无论这句话出自谁之口，这句引语“有数十年风平浪静，也有数周内翻天覆地”，都恰如其分地描述了AI如何影响服务管理与数字产品开发。
一年前，Forrester的分析师报告称，“代理式AI（Agentic AI）正在突破服务管理的可能边界——从主动问题解决到个性化用户体验”。
他们补充道：“问题不再是AI是否会主导服务管理，而是组织能以多快的速度实施并充分利用其全部潜力。”
在AI世界，一年显然是很长的时间，正如英国公司“ITSM People”的Tim Mills最近在LinkedIn上强调的 Hyperwrite（AI写作工具）创始人兼CEO Matt Shumer的帖子，该帖子讨论了AI当前的变化速度和能力。
Shumer所称的“最重要进展”是OpenAI发布的GPT-5.3 Codex，据该公司称，“这是我们首个在自身创建过程中发挥关键作用的模型。Codex团队使用早期版本调试自身训练、管理自身部署，并诊断测试结果和评估”。
Shumer评论道：“再读一遍。AI帮助构建了自身。”
总结AI最新进展对软件工程的意义时，他补充说：“一年前，AI几乎无法无误地编写几行代码。现在它能编写数十万行正确运行的代码——几年后编程岗位将远少于今天。”
《大西洋月刊》作者Josh Tyrangiel解释说：“在AI能改造公司之前，它必须访问公司数据并融入现有系统……大多数《财富》500强公司的一个商业秘密是，它们仍在笨重、工业级的大型机上运行许多关键功能，这些机器几乎从不故障，因此永远无法被替换。”
他补充道：“将遗留技术与现代AI整合意味着要应对硬件、供应商、合同、古老编程语言和人员，每个人都对‘正确’的变更方式有强烈意见。数月过去，然后数年；又一个公司假日派对来了又去，CEO仍无法理解为什么AI的奇迹没有解决他们所有问题。”
据一些专家称，AI的出现可以暴露组织服务价值体系的成熟或不成熟。ITIL大师、复杂环境数字化转型专家Arun Kumar Singh博士在ITIL在线论坛评论道：
“在治理、实践和持续改进已完善的地方，AI通过优化事件管理、知识管理和变更赋能来加强价值共创。在角色、配置管理、风险控制和测量薄弱的地方，AI会加速服务不稳定、不受控的变更和信任丧失。”
关于如何自信地使用AI促进业务增长，同时应用必要治理的新思维，一直是开发ITIL（版本5）的核心。那么，参与新ITIL的专家如何应对AI的挑战？
“你不能给AI全权委托，”ITIL高级总监David Cannon说。“你必须验证工作已完成，包括数据治理，并理解正在自动化什么，以及哪些能力可以或不能被AI取代。信任，但验证。”
据《ITIL：AI治理白皮书》撰写团队成员之一Kaimar Karu称，AI对大多数人目前的意义，即大语言模型（LLMs）的使用，并非该技术的最终状态。然而，LLMs的当前使用，虽然在空前规模上实现自动化，但可能以意想不到的方式不可靠：
“LLMs及其故障本质上是不可预测的，我们还没有可靠的机制来处理它们；在一个实例中有意义的结果在另一个实例中不一定有意义，”Karu说。
Karu补充道，当前围绕AI的狂热风险在于，一些供应商将其推销为能解决一切的万能药，而将使用它的实际现实置于考虑事项的末尾。
ITIL大师Paul Brandvold最近在LinkedIn的帖子引用了选择用AI取代人员的组织的经验：
“Klarna在2024年用AI取代了约700个客服岗位。客户满意度下降。到2025年，他们重新雇佣人类。CEO承认他们走得太远。澳大利亚联邦银行用语音机器人取代了45个面向客户的岗位。
呼叫量没有减少，反而增加。他们道歉并提供了原岗位。”
然而，他补充说，IBM“采取了不同路径”：“自动化了人力资源的大部分，减少了一些岗位，然后将招聘转向AI无法取代判断、背景或决策的领域。”
