ServiceNow正对企业人工智能领域进行一项重磅战略押注。该公司宣称，其AI Control Tower能够发现并管理跨模型、跨云平台的智能体，追踪成本与价值，并拦截违反策略的行为。
这一主张直击ServiceNow的核心资产——庞大的已安装基础。凭借在IT服务管理（ITSM）、配置管理数据库（CMDB）及风险工作流中积累的多年运营上下文，ServiceNow拥有多数AI治理供应商不具备的数据与渠道优势。
然而，针对15家ServiceNow客户的深度访谈显示，尽管Control Tower在治理工作流方面表现强劲，但其作为“端到端技术治理和运行时执行平台”的说法并未得到广泛验证。买家应谨慎对待其通用控制平面的定位。
三项技术任务：ServiceNow仅主导其一
AI治理可拆解为三项截然不同的技术任务，而ServiceNow目前仅在其中一项占据主导地位：
- 治理工作流与问责制：包括清点、所有权确认、审批、补救及审计。这是ServiceNow的最强项。
- AI生命周期证据：涉及模型版本、血缘关系、偏见检测及可解释性。ServiceNow可协调这些数据，但通常由其他平台生成。
- 运行时执行与安全：指实时拦截操作、阻止部署或撤销权限。调查显示，这一层多由外部工具、自定义方案或人工完成。
关键在于，批准模型与分配工单，不同于技术层面的模型验证或实时阻断。ServiceNow的机会在于连接这三者，但受访客户反映，其在每个细分领域并非最佳选择。
实地研究：护城河真实存在，但边界明显
2026年9月，研究团队对15家大型企业客户进行了定性访谈。所有受访者均认可ServiceNow在工作流集成和运营上下文方面的优势。Bill McDermott将此称为“上下文”护城河。
数据佐证了其势头：ServiceNow报告第二季度AI年度经常性合同价值（ACV）超过10亿美元，全年目标15亿美元；超500家客户在前六个月内上线了AI Control Tower。
但技术落地存在差距：
- 14名受访者表示，运行时执行仍是外部、自定义或未在企业规模上验证的。
- 12名受访者指出，在模型验证、血缘关系等技术性证据方面存在缺口。
- 仅有一名金融服务客户在有限试点中成功测试了阻止功能。
一位受访者形容，ServiceNow更像是“治理编排层”而非实际的AI治理引擎。当CMDB数据不成熟或监管要求第三方技术证据时，其价值主张会减弱。
警惕“关闭开关”与成本黑盒
管理层曾宣称拥有能暂停失控智能体的“关闭开关”，但调查认为这一说法被夸大。目前，仅有30%至40%的AI活动能通过ServiceNow路径进行实际控制，且在Azure OpenAI、影子AI等复杂场景中覆盖不足。
此外，新的定价模式（Foundation、Advanced、Prime层级）引发了客户摩擦。15名受访者中有12人担忧总成本，8人中有7人表示实际支出超出预期。超支原因不仅来自许可费，更包括数据清洗、集成工程及永久专家服务等隐性运营成本。
投资者视角：看涨逻辑与潜在风险
从投资角度看，ServiceNow的看涨逻辑在于将CMDB上下文转化为治理行动系统，并通过用量计费推动消费。其市值从2024年底的2300亿美元峰值回落至800多亿美元后，近期回升至约1460亿美元。
然而，风险同样显著：运行时控制缺乏广泛验证，技术证据依赖相邻工具，实施摩擦可能导致采用放缓。若ControlTower仅能在事后接收警报，而非掌控决策闭环，其战略价值将受限。
给买家的建议：先验证闭环，再规模化
对于考虑部署的企业，建议采取以下步骤：
- 映射控制序列：明确策略所有者、证据来源及执行点，拒绝架构黑盒。
- 测试真实违规：在高风险用例中触发违规，验证系统是否能实时阻止并记录审计轨迹。
- 计算全运营成本：除许可证外，需涵盖集成、维护及外部控制成本。
- 保持灵活性：确保API开放性及退出路径，避免被供应商锁定。
底线是：在未检测到、阻止并完整记录一次真实违规之前，不要进行生产规模的扩展。ServiceNow可以是行动系统，但不必是唯一控制系统。