过去半年，AI-Native 的宣传几乎都是同一个句式：让 AI 帮你干掉多少人力。Prime 层干脆把"取代整个 L1 岗位"写进了产品定义。听多了，人会自然以为上 AI 的门槛无非两条——模型够不够强，预算够不够多。

但 ServiceNow 官方的 AI Agent 治理决策树里，有一格写得毫不含糊：如果流程不清晰、或者根本没有被文档化，官方给出的建议是停止，先把流程文档化，再回来。

官方治理决策树：四种情况，四条路径

这不是社区吐槽，也不是顾问的保守话术，是厂商自己写进产品文档的话。一家靠卖流程管理软件做成行业第一的公司，在 AI 这件事上给出的第一个忠告，仍然是把流程写下来。

更硬的一段在 SDK 文档里。它直接举了个反例：有人对 AI 说"帮我做一个管差旅的 agent"，AI 二话不说开始写代码——认证方式它替你定了，执行角色它替你猜了，触发时机干脆没写，访问控制也顺手填了一个。

这四个问题，翻译成管理语言是下面四句：

▎Q1 谁的身份在跑：沿用调用者身份，还是独立的 AI 服务账号。
▎Q2 用什么角色在跑：它能看哪些数据、能改哪些字段。
▎Q3 什么时候触发：什么事件启动，什么条件下必须停下来等人。
▎Q4 谁能用它：访问控制按什么规则设。

四道题，官方允许靠猜的数量是零。文档的原话是：一项都不许推断。

多数团队的直觉是：AI 还不够聪明，所以跑不通。可把上面四道题摊开看，会发现没有一道跟模型能力有关。它们问的全是同一件事——这家企业有没有把流程说清楚。

这背后有个绕不开的原因。传统软件里，流程藏在人的脑子里：老员工知道先查 CMDB 再找负责人，系统只负责记录结果。而 AI Agent 是要代替人去执行的，它读不到人的脑子，只能读被写下来的东西。流程一旦是默会的，agent 就只能猜；猜错一次还不会报错，而是安安静静地做了一件错的事。

更巧的是，在按次计费的 AI-Native 订阅里，猜错的代价第一次变成了看得见的账单。官方在 AI Agent Analytics 文档里专门列了三条循环告警信号：单次测试却反复调用、assists 用量突然飙升、单个工作流在短窗口内消耗异常高。

这三条的共同成因只有一个：流程没定义清楚，agent 在里面打转。于是形成一个闭环：流程模糊，agent 只能靠猜；猜错了就重试；重试计入 assists；assists 计入账单。说到底，你在为流程的模糊付费。

如果你今年打算给 ITSM 上 AI，我的建议是把预算往后压一压，先做这四件事。它们都不需要额外花一分钱。

▎画出现在真正跑的流程：今天实际执行的那一版，包括那些绕过去的例外。
▎写清角色与权限边界：AI 用谁的账号跑、能改哪些字段、谁来复核。
▎定死触发与停机条件：什么事件启动，什么情况下必须停下等人。
▎定下验收与回滚口径：跑对了算什么，跑错了谁负责，错了怎么退回去。

这四件事做完，你再去问供应商"你的 agent 能做什么"，局面会完全不同：从被动听演示，变成主动提要求。我们自己造开源 ITSM 时也是这个顺序——先把流程用 BPMN 建模、把审批链和权限边界定死，再让 AI 在上面做分析与建议。流程是地基，AI 是跑在地基上的东西。这个顺序反过来，多半要推倒重来。