事实上，工单从来就不是为现代企业环境的速度、复杂性和规模而设计的，面对混合基础设施、AI工作负载，以及对正常运行时间和用户体验日益增长的期望，等待问题被报告后再采取行动已经远远不够，IT需要提前发现问题，而不仅仅是在问题发生后做出响应。

是时候让工单不再作为IT工作的默认单位了。

反对工单的理由

让我们直面工单的本质：它是一种权宜之计，它是人类作为诊断和解决技术问题唯一手段的时代遗物。在以人为中心的工作流程中，它有其合理性：记录问题，分配给团队，然后等待解决，但在大规模应用下，工单显露出了其摩擦点。

它们耗费时间，它们拖慢了平均修复时间(MTTR)，它们造成了队列堆积，它们让员工筋疲力尽。在问题解决之前，它们往往需要解释、丰富、分类和升级。更糟的是，它们强化了一种被动反应的文化：“你创建工单了吗?”成了条件反射，而不是“我们是否解决了根本原因?”

从我与全球电信、金融服务、制造业和公共部门企业的合作经验来看，工单不仅仅是运营开销，更是机会成本，每分钟用于打开、路由或等待工单的时间，都是本可用于解决问题或推进战略目标的时间，员工等待有人打开工单，等待有人接手，再等待有人采取行动，这不仅仅低效，更是整个企业失去了动力。

Forrester的一项研究发现，因IT相关延迟导致的生产力损失每年可达每1000名员工150万至300万美元，其中大部分是由于等待，而非修复，这不是技术失败，而是流程失败。

新模式：主动、自主和协调

现代IT领导者正在追求一种截然不同的运营模式，其目标是自动解决问题，在问题对用户可见或升级为昂贵事件之前就将其解决，这并不意味着“永远没有工单”，而是指工单不再是第一道防线。

取而代之的是，智能体、AIOps信号和智能自动化正成为默认的工作方式，服务台正在转变为协调中心，人则专注于持续改进、治理和复杂异常处理。

这一转变并非假设，根据Gartner的2025年报告《智能体将变革企业IT运营》，到2027年，这些自主系统将处理超过50%的IT运营任务，用智能体主导的解决循环取代传统的被动工作流程。

进入IT的两大“入口”——用户提交请求的人类前台和基础设施及可观测性信号的机器后台——正在被重新构想：

• 人类前台正在通过智能虚拟智能体进化，这些智能体能够拦截用户请求，自动解决常见问题，满足访问和配置需求，并随时间学习交互。

• 机器后台正在形成一个闭环：可观测性和监控工具检测异常和性能下降，触发自动分类和自愈工作流程，无需人工干预。

金融服务和电信领域的领先企业已经看到，常规事件和服务请求无需人工技术人员介入即可解决，更重要的是，这一转变重新定义了IT对所有权、责任和服务交付的理解。

现代化服务交付所需的条件

这不仅仅是一次技术升级，而是IT工作定义、优先级设定和执行方式的变革。CIO和I&O领导者必须在人员、流程和平台方面采取全面方法。以下是实践中的样子：

1. 从最常见的工单开始

识别按数量排名的前5到10种工单类型;如密码重置、系统访问和连接问题。大多数企业发现，60%到80%的工单属于少数几个可重复的类别。

这些是自动化的理想候选对象，特别是如果解决步骤是基于策略、文档完善的工作流程。

2. 采用结合智能与行动的智能体

传统聊天机器人擅长回答问题，但它们不解决问题。需要的是自主式AI——能够解释上下文、做出决策并采取行动的软件实体。

这些智能体将自然语言理解与协调逻辑相结合，能够根据情况动态选择正确的流程执行，结果是更快、更准确的解决，几乎无需人工输入。

3. 整合可观测性和自动化

许多企业已在监控上投入巨资，但仍将警报路由到工单队列。那不是可观测性，那只是大规模噪音。

将您的监控工具与协调平台连接，以便已知的故障条件自动触发修复工作流程。事件关联、影响分析和阈值检测都应在工单队列上游完成。

如果做得好，基础设施将实现自愈。

4. 将人提升为工程师和策略师

一线并未消失，而是进化了，智能体不再手动履行工单，而是成为流程工程师和服务设计师，他们定义“良好”的标准，他们构建可重用的工作流程，他们确保自动化是安全、可靠和合规的。

这不是关于减少人力，而是关于转移工作、减少停机、消除硬性成本，并最终提高标准。

风险所在

这一转变并非关于虚荣指标，而是关于：

• 增加覆盖范围，将重复性工作量从人员转移到机器，以便团队能够专注于创新。

• 加速自主解决，减少需要人工输入的MTTR。

• 最小化工单队列，在需要人工干预之前解决请求。

• 恢复生产力小时数，消除等待工单、分类和修复的时间。

• 通过工作流程重用实现扩展，一次构建，多次部署。可重用工作流程带来复合回报。

• 缩短实现价值的时间，更快上线=更快ROI。

• 主动预防事件，在问题干扰业务之前解决它们。

• 提高业务正常运行时间，以直接影响SLA和满意度的方式减少停机和升级。

或许最重要的是，这是关于使IT结果与业务影响保持一致，以便自动化成为战略倍增器，而不仅仅是技术项目。

实际的前进路径

这一新模式对每个组织来说都不会相同，有些将从服务台开始，有些将从AIOps开始，关键是从能快速看到影响的地方开始，然后从那里扩展。

• 选择一两个高容量用例进行完全自动化

• 衡量节省的时间、转移量和满意度

• 将收益再投资于额外的体验改进

• 为解决速度、成本节约和首次呼叫解决率(FCR)建立关键绩效指标(KPI)

• 宣传成功并建立内部动力

这不是一夜之间的转变，但它是必要的，旧的玩法——路由、分类、分配、升级——是为另一个时代设计的，我们今天支持的业务无法承受等待队列。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。