从 AI 原生工作方式，看 ITIL 第 5 版里的管理指标重构


本系列为ITIL官方宣传大使长河（曹坤良）老师2026年5月联想ITIL 5内训课程教学心得分享，共五篇，本文为第一篇。


这次联想 ITIL 5 Foundation 内训课程里，有一个问题让我到现在还会反复想起。


课堂讨论中，有管理者问我：长河老师，当企业开始大量采用 AI 数字员工之后，是不是可以把"有效的 Token 消耗量"作为人类员工的核心考核指标之一？这个问题不是在问某个工具怎么用，也不是在问 AI 能不能提高效率，而是在追问：AI 原生工作方式能不能被量化，能不能进入组织的管理指标体系？


很多人听到 Token，第一反应是成本，是大模型调用账单，是技术团队要控制的资源消耗。但这位学员的追问把它往前推了一步：如果一个员工能够主动识别哪些工作可以交给数字员工，能够设计清楚人机协作路径，能够用 AI 放大自己的有效产出，那么 Token 消耗也许不仅是成本痕迹，也可能是新型工作方式的活动痕迹。当然，这里要特别小心——不是 Token 消耗越多就越好，也不是鼓励为了指标而使用 AI。真正值得管理的是"有效 Token"，也就是能够转化为真实工作成果、减少重复劳动、提高服务交付效率的 AI 使用。

我在课堂上和大家讨论，这个问题背后其实是 IT 服务管理指标正在被 AI 重构。过去 ITIL 体系里的很多指标，围绕人的流程活动设计。事件响应时间、恢复时间、变更成功率、SLA 达成率、知识条目数量、用户满意度，这些都是成熟 ITSM 组织很熟悉的指标——它们帮助管理者看到流程是否稳定，服务是否可控。但 AI 数字员工进入之后，组织里多了一种新的生产要素：智能体的调用和执行。一个工程师原来亲自整理日志、分析告警、撰写报告，现在可能通过 AI 完成初步整理，再由自己判断和校订。一个服务台同事原来逐条查询知识库，现在可能让 AI 先推荐候选答案。一个运维团队原来人工汇总事件复盘材料，现在可能由 AI 自动生成初稿。这里的管理问题就变了：不仅要看人完成了多少工单，还要看人是否有效地调度了数字员工。这正是"有效 Token"这个指标有讨论价值的地方，它提醒管理层，AI 不是附加工具，而可能成为工作方式本身的一部分。


不过，指标一旦进入考核，就会改变行为。所以设计这类指标必须非常谨慎。如果只看 Token 总量，很容易鼓励无效调用。员工为了显得"AI 使用积极"，可能把本来简单的问题也丢给模型，造成成本浪费，甚至让工作变慢。更好的指标设计，应当把 Token 消耗与结果联系起来。比如某类任务在引入 AI 后，平均处理时长是否下降；人工返工率是否降低；服务请求一次解决率是否提高；重大事件复盘报告生成时间是否缩短；知识条目审核通过率是否提升。换句话说，Token 不应该孤立存在，它更像一项代谢指标，单独看没有意义，要和产出、质量、风险、成本一起看。一个健康的组织，不会因为某个指标好看就判断整体健康——有效 Token 消耗量如果要成为管理指标，必须放进更完整的指标组合里，既反映 AI 使用强度，也反映使用效果，还要反映成本和风险是否可控。

这里也自然引出了另一个问题：谁来管理企业的 Token？当企业内部各部门都开始调用大模型，Token 不再只是某个技术项目的消耗，而会逐渐变成横跨业务、IT、财务和合规的资源。业务部门想要能力，财务关心成本，安全合规关心数据和权限，管理层关心产出，IT 部门则必须看见全局。如果 IT 部门能够主动承接统一模型调用入口、算力资源接入、Token 计量、成本分摊、安全审查和使用数据分析，就会形成一个很重要的治理位置。这件事和 ITIL 第 5 版有很深的关系，ITIL 第 5 版讲 AI 治理、数字化产品和服务生命周期、服务价值流，其实都在帮助 IT 部门从单纯技术支持，转向组织级数字化能力管理。Token 指标只是其中一个入口，它背后是 AI 时代 IT 服务管理的指标体系重构。


课间在联想园区的走廊里散步，脑子里还在转着课堂上那个关于 Token 的话题。作为 ITIL 官方中国区大使和 ITIL 大师级授权讲师，我做 ITIL 培训和 ITSM 实践这么多年，越来越感到，管理指标的变化往往比工具变化更能说明一个组织进入了哪个阶段。早期关心有没有流程，流程成熟后关心 SLA 和合规，再往后关心端到端价值，现在 AI 进入后，又开始关心数字员工如何放大人的有效产出。联想 IT 这次课堂能提出这样的指标问题，说明他们不是把 ITIL 第 5 版当成一套新术语，而是在思考如何用它重新校准管理方式。


有效 Token 消耗量能不能成为指标？我的答案不是简单的能或不能，而是：它可以成为 AI 原生工作方式的一项观察信号，但必须和结果质量、服务价值、成本控制、风险边界一起设计。这正是先进 IT 组织学习 ITIL 第 5 版的意义——它不只是告诉我们 AI 能做什么，更重要的是帮助管理者问出新的指标问题：什么才算有效使用 AI，什么才算真正提高服务价值，什么才算组织健康地进入 AI 原生工作方式。

