由 superadmin 于 2026/02/20, 07:27 最后修改
Show last authors
| author | version | line-number | content |
|---|---|---|---|
| 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="235" width="388"]] | ||
| 7 | |||
| 8 | |||
| 9 | ITIL v5(中文语境下通常称为ITIL 第5版)已经正式发布。 每次新版本落地,市场上都会出现一种很典型的现象:课程信息、认证路径、培训宣传密集涌现,很多人越看越焦虑,最后把学习变成“赶集式选课”——哪里热报哪里,哪里新学哪里。 | ||
| 10 | |||
| 11 | |||
| 12 | 这种焦虑很正常,但它往往来自一个误区:把学习当成“把证书攒齐”,而不是把学习当成“把能力补齐”。 ITIL 第5版之所以值得系统学习,不是因为它换了封面,而是因为它把管理重心从服务管理推进到数字产品与服务管理,把体验与人工智能治理拉进核心语境,把生命周期与价值流摆到了组织能力建设的主轴上。 只要你仍用旧框架的选课方式去学新框架,就很容易走弯路:学得不少,落地不顺,表达也不成体系。 | ||
| 13 | |||
| 14 | |||
| 15 | 所以这篇文章只解决一个问题:面对“九个核心模块+一个AI扩展”的结构,怎样选课、怎样排顺序、怎样把模块学成能力,而不是学成碎片。 | ||
| 16 | |||
| 17 | |||
| 18 | 由于官方中级模块的具体内容提纲尚未发布,这里我仅提供选课原则,不对应到具体课程。 | ||
| 19 | |||
| 20 | |||
| 21 | |||
| 22 | === 一、每篇都必须交代的更新概述:ITIL 第5版升级内容全景 === | ||
| 23 | |||
| 24 | |||
| 25 | 要谈选课,必须先把ITIL 第5版的升级内容概述交代完整。 因为模块结构之所以调整,背后对应的是管理对象、管理方法与治理边界的变化。 | ||
| 26 | |||
| 27 | |||
| 28 | ==== 1)定位升级:从服务管理走向数字产品与服务管理 ==== | ||
| 29 | |||
| 30 | ITIL 第5版把管理对象扩展为数字产品与服务的整体,强调端到端价值交付。 服务不再是唯一中心,产品不再只是服务的载体,组织的讨论主语也不再局限于IT部门,而是更贴近数字化组织如何持续创造价值。 | ||
| 31 | |||
| 32 | |||
| 33 | ==== 2)生命周期模型升级:八个阶段覆盖从想法到退役 ==== | ||
| 34 | |||
| 35 | ITIL 第5版提出产品与服务生命周期的八个阶段:发现、设计、获取、构建、转换、运营、交付、支持。 它让组织能够用同一套语言对齐上游的机会识别与方案设计、下游的交付运营与支持改进,并把“端到端”从口号变成可拆解、可对齐、可治理的对象。 | ||
| 36 | |||
| 37 | |||
| 38 | ==== 3)体验进入核心:从达标走向旅程摩擦与结果 ==== | ||
| 39 | |||
| 40 | ITIL 第5版更强调体验,把体验纳入管理与度量视野。 服务价值不再只由功用与功效决定,还要看旅程是否顺畅、触点摩擦是否减少、客户满意度是否被持续提升。 | ||
| 41 | |||
| 42 | |||
| 43 | ==== 4)AI进入框架中心:从工具话题走向能力与治理边界 ==== | ||
| 44 | |||
| 45 | ITIL 第5版强调人工智能带来的不仅是效率机会,也是治理挑战。 数据准确性、完整性与一致性成为硬门槛,决策责任、授权与问责必须清晰,可审计性与风险控制机制必须可落地。 否则自动化只会加速偏差与风险。 | ||
| 46 | |||
| 47 | |||
| 48 | ==== 5)实践地位变化:从清单背诵走向情境化组合 ==== | ||
| 49 | |||
