企业员工申请一个软件账号，通常需要提交工单、等待部门负责人批准、由IT管理员开通权限，再把执行情况写回服务台。如果申请涉及财务系统、多个子公司或跨境团队，还会增加身份校验、合规审批和授权到期回收。流程中的每个动作都能被软件记录，却经常需要人把信息从一个界面搬到另一个界面。10月29日宣布融资1.5亿美元的美国初创公司Serval，选择从这类高频的企业工作入手，挑战已经形成成熟生态的IT服务管理市场。它宣称要提供一个自带AI编排能力的业务主系统，让员工描述要求之后，智能体不仅创建工单，而且能生成、调用并维护可执行的工作流。
30亿美元估值背后，资本在押注怎样的变化
Serval官方公告显示，新一轮C轮融资由红杉资本领投，金额1.5亿美元，投后估值30亿美元，这是公司过去12个月里的第三轮融资；路透社核实，公司累计融资约2.77亿美元，估值较2025年12月的10亿美元增加到三倍。公司表示，自上一轮B轮融资后，年度经常性收入在连续几个季度里快速增长，但并未在公告中给出可以独立审计的绝对收入规模。其客户介绍包括Fox、WPP、Live Nation和Ramp，并称近半年进入两家《财富》全球或美国头部企业客户体系。客户名称和增速能说明市场兴趣；业务质量还要看净收入留存、项目毛利、客户集中度和新产品部署深度。
Serval还公开提出要替代部分ServiceNow业务。对大企业而言，ServiceNow往往并不只是工单页面，还承担配置管理数据库、资产管理、事件处理、变更审批与跨部门服务记录。替换它涉及数据模型、组织制度和长期系统集成，远不止在网页中加入智能问答。Serval称一家具名未在官方文章中直接披露的汽车制造商在45天内完成从ServiceNow到其系统的公司级迁移，覆盖IT服务、CMDB、软硬件资产及多个部门流程。这属于厂商案例，具体迁移范围和验收口径需要客户项目材料进一步确认。案例也说明了Serval的目标：让自己的平台既记录业务事实，也执行任务。
Catalyst：把自然语言需求写成可复用流程
Serval把核心自动化代理称为Catalyst，定位是让业务员工用自然语言描述需求，由智能体把需求转化为可复用的代码型工作流。这与让模型临场决定如何调用工具不同。企业日常流程有大量稳定规则：谁可以申请资源、审批人如何确定、权限何时到期、哪些操作需要双人复核、失败后如何回滚。将这些规则固化为具备参数、版本和测试的工具，能让相同输入得到更可预测的处理结果；智能体则在发现新需求、拼装流程、处理非标准异常和解释结果时发挥能力。模型负责理解与编排，执行环节尽可能落在可测试的程序上，这种分工更适合长期运营的企业系统。
可以以员工入职流程为例。人力资源部门确认雇佣合同之后，系统需要读取员工岗位、办公地点与组织关系，决定邮箱、协作空间、ERP权限以及电脑领用标准，随后发起审批、写入身份管理系统、通知资产管理员，再安排试用期到期检查。过去实现这条链路需要多个平台和大量字段映射；在新的工作流模式中，员工只需描述“为上海研发中心新入职的工艺工程师按标准权限开通账号”，模型可以寻找适用模板，并由批准的工具执行具体动作。流程完成后，系统还要留下申请人、批准人、时间戳、变更前后状态与执行凭据；人员转岗时，同一套控制规则也应能复用。
传统ITSM的维护负担
企业服务管理软件积累了大量业务记录，系统也变得复杂。工单管理、服务目录、CMDB、变更控制和资产台账由不同模块承担，流程通常依靠图形化设计器、脚本、外部连接器或咨询顾问长期维护。企业业务变化很快，一种新的软件采购政策、组织合并或身份系统切换，可能让几年前配置好的审批链失效。AI生成流程或许能缩短需求到上线之间的沟通：业务专家直接描述目标，智能体生成配置和代码，工程师负责安全审核，再由系统自动化测试。运营人员因此有机会参与原本主要由工程团队承担的流程开发。
大型ITSM系统难以替换，还因为它们保存了企业多年积累的业务记录。资产编号、采购合同、应用依赖关系、历史事故和系统负责人信息，是自动化决策的基础。一个智能体即便善于生成脚本，如果CMDB不完整、身份目录存在重复人员、审批规则缺少责任人，执行结果也会混乱。因此，新的智能体平台必须同时经营“记录层”和“行动层”：前者保证数据权威、主数据一致与历史可追踪；后者根据受控规则更新这些事实。Serval选择把Catalyst嵌入完整的企业服务管理平台，而不只提供跨系统代理，正是在争夺这两层的共同入口。
