为ServiceNow打造AI智能体后发现：真正的痛点比路线图设想的更集中

一位企业技术负责人撰文介绍其公司为IT服务管理（ITSM）平台打造“数字员工”的经验。作者称，平台从不缺数据，但难以理解数据含义并决定下一步行动，团队大量时间耗费在构建服务目录项、解读数据与使用许可以及维护配置管理数据库上。该数字员工最初于2025年初基于“浏览器使用”技术开发，后改用模型上下文协议（MCP）直接连接API以加快执行，并配备自研智能体框架，支持多种大语言模型，将模型的概率推理与确定性代码结合，以实现更稳定的验证和执行。团队通过可复用指令、公司知识与记忆向其传授组织规范，并让它解读需求文档、在构建前标出缺失信息。安全方面，所有写操作须经人工审核批准，系统通过用户自身身份以OAuth安全连接并遵循基于角色的权限控制，同时提供可观测性以追踪其行为、效果与成本。作者坦言，有两点比预期更难：让智能体稳定理解组织的需求格式，以及摸清真实的实施痛点，而这些痛点比路线图设想的更集中、更重复。因此建议从单一工作流起步，选择重复性强、基于规则、量大、易衡量且易回滚的任务。在四人团队的试点中，构建一个目录项原本需数小时至一两周，如今约20秒即可生成含工作流和脚本的结果，团队预计开发成本可降低80%，并腾出约25%的产能。此外，数字员工还被用于分析过去60或90天的请求与事件趋势，与基线对比并借助机器学习聚类识别激增的问题，让团队以对话方式追问根源，而不必依赖静态仪表盘。