| 50 | 在基础层面,实践更像支撑价值流与生命周期活动的组件库。 组织要学会按环境裁剪与组合实践,把价值流跑顺,而不是追求“实践覆盖率”。 | ||
| 51 | |||
| 52 | 理解这五点之后,你就会发现:ITIL 第5版的选课逻辑,必然从“知识清单”转向“能力组合”。 所谓“九个核心模块+一个AI扩展”,本质上是在给你一个更可组合、可分层的能力栈。 | ||
| 53 | |||
| 54 | |||
| 55 | |||
| 56 | === 二、先把方向盘握稳:选课的第一原则,是从“你要解决的问题”倒推能力缺口 === | ||
| 57 | |||
| 58 | |||
| 59 | 很多人选课的出发点是“别人学什么”,结果学到最后仍然回答不了自己的职业问题。 更可靠的做法,是从你要解决的问题倒推能力缺口,再从能力缺口映射到模块组合。 | ||
| 60 | |||
| 61 | |||
| 62 | 建议用三个问题做自检: | ||
| 63 | |||
| 64 | **1、你目前最频繁面对的管理问题是什么** | ||
| 65 | |||
| 66 | • 交付周期长、等待多、返工多 | ||
| 67 | |||
| 68 | • 体验差、投诉多、指标达标但不满意 | ||
| 69 | |||
| 70 | • 变更风险高、事故多、恢复慢 | ||
| 71 | |||
| 72 | • 供应商与生态协同难、边界不清 | ||
| 73 | |||
| 74 | • 数据质量差、自动化效果不稳、AI风险大 | ||
| 75 | |||
| 76 | |||
| 77 | **2、这些问题发生在生命周期的哪个区段** | ||
| 78 | |||
| 79 | • 上游:发现、设计、获取、构建 | ||
| 80 | |||
| 81 | • 中段:转换 | ||
| 82 | |||
| 83 | • 下游:运营、交付、支持 | ||
| 84 | |||
| 85 | • 全链路:价值流、治理、持续改进 | ||
| 86 | |||
| 87 | |||
| 88 | **3、你缺的是方法,还是缺的是治理与问责** | ||
| 89 | |||
| 90 | • 缺方法:不知道怎么做价值流识别与映射,不知道怎么设计触点与体验 | ||
| 91 | |||
| 92 | • 缺治理:授权不清、问责空洞、控制点失衡,导致等待或风险失控 | ||
| 93 | |||
| 94 | • 两者都缺:模块学习必须按“先语境、再方法、后治理”的顺序排 | ||
| 95 | |||
| 96 | 把这三组问题想清楚,选课就不会被营销牵着走,因为你知道自己要补的是什么。 | ||
| 97 | |||
| 98 | |||
| 99 | |||
| 100 | === 三、把“九个核心模块+AI扩展”学成能力:四类能力域,决定你该怎么组合 === | ||
| 101 | |||
| 102 | |||
| 103 | 不论模块怎么命名,最终都可以落回四类能力域。 你把它当成一张“能力地图”,选课就不容易走弯路。 | ||
| 104 | |||
| 105 | |||
| 106 | ==== 能力域一:端到端价值交付能力 ==== | ||
| 107 | |||
| 108 | 这是ITIL 第5版的主轴,解决的是“价值怎么穿过组织到达服务消费者”。 它通常覆盖: | ||
| 109 | |||
| 110 | • 价值流识别、价值流映射与价值流管理 | ||
| 111 | |||
| 112 | • 生命周期八个阶段如何贯通 | ||
| 113 | |||
| 114 | • 端到端度量:周期时间、等待占比、交接次数、返工次数、一次通过率 | ||
| 115 | |||
| 116 | • 体验触点与服务旅程管理:探索、参与、提供、达成一致、引入、共创、反思 | ||
| 117 | |||
| 118 | 这类能力域适合的人群是:体系负责人、流程负责人、交付负责人、咨询顾问、跨部门改进负责人。 | ||
| 119 | |||
| 120 | 如果你长期困在“流程写得很全,但交付仍然慢”,你的学习主线就该落在这里。 | ||
