由 superadmin 于 2026/05/27, 20:33 最后修改
从版本< 5.1 >
由superadmin编辑
在2026/02/20, 15:26上
到版本
由superadmin编辑
在2026/02/11, 08:36上
< >
修改评论 Uploaded new attachment "1.png", version {1}

Summary

Details

Icon Page properties
Content
... ... @@ -1,55 +1,43 @@
1 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 2  
3 +[[image:https://my.feishu.cn/space/api/box/stream/download/asynccode/?code=YzEzMjFmMjU4ODZmNmI1MDc0Mzc1N2RmMTViNzJiNWJfRWpFQVZXb0VPZ0MzN3NNZ2dQdXJvRWFmV1F0OXJHS0FfVG9rZW46REppMWJCcU9Mb2pRNHl4WVFna2MyTFk5blFkXzE3NzA3MjUxMjQ6MTc3MDcyODcyNF9WNA||height="258" width="425"]]
3 3  
4 -(% style="text-align:center" %)
5 -[[image:1.png||height="336" width="554"]]
5 +ITIL v5（中文语境下通常称为ITIL 第5版）已经正式发布。对很多组织来说，真正的困惑不是“要不要上AI”，而是“上什么AI、先上哪里、怎么上才不翻车”。热度永远不缺，工具也永远不缺，缺的是一种能把AI从概念拉回到管理能力的框架：让组织在做决策之前，先看清用例的价值边界、风险边界与数据门槛。
6 6  
7 -ITIL v5（中文语境下通常称为ITIL 第5版）已经正式发布。对很多组织来说，真正的困惑不是“要不要上AI”，而是“上什么AI、先上哪里、怎么上才不翻车”。 热度永远不缺，工具也永远不缺，缺的是一种能把AI从概念拉回到管理能力的框架：让组织在做决策之前，先看清用例的价值边界、风险边界与数据门槛。
7 +这正是6C AI能力模型的意义。很多人第一次接触这类模型，习惯把它当成考试要点去记：六个C分别是什么、每个C的定义是什么。背下来当然没坏处，但真正有价值的用法，是把它当成“体检表”，在立项前把AI用例过一遍，避免两种典型悲剧：要么做了半天发现价值不大；要么做得很快却把风险放大，最后不得不回到人工兜底，效率收益被抵消。
8 8  
9 +ITIL 第5版把AI治理放进核心语境之后，6C更像是一张能力地图：它告诉你，AI不是单点工具，而是一组能力组合;你不是在买一个模型，而是在建设一套可持续、可审计、可问责的组织能力。把6C用对了，体检一次，就能少走几个月弯路。
9 9  
10 -这正是6C AI能力模型的意义。 很多人第一次接触这类模型，习惯把它当成考试要点去记：六个C分别是什么、每个C的定义是什么。 背下来当然没坏处，但真正有价值的用法，是把它当成“体检表”，在立项前把AI用例过一遍，避免两种典型悲剧：要么做了半天发现价值不大；要么做得很快却把风险放大，最后不得不回到人工兜底，效率收益被抵消。
11 11  
12 -
13 -ITIL 第5版把AI治理放进核心语境之后，6C更像是一张能力地图：它告诉你，AI不是单点工具，而是一组能力组合; 你不是在买一个模型，而是在建设一套可持续、可审计、可问责的组织能力。 把6C用对了，体检一次，就能少走几个月弯路。
14 -
15 -
16 -
17 17  === 一、ITIL 第5版升级内容全景 ===
18 18  
19 -
20 20  在进入6C体检方法之前，先把ITIL 第5版的更新内容概述完整交代，因为6C并不是孤立的，它必须嵌在ITIL 第5版的整体结构里才能发挥作用。
21 21  
22 22  ==== 1）定位升级：从服务管理走向数字产品与服务管理 ====
23 23  
24 -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。 这意味着AI用例不应被局限在服务台或运维工具层，而要放进端到端价值流中评估：它到底改善了哪段旅程、哪类结果、哪种体验。
