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。
对很多 IT 管理者来说，新版本最有价值的地方，并不是多了多少模型，而是它更明确地告诉你：当数字化组织越来越复杂、生成式 AI 与自动化越来越普及，最常见的失败原因往往不是“能力不够”，而是“决策偏科”。
你一定见过这种偏科：
• 引入一个平台或工具，技术团队觉得很先进，但业务团队用不起来，最后变成“摆设”。
• 推动一条流程统一，流程图看起来更漂亮，但交付周期变长，绕路更多。
• 强化治理与审批，以为风险会下降，结果组织速度下降，重大事件并没有减少。
• 上了生成式 AI 或聊天机器人，以为服务台会轻松，结果数据质量拖后腿，误导信息变多，事故反而更隐蔽。
这些问题看起来不一样，但根因往往相同：决策只看了一两个方面，忽略了其他关键约束。ITIL 第5版提出“产品和服务管理的四个维度”，就是为了让你在决策时不偏科，让你在做资源配置、治理设计、自动化推进时有一套稳定的思维护栏。
一、更新内容概述：四个维度为什么会成为 ITIL 第5版里更重要的“底层工具”
这里我先完整总结ITIL 第5版更新内容的总体概述：
1、定位升级：数字化产品和服务管理
管理对象扩展后，你需要在更多利益相关方之间对齐：产品、运营、支持、供应商、客户组织。越跨边界，越容易偏科，越需要护栏。
2、生命周期模型升级：八个活动覆盖从发现到支持
活动越多、协作越广，决策点越分散。四个维度能帮助你在每个活动里都不忽略“人、流程、技术、生态”。
3、人工智能进入方法论核心
引入生成式 AI 不是单纯技术选择，它会牵动责任、数据治理、风险边界与供应商关系。四个维度刚好覆盖这些关键变量。
4、指导原则更强调取舍：优化和自动化
取舍要有依据，四个维度提供了判断框架：自动化不仅是技术可行，还要看组织胜任力、流程影响、数据质量与供应商责任。
5、实践从清单走向组件库
实践要组合，就必须知道自己缺哪一维。四个维度能帮助你识别短板，避免只堆“你最熟悉的那类实践”。
6、迁移与学习路径更强调能力栈与路线图
能力栈的建设本质上就是四个维度能力的平衡增长：只补技术，不补人和流程，最终会被组织协同成本吞噬。
所以四个维度不是一张要你每次都填的表，而是一种“决策卫生习惯”：每次重大决策都要过一遍四个维度，确保你没有在某个关键约束上失明。
二、四个维度到底是什么：你要把它当成四个问题，而不是四个栏目
产品和服务管理的四个维度分别是：
• 组织和人员 (organizations and people)
• 价值流和流程 (value stream and processes)
• 信息和技术 (information and technology)
• 合作伙伴与供应商 (partners and suppliers)
我建议你不要把它背成四个名词，而要把它记成四个问题。因为管理者需要的是问题，不是术语。
1、组织和人员：谁来做，谁负责，谁有授权
你要问的是：
• 这个决定会改变哪些角色 (role) 的责任？
• 谁拥有授权 (authorization)，谁承担责任？
• 团队的胜任力 (competency) 是否匹配？安全文化是否支持？
• 需要怎样的沟通、培训与协作文化？
2、价值流和流程：这件事会让价值更流动，还是制造新瓶颈
你要问的是：
• 这项变更插入到哪条价值流？影响哪些活动？
• 会缩短交付周期 (lead time) 还是增加等待？
• 是否会引入新的瓶颈 (bottleneck)、返工或升级？
• 验收准则是否清晰？度量是否能反映端到端效果？
3、信息和技术：数据是否撑得住，技术是否可治理、可审计
你要问的是：
• 依赖的数据是否完整、准确 (accuracy)、一致？数据治理是否到位？
• 关键记录是否可追溯、是否具备可审计性 (auditability)？
• 技术架构是否可维护、可扩展？可观测性是否足够？
• 自动化与人工智能的控制点在哪里？失败如何恢复？
4、合作伙伴与供应商：生态责任边界是否清楚
你要问的是：
• 哪些能力来自外部？供应商与第三方在价值流里承担什么环节？
• 合同与协议里是否明确支持范围、升级路径与责任边界？
• 供应商变化会不会成为关键风险？是否存在锁定与替代成本？