| 121 | |||
| 122 | |||
| 123 | ==== 能力域二:产品与服务一体化经营能力 ==== | ||
| 124 | |||
| 125 | 这是ITIL 第5版“数字产品与服务管理”定位的直接落点,解决的是“产品与服务如何一体化治理与运营”。 它通常覆盖: | ||
| 126 | |||
| 127 | • 产品与服务组合的取舍与优先级 | ||
| 128 | |||
| 129 | • 从需求到价值的假设管理与验收标准 | ||
| 130 | |||
| 131 | • 交付与运营如何形成闭环反馈 | ||
| 132 | |||
| 133 | • 跨学科产品团队如何承担端到端所有权 | ||
| 134 | |||
| 135 | 这类能力域适合的人群是:产品负责人、IT负责人、平台负责人、业务分析师、产品经理。 | ||
| 136 | |||
| 137 | 如果你在做平台化、产品化、DevOps,而组织仍用服务管理语言讨论问题,这条能力域能帮助你完成语境升级。 | ||
| 138 | |||
| 139 | |||
| 140 | ==== 能力域三:治理、风险与可靠性交付能力 ==== | ||
| 141 | |||
| 142 | ITIL 第5版强调治理不是管控强度,而是模式选择; 强调转换阶段是风险曲线,而不是一次瞬间动作。 对应到能力域,就是把“快”与“稳”用治理机制统一起来。 它通常覆盖: | ||
| 143 | |||
| 144 | • **治理模式与授权机制**:谁是授权人、谁承担问责 | ||
| 145 | |||
| 146 | • **风险评估与风险管理**:让风险控制成为可复用机制 | ||
| 147 | |||
| 148 | • **变更实施与发布节奏**:把等待与风险都控制在可接受范围 | ||
| 149 | |||
| 150 | • **可靠性与可用性管理**:让交付与运营形成同一套风险语言 | ||
| 151 | |||
| 152 | 这类能力域适合的人群是:治理负责人、审计与风险负责人、变更与发布负责人、SRE与运维负责人。 | ||
| 153 | |||
| 154 | 如果你在组织里经常遇到“要么等审批等到慢死,要么放开之后事故频发”,你需要的不是更多流程,而是更匹配环境的治理能力。 | ||
| 155 | |||
| 156 | |||
| 157 | ==== 能力域四:数据、自动化与AI能力边界 ==== | ||
| 158 | |||
| 159 | ITIL 第5版把人工智能拉进核心语境之后,很多组织会发现自动化的瓶颈不是脚本能力,而是数据质量与治理边界。 对应到能力域,就是把AI从工具变成管理能力。 它通常覆盖: | ||
| 160 | |||
| 161 | • **数据治理与数据质量**:准确性、完整性、一致性、可追溯 | ||
| 162 | |||
| 163 | • **监控、可观测性与事态管理**:让数据成为决策依据 | ||
| 164 | |||
| 165 | • **自动化编排**:让行动与触发器形成闭环 | ||
| 166 | |||
| 167 | • **AI治理**:在可接受风险之内获得收益,明确责任、授权与问责 | ||
| 168 | |||
| 169 | 这类能力域适合的人群是:平台与数据负责人、ITSM负责人、自动化与AIOps负责人、合规与风控负责人。 | ||
| 170 | |||
| 171 | |||
| 172 | 如果你在推进生成式 AI,却总是出现“效果不稳、风险担心、问责说不清”,那么AI扩展模块与相关治理能力就是你必须补的短板。 | ||
| 173 | |||
| 174 | |||
| 175 | 把模块放回这四类能力域,你会发现“九个核心模块+一个AI扩展”并不是要你全学完,而是要你按能力缺口组合一套路径。 | ||
| 176 | |||
| 177 | |||
| 178 | |||
| 179 | (% style="text-align:center" %) | ||