18 +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。这意味着AI用例不应被局限在服务台或运维工具层，而要放进端到端价值流中评估：它到底改善了哪段旅程、哪类结果、哪种体验。
25 25  
26 -
27 27  ==== 2）生命周期模型升级：八个阶段覆盖从想法到退役 ====
28 28  
29 -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。 AI用例可能出现在任何阶段，体检也必须能回答：它落在哪个阶段，如何与上下游协作，风险在哪些阶段被放大或被控制。
22 +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。AI用例可能出现在任何阶段，体检也必须能回答：它落在哪个阶段，如何与上下游协作，风险在哪些阶段被放大或被控制。
30 30  
31 -
32 32  ==== 3）体验进入核心：价值不只看效率，更看旅程摩擦与结果 ====
33 33  
34 34  AI让流程更快不一定让体验更好。ITIL 第5版强调体验进入核心，意味着体检必须问：AI减少了哪些摩擦、是否引入新的摩擦、客户满意度是否会被真实改善。
35 35  
36 -
37 37  ==== 4）AI进入框架中心：从工具话题走向治理与能力边界 ====
38 38  
39 -ITIL 第5版强调AI带来的不仅是效率机会，也是治理挑战。 数据质量、责任边界、授权与问责、可审计性是硬底座。 体检必须明确：这个用例需要什么数据门槛、谁承担问责、如何确保可审计性。
30 +ITIL 第5版强调AI带来的不仅是效率机会，也是治理挑战。数据质量、责任边界、授权与问责、可审计性是硬底座。体检必须明确：这个用例需要什么数据门槛、谁承担问责、如何确保可审计性。
40 40  
41 -
42 42  ==== 5）实践使用方式变化：从清单背诵走向情境化组合 ====
43 43  
44 -AI落地往往需要多实践组合：事件管理、请求履行、知识管理、度量与报告、风险管理、信息安全等要被按环境拼装。 体检要能提示：哪些实践能力不足会成为瓶颈。
34 +AI落地往往需要多实践组合：事件管理、请求履行、知识管理、度量与报告、风险管理、信息安全等要被按环境拼装。体检要能提示：哪些实践能力不足会成为瓶颈。
45 45  
46 46  有了这张全景图，6C体检就不再是“AI团队自己的事”，而会变成数字产品与服务管理体系的一部分：从价值、到数据、到治理、到持续改进，形成闭环。
47 47  
48 48  
49 -
50 50  === 二、6C AI能力模型的正确打开方式：它不是分类表，而是“立项前的风险与收益扫描仪” ===
51 51  
52 -
53 53  做AI用例体检，目标不是把用例打分打到漂亮，而是快速识别三件事：
54 54  
55 55  • 这件事值不值得做
... ... @@ -70,22 +70,19 @@
70 70  
71 71  • 哪些能力不足会让用例“看起来能做、实际上做不稳”
72 72  
73 -把这三件事扫清，才是6C体检的价值。 接下来进入方法本身：如何体检、体检什么、如何下结论。
61 +把这三件事扫清，才是6C体检的价值。接下来进入方法本身：如何体检、体检什么、如何下结论。
74 74  
63 +[[image:https://my.feishu.cn/space/api/box/stream/download/asynccode/?code=ODA5NTU3ZDhlNzM2MjBlZjQ4ZWMwYWU1MWJiZGMwNDBfejgxZFB2M2JSWVR5eFduSE9NU28zcGRPcVFwaXpmNDhfVG9rZW46TERLMGJVTGJpb1JFOEt4SVZYSmN5MGplbmxlXzE3NzA3MjUxMjQ6MTc3MDcyODcyNF9WNA||height="358" width="365"]]
75 75  
76 -(% style="text-align:center" %)
77 -[[image:2.jpg||height="305" width="311"]]
78 -
79 79  === ===
80 80  
81 81  === 三、AI用例体检的标准流程：四步走，把热情变成可控决策 ===
82 82  
69 +不论你要做的是智能服务台、自动分派、告警聚合、知识生成，还是风险评估与变更建议，都建议按四步体检流程推进。它比“先PoC再说”更省成本，也更符合ITIL 第5版强调的治理与可持续性。