从工单到实际操作，权限怎样控制
一台能够查询知识库的智能体与一台有权删除账号、修改采购额度或关闭生产系统告警的智能体，其风险不在一个数量级。Serval在对外介绍中强调管理员控制流程权限、审批与执行边界；路透社还报道，公司将用于创建工具的管理型代理与供普通员工触发获批工作流的代理分开。这样的架构降低了终端用户随意组合高危指令的空间。可以按岗位权限管理智能体：每个代理都有身份，能访问的系统和数据由角色赋权，越过限制必须经过可记录的审批。相应地，审计报告应能回答“谁提出、谁批准、调用了哪个工具、改动了哪些记录、为什么执行”的连续问题。
企业还需要设计无法自动处理的情形。比如离职员工的权限回收涉及仍在运行的长期任务，直接停用账号可能中断服务；跨区域数据访问也可能受合同和法律限制。遇到异常，应交给相应负责人处理，不应让模型猜着执行。实施团队应将审批策略作为代码管理，对工具设置输入类型、幂等性、重试次数和回滚机制，让同一事件重复进入系统时不会重复付款、重复授权或生成冲突资产。对财务和生产相关系统，更应使用双人审批、额度限制、变更窗口和事后核验机制，确保自动化不是以牺牲内部控制换取速度。
流程自动化的成本和收费方式
传统企业软件依赖许可证、实施、升级和维护服务形成收入。智能体平台会引入新的成本单元：每个自动执行的流程需要模型推理、工具运行、日志存储与外部API调用，如果涉及人工复核，还会产生组织内的管理成本。厂商可以按用户、流程、任务量或综合平台合同收费，客户也会更加关注自动化节省多少处理工时、缩短多少等待时间以及减少多少返工。要证明效果，就在同一任务集上比较实施前后的成本和质量；漂亮的流程图不够。
假设企业每个月有两万张IT服务请求，其中六千张属于可重复的标准处理，每张过去需要人工操作八分钟。如果自动化让这六千张请求平均只需两分钟的人为复核，则理论上每月释放六百个人工小时。六百小时只是按假设算出的结果，不是Serval客户数据；实际还要扣除实施、审计、异常、模型费用和系统维护时间。更重要的是，自动化可能让服务质量提高：权限开通不再跨夜等待，离职回收遗漏减少，业务部门可以查询每项服务的处理周期。综合计算时应同时衡量成本、时效、合规和用户满意度。
500人招聘计划里的实施成本
Serval宣布将利用新资金在未来12个月招聘超过500名员工，其中100余人为新成立的ProServal专业服务团队中的自动化工程师，并计划让其中部分应届毕业生接受集中培训。这笔招聘计划背后是实施需求。市场往往把智能体产品描绘成销售软件即可完成规模化扩张，但大型企业的真实流程往往依赖隐性经验：一些审批顺序来自历史事故，一些数据字段只有运营人员理解，一些接口甚至没有完整文档。把这些经验转成稳定的规则、连接器和服务目录，需要行业实施人员长期在场。
AI软件仍可能需要专业服务，工作内容则可能从配置和脚本开发转向流程重构、控制策略设计、数据治理与运行质量评估。对于拥有大型客户关系的咨询机构，这既是挑战也是机会；纯粹依赖项目人天的模式会受到自动化冲击，懂业务、懂权限、懂系统集成的工程团队却可能扩大服务边界。Serval把工程服务与软件平台同时建设，也反映出智能体时代仍需要大量企业现场知识。衡量这种商业模式能否成立，要观察这些专业服务是否能够沉淀出可复用模板，而不是每个客户都重新做一遍定制开发。
迁移服务管理系统的隐性成本
采购团队评估新平台时，很容易把重点放在能否自动关闭工单、能否对话检索服务目录等可演示功能。迁移风险常常隐藏在难以展示的地方：旧系统的历史服务记录如何完整导出，资产和组织关系是否能保持一致，原有工作流是否有合规审计要求，第三方连接器故障如何告警，业务部门是否愿意改变已有的审批习惯。特别是全球化企业，工作日历、语言、身份体系与数据保存期限并不一致，需要对技术能力和运营安排同时做测试。服务管理系统一旦失效，受影响的不是单一聊天机器人，而可能是全公司的账户、资产和变更流程。
合理的试点方法是从服务量大、规则相对清晰、风险可控的工作流切入，并保留原系统并行运行一段时间。比如先选软件许可证申请、会议室设备报修或员工基础账号开通，统计首次自动完成率、平均处理时间、审批错误率和人工介入情况；当稳定性得到验证，再逐步扩展到复杂系统变更和跨部门流程。在业务关键阶段应设置回退路径，确保新平台暂时不可用时仍能处理紧急事件。Serval公布的45天迁移案例，不宜当作所有企业都能达到的工期。
