent 不能脱离权限系统单独存在——这是把 AI 安全放进生产环境的第一道闸门。
3. Salesforce Agentforce 360：把 CRM 重写成 AI 原生
3.1 从 Agentforce 1.0 到 Agentforce 360 的进化
| 版本 | 时间 | 关键变化 |
|---|---|---|
| Agentforce 1.0 | 2024 Q4 Dreamforce | 推出 Service Agent，对标 ChatGPT，干掉 Einstein Bots |
| Agentforce 2.0 | 2025 Q2 | 增加 Sales Agent (SDR/Coach)、Marketing Agent，引入 Atlas Reasoning Engine |
| Agentforce 360 | 2026 Q1 CES | 统一 context engine，多 Agent 共享客户上下文；新增 Two-Way Email、Contextual Search、Guided Shopping |
| Agentforce Builder GA | 2026 Feb | 新一代低代码 Agent 构建器全量发布 |
3.2 Agent 类型矩阵（产品分层）
Salesforce 把 Agent 分成两类：
Autonomous Agent（自主智能体） - 客户直接对话：
- Service Agent：替代 L1 客服，24×7 处理工单
- SDR Agent：销售线索资格判定 + 自动约会
- Sales Coach：销售员的 AI 教练，做角色扮演演练
Assistive Agent（辅助智能体） - 内嵌进员工 UI：
- Service Planner：客服打开个案时，自动生成 case summary 和 step-by-step 解决方案
- Employee Agent：可定制，给员工用的内部 Copilot
3.3 核心架构：Atlas Reasoning Engine + Trust Layer + Data 360
┌──────────────────────────────────────────────────────┐
│ Agentforce Builder（新版构建器，2026.02 GA） │
├──────────────────────────────────────────────────────┤
│ Atlas Reasoning Engine │
│ - Topic Classification（话题分类） │
│ - Plan & Decision（多步推理） │
│ - Action Selection（工具选择） │
├──────────────────────────────────────────────────────┤
│ Einstein Trust Layer（信任层） │
│ - PII Masking、Audit Trail、Toxicity Detection │
├──────────────────────────────────────────────────────┤
│ Data 360（统一数据层） │
│ - CRM Data + Knowledge + Data Library │
│ - Zero Copy 集成 Snowflake/Databricks/BigQuery │
└──────────────────────────────────────────────────────┘
3.4 Agentforce 360 的"杀手锏"：上下文不碎片
Salesforce 在 CES 2026 重点讲的一个故事：
「客户点了一封承诺周五送达的促销邮件，但商城 Agent 推荐了一个他已经退过货的产品；当物流延迟时，客服 Agent 又像第一次对话一样问’请问您的订单号’。」
这就是上下文碎片（Context Fragmentation）。Agentforce 360 的解法是「统一数据层 + 共享 context engine」：
- 营销 Agent 知道这个客户上周点了哪封邮件
- 商城 Agent 知道这个客户的退货记录
- 客服 Agent 知道这个客户和商城 Agent 刚才的对话
业务结果：2025 节日季数据显示，使用 Agentforce 的零售商业绩增速比同行高 59%，AI 贡献了平台 20% 的零售销售额，AI 客服互动量同比涨 126%。
3.5 Service Planner 的工作机制（必懂的产品细节）
Service Planner 是 Salesforce 给 ITSM/CSM 工程师设计的"辅助 Agent"，它的工作流值得逐字拆解：
工程师打开一个 Case
↓
Service Planner 自动触发（条件：case 满足 eligibility criteria）
↓
Step 1: Case Summary
扫描 case 字段、邮件正文、附件 → 生成 3-5 行摘要
↓
Step 2: Topic Assignment
匹配最相关的 Agentforce Topic（公司预定义的服务策略）
↓
Step 3: Instruction & Action 加载
加载该 Topic 下的 instructions（自然语言 SOP）
↓
Step 4: Knowledge Grounding
通过 Agentforce Data Library 检索相关 KB 文章
↓
Step 5: Service Plan 生成
输出"分步解决方案"给工程师，工程师手动执行
💡 产品哲学：Service Planner 不直接执行 action——所有 action 由人执行。这是 Salesforce 在"自主 Agent"和"风险控制"之间的折中：让 AI 当大脑，让人当手。
4. ServiceNow vs Salesforce：产品对比与选型决策
| 维度 | ServiceNow Now Assist | Salesforce Agentforce 360 |
|---|---|---|
| 主战场 | ITSM（内部 IT）+ HRSD + FSM | CSM（外部客户）+ Sales + Marketing |
| AI 引擎 | Now LLM + Azure OpenAI | Atlas Reasoning Engine（自研） |
| Agent 架构 | Agentic Workflow（流程驱动） | Topic-based Agent（话题驱动） |
| 定价模式 | Now Assist Premium 加价 | 按消息计费 + Flex Credits |
| 客户画像 | 大型企业 IT 部门 | 全量级 CRM 用户 |