• 你是否需要服务集成商角色来协调多方？
当你把四个维度当成四组问题，你每次开评审会就知道要问什么、要拉谁进来、要补哪些材料。它会直接提升你做决策的效率与质量。
三、四个维度最常见的误用：为什么很多团队“知道四个维度”，却还是会做坏决策
四个维度最常见的误用，不是“不知道”，而是“知道但不当回事”。我见过三种典型误用，你可以对照自检。
1、把四个维度当成形式化的立项材料
• 表格填得很漂亮，但内容都是套话
• 评审会上大家只盯时间线与预算
结果是：真正的约束没有被暴露，问题被延后到上线后以事故形式出现。
纠偏方式：
• 每个维度必须给出至少一个“可验证的风险或约束”，并明确谁负责消减
• 把“填完表”改成“回答问题”：如果答不出来，说明你还没准备好推进
2、只重视自己熟悉的维度
技术团队天然会偏向信息和技术；流程团队会偏向价值流和流程；采购团队会偏向合作伙伴与供应商；HR 会偏向组织和人员。
结果是：每个人都觉得自己考虑得很周全，但整体决策仍然偏科。
纠偏方式：
• 评审会必须有四个维度的“代表声音”
• 没有某个维度的关键代表，宁愿推迟决策，也不要草率通过
3、四个维度只在“出事之后”才被想起
很多组织只有在重大事件后才开始补文化、补培训、补数据治理、补供应商责任边界。
结果是：每次都用事故解决系统问题，成本越来越高，组织速度越来越慢。
纠偏方式：
• 把四个维度前置到发现与设计阶段，而不是转换与运营阶段
• 重大变更必须在上线前做四个维度复盘，确保控制点与责任清晰
四、用一个你最熟悉的场景来跑一遍：引入生成式 AI 服务台，到底该怎么看四个维度
为了让四个维度不抽象，我用一个常见场景演示：很多组织正在引入生成式 AI 或聊天机器人来提升服务台效率。
如果你只从技术角度看，问题会变成：模型怎么选、接口怎么连、上线怎么发布。可一旦你用四个维度过一遍，决策会更稳。
1、组织和人员
• 谁对机器人回答的质量负责？是服务台还是平台团队？
• 一线人员的工作方式怎么变？需要怎样的培训与协作文化？
• 发生错误建议导致事故时，升级路径与责任边界是否清楚？谁有暂停权？
2、价值流和流程
• 机器人插入到“履行服务请求”还是“事件管理”环节？
• 它会减少交付周期，还是增加一次“来回确认”的等待？
• 它能否把简单请求快速闭环，同时把复杂问题更快升级给专家？
• 验收准则是什么：减少多少人工、提升多少满意度、降低多少升级次数？
3、信息和技术
• 知识库与记录是否完整、准确、一致？数据治理是否足够？
• 机器人回答是否可追溯：引用了什么内容、依据是什么？
• 可观测性是否到位：错误率、幻觉率、升级率如何监控？
• 自动化触发补救动作时，是否有回滚与恢复机制？
4、合作伙伴与供应商
• 模型与平台由谁提供？云服务提供商的责任边界在哪里？
• 数据是否出域？合规与保密性如何保障？
• 供应商发生变化或服务中断时，你是否有替代方案？
• 多方协同时，是否需要明确服务集成商来协调？
你会发现，四个维度把“上 AI 服务台”从一个技术项目，变成一个治理、流程、数据与生态协同的系统工程。这样做的好处是：你不是把风险留到上线后用事故补救，而是在决策阶段就把关键约束暴露出来。
五、四个维度的真正价值：它让你用同一套语言做资源配置与治理设计
IT 管理者最难的事之一，是资源总是不够：预算有限、人才有限、时间有限。四个维度能帮助你做更聪明的资源配置，因为它让你清楚看到短板在哪里。
你可以这样用四个维度做资源配置：
• 如果组织和人员是短板：先投培训、角色清晰化、协作文化与责任分配，不要急着堆工具
• 如果价值流和流程是短板：先做价值流识别与映射，找瓶颈，再决定要不要改平台
• 如果信息和技术是短板：先补数据治理、可观测性与配置记录，再谈自动化闭环
• 如果合作伙伴与供应商是短板：先梳理服务关系与合同责任边界，再谈生态扩展
这就是四个维度作为护栏的价值：它让你不再凭直觉投入，而是用结构化方法做优先级排序。
四个维度之所以重要，不是因为它让你“考虑得更全面”，而是因为它让你在每一次重大决策里都不偏科：人、流程、技术、生态系统四条约束缺一不可。你只要把四个维度当成四组必须回答的问题，它就会变成你最可靠的决策护栏，而不是一张形式化表格。
我是AI+ITIL教练长河achotsao，欢迎与我深入、持续交流，有问必回。