83 83  
84 -不论你要做的是智能服务台、自动分派、告警聚合、知识生成，还是风险评估与变更建议，都建议按四步体检流程推进。 它比“先PoC再说”更省成本，也更符合ITIL 第5版强调的治理与可持续性。
85 -
86 86  ==== 第一步：定义用例的端到端结果与边界 ====
87 87  
88 -很多AI用例失败不是技术问题，而是边界问题：目标不清、范围膨胀、期望失控。 体检的第一步要把用例钉在端到端价值上。
73 +很多AI用例失败不是技术问题，而是边界问题：目标不清、范围膨胀、期望失控。体检的第一步要把用例钉在端到端价值上。
89 89  
90 90  建议明确三条边界：
91 91  
... ... @@ -105,15 +105,13 @@
105 105  
106 106  边界不清，后面所有C都无从谈起。
107 107  
108 -
109 109  ==== 第二步：用6C逐项扫描，找出收益来源与风险缺口 ====
110 110  
111 -这一步是核心。 不要急着求全，先求“看见缺口”。 6C的具体命名在不同材料中可能存在表述差异，但体检时更重要的是每个C对应的能力维度与检查问题。 以下给出一套可直接落地的体检问法，把6C变成可用工具。
95 +这一步是核心。不要急着求全，先求“看见缺口”。6C的具体命名在不同材料中可能存在表述差异，但体检时更重要的是每个C对应的能力维度与检查问题。以下给出一套可直接落地的体检问法，把6C变成可用工具。
112 112  
113 -
114 114  ==== 第三步：给出体检结论与优先级顺序 ====
115 115  
116 -体检不是写报告，而是为了决策。 结论建议分成三类：
99 +体检不是写报告，而是为了决策。结论建议分成三类：
117 117  
118 118  **立即可做**
119 119  
... ... @@ -127,10 +127,9 @@
127 127  
128 128  • 收益不大、风险很高、或边界难以治理
129 129  
130 -
131 131  ==== 第四步：把体检结果嵌入价值流与持续改进节奏 ====
132 132  
133 -AI用例不是一次性上线，而是持续演进。 体检结论要落到：
115 +AI用例不是一次性上线，而是持续演进。体检结论要落到：
134 134  
135 135  • 价值流的哪个环节试点
136 136  
... ... @@ -141,16 +141,13 @@
141 141  这一步做不到，AI用例就很容易变成“上线即巅峰”，后续被噪声与风险拖垮。
142 142  
143 143  
144 -
145 145  === 四、6C体检清单：每个C问这几件事，就能快速识别缺口 ===
146 146  
128 +下面进入最关键的部分：把6C变成体检清单。为了可操作，这里用“每个C三到五个问题”的方式呈现，读者可以直接把自己的用例逐条过一遍。
147 147  
148 -下面进入最关键的部分：把6C变成体检清单。 为了可操作，这里用“每个C三到五个问题”的方式呈现，读者可以直接把自己的用例逐条过一遍。
149 -
150 -
151 151  ==== C1：Creation（生成）——AI产出的内容与建议到底用来干什么 ====
152 152  
153 -这一类能力关心“AI产出什么、产出是否可用”。 体检要问：
132 +这一类能力关心“AI产出什么、产出是否可用”。体检要问：
154 154  
155 155  **产出类型是什么**
156 156  
... ... @@ -176,10 +176,9 @@
176 176  
177 177  如果这一关说不清，后面就别谈自动化，因为你连“产出是否合格”都无法判断。
178 178  
179 -
180 180  ==== C2：Curation（筛选与治理）——知识与数据是否干净，是否可追溯 ====
181 181  
182 -这一类能力关心“输入与知识资产是否可靠”。 体检要问：•
160 +这一类能力关心“输入与知识资产是否可靠”。体检要问：•
183 183  
184 184  **输入与知识从哪里来**
185 185  
... ... @@ -252,10 +252,9 @@
252 252  
253 253  这是AI用例最常见的“隐形瓶颈”。很多团队一上来就做Creation，结果被Curation卡死：数据不干净，输出自然不稳。
254 254  