| 180 | [[image:3.jpg||height="303" width="587"]] | ||
| 181 | |||
| 182 | |||
| 183 | === 四、三条不走弯路的选课路线:按人群画像给出可落地组合 === | ||
| 184 | |||
| 185 | |||
| 186 | 下面给出三条最常见、也最稳健的选课路线。 每条路线都强调“先语境、再方法、后治理”,避免知识碎片化。 | ||
| 187 | |||
| 188 | |||
| 189 | ==== 路线一:备考与通用能力路线(适合大多数人) ==== | ||
| 190 | |||
| 191 | 目标是先把ITIL 第5版语境站稳,再决定专业化方向。 | ||
| 192 | |||
| 193 | **第一阶段:建立ITIL 第5版全景认知** | ||
| 194 | |||
| 195 | • 定位:数字产品与服务管理 | ||
| 196 | |||
| 197 | • 生命周期八个阶段 | ||
| 198 | |||
| 199 | • 体验进入度量 | ||
| 200 | |||
| 201 | • 实践作为组件库 | ||
| 202 | |||
| 203 | • AI治理的边界意识 | ||
| 204 | |||
| 205 | **第二阶段:用一个真实场景完成对齐** | ||
| 206 | |||
| 207 | • 选一个端到端旅程,做价值流识别与映射 | ||
| 208 | |||
| 209 | • 明确验收标准与端到端问责 | ||
| 210 | |||
| 211 | • 建立最小度量集并跑一次复盘 | ||
| 212 | |||
| 213 | 完成这条路线后再选方向,学习成本最低,因为你已经具备统一语境与方法底盘。 | ||
| 214 | |||
| 215 | |||
| 216 | ==== 路线二:体系与咨询路线(适合体系负责人、流程负责人、咨询顾问) ==== | ||
| 217 | |||
| 218 | 目标是把“价值流—治理—持续改进”做成可复制模式。 | ||
| 219 | |||
| 220 | • 价值流主线优先 | ||
| 221 | |||
| 222 | • 价值流识别、映射与管理 | ||
| 223 | |||
| 224 | • 生命周期八个阶段的对齐方法 | ||
| 225 | |||
| 226 | • 端到端度量与报告节奏 | ||
| 227 | |||
| 228 | • 治理与持续改进紧跟 | ||
| 229 | |||
| 230 | • 治理模式选择与授权机制 | ||
| 231 | |||
| 232 | • 持续改进模型如何嵌入日常经营 | ||
| 233 | |||
| 234 | • 实践组件库如何按环境组合 | ||
| 235 | |||
| 236 | 这条路线的关键不是学完所有模块,而是形成可复用的“价值流作战方法”,能在不同部门、不同产品线复制推广。 | ||
| 237 | |||
| 238 | |||
| 239 | ==== 路线三:AI与平台路线(适合ITSM负责人、平台/数据负责人、AIOps推进者) ==== | ||
| 240 | |||
| 241 | 目标是把AI从“工具上线”变成“可控收益”,把风险关在治理边界内。 | ||
| 242 | |||
| 243 | • 先补数据治理与可观测性 | ||
| 244 | |||
| 245 | • 度量与报告机制 | ||
| 246 | |||
| 247 | • 记录的准确性、完整性、一致性 | ||
| 248 | |||
| 249 | • 监控与事态管理闭环 | ||
| 250 | |||
| 251 | • 再补自动化编排能力 | ||
| 252 | |||
| 253 | • 触发器—行动—反馈回路 | ||
| 254 | |||
| 255 | • 事故与事件的自动分类与分派 | ||
| 256 | |||
| 257 | • 已知错误与知识管理的复用 | ||
| 258 | |||
