当企业IT系统规模不断扩大，服务请求从“结构化工单”转变为“非结构化表达”（如聊天记录、邮件、语音、截图），传统ITSM体系开始明显吃力。规则可以定义流程，但无法理解语义；流程可以执行任务，但无法真正理解“问题是什么”。
在这一背景下，大模型 ITSM开始进入企业视野。它不再只是对流程进行自动化，而是尝试让系统具备“理解问题”的能力，从根本上改变IT服务管理的工作方式。
一、ITSM的瓶颈：流程很强，但“理解力不足”
传统ITSM系统的核心优势在于标准化流程，但其局限性也非常明确：它依赖结构化输入与预定义规则。
现实运维场景中，大量问题并不是标准工单格式，而是“描述不清的问题现象”。例如用户一句“系统卡住了”，在传统ITSM中需要人工分类、手动判断优先级，再进行派单。
这种模式在小规模环境中可以运行，但在高并发、多业务线环境中，会迅速放大为效率瓶颈。
二、大模型进入ITSM之后，改变了什么？
大模型的引入，并不是简单“加一个AI功能”，而是改变了ITSM的输入与处理方式。
过去系统依赖结构化字段，现在可以直接理解自然语言描述；过去需要人工分类问题，现在可以自动识别意图；过去依赖经验派单，现在可以基于语义+历史数据进行判断。
这种变化的核心，是ITSM从“规则系统”开始向“理解系统”演进。三、大模型 ITSM的核心能力结构：从“功能堆叠”到“能力闭环”
大模型赋能之后的ITSM系统，不再是单一功能模块的叠加，而是围绕“理解—处理—优化”形成的一体化能力体系。这种体系更强调能力之间的联动，而不是孤立功能点的罗列。
从整体来看，这套能力可以被理解为三层协同结构。
在最底层，是对问题的“理解层”。系统通过语义解析能力，将来自邮件、工单、IM甚至语音描述的非结构化信息转化为可识别的服务请求。这一层解决的是“问题是什么”的基础认知问题。
在中间层，是“处理与决策层”。系统结合历史数据、组织结构与服务规则，对问题进行自动分类、优先级判断与资源匹配，使工单能够在最短路径内流转到合适的处理角色。这一层决定的是“问题由谁来处理、如何处理”。
在最上层，是“优化与进化层”。系统通过对历史工单、处理结果与用户反馈进行持续学习，不断优化识别准确率、派单策略与知识推荐能力，使整个ITSM体系具备自我演进能力。这一层解决的是“系统如何越用越聪明”。
能力关系示意（非线性结构）
| 层级 | 能力方向 | 核心作用 |
|---|
| 理解层 | 语义识别与意图解析 | 将非结构化信息转为可处理问题 |
| 决策层 | 分类 / 派单 / 推荐 | 实现问题高效流转与资源匹配 |
| 进化层 | 学习 / 优化 /反馈闭环 | 提升整体系统智能水平 |
四、结构变化：ITSM从“流程系统”变成“认知系统”
如果从系统结构来看，大模型 ITSM带来的变化可以用一张对比来理解：
| 传统ITSM | 大模型ITSM |
|---|
| 规则驱动流程 | 语义驱动理解 |
| 人工分类工单 | 自动识别问题 |
| 固定派单逻辑 | 动态智能分流 |
| 静态知识库 | 动态知识推荐 |
| 被动响应 | 半主动辅助 |
这种结构变化的本质，是系统从“执行工具”向“认知助手”的转变。
五、典型应用场景：大模型正在进入哪些环节？
在实际企业落地中，大模型 ITSM主要集中在几个高频场景：
在服务台入口，大模型可以自动理解用户描述并生成标准工单；在事件处理阶段，可以自动进行初步分类与优先级判断；在知识检索环节，可以直接推荐解决方案，而不再依赖关键词搜索；在问题分析阶段，可以辅助进行日志归纳与初步定位。
这些能力叠加，使ITSM从“人主导系统”逐渐变为“人机协同系统”。
六、挑战仍然存在：不是所有AI都能变成ITSM能力
尽管大模型能力提升明显，但在ITSM场景中仍然存在现实约束。
例如，企业数据质量参差不齐，会影响模型判断准确性；复杂业务场景下，责任界定仍需要人工确认；在高风险行业（如金融、电信），自动决策仍需严格控制边界。
因此，大模型 ITSM更现实的形态，是“增强型决策系统”，而不是完全自动化系统。
结语
大模型 ITSM正在推动IT服务管理从“流程自动化”走向“语义智能化”。它不仅改变了工单处理方式，更改变了系统对“问题”的理解方式。
未来的ITSM不再只是一个执行系统，而是一个能够理解业务语言、辅助决策并持续学习的智能服务中枢。而企业之间的IT服务能力差距，也将逐渐体现在“是否具备大模型级理解能力”上。