如何在九十天试点里验证一款智能体服务管理产品
大型企业可以先做可重复的业务试点，不必立刻把全公司的服务台迁走。第一阶段由IT、信息安全、人力资源与业务负责人共同选出三至五条高频流程，建立现状基线，包括每月工单量、人工触碰次数、审批等待时间、返工率和异常类别。第二阶段要求供应商在相同权限条件下运行新流程，并保留原有服务平台作为事实核对来源；每项自动操作都要有申请记录、审批链与系统返回结果。第三阶段重点测试非标准任务，诸如审批人离岗、目录中不存在某种软件、员工职级发生变化或目标系统接口超时，观察系统是否可以暂停、升级处理并恢复。
试点结束后的评估应提供清晰的经济账。假设某业务的自动化完成率达到85%，其余15%需要人工处理，企业仍然要确认这15%是否集中在高风险和高耗时环节；如果剩余异常平均需要半小时解决，节约的总时间可能低于最初的预期。试点报告还应列出不同请求类型的自动化成功率、错误造成的实际影响、流程版本变化与运营成本。采购合同还应写明导出数据和日志的能力、智能体任务的可停止与回滚机制，以及在供应商退出市场时如何迁移到其他平台。退出和迁移能力也应在签约前确认。
工单记录怎样反哺知识库
大量服务请求会重复出现，背后却可能隐藏组织流程设计的问题。一个团队反复申请同一类权限，可能说明服务目录不完整；某个软件总是报错，可能意味着配置标准不一致；员工每月不断咨询相同报销规则，可能是政策说明难以理解。智能体平台如果只做更快的工单处理，就错过了利用日常运营数据改善管理制度的机会。处理结果还可以反哺知识库：被证明有效的解决步骤形成标准作业指导书，频繁失败的步骤被标记为待调整规则，人工审批中重复出现的疑问成为自动化模板更新依据。知识更新要经过适当责任人审核，避免把模型偶然生成的错误解释固化为公司政策。
持续记录和复盘，还能积累可分析的运营数据。当服务管理系统能够以结构化方式记录任务目标、工具调用、结果和审批原因，技术团队便能找到最值得投入自动化的流程，而不只听业务部门提出零散需求。需要注意的是，运营日志可能包含姓名、组织关系、系统权限和设备标识，训练与分析时必须落实数据最小化和访问控制。组织应鼓励员工报告流程缺陷，却不宜把每次异常简单理解为某个员工工作不力。这样，运营数据才能用于发现并修正流程问题。
竞争焦点：记录、执行与权限
基础模型越来越善于把自然语言转换成程序。Serval押注的是：企业软件的竞争将更多取决于谁能安全地把业务需求落成结果，而不只是配置页面的多少。具备深厚记录系统的老牌厂商可以把智能体融入已有产品，新公司则能够围绕自动化重新设计数据模型、审批、权限和收费方式。两条路线各有优势：前者拥有稳定的客户基础和历史数据，后者有机会减少软件层级与实施复杂度。管理员是否信任、一线人员是否愿意用、成本能否算清，都会影响企业选型。
对企业CIO与CTO而言，这场竞争值得关注，却无须被估值数字牵着走。选择供应商时，应要求演示复杂异常处理、跨系统权限、任务审计、数据迁移和版本回归，而不是只展示模型快速生成流程。对创业公司而言，切入口也未必是挑战整个ServiceNow生态，而可能是某类高频但昂贵的垂直流程，比如制药企业的实验室账号、制造工厂的维修工单或金融机构的授权审查。智能体进入生产系统后，业务组织仍须决定做什么、由谁批准，以及如何验收。
参考资料
- Serval：《We raised $150M to make everyone a builder》，2026-10-29。用途：融资金额、Catalyst产品、客户案例、专业服务团队计划。原文链接
- Reuters：《Serval triples valuation to $3 billion as businesses adopt AI workflow automation》，2026-10-29。用途：融资估值与累计融资、市场竞争及客户迁移的独立核验。原文链接
- Serval：公司产品与自动化服务说明，2026-10。用途：产品定位和治理功能背景。原文链接
文中任务量与工时测算是说明计算方法的假设情境，并非Serval披露的客户成绩。