ITIL 4官方核心著作
由 superadmin 于 2026/02/09, 09:04 最后修改
复制
导出
打印预览
查看源代码
子项
内容
评论
历史记录
修改评论
Uploaded new attachment "1.png", version {1}
Summary
Details
-
Page properties
-
- 标题
-
... ... @@ -1,1 +1,0 @@ 1 -AI 治理：为什么 ITIL 第5版把 AI 治理单拎出来讲 - 父
-
... ... @@ -1,1 +1,0 @@ 1 - 长河 ITIL 第5版 最新解读和落地方法专栏文章.WebHome - Content
-
... ... @@ -1,188 +1,0 @@ 1 -2026年1月29日，PeopleCert正式发布了ITIL 第5版。作为ITIL官方中国区产品大使，我将会推出系列文章帮大家解读ITIL 第5版到底有哪些重大的更新。 2 - 3 - 4 - 5 -(% style="text-align:center" %) 6 -[[image:1.png||height="346" width="571"]] 7 - 8 - 9 -很多组织在推动 AI 时，最常见的表达是“我们要上一个大模型”“我们要做智能服务台”“我们要让 AI 自动化运维”。这些话都不算错，但它们刻意忽略了一个更关键的问题： 10 - 11 -• 谁来承担决策责任 12 - 13 -• 出错时怎么追溯 14 - 15 -• 风险边界在哪里 16 - 17 -• 数据如何被使用与保护 18 - 19 - 20 -从治理角度看，你要治理的不是模型本身，而是 AI 进入管理体系后带来的新型风险结构。AI 让建议与动作可以规模化，也让错误、偏见与幻觉可以规模化；AI 让决策链条更长，也让责任更容易被稀释。正因为如此，ITIL 第5版才会把 AI 治理单独拎出来：它不是一个“选修话题”，而是一条必须补齐的主干能力。 21 - 22 - 23 -== 一、更新内容概述：六个核心要点为什么最终都指向“AI 治理必须前置” == 24 - 25 -按照惯例，本篇依然完整覆盖 ITIL 第5版更新内容要点概述。我会从合规与风险负责人的角度解释：这六个变化为什么让 AI 治理成为必修。 26 - 27 -**1、定位升级：数字产品和服务管理** 28 - 29 -当管理对象扩展到端到端数字产品与服务，AI 不再只影响后台效率，而会直接影响客户体验与业务结果。风险因此从“内部失误”升级为“外部影响”。 30 - 31 -**2、生命周期模型升级：八个活动覆盖从发现到支持** 32 - 33 -AI 会出现在多个活动中：发现、设计、构建、转换、运营、交付、支持。治理不能只盯某个部门，而要覆盖全生命周期。 34 - 35 -**3、人工智能进入方法论核心** 36 - 37 -这意味着 AI 不是项目，而是管理体系的一部分。只要进入体系，就必须有治理结构、可审计性与持续改进机制。 38 - 39 -**4、指导原则强调取舍** 40 - 41 -AI 治理的难点不在“禁止”，而在“取舍”：哪里可以自动化，哪里必须人工确认；哪里允许试点，哪里必须严格控制。 42 - 43 -**5、实践从清单走向组件库** 44 - 45 -AI 能力会作为组件被组合到不同实践中。没有统一治理规则，组件组合会把风险扩散到全系统。 46 - 47 -**6、持续改进对象扩大** 48 - 49 -AI 的表现会随数据、场景与环境变化。治理必须可更新，必须能通过持续改进不断修正边界与控制点。 50 - 51 -因此，AI 治理不是附加条款，而是 ITIL 第5版“AI 原生管理体系”的底座。 52 - 53 - 54 -== 二、AI 治理到底治理什么：三条主线，比“伦理口号”更重要 == 55 - 56 -很多组织谈 AI 治理容易空泛。我建议你抓住三条主线，它们每一条都能落到制度与动作上。 57 - 58 -**1、风险边界：AI 可以做什么，不可以做什么** 59 - 60 -• 哪些场景允许 AI 直接对外沟通 61 - 62 -• 哪些场景 AI 只能给建议，不能自动执行 63 - 64 -• 哪些场景必须人工批准，必须保留人工确认点 65 - 66 -这条主线的本质是：把 AI 的作用域限定在可控范围内。 67 - 68 -**2、数据质量与数据治理：没有可靠数据，治理无从谈起** 69 - 70 -• 数据是否完整、准确、一致 71 - 72 -• 记录是否可追溯、可审计 73 - 74 -• 训练与推理用到的数据是否合规 75 - 76 -数据治理做不好，AI 治理就会退化成口号，因为你无法证明风险被控制。 77 - 78 -**3、决策责任：谁承担责任，谁被问责** 79 - 80 -• 谁批准 AI 建议被采纳 81 - 82 -• 谁批准自动化动作被执行 83 - 84 -• 出错时责任如何追溯到人 85 - 86 -AI 治理的核心，是防止责任被“算法”稀释。 87 - 88 -这三条主线加在一起，就是 AI 治理的骨架：边界、数据、责任。 