ITIL 5最值得学习的，不是新术语，而是重新思考IT工作

每次完成ITIL Foundation（Version 5）培训，我都会问自己：学员离开课堂时，真正应该带走什么？

ITIL 5里有很多值得学习的内容。

数字化产品和服务、价值共创、产品与服务生命周期、价值流、管理实践、持续改进、体验、AI能力和治理。

这些概念共同构成了一套面向当前数字化环境的管理框架。

但知识越多，越容易出现一种误区：把学习变成术语更新。

过去说流程，现在说价值流。

过去说自动化，现在说智能体。

过去说业务系统，现在说数字化产品。

名称变化了，工作方式却没有变化。

在我看来，ITIL 5真正有价值的地方，是帮助IT人员重新思考自己为什么工作、怎样判断价值，以及面对AI时如何守住管理责任。

IT部门最大的惯性，是从工具和动作开始

业务提出一个问题，IT人员很容易立刻寻找工具。

工单混乱，就购买ITSM系统。

配置数据不准，就建设CMDB。

知识查找困难，就上线知识平台。

业务希望使用AI，就比较模型和智能体产品。

工具本身没有错。

问题是，在决定使用工具之前，组织经常没有把问题定义清楚。

工单混乱，是没有统一入口，还是分类过于复杂？

配置数据不准，是采集能力不足，还是没有维护责任？

知识查找困难，是检索不好，还是文章已经过期？

业务需要AI，是需要生成文字，还是要访问数据、调用系统并完成真实任务？

如果问题没有说清楚，工具只能把原来的混乱搬到新的界面。

ITIL七项指导原则的作用，就是在我们急着行动之前，不断拉回一些基本问题。

聚焦价值，不要迷恋“已经完成”