| 典型场景 | Incident/Change/Problem 管理 | 客服/销售/营销自动化 |
| 核心壁垒 | CMDB + ITIL 流程沉淀 | CRM + 客户 360 数据 |
| 2026 关键词 | Agentic Workflow 4 大金刚 | Agentforce 360 上下文统一 |
选型决策建议：
- 如果你的核心痛点是内部 IT 工单：选 ServiceNow，没有第二选择
- 如果你的核心痛点是外部客户服务：Salesforce > Zendesk > Intercom（看预算和客户体量）
- 如果你两者都有，且没买过任一平台：建议分别采购各自的 SKU，不要为了"统一"而妥协功能
- 如果你是中小团队（<500 人）：考虑 Zendesk AI、Intercom Fin、HubSpot Service Hub 的 AI 套件，性价比更高
5. 国内 ITSM AI 化的现状与差距
国内 ITSM 市场长期被三类玩家占据：
- 国产 ITSM：嘉为蓝鲸、新华三 IMC、东方通、广通优云（蓝海讯通）
- 本土 CSM：阿里云客服、腾讯企点、网易七鱼、容联七陌、Udesk
- 大模型公司提供 ITSM Agent 解决方案：百度智能云千帆、阿里通义灵码客服版、腾讯混元 Agent 平台
差距：
- 工作流深度：国内主要还在做"单点 LLM 助手"（写工单摘要、推荐 KB），离 ServiceNow 的 Agentic Workflow 多 Agent 协作有 1-2 年差距
- 模型能力：国内厂商在 GPT-5.5 / Claude Opus 4.7 上的访问受限，国产模型（DeepSeek V4、Kimi K2.6、GLM-5.1）能力虽强但工具调用稳定性还在追赶
- 数据底座：国内大多数企业没有 CMDB，AI 没有"地图"可参照
机会：
- 政企/金融行业的私有化部署需求（ServiceNow / Salesforce 数据出境是硬约束），是国产化替代的最大窗口
- 结合 DeepSeek V4-Pro / Kimi K2.6 的开源/可私有化能力，做行业垂直 Agent
6. 给 PM 的实操清单：把 AI 嵌进现有 ITSM 系统
如果你正在自家公司推 ITSM AI 化（不管你用 ServiceNow / Jira / 自研），这里是落地 SOP：
6.1 先做诊断：选对入口场景
| 入口 | 启动难度 | ROI 速度 | 推荐顺序 |
|---|---|---|---|
| 工单分诊（Triage） | ⭐ 最简单 | 1 个月见效 | 1️⃣ 必选 |
| 知识检索（KB Search） | ⭐⭐ | 2 个月见效 | 2️⃣ |
| 解决建议（Resolution Suggestion） | ⭐⭐⭐ | 3 个月见效 | 3️⃣ |
| 自动关闭（Auto-Resolve） | ⭐⭐⭐⭐ | 6 个月+ | 4️⃣（需要充足数据） |
| 变更管理 Agent | ⭐⭐⭐⭐⭐ | 12 个月+ | 5️⃣（最难也最值钱） |
6.2 数据准备清单
- 历史工单（>1 万条，带最终 resolution code）
- KB 文章（>200 篇，最好结构化）
- CMDB 或资产清单（至少有"系统列表 + 负责人"）
- SLA 定义（P0/P1/P2 响应时长）
- 服务目录（用户能看到的 IT 服务清单）
6.3 评测指标（必须设的 5 个）
- 分诊准确率（Categorization Accuracy）：> 85% 才算可用
- 首响时间（First Response Time）：基线 vs AI 后，下降 30% 是合格
- MTTR（Mean Time To Resolution）：下降 20% 是合格
- Deflection Rate（自助解决率）：AI 直接关闭的工单比例，> 25% 是优秀
- CSAT（客户满意度）：上线后不降低就算成功
6.4 避坑指南
- ❌ 不要追求一上来就全自动化：先做 Copilot 给人用，再做 Agent 替人干活
- ❌ 不要忽略权限：Agent 一定要带身份，不能用 admin 跑
- ❌ 不要无监督上线：必须配一个"AI 输出审核台"给运营每天抽检
- ❌ 不要忘记 fallback：Agent 没把握时必须能转人工，且转人工时上下文不能丢
- ❌ 不要用一个大模型走天下：分诊用快模型（DeepSeek V4-Flash），解决建议用强模型（GPT-5.5/Claude Opus 4.7）
7. 总结：AI 不是颠覆 ITSM，是把 ITIL"翻译"成 Agent
如果你看完前面 6 节有点信息过载，记住下面这一句话：
ITSM 的 AI 化本质，是把过去 20 年沉淀的 ITIL 标准流程，从"人执行"升级成"Agent 执行 + 人监督异常"。
ServiceNow 用 Now Assist 4 大金刚 Agentic Workflow 把这件事做到了 SaaS 标杆水位；Salesforce 用 Agentforce 360 把同样的逻辑搬到了 CSM 战场。两家都在告诉我们一件事：
AI 时代的企业软件，不再是"工具"，是"数字员工"。
下一篇我们会拆「Agent 开发平台」——Coze、Dify、n8n、Manus、智谱 AgentOS 五家国内外热门平台横评，看看在 ServiceNow / Salesforce 之外，普通团队怎么用低代码方式自己搭 Agent。
📚 参考文献
- ServiceNow Now Assist for ITSM 官方文档
- ServiceNow ITSM Agentic AI Considerations (2026.03)
- Salesforce Agentforce 360 Announcement (CES 2026)
- Salesforce Trailhead: Agentforce for Service
- Salesforce Trailhead: Agentforce Service Planner
- ITIL 4 Foundation Official Guide, AXELOS
- ServiceNow Webinar: “Activate, Deploy, and Trust Your Agentic AI” (2026.03)
路易乔布斯 © 2026 ｜ 本文是「AI 学习计划」系列第 23 篇 ｜ 模块 06 行业应用 1/N
下一篇预告：《Agent 开发平台横评：Coze / Dify / n8n / 智谱 AgentOS / Manus 谁是国内最强》
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
1
0- 0
已为社区贡献117条内容
所有评论(0)