| 259 | • 最后上AI扩展模块 | ||
| 260 | |||
| 261 | • 明确责任、授权与问责 | ||
| 262 | |||
| 263 | • 确保可审计性与风险控制 | ||
| 264 | |||
| 265 | • 在可接受风险之内获得收益 | ||
| 266 | |||
| 267 | 这条路线的核心是顺序:先把数据与治理打牢,再把自动化与AI做稳,否则越上工具越放大不确定性。 | ||
| 268 | |||
| 269 | |||
| 270 | |||
| 271 | === 五、企业培训怎么配:别用“一刀切课表”,用“角色分层+试点牵引” === | ||
| 272 | |||
| 273 | |||
| 274 | 如果你负责企业培训或能力发展,最怕的是两件事:一是课表一刀切,学完没人用;二是只学基础不学落地,语境没切换,组织语言仍然旧。 | ||
| 275 | |||
| 276 | |||
| 277 | 更有效的做法,是“角色分层+试点牵引”。 | ||
| 278 | |||
| 279 | ==== 1)角色分层:不同角色学不同主线 ==== | ||
| 280 | |||
| 281 | **~-~- 管理层与负责人** | ||
| 282 | |||
| 283 | • 学定位与治理:数字产品与服务管理、治理模式、问责与授权 | ||
| 284 | |||
| 285 | • 学体验与度量:把体验纳入协议与度量口径 | ||
| 286 | |||
| 287 | **~-~- 体系与流程团队** | ||
| 288 | |||
| 289 | • 学价值流方法:识别、映射、管理与度量 | ||
| 290 | |||
| 291 | • 学持续改进节奏:把改进嵌进BAU | ||
| 292 | |||
| 293 | **~-~- 交付与研发团队** | ||
| 294 | |||
| 295 | • 学生命周期与协作:发现到支持的闭环 | ||
| 296 | |||
| 297 | • 学验收标准与风险曲线:把返工与事故前置治理 | ||
| 298 | |||
| 299 | **~-~- 平台与数据团队** | ||
| 300 | |||
| 301 | • 学数据治理与自动化编排 | ||
| 302 | |||
| 303 | • 学AI治理与能力边界:确保可审计性与问责 | ||
| 304 | |||
| 305 | |||
| 306 | ==== 2)试点牵引:用一个试点价值流把学习变成成果 ==== | ||
| 307 | |||
| 308 | 企业培训最容易被质疑“学了没用”。 破解方法不是讲得更热闹,而是把培训绑定到试点价值流的交付物上: | ||
| 309 | |||
| 310 | • 试点价值流图(含等待、交接、返工与体验摩擦) | ||
| 311 | |||
| 312 | • 改进行动清单(每条对应图上的绕路点) | ||
| 313 | |||
| 314 | • 最小度量集与看板(能持续收集) | ||
| 315 | |||
| 316 | • 治理与问责机制(授权人明确) | ||
| 317 | |||
| 318 | • 复盘节奏(持续改进落到BAU) | ||
| 319 | |||
| 320 | 当培训与试点成果绑定,组织会自然形成学习动力:因为大家看到改善是真实发生的,学习不再是“为了证书”,而是“为了把价值流跑顺”。 | ||
| 321 | |||
| 322 | |||
| 323 | ITIL v5时代选课不走弯路的关键,是把ITIL 第5版的升级主轴看成一张能力地图:先完成数字产品与服务管理的语境切换,再围绕生命周期八个阶段与价值流建立端到端方法,随后用治理、度量与持续改进把能力固化,最后在数据质量、授权与问责、可审计性到位的前提下引入AI扩展模块;选课选得对,证书只是结果,真正收获的是一套能在组织里持续创造价值的管理能力。 | ||
| 324 | |||
| 325 | |||
| 326 | 欢迎加长河老师微信achotsao,深入交流ITIL 第5版最新资讯。 |