Cannon解释说，这表明“AI不取代制度性知识，这依赖于对情况的感知和判断、解读背景和理解意图。AI取代人员应解放人员去做人该做的事；将常规事务自动化，让人能专注于其他事情。”
确实，Karu补充道，一些引入AI替代冗余人员的组织实际上是在消除从未为业务创造价值的岗位。
将创建和管理数字产品与服务的责任从人类转移到AI可能制造的问题多于解决的问题。
Cannon观察到，有人可能告诉AI机器人编写特定用途的代码，但他们是否测试并检查其准确性？它在组织的应用组合中处于什么位置？而且，如果此人离开组织，留下的就是遗留代码，这是浪费且低效的。
“用于编码的LLMs，无论它们能构建多复杂的系统，仍处于有理解问题的初级开发人员水平，”Karu说。
“员工为业务功能创建概念验证时，可以向LLM提供描述。然而，他们发现描述需求实际上很困难：AI会做出假设，可能构建出能工作的东西，但随着时间的推移以可靠方式改进它、使其达到企业级标准，并确保安全考虑已得到解决，这往往变得棘手。”
“同样，”他补充道，“使用LLMs进行分析或报告，如果AI无法访问必要数据，可能导致幻觉（hallucinations），使其在当前阶段对于任何业务关键用途都太不可预测。”
最终，人类干预的必要性依然存在。
“开发人员仍需要业务分析；你无法取代对所编码内容的理解，”Cannon说。“尽管编码本身可能被取代，但验证、测试和质量保证变得比以往任何时候都更重要，因为你需要在部署前确保代码工作。”
ITIL对AI的方法如何认识并赋能适当有效治理AI所需的人类维度？
首先，它认识到AI引入的速度：“今天，开发与运营/产品与服务之间没有清晰的界限，这两个生命周期现在迅速结合，”Cannon说。
“相反，服务上的开发工作与产品上的运营工作同时发生，而AI的速度正在改变这一点。”
Karu解释说，传统上存在于业务、产品管理和技术开发三个企业层的活动正在变化：虽然产品管理的要素正移向业务层，但传统意义上的IT变得更像平台功能，具有共享组件，如硬件、软件和数据湖，这些需要作为服务进行管理。
同时，AI带来的额外挑战包括影子IT、技术蔓延，以及它可能被组织中任何人使用数字工具部署——往往在出问题时留下IT收拾残局。
由于产品和服务管理对于整个数字企业的运作至关重要，ITIL（版本5）将所有生命周期步骤应用于产品和服务。“某物是产品还是服务的问题在某种程度上不再重要。关注点和考虑事项常常重叠，力量应联合而非分离。关键在于你试图实现什么。”Karu补充道。
“ITIL最初为何需要的概念在今天同样强烈。区别在于速度，但赋能治理和协作实践的需求同样重要。”
Cannon认为ITIL（版本5）在新背景下强化了技术管理学科：
1. 产品与服务生命周期结合：遵循这一概念，组织能更好地利用AI，同时避免安全问题。
2. ITIL管理实践：实践保持相关且足够灵活，能随背景演变而更新。
3. ITIL AI治理指导：这使你能就希望AI做什么以及如何以受控方式引入做出有意识的决策；理解业务问题、AI可能帮助的地方，然后设计防护栏以避免公司暴露于风险。最终，问题是：你想给自动化多少权力？
Arun Kumar Singh博士补充道：“ITIL（版本5）提供了管理自适应、学习服务的运营模型——将自动化与风险对齐，将AI整合到价值链中，并确保结果保持可预测、合规和以价值为中心。”
“或许最重要的是，ITIL（版本5）恢复了人类责任。AI可以推荐、关联和预测，但ITIL坚持有人仍拥有决策、风险和对体验的影响。”
“这种所有权防止AI增强变成AI放弃。从这个意义上说，ITIL（版本5）不减缓AI采用；它规范它。”
以纪律引领AI。探索ITIL（版本5）如何帮助您自信地将AI整合到数字产品与服务管理中。