从 AI 原生工作方式，看 ITIL 第 5 版里的管理指标重构


本系列为ITIL官方宣传大使长河（曹坤良）老师2026年5月联想ITIL 5内训课程教学心得分享，共五篇，本文为第一篇。


这次联想 ITIL 5 Foundation 内训课程里，有一个问题让我到现在还会反复想起。


课堂讨论中，有管理者问我：长河老师，当企业开始大量采用 AI 数字员工之后，是不是可以把"有效的 Token 消耗量"作为人类员工的核心考核指标之一？这个问题不是在问某个工具怎么用，也不是在问 AI 能不能提高效率，而是在追问：AI 原生工作方式能不能被量化，能不能进入组织的管理指标体系？


很多人听到 Token，第一反应是成本，是大模型调用账单，是技术团队要控制的资源消耗。但这位学员的追问把它往前推了一步：如果一个员工能够主动识别哪些工作可以交给数字员工，能够设计清楚人机协作路径，能够用 AI 放大自己的有效产出，那么 Token 消耗也许不仅是成本痕迹，也可能是新型工作方式的活动痕迹。当然，这里要特别小心——不是 Token 消耗越多就越好，也不是鼓励为了指标而使用 AI。真正值得管理的是"有效 Token"，也就是能够转化为真实工作成果、减少重复劳动、提高服务交付效率的 AI 使用。

我在课堂上和大家讨论，这个问题背后其实是 IT 服务管理指标正在被 AI 重构。过去 ITIL 体系里的很多指标，围绕人的流程活动设计。事件响应时间、恢复时间、变更成功率、SLA 达成率、知识条目数量、用户满意度，这些都是成熟 ITSM 组织很熟悉的指标——它们帮助管理者看到流程是否稳定，服务是否可控。但 AI 数字员工进入之后，组织里多了一种新的生产要素：智能体的调用和执行。一个工程师原来亲自整理日志、分析告警、撰写报告，现在可能通过 AI 完成初步整理，再由自己判断和校订。一个服务台同事原来逐条查询知识库，现在可能让 AI 先推荐候选答案。一个运维团队原来人工汇总事件复盘材料，现在可能由 AI 自动生成初稿。这里的管理问题就变了：不仅要看人完成了多少工单，还要看人是否有效地调度了数字员工。这正是"有效 Token"这个指标有讨论价值的地方，它提醒管理层，AI 不是附加工具，而可能成为工作方式本身的一部分。


不过，指标一旦进入考核，就会改变行为。所以设计这类指标必须非常谨慎。如果只看 Token 总量，很容易鼓励无效调用。员工为了显得"AI 使用积极"，可能把本来简单的问题也丢给模型，造成成本浪费，甚至让工作变慢。更好的指标设计，应当把 Token 消耗与结果联系起来。比如某类任务在引入 AI 后，平均处理时长是否下降；人工返工率是否降低；服务请求一次解决率是否提高；重大事件复盘报告生成时间是否缩短；知识条目审核通过率是否提升。换句话说，Token 不应该孤立存在，它更像一项代谢指标，单独看没有意义，要和产出、质量、风险、成本一起看。一个健康的组织，不会因为某个指标好看就判断整体健康——有效 Token 消耗量如果要成为管理指标，必须放进更完整的指标组合里，既反映 AI 使用强度，也反映使用效果，还要反映成本和风险是否可控。

这里也自然引出了另一个问题：谁来管理企业的 Token？当企业内部各部门都开始调用大模型，Token 不再只是某个技术项目的消耗，而会逐渐变成横跨业务、IT、财务和合规的资源。业务部门想要能力，财务关心成本，安全合规关心数据和权限，管理层关心产出，IT 部门则必须看见全局。如果 IT 部门能够主动承接统一模型调用入口、算力资源接入、Token 计量、成本分摊、安全审查和使用数据分析，就会形成一个很重要的治理位置。这件事和 ITIL 第 5 版有很深的关系，ITIL 第 5 版讲 AI 治理、数字化产品和服务生命周期、服务价值流，其实都在帮助 IT 部门从单纯技术支持，转向组织级数字化能力管理。Token 指标只是其中一个入口，它背后是 AI 时代 IT 服务管理的指标体系重构。


课间在联想园区的走廊里散步，脑子里还在转着课堂上那个关于 Token 的话题。作为 ITIL 官方中国区大使和 ITIL 大师级授权讲师，我做 ITIL 培训和 ITSM 实践这么多年，越来越感到，管理指标的变化往往比工具变化更能说明一个组织进入了哪个阶段。早期关心有没有流程，流程成熟后关心 SLA 和合规，再往后关心端到端价值，现在 AI 进入后，又开始关心数字员工如何放大人的有效产出。联想 IT 这次课堂能提出这样的指标问题，说明他们不是把 ITIL 第 5 版当成一套新术语，而是在思考如何用它重新校准管理方式。


有效 Token 消耗量能不能成为指标？我的答案不是简单的能或不能，而是：它可以成为 AI 原生工作方式的一项观察信号，但必须和结果质量、服务价值、成本控制、风险边界一起设计。这正是先进 IT 组织学习 ITIL 第 5 版的意义——它不只是告诉我们 AI 能做什么，更重要的是帮助管理者问出新的指标问题：什么才算有效使用 AI，什么才算真正提高服务价值，什么才算组织健康地进入 AI 原生工作方式。