ServiceNow全球论坛：代理式AI需要恰当对话
作者：马克·奇林沃思 2025年10月20日
摘要：从企业高管到终端用户，随着代理式AI的讨论与实施深入，确保人类深度参与决策环路的意识正日益增强。
（© LeoWolfert - Canva.com）不良习惯、媒体头条与代理式AI实践案例。当ServiceNow全球论坛在伦敦拉开帷幕，这家总部位于美国圣克拉拉的企业加入日益壮大的行业共识：代理式人工智能（AI）虽能创造商业价值，但亟需企业治理框架及与员工、客户的透明对话。会场中固然不乏前瞻性演讲，但在东伦敦会场各处，众多跨行业组织展示了真实案例——它们正运用智能代理达成业务目标，并就AI代理角色与员工保持开放沟通。
ServiceNow副总裁尼克·茨茨安在开幕主题演讲中延续了近期行业对AI现实的探讨：
我们惯于宣称一切"干净光鲜"，但事实并非如此。
茨茨安指出，超越AI与代理式AI的 headlines 至关重要，因为企业技术领导者正面临使用规模与管控难题：
AI应用规模将持续动态变化。智能将从消费级应用、企业数据等多渠道涌入组织。当前我们已在信息管理、权限划分等方面面临系统蔓延问题，而AI将使挑战呈指数级增长，这正凸显了我们协同合作的独特价值。
茨茨安强调技术社区需汲取近期历史教训：
从本地部署转向云服务时，我们未能革新业务流程，仅将旧流程简单迁移上云。关键教训在于：必须更有效地动员员工，使其成为变革引擎。
其关于云迁移的观点部分成立。许多首席信息官确实在云迁移初期采取"原样搬移"策略，待迁移完成后才重构应用与流程。但最终阶段常受制于其他业务问题而受阻。茨茨安在此点正确指出：赋权与现代化必须下沉至业务部门，但这仅当业务部门有变革意愿与能力时才有效——这也解释了为何多位聚焦员工体验的客户发言引人深思。
医疗健康、教育、大型政府部门及制造业的数字化领导者均强调提升员工体验的迫切性。他们的演讲印证了代理式技术对优化员工职能的必要性。牛津大学医院英国国家医疗服务体系（NHS）信托信息技术主管李·马西阐释原因：
我们创造信息的能力已远超处理能力，亟需提升个体工作效率。
马西及其医疗同行指出，必须终结他所称的"额外工作"（美国称为"居家加班"），即员工下班后继续处理行政事务的现象。鉴于医护人员职业倦怠严重，研究机构金斯基金报告显示50%医疗人员长期承受慢性压力，马西认为智能代理可缓解行政负担：
员工对此的积极态度远超公众预期。多数人不愿承担过量行政工作。
伦敦帝国理工学院跨职能产品主管布伦丹·惠特菲尔德指出，复杂的数字环境与业务流程正使员工陷入失败困境，他已着手简化系统并为代理式AI铺路：
员工对数字体验感到困惑。Box、ServiceNow、Confluence等平台数据高度碎片化，且我们无法有效衡量参与度——所有沟通仍依赖电子邮件。
他展示了帝国理工学院使用的庞杂技术与供应商图谱，各项服务如蛛网般铺满幻灯片：
预订工位、年假及文档存储均存在多套系统。虽有优秀行政人员协助应对混乱，但这仍是他们的持久战。
惠特菲尔德将其使命定义为"化繁为简"：确保信息易查找、系统易导航且互联互通。他已部署ServiceNow员工中心专业版与集成中心，并演示"帝国玻璃"平台——该中央枢纽将为智能代理提供应用快捷入口及员工问询响应功能。航空发动机制造商罗尔斯·罗伊斯全球商业服务部门的马库斯·米勒希普持有相同愿景：
我们正着力推动员工体验的实质性转型。
作为深耕工程历史与流程的企业，米勒希普坦言存在过度设计倾向，导致标准化与简化受阻：
我们正尝试打破职能壁垒，因为员工与客户毫不关心我们的组织架构。关键在于串联业务旅程并高效获取信息。
曾与米勒希普同台对话的茨茨安补充：
体验问题实为高管层难题，且日益严峻。每位高管都渴望提供简化体验。
茨茨安指出，ServiceNow AI管控中心等工具将在AI代理的管理与治理中发挥关键作用。
关键对话
ServiceNow在本次论坛上与业界同仁共同采取了对代理式AI的审慎立场。茨茨安主导了核心讨论：
AI是渐进式还是革命性的？此争论虽有趣，但关键在于：必须向人们提问。我们常陷入技术优先的误区——我们真正需要的人类成果是什么？
若将讨论沦为裁减岗位数量的代名词，必将引发信任危机，无法释放技术潜能。让我们聚焦"人"本身，汲取历史经验教训。
马西在公共部门论坛呼应茨茨安，称当前是与员工及患者展开对话的良机。英国新工党政府发布的NHS十年规划，可成为讨论行政与数据处理方式的框架，进而推动代理式AI应用。英国环境、食品和农村事务部（DEFRA）人力资源与自动化总监蒂姆·惠勒补充：
若不将人置于核心，一切必将失败。
DEFRA与英国政府正开展员工AI素养提升计划，建立AI社群以充分释放技术价值。惠勒表示这延续了此前成功的数据素养项目：
我们希望员工明确自身在AI应用中的定位。
缺乏此认知将导致代理式AI投资难以获得回报。惠勒坦言DEFRA的成效评估颇具挑战：其价值不仅在于提升内部生产力，更关乎改善客户服务及部门肩负的环境保护成效。他补充道：当前AI hype 依然过盛，部分源于高层推动。医疗领域的马西面临同样平衡难题：
采用与不采用的利弊如何衡量？延迟护理、延长住院或人员缺勤的代价是什么？综合考量方能识别效率瓶颈。
回归医护人员职业倦怠议题，他表示健康福祉收益很可能远超技术成本。惠勒强调，代理式AI的商业论证尤为困难，尤其在试点向规模化推广阶段：
这本质是"花钱换节省"，但成效难量化。我们必须坚守生产力与最终成果。我们在农村支付领域应用该技术后，农场实地访问量减少30%，农户得以更快收到款项。
编者观察
客户案例使本次论坛对代理式AI角色的讨论更具现实意义，为技术落地提供了宝贵实践视角。
【全文结束】
