ServiceNow（$NOW）公布了其平台扩展方案，聚焦于人工智能（AI）在企业落地中日益凸显的核心挑战——“治理”、“安全”和“执行力”。此举直接回应了企业的普遍困扰：尽管AI正在快速渗透到一线，但能够有效管控它并确保实际工作闭环的体系仍然匮乏。
本次发布的核心在于“AI控制塔”的升级。ServiceNow表示，通过这一功能，企业能够在一个平台上对AI模型和代理型工作流进行监控、管理及保护。与此同时，自主安全功能以及由AI代理组成的组织——“自主劳动力”也同步得到扩展。
ServiceNow产品管理副总裁Nenshad Bardoliwalla表示：“客户告诉我们，AI已经部署到各处，但它们互不关联、缺乏治理，也无法真正完成实际工作。”他指出，AI控制塔正是针对这些问题的解决方案。
AI控制塔：从“监控者”进化为“统一指挥中枢”
于2025年首次推出的AI控制塔，已从初期的简易监控工具，扩展为统管企业AI运营的中央指挥体系。目前，该平台囊括“发现”、“治理”、“安全”、“可视性”和“成本计量”五大核心功能。
据ServiceNow介绍，该系统能够识别分散在多个云环境和企业应用中的AI资产，并对模型、数据集、提示词及代理实施策略管控。特别是其“运行时可视性”功能得到强化，可以追踪正在运行的AI代理的决策过程，并在必要时进行干预。
此外，该系统还能对接美国国家标准与技术研究院（NIST）网络安全框架及欧盟《AI法案》等监管标准下的风险框架。ServiceNow还新推出了“AI网关”，将实时控制范围扩展至外部AI系统，意图将管理边界延伸至自有平台之外的第三方AI。
这表明，企业正从各自为政、使用不同工具的“碎片化”模式，转向能够支撑大规模AI运营的统一管理体系。
应对非人类账户激增……自主安全功能同步加强
ServiceNow此次的扩展，也与IT环境中非人类身份和自主代理急剧增长的趋势相契合。随着基于AI的攻击速度加快，依赖人工检测和响应的传统安全模式已越发捉襟见肘。
ServiceNow核心产品管理高级副总裁John iCien表示：“基于AI的攻击者的行动速度，已经超过了团队能够人工响应或检测的速度。”
为此，ServiceNow推出了“自主安全与风险管理”服务。该服务结合了近期收购的Veza和Armis的技术，旨在同步掌握资产清单与身份、访问权限的关系。简而言之，它构建了一个能一目了然地映射“谁”或“哪个系统”可以访问特定数据和系统架构。
该平台通过关联资产、权限和决策过程中产生的信号，来识别未经授权的数据访问或策略违规等风险。必要时可自动执行修正措施，企业也可根据需要设置人工审批环节。ServiceNow借此强调，其目标是将安全模式从传统的“事后响应”转变为“持续性AI治理”体系。
AI从“建议”迈向“执行”……专司其职的业务代理大幅扩展
ServiceNow还对其“自主劳动力”进行了扩展，新增了涵盖IT、客户服务、客户关系管理及风险管理等领域的AI“专家”。这些代理的设计目标，不仅是提供信息建议，更要在既定的治理框架内，独立执行完整的实际工作流程。
公司方面解释，今年2月发布的“自主劳动力”是一种新型AI员工，能像人类团队的一部分一样进行思考、行动和工作。新加入的代理可以承担故障排除、处理服务请求、执行销售工作流等任务。
这些代理运行在同一个平台上，也是其特色之一。由于它们共享数据语境、工作流编排和策略管控，相比拼凑起来的独立工具，其运营一致性更强。这被解读为一项旨在弥补以往AI仅能提供洞察、却无法“落地执行”之缺陷的战略。
劳斯莱斯称“节省制造现场30万小时”……成果与挑战并存
发布会上也展示了实际落地案例。劳斯莱斯控股表示，利用ServiceNow的生成式AI平台“Now Assist”，仅IT运营一项就获得了5000小时的效率提升。其在整体制造工作流中的生产力也得到了改善。
劳斯莱斯全球商业服务主管Phil Priest特别强调了在AI部署过程中数据就绪状态和治理的重要性。他指出，如果基础数据和流程没有得到妥善整理，AI反而可能会放大现有的低效。
他介绍，在将Now Assist扩展到IT部门以外的其他职能领域时，他们正对现有的知识文档进行重新梳理，使其能够被AI理解和利用。这意味着，即使AI代理已经部署，用户要获得快速且准确的答案，归根结底还是需要“优质数据”。
Priest表示，AI带来的最大效益体现在制造业领域：“我们减少了30万小时的现场工作时间。这是一个能直接转化为成本削减的数字。”
企业AI竞争，核心终归是“统一运营层”
ServiceNow的战略核心，在于将数据、工作流和治理整合到一个统一的运营平台上，而非将AI功能拆解为一个个独立的点状解决方案。其逻辑是，随着基于代理的系统日益增多，仅靠割裂的工具难以应对由此而来的复杂性和扩展性挑战。
总而言之，本次发布表明，企业AI市场的竞争焦点正从单纯的模型性能，转向“可控的执行环境”。ServiceNow正试图通过结合可视性、身份治理和工作流自动化，抢先占据AI运营的“控制层”。对企业而言，能多安全、多一致地驱动AI运转，正在比部署了多少AI成为更重要的衡量标准。
TP AI注意事项 本文基于TokenPost.ai的底层语言模型进行摘要。正文主要内容可能被遗漏或与事实存在出入。