89 - 90 -[[image:https://my.feishu.cn/space/api/box/stream/download/asynccode/?code=YjkzN2Q5YWM4ZGViZDNjY2YwZjQ3MmMwOGI3ZWIzNDlfWlNMVnR4SnBWWDJOZjRZcEIxenBEb25wWHhtaFZDbHdfVG9rZW46SE90NWJxbGZCbzdzd2R4UjBzTWNoSTNobjRlXzE3NzA2MjM1MjY6MTc3MDYyNzEyNl9WNA||height="294" width="514"]] 91 - 92 - 93 -== **三、为什么 AI 治理必须单独拎出来：因为 AI 改变了风险传播方式** == 94 - 95 -传统管理体系里的错误传播通常是线性的：某个环节错了，影响逐步扩散。AI的风险传播更像指数级： 96 - 97 -• 一条错误知识被生成并复用，影响成百上千次回复 98 - 99 -• 一个错误分类规则被自动执行，错误分派规模化 100 - 101 -• 一个错误补救动作被自动触发，事故被自动放大 102 - 103 -因此，AI 治理必须回答一个新问题：如何在规模化之前截断风险传播。你需要的是“门禁与回滚”，而不是“事后追责”。 104 - 105 - 106 -== **四、AI 治理怎么做才可执行：四个机制，把治理落到系统里** == 107 - 108 -治理如果只停在政策与宣导，就一定失败。可执行的 AI 治理至少要有四个机制。 109 - 110 -**1、场景分级与风险分级** 111 - 112 -• 对外沟通场景、关键业务功能场景、合规敏感场景，必须高等级控制 113 - 114 -• 内部辅助场景、低风险标准化场景，可以采用更轻量治理 115 - 116 -分级的意义是：把治理强度放在该放的位置。 117 - 118 -**2、人工确认点与授权边界** 119 - 120 -• 哪些 AI 建议必须人工批准 121 - 122 -• 哪些自动化动作必须由变更授权人批准 123 - 124 -• 谁拥有暂停权与回滚权 125 - 126 -没有人工确认点，治理就没有落点；没有授权边界，责任就会漂移。 127 - 128 -**3、证据链与可审计性默认开启** 129 - 130 -• AI 建议依据必须可追溯 131 - 132 -• 采纳与否必须留痕 133 - 134 -• 执行轨迹必须可回放 135 - 136 -这不是为了形式，而是为了在事故发生时能快速定位与纠偏。 137 - 138 -**4、持续监督与持续改进闭环** 139 - 140 -• 误导输出率、误分类率、自动化误触发率必须被度量 141 - 142 -• 超阈值必须触发暂停与复核 143 - 144 -• 有效修正必须固化为规则与门禁 145 - 146 -AI 会变，场景会变，治理也必须能跟着变。 147 - 148 -这四个机制一旦落到系统里，AI 治理就不再是抽象概念。 149 - 150 - 151 -== 五、你真正需要治理的风险类型：把风险说清楚，治理才会具体 == 152 - 153 -为了避免泛泛而谈，我把 AI 相关风险按管理体系常见表现归成五类。你可以用来做治理清单，但更重要的是用来做“边界划分”。 154 - 155 -• **偏见**：某些类别用户被系统性误判或被忽视 156 - 157 -• **幻觉**：生成看似合理但实际错误的内容 158 - 159 -• **违规与泄露**：不当使用敏感数据，或对外泄露信息 160 - 161 -• **责任不清**：AI 建议被采纳后出错，却找不到责任人 162 - 163 -• **自动化误触发**：补救动作被错误触发，影响扩大 164 - 165 -治理不是把这些风险写在文档里，而是要给每类风险配置控制点：门禁、阈值、回滚与审计。 166 - 167 - 168 -== 六、AI 治理与价值系统如何联动：治理不是孤岛 == 169 - 170 -ITIL 第5版讲价值系统五件套联动，AI 治理必须放在系统里理解，否则只能变成“合规部门的独角戏”。 171 - 172 -• **指导原则**：提供取舍语言，决定哪里可以快、哪里必须稳 173 - 174 -• **治理**：提供结构与责任，决定谁批准、谁监督、谁承担责任 175 - 176 -• **价值链**：提供落点，决定 AI 嵌入哪些活动、影响哪些价值流 177 - 178 -• **实践**：提供能力组件，决定控制点落在哪些流程与工具里 179 - 180 -• **持续改进**：提供更新机制，保证治理规则能随风险变化不断迭代 181 - 182 -当这五件套联动，AI 治理才会从“限制创新”变成“保障创新可持续”。 183 - 184 - 185 -ITIL 第5版把 AI 治理单独拎出来，是因为 AI 改变了风险传播方式，也改变了责任结构。你要治理的不是模型，而是风险边界、数据质量与决策责任。只要你建立场景分级、人工确认点、可审计性证据链与持续监督闭环，AI 才能成为放大组织能力的杠杆，而不是放大风险的放大器。 186 - 187 - 188 -我是AI+ITIL教练长河achotsao，欢迎+V：achotsao交流，即可第一时间获得ITIL 第5版最新动态及官方特邀中国区大使的深度解析。
-
3.jpg
-
- Author
-
... ... @@ -1,1 +1,0 @@ 1 -XWiki.superadmin - Size
-
... ... @@ -1,1 +1,0 @@ 1 -61.8 KB -
Content