255 -
256 256  ==== C3：Communication（沟通）——AI如何与人协作，如何避免误导与信任损耗 ====
257 257  
258 -这一类能力关心“AI输出如何被理解与使用”。 体检要问：
235 +这一类能力关心“AI输出如何被理解与使用”。体检要问：
259 259  
260 260  **输出是否足够透明**
261 261  
... ... @@ -283,6 +283,8 @@
283 283  * (((
284 284  人在这个环节中扮演什么角色
285 285  
263 +*
264 +
286 286  审核者、执行者，还是最终决策者
287 287  )))
288 288  * (((
... ... @@ -300,8 +300,12 @@
300 300  * (((
301 301  是否引入新的摩擦
302 302  
282 +*
283 +
303 303  反复确认
304 304  
286 +*
287 +
305 305  表达含糊、解释成本上升
306 306  )))
307 307  * (((
... ... @@ -332,12 +332,11 @@
332 332  错误被发现后是否能被修正、反馈、闭环
333 333  )))
334 334  
335 -很多AI用例的失败不是因为“答错”，而是因为“让人误以为答对”。 信任损耗一旦发生，恢复成本很高。
318 +很多AI用例的失败不是因为“答错”，而是因为“让人误以为答对”。信任损耗一旦发生，恢复成本很高。
336 336  
337 -
338 338  ==== C4：Coordination（协同与编排）——AI如何触发行动，如何把工作编排起来 ====
339 339  
340 -这一类能力关心“从建议到行动”的链路是否可控。 体检要问：
322 +这一类能力关心“从建议到行动”的链路是否可控。体检要问：
341 341  
342 342  **AI 输出会触发哪些动作**
343 343  
... ... @@ -405,12 +405,11 @@
405 405  出错时责任链路是否清晰
406 406  )))
407 407  
408 -Coordination做不好，AI就只能停留在“聊天机器人”层，无法形成真正的效率闭环;但Coordination做得太快，又会把风险放大，所以治理边界必须同时到位。
390 +Coordination做不好，AI就只能停留在“聊天机器人”层，无法形成真正的效率闭环；但Coordination做得太快，又会把风险放大，所以治理边界必须同时到位。
409 409  
410 -
411 411  ==== C5：Control（控制与治理）——风险边界、授权、问责、可审计性是否完整 ====
412 412  
413 -这一类能力关心“在可控范围内获得收益”。 体检要问：
394 +这一类能力关心“在可控范围内获得收益”。体检要问：
414 414  
415 415  **风险边界是否明确**
416 416  
... ... @@ -471,10 +471,9 @@
471 471  
472 472  Control是“必修课”的核心。没有Control，前面四个C做得越好，风险放大得越快。
473 473  
474 -
475 475  ==== C6：持续改进（持续改进）——上线之后如何变得更好，而不是更乱 ====
476 476  
477 -这一类能力关心“长期可持续”。 体检要问：
457 +这一类能力关心“长期可持续”。体检要问：
478 478  
479 479  **度量体系是什么**
480 480  
... ... @@ -539,17 +539,14 @@
539 539  持续改进缺失时，AI用例常见路径是：上线初期看起来很强，三个月后被噪声与例外打垮，最后回到人工兜底，组织对AI产生疲劳与不信任。
540 540  
541 541  
542 -
543 543  === 五、体检结论怎么写才有用：给出“能做、怎么做、先做什么” ===
544 544  
524 +体检结果要能直接驱动行动。建议把结论写成三层：
545 545  
546 -体检结果要能直接驱动行动。 建议把结论写成三层：
547 -
548 548  **能做什么**
549 549  
550 550  • 哪些场景适合先做，哪些要暂缓
551 551  
552 -
553 553  **怎么做**
