70%。

这是Robinhood公布的一个数字：ServiceNow的AI系统拦截了70%的员工请求，无需人工干预即可直接处理。

这个数字，既是一份成绩单，也是一个问题的开始——因为它把两种完全不同的现实压缩进了同一个百分比里面：效率提升，以及职位消失的可能。

第一章：ServiceNow的AI原生化宣言

2026年4月9日，ServiceNow宣布了一个影响深远的战略决定：整个产品线全面实现AI原生化。

具体来说，这意味着ServiceNow的所有产品将内置AI、数据连接、工作流执行、安全机制和治理框架——不是作为附加功能，而是作为基础架构层的核心组件。ServiceNow称之为”AI原生（AI-native）”，以区别于那种”在现有产品上贴一层AI”的改造模式。

这次宣告的核心技术是Context Engine——ServiceNow将其定位为企业级上下文引擎，为每一个AI Agent的决策提供组织级上下文。

什么是”组织级上下文”？简单来说，当一个AI Agent处理员工请求或业务流程时，它需要了解的不只是请求的内容本身，还包括：提出请求的员工是谁（职级、权限）？这个请求符合哪些公司政策？与这个请求相关的历史记录是什么？相关审批流程是什么？适用的合规要求是什么？……

这些信息，就是”组织级上下文”。没有这些上下文，AI Agent在处理企业流程时会像一个不了解公司的新员工——处理表面的信息有余，但难以做出符合组织背景的准确判断。Context Engine的定位，就是成为这个上下文的提供者和管理者。

另一个值得关注的细节：从2026年4月15日起，开发者将能够直接从Claude Code、Cursor、OpenAI Codex等AI编程工具，将应用部署到ServiceNow平台。这标志着ServiceNow正在从”企业内部工作流平台”向”AI Agent的生产部署基础设施”演进——开发者不需要专门学习ServiceNow的开发框架，就可以把AI构建的应用直接部署到ServiceNow上运行。

第二章：Robinhood的70%——数字背后的双重现实

在ServiceNow的发布中，Robinhood的案例被作为旗舰用例引用：ServiceNow的AI拦截了Robinhood 70%的员工请求。

这个数字在商业媒体的报道中，通常被呈现为一个成功故事：看，AI多么高效，七成的请求都被自动解决了，不需要人工处理。但在这个乐观叙事下面，有一个需要更仔细审视的问题：这70%究竟意味着什么？

乐观解读：70%的员工请求是可以被规则化处理的标准化请求——密码重置、权限申请、IT设备报修、差旅报销提交。这些请求本来就有清晰的流程，AI执行这些流程的速度和一致性比人工处理更高，员工体验反而更好（更快、全天候可用）。在这个解读下，70%是一个纯粹的效率胜利，没有人因此失业，只是工作流程变得更顺畅。

现实主义解读：其中一部分”被拦截的请求”，原来确实需要IT支持人员、HR员工或运营团队处理。如果原来处理这些请求需要30名支持人员，现在AI可以处理70%，那么理论上只需要9名人员处理剩余30%。这个算术，在组织效率提升的同时，也意味着支持岗位的结构性压缩。

更深层的问题：Robinhood的70%是一个快照，而不是终点。今天是70%，随着AI能力提升，明年可能是80%，后年85%……这条轨迹，将员工请求处理这类支持性工作的人力需求，推向一个持续收缩的方向。

ServiceNow和Robinhood宣布这个数字，是在庆祝技术进步。这个庆祝不是错的——效率提升是真实的，用户体验改善是真实的。但如果我们只谈70%的效率，而不谈这70%背后被重新定义的工作形态，我们就在讲一个不完整的故事。

第三章：企业AI中间件的战场格局

ServiceNow全面AI原生化的声明，是当前一场更大战争的产物：谁将成为企业AI的”中间件层”？

这个战场的逻辑是这样的：企业在部署AI时，面临一个核心挑战——AI应用需要访问企业的数据、流程和系统，但企业的数据和流程散布在数十乃至数百个不同的系统中。没有一个统一的中间层，AI Agent就必须与每个系统单独集成，这是巨大的工程量，也是巨大的安全风险。

企业AI中间件，就是填补这个空白的那层：它提供统一的数据访问接口、工作流编排能力、权限和合规管控，使得AI Agent能够在安全、可控的方式下访问和操作企业数据与流程。

目前争夺这个位置的，至少有四家巨头：

ServiceNow：已有3万多家企业客户，深度嵌入IT服务管理、HR工作流和客服流程。Context Engine是它的AI中间件战略核心——用组织上下文来强化AI决策。优势在于企业级部署经验和深度流程整合；劣势在于传统意象偏向IT和运营，在业务前端（销售、营销）的存在感相对较弱。