IT部门经常用完成情况证明成绩。

项目已经上线。

工单已经关闭。

变更已经实施。

智能体已经部署。

可这些“完成”，并不一定等于用户获得结果。

系统上线以后，业务流程是否更顺畅？

工单关闭以后，用户是否恢复工作？

变更实施以后，服务是否稳定？

智能体部署以后，有没有人真正使用？

IT工作不能只停留在内部动作。

价值必须通过结果和体验被感知。

课堂上演示AI生成铜期货周报时，我最不希望学员得出的结论，是“AI写报告很快”。

真正值得观察的是，采购人员需要什么信息，哪些来源可信，报告怎样进入实际工作，以及业务人员使用后如何反馈。

技术能力只有进入真实场景，才可能成为价值。

从现状开始，不要把“重建”当作进步

面对新技术，很多人会觉得现有系统全部落后。

知识库要重新做。

流程要重新画。

数据要重新整理。

平台要重新购买。

这种做法看起来有决心，也可能带来巨大浪费。

组织现有的流程、系统、数据和经验中，通常既有问题，也有可以利用的资产。

一套老系统可能保存了多年事件和变更记录。

一批格式不统一的知识文章，仍然可能包含珍贵经验。

一个并不完美的服务台，至少已经形成用户入口。

从现状开始，是先分辨哪些内容可以继续使用，哪些内容需要改善。

真正的转型不一定以推倒重来为标志。

很多时候，能够在现有基础上形成一个可验证的小变化，比设计一张宏大的未来蓝图更有价值。

基于反馈迭代，避免用版本号掩盖没有验证

AI让原型形成速度变得很快。

一份报告、一个网页、一个智能体流程，都可以在较短时间里出现第一版。

这是一件好事，也可能带来另一种浪费：不停生成新版本，却从不认真验证旧版本。

业务人员是否使用？

输出中哪些内容真正有帮助？

哪些信息经常出错？

哪些步骤仍然需要人工返工？

如果这些反馈没有被记录，所谓迭代只是不断修改外观。

ITIL强调基于反馈推进，不是为了追求“敏捷”标签，而是要求每一次变化都与真实结果连接。

没有反馈，IT很容易陷入自我感动。

提高可见性，是价值流真正改变管理的地方

在深圳艾拓先锋课堂上，我用地铁亮灯线路图解释价值流。

地铁线路图不负责开车。

它只是告诉乘客列车到哪里了，哪些站已经经过，哪些站还没有到达。

价值流也不替代底层流程。

它把事件、变更、配置、供应商和知识等实践中的关键状态提取出来，让用户、工程师和管理者看到一件事情当前走到哪里。

很多组织并不是没有人工作，而是工作状态不可见。

用户不知道工单在哪。

服务台不知道二线是否处理。

变更团队不知道申请还缺什么。

管理者不知道时间消耗在哪里。

可见性提高以后，等待、积压、绕行和接口问题才会暴露出来。

AI进入工作以后，可见性更加重要。

数字员工读取过什么、判断过什么、调用过什么工具、修改过什么配置，都需要被记录和审计。

不能因为执行者不是人，就让行动变成黑箱。

整体思考，让IT不再把所有问题都推给技术

系统响应慢，可能是数据库问题。

也可能是监控缺失、供应商支持不足、升级路径不清楚、业务高峰变化或配置关系错误。

用户满意度下降，可能是恢复速度问题。

也可能是状态长期不透明、沟通方式生硬、知识内容过期或服务承诺不合理。

复杂问题很少只存在于某一个设备或某一个部门。

ITIL用组织和人员、信息和技术、合作伙伴和供应商、价值流和流程四个维度提醒我们，数字化产品与服务是多个因素共同形成的结果。

整体思考不是把问题分析得无限复杂。

它只是避免我们过早认定：“买一套工具就好”“换一个工程师就好”“增加一次审批就好”。

保持简单，真正考验的是判断力

AI能够快速生成复杂内容以后，简单反而变得更难。

流程图很容易画得越来越大。

表单很容易增加更多字段。

看板很容易增加更多指标。

智能体很容易加入更多工具。

但一个方案可以实现，并不代表它应该实现。

价值流的展示应该让人迅速知道进度，而不是让用户学习复杂符号。

服务请求应该收集完成任务真正需要的信息，而不是把所有可能字段都放进表单。

低风险标准操作应当采用与风险匹配的控制，而不是复制重大变更的全部审批。

保持简单不是降低专业要求。

它要求设计者有能力识别什么真正重要，什么只是因为“可以增加”才被增加。

优化和自动化，顺序不能颠倒

AI智能体让自动化变得更加容易。

自然语言可以生成脚本，模型可以调用API，多个任务可以并行执行。

但低效流程不会因为引入AI自动变得合理。

一个工单在多个部门之间反复转派，智能体可以让转派更快，却没有消除责任不清。

一个知识库充满过期内容，AI可以更快返回答案，却可能更快传播错误。

一个变更流程没有风险分类，自动审批只会把不合理控制隐藏起来。

优化的目标，是删除不必要的步骤、理清信息和责任。

自动化的目标，是让已经合理的工作更快、更稳定。

顺序颠倒以后，技术会把混乱放大。

AI时代，IT部门最需要的仍然是管理能力

AI可以生成报告、分析日志、编写代码、调用工具和协调任务。

它确实会改变IT部门的工作内容。

但它不会自动解决组织中的价值、责任和治理问题。

哪些数据可以使用？

哪些判断可以交给AI？

哪些动作可以自动执行？

哪些结果必须由人确认？

出现错误以后由谁负责？

这些都不是模型自己能够决定的问题。

IT部门未来的重要价值之一，是把AI能力转化成可使用、可控制、可持续改进的数字化产品。

这要求IT人员既理解技术，也理解业务场景、产品生命周期、服务体验、价值流和治理边界。

维护系统仍然重要。

但只会维护系统，已经不足以覆盖AI时代的全部价值空间。

学ITIL 5，是为了换一种方式工作

ITIL 5不是要求所有组织复制同一套流程，也不是提供一张万能模板。

它更像一套校准思考的坐标。

先看价值，不要只看动作。

先看现状，不要急着推倒重来。

用反馈判断变化是否有效。

让协作状态真正可见。

从整体理解复杂问题。

让设计保持简单实用。

先优化，再自动化。

当这些原则真正进入日常工作，IT人员面对新系统、新流程和新AI工具时，就不会只问“它有什么功能”。

还会继续问：

它解决了什么真实问题？

怎样知道它有效？

风险由谁承担？

它是否让端到端工作更加顺畅？

这才是ITIL 5最值得学习的部分。

不是多记住一批术语，而是重新思考IT工作为什么存在，以及怎样让技术真正转化为组织可以感受到的价值。

作者：长河老师

本文根据深圳艾拓先锋ITIL Foundation（Version 5）课堂内容整理。