554 554  
555 555  • 先在哪条价值流试点，AI角色是建议还是执行
... ... @@ -556,7 +556,6 @@
556 556  
557 557  • 关键控制点与授权机制如何配置
558 558  
559 -
560 560  **先做什么**
561 561  
562 562  • 六个C里最短板的是哪一个
... ... @@ -563,7 +563,6 @@
563 563  
564 564  • 先补数据治理与证据链，还是先补编排与自动化闭环
565 565  
566 -
567 567  为了更易落地，可以把行动项按优先级写成：
568 568  
569 569  **• 第一优先：补Curation与Control**
... ... @@ -581,30 +581,26 @@
581 581  这个顺序不是绝对，但在多数ITSM与平台场景里非常实用：数据与治理是地基，编排是骨架，沟通与改进是肌肉与神经。
582 582  
583 583  
584 -
585 585  === 六、常见误判与纠偏：为什么很多AI用例“看起来能做，最后做不稳” ===
586 586  
561 +用6C体检，最值钱的往往是提前识别误判。以下三类误判最常见：
587 587  
588 -用6C体检，最值钱的往往是提前识别误判。 以下三类误判最常见：
589 -
590 590  **• 误判一：把Creation当全部**
591 591  
592 -只盯生成效果，不看数据质量与治理边界。 纠偏方式是先补Curation与Control，把证据链与问责机制落地。
565 +只盯生成效果，不看数据质量与治理边界。纠偏方式是先补Curation与Control，把证据链与问责机制落地。
593 593  
594 -
595 595  **• 误判二：把自动化闭环当作越快越好**
596 596  
597 -Coordination推进过快，触发条件与异常降级不清晰，导致误作扩大影响。 纠偏方式是明确执行边界：先建议、后执行；先低风险、后高风险。
569 +Coordination推进过快，触发条件与异常降级不清晰，导致误作扩大影响。纠偏方式是明确执行边界：先建议、后执行；先低风险、后高风险。
598 598  
599 -
600 600  **• 误判三：把上线当终点**
601 601  
602 -没有持续改进节奏，偏差积累成噪声，最终回到人工兜底。 纠偏方式是把度量与复盘固化为BAU，让用例持续演进。
573 +没有持续改进节奏，偏差积累成噪声，最终回到人工兜底。纠偏方式是把度量与复盘固化为BAU，让用例持续演进。
603 603  
604 -这些误判背后其实只有一句话：AI用例不是模型问题，而是管理能力问题。 6C体检的价值，就是把管理能力的缺口提前照出来。
575 +这些误判背后其实只有一句话：AI用例不是模型问题，而是管理能力问题。6C体检的价值，就是把管理能力的缺口提前照出来。
605 605  
606 606  
607 -ITIL v5时代用6C AI能力模型做“AI用例体检”的正确姿势，是把它当成一张能力地图而不是背诵清单：先用端到端价值与边界定义把用例钉住，再用Creation到持续改进逐项扫描识别收益与缺口，尤其优先补齐数据筛选与治理控制这两块硬底座，最后把试点嵌入价值流与复盘节奏; 体检做得好，AI用例就能在可接受风险之内稳定释放效率与体验收益，而不是上线越快、翻车越快。
578 +ITIL v5时代用6C AI能力模型做“AI用例体检”的正确姿势，是把它当成一张能力地图而不是背诵清单：先用端到端价值与边界定义把用例钉住，再用Creation到持续改进逐项扫描识别收益与缺口，尤其优先补齐数据筛选与治理控制这两块硬底座，最后把试点嵌入价值流与复盘节奏;体检做得好，AI用例就能在可接受风险之内稳定释放效率与体验收益，而不是上线越快、翻车越快。
608 608  
609 609  
610 -欢迎加长河老师微信achotsao，深入交流ITIL 第5版最新资讯。
581 +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。
Icon 2.jpg
Author
... ... @@ -1,1 +1,0 @@
1 -XWiki.superadmin
Size
... ... @@ -1,1 +1,0 @@
1 -91.0 KB
Content Icon
深圳市艾拓先锋企业管理咨询有限公司