Salesforce Agentforce：以CRM为核心，向AI Agent扩展。优势在于销售和客户关系管理场景的深度；劣势在于场景覆盖范围相对窄，主要在前端业务场景。

Microsoft Copilot + Azure AI Foundry：Windows和Office的深度用户黏性，加上Azure云的基础设施优势。优势在于全面的企业软件覆盖（从邮件到代码到ERP）；劣势在于单一产品线的AI能力深度往往不及垂直专家。

Workday（AI-native HR/Finance）：在HR和财务这两个关键企业流程中有着深厚的数据积累和客户信任，正在向AI原生架构演进。优势在于高价值核心业务流程的数据优势；劣势在于场景覆盖的垂直性。

这场战争不会有单一赢家——不同的企业、不同的场景，会选择不同的中间件组合。但占据更多”关键流程上下文”的平台，将在这场竞争中拥有更强的战略护城河。

Context Engine的战略意图，就是让ServiceNow成为那个”最了解企业运转上下文”的平台，从而在AI Agent决策链中占据不可或缺的位置。

第四章：从工作流平台到AI部署基础设施——ServiceNow的身份演进

ServiceNow此次宣告，有一个细节尤其值得关注：允许开发者从Claude Code、Cursor、OpenAI Codex等工具直接部署到ServiceNow平台。

这个决定的战略含义是深远的。它意味着ServiceNow正在主动向AI应用开发者开放，邀请他们把ServiceNow作为AI应用的生产环境基础设施——不只是内部员工使用的工作流工具，而是外部开发者可以在上面构建和部署AI应用的平台。

这个定位，与ServiceNow传统的”企业内部工作流平台”形象有着本质的差别。一个”内部平台”的客户是企业；一个”AI部署基础设施”的客户是开发者和AI应用公司。这两类客户的获取逻辑、价值主张和竞争格局，是完全不同的。

ServiceNow是否有能力同时做好这两件事？这是一个需要在接下来两到三年验证的战略问题。企业软件公司转型为开发者平台，在历史上的成功案例并不多——因为服务企业客户和服务开发者社区，需要的是两种截然不同的产品文化和运营体系。

Salesforce曾经尝试过Heroku作为开发者平台，最终并没有形成足够强的生态。ServiceNow的这次尝试能否有不同的结果，取决于它是否愿意真正投入资源去建立开发者关系，而不只是宣布开放接口。

第五章：第三层洞察——谁控制上下文，谁就控制决策

让我们回到Context Engine的本质：企业AI中间件之战，实际上是一场”谁拥有最权威的企业上下文数据”的战争。

AI Agent能做多少事，取决于它能访问多少相关上下文。一个知道你是谁、知道公司政策是什么、知道相关历史记录的AI Agent，能做到一个一无所知的AI Agent完全做不到的事情。

这意味着，企业AI中间件的护城河，不来自算法，而来自数据和信任的积累。哪个平台在企业关键流程中积累了最多的”组织上下文”——哪些员工有哪些权限、哪些流程需要哪些审批、历史上出现了哪些问题和如何解决——这个平台，就在未来的AI Agent时代拥有最强的战略位置。

ServiceNow的Context Engine，是一个将这个战略逻辑变成产品承诺的尝试。它能否真正成为企业AI的”组织记忆”，将取决于它能否在客户部署过程中，真正聚合起足够丰富和足够准确的组织上下文数据。

这不是一个一次性部署就能解决的问题，而是一个需要在数年真实使用中持续沉淀的能力。这也是为什么ServiceNow的3万家企业客户，是它最重要的护城河——这些客户在ServiceNow系统中运行的数年工作流数据，是任何新入局者都无法短期复制的。

对于企业来说，理解这场”上下文争夺战”的逻辑，有助于做出更清醒的AI基础设施决策：不只是评估哪个AI工具今天能力最强，而是考虑哪个平台在未来几年能够成为组织AI上下文的最可信管理者。

70%的拦截率，是ServiceNow用来说明Context Engine价值的数字。但真正的战略命题，是谁将拥有支撑这70%决策的组织知识。答案，将决定企业AI时代的权力分布。

补充分析：企业AI中间件对劳动力市场的结构性影响

ServiceNow的70%拦截率数字，直接引出了一个更广泛的劳动力市场问题：企业AI中间件层的崛起，将如何改变企业内部的工作岗位分布？

对这个问题的分析，需要区分几种不同类型的工作：

第一类：高度规则化的支持性工作。IT支持请求（密码重置、权限申请）、HR行政处理（假期审批、报销提交）、客服标准化响应（FAQ类问题）——这类工作有清晰的处理流程，AI的处理速度和准确率可以超越人工，且员工接受度相对较高（因为这类工作本身通常不是职业发展的核心，被AI接管反而解放了人去做更有价值的事）。ServiceNow AI拦截的主要就是这类请求。结论：这类工作的需求量将显著下降，但影响是渐进的而非突然的。

