借助 AI 挖掘资产管理领域的新大陆

无论是确保合规性，还是优化信息技术成本，信息技术资产管理者都肩负着将战略目标转化为现实的重任。随着全球信息技术资产规模的迅速扩张，企业常被一些常规且耗时的任务所拖累，比如按配置、参数等对资产进行分组，或是分配许可等。

这些事务不仅分散了他们对关键信息技术资产管理职能的关注，还降低了工作效率。在这种情况下，依靠现有的信息技术资产管理方法，可能无法有效应对这些挑战。

例如：

l 信息技术资产规模的不断扩大，导致资产状况难以被精准把握。

l 信息技术资产管理与信息技术服务管理工作流程脱节，致使事件诊断效率低下，问题解决滞后。

l 采用预设参数驱动的自动化水平不足且陈旧过时，需要频繁人工干预。

l 工具、流程和数据集相互之间割裂，导致操作出现不一致，例如无意中将工作站排除在软件更新之外。

l 无法适应不断变化的安全和监管要求，从而暴露出安全漏洞，增加合规风险。

l 需要手动筛选海量数据以获取背景信息，延缓做出关键决策的能力。

为应对这些挑战并确保信息技术资产管理处于更佳状态，信息技术资产管理者可以尝试利用这三种 AI — 预测性、生成式和对话式。以下是 7 个实际应用场景：

1、对发现的资产进行智能分组

多模态收集资产数据点，以实现集中化可视管理。然而，数据收集的缺口可能导致数据不一致。此外，手动分组由预设参数驱动，行为僵化，无法顾及更细微的细节。预测性 AI 能够通过分析包括业务关键程度、用户角色、部门职能以及使用历史等背景信息，对信息技术资产进行智能分组。这确保了对信息技术资产进行细致入微且实时的分类，便于开展基于情境感知的操作。

例如，预测性 AI 可以将网络运营中心（NOC）团队使用的信息技术资产归为关键且高性能资产，因为它们对业务连续性至关重要。此外，AI 能够根据功能区分单个信息技术资产，无论是生产服务器还是临时或测试服务器，帮助信息技术资产管理团队确定维护工作的优先级。

2、资产清单按需检查

发现信息技术资产后，密切关注资产清单对于实现业务目标至关重要。但零散的数据和孤立的系统常常阻碍对资产的全面了解，导致关键决策停滞不前。借助生成式 AI（GenAI），信息技术资产管理者只需用自然语言提问，就能收到类似人类表述且贴合实际情境的回答。通过这种方式，他们既能获得可行的简报，又能填补信息洞察的空白。

为强化信息技术安全态势，信息技术资产管理者可以询问获得批准的用于商务出差的设备数量。他们还能以易于理解的格式获取这些设备的状态信息，包括缺失的补丁、漏洞严重程度以及访问控制等。

有了这些洞察，他们就能迅速应对潜在风险，同时提高工作效率。

3、基于工单的趋势智能推荐资产购置

尽管全面了解信息技术资产清单很有帮助，但简化资产采购流程对于优化信息技术成本至关重要。然而，临时的资产采购会导致库存积压或短缺，以及信息技术预算分配不合理。通过分析工单趋势，预测性 AI 可以识别季节性需求，从而预测最佳采购数量，而生成式 AI 则能进一步结合实际情况完善这些推荐。

如果一家公司要为新员工订购笔记本电脑，预测性 AI 可以分析过往的新员工入职趋势，并根据季节性需求建议调整订购数量，比如在入职淡季减少订购量。此外，生成式 AI 可以提供定制化推荐，比如根据用户偏好或常见问题推荐替代的笔记本电脑型号。

这样一来，信息技术资产管理者就能使采购决策与业务需求相匹配，同时提升员工体验。

4、采购订单自动创建与审批

随着采购业务规模的扩大，涉及多个利益相关方会使沟通变得复杂，进而导致不必要的延误。在剖析采购需求后，生成式 AI（GenAI）可以协助创建采购订单，撰写内容详尽、贴合实际情况且带有相关文档附件的邮件，发送给供应商。

基于采购审批和供应商回复的历史数据，机器学习引擎能够识别模式，并对处于预设阈值范围内的采购订单给出审批建议。如此一来，信息技术资产管理者既能加快与供应商的沟通，又能确保对采购决策的战略性把控。

5、为员工定制资产分配

在简化采购流程后，优化信息技术资产的分配对于提升员工体验至关重要。然而，传统的 “一刀切” 方式往往无法满足员工的独特需求，导致信息技术资产利用效率低下，信息技术成本不断攀升。相比之下，AI 可以通过考虑多种情境因素，如用户偏好、岗位角色、工作环境、工作量以及组织的安全与合规要求，提供量身定制的信息技术资产推荐。

当新入职一名开发人员时，预测性 AI 可以将信息技术资产的性能与岗位需求关联起来，推荐最适合开发人员使用的高性能笔记本电脑。

生成式 AI 可以在此基础上进一步推荐特定配置，比如预先安装某些集成开发环境（IDE），或者设置符合 ISO 27001 标准的安全配置。这不仅能提高员工的工作效率，优化信息技术资产的利用，还能确保符合安全要求。

6、主动检测异常

为员工“量身定制”信息技术资产可提高员工工作效率，同样重要的是，要在性能异常影响员工之前尽早察觉。然而，在传统的信息技术支持模式下，信息技术团队往往要等员工报告终端问题后才采取行动，这就导致问题解决延迟。若这些异常情况得不到及时处理，可能会引发潜在的安全威胁。

要从被动应对转变为主动预防策略，AI 起着关键作用。通过解读各个终端的数字员工体验（DEX）分数，预测性 AI 能够发现潜在异常，并自动生成包含相关信息的工单。此时，生成式 AI 可以介入，对工单进行总结，同时突出偏差的性质、潜在原因和受影响的系统，为信息技术团队提供详尽的背景信息。

为防止此类问题再次发生，生成式 AI 还能提出可行措施，比如为过时软件打补丁或升级内存。这不仅有助于建立主动预防模式，还能为员工带来更优质的体验。

7、助力资产审计无缝进行

随着企业规模的扩大，追踪信息技术资产的去向并适应不断变化的监管要求变得极具挑战性。依靠人工审计流程不仅耗费大量人力，还可能导致意外错误和高额罚款。幸运的是，AI 可以减轻人工工作量，简化审计流程。

生成式 AI 通过整合来自不同渠道的数据，如设备的出入登记日志或统一终端管理（UEM）解决方案中的地理定位数据，能够提供资产位置的实时洞察。这样一来，信息技术资产管理者无需手动检查，就能快速获取位于指定区域之外的信息技术资产信息。

为了弥补现有合规差距并随时做好审计准备，生成式 AI 可以审查监管标准如 PCI DSS 4.0、ISO 27001 等，并就组织审计政策的更新提出建议。此外，生成式 AI 还能起草一份全面的审计清单，为信息技术资产管理者提供确保保持合规性的可行步骤。

最后

从简化信息技术资产合规流程到优化信息技术预算，AI 对于信息技术资产管理（ITAM）运营而言，可能是一个变革性因素。然而，我们的《2024 年信息技术服务管理中的 AI 现状》调查显示，62% 的受访者认为 AI 的实施颇具挑战。尽管如此，81% 的受访者仍渴望借助 AI 来简化信息技术服务管理（ITSM）流程并降低成本。

利用 AI 重新定义您的信息技术资产管理战略，是朝着此方向迈出的重要一步。实施得当，AI 将助力您从信息技术中释放出更大商业价值！