第二类：判断性的协调性工作。需要理解业务背景、平衡多方利益、处理异常情况的协调性工作——例如复杂的供应链协调、跨部门项目管理、高风险合规决策。这类工作AI可以提供支持，但主要决策仍然需要人类判断。结论：这类工作形态将发生改变（AI辅助提升效率），但不会大规模消失。

第三类：创造性和关系性工作。产品创新、客户关系深度维护、高层谈判、团队文化建设——这类工作依赖人际关系和创造性判断，AI的替代空间最小。结论：这类工作短期内受AI影响最小，长期来看AI是工具而非替代者。

Robinhood的70%拦截率，主要针对第一类工作。这个数字令人印象深刻，但它的劳动力影响集中在已经有大量自动化压力的岗位类型上。真正值得深入分析的，是第二类工作的转型——那里的变化更复杂，也更值得企业和政策制定者认真思考。

企业AI中间件平台的竞争，从劳动力角度来看，实际上是一场关于”哪类工作将被智能化重新定义”的系统性变革的加速器。ServiceNow的Context Engine，通过让AI Agent掌握更丰富的组织上下文，将这个智能化范围从第一类工作向第二类工作延伸——这个延伸的速度和深度，将在很大程度上决定企业内部白领工作岗位的未来形态。

结语：中间件层的战略价值与锁定风险

从企业决策者的角度，有一个重要的问题值得警惕：企业AI中间件层的选择，是一个极高锁定性的决策。

一旦企业在特定的中间件平台上积累了大量的上下文数据（权限配置、工作流规则、历史处理记录），迁移的成本将非常高昂——不只是技术迁移成本，更是组织上下文数据的重建成本。这意味着今天的中间件选择，在很大程度上将影响未来五到十年的AI基础设施方向。

这个锁定效应，对于ServiceNow、Salesforce等现有玩家是有利的——他们可以凭借现有的数据积累和客户关系，建立强大的护城河。但对于企业客户来说，它意味着需要格外审慎地评估中间件选择的长期影响，而不只是被当前功能特性和演示效果所吸引。

在做出Context Engine或类似产品的采购决策之前，企业应当清晰回答几个关键问题：这个平台的数据拥有权归属如何？如果未来需要迁移，上下文数据是否可以完整导出？平台的开放性能否支持与其他AI工具的灵活集成？

这些问题，比Context Engine当前的功能列表，更能决定一家企业AI中间件战略的长期成败。

ServiceNow的全产品线AI原生化是一次重要的产业信号。但对于每一家面临这个选择的企业来说，最重要的判断不是”ServiceNow的AI好不好”，而是”我是否清楚地理解了我今天做的这个架构决策，将如何影响我五年后的AI战略灵活性”。

最后：DXC保险应用案例——从抽象到具体

理解ServiceNow AI原生化战略，DXC Technology的保险应用案例提供了一个很好的具体化视角。

DXC技术公司宣布了基于ServiceNow代理式AI和工作流技术的Assure Smart Apps，面向保险行业：Claims Assistant（理赔助手）、Engagement Assistant（客户互动助手）和Underwriter Assistant（核保助手）三款应用。这些应用的承诺：12周内可交付，减少30%到40%的手动流程，缩短约30%的业务处理周期时间。

这个案例展示了ServiceNow的AI原生化战略如何从宣言变成商业产品：通过深度垂直行业解决方案，将AI能力嵌入保险公司的核心业务流程，而不是提供一个通用的AI平台让客户自己去集成。

保险行业是一个典型的”高流程密度”行业——大量的结构化数据（保单、理赔记录）、明确的规则体系（核保标准、理赔流程）和高度重复的业务步骤，使得AI自动化的价值非常明确，同时也使得”组织上下文”的重要性极其突出：同样一个理赔请求，在不同的保险公司、不同的政策框架下，正确的处理方式可能完全不同。Context Engine在这个场景中，恰恰解决了最关键的问题：让AI Agent理解”这家特定的保险公司的特定上下文”，从而给出符合实际业务需求的处理决策。

从战略视角来看，DXC的Assure Smart Apps案例告诉我们：ServiceNow AI原生化战略最容易快速变现的路径，将是垂直行业深度应用，而不是横向的通用企业流程自动化。在那些数据结构化程度高、流程规则明确、上下文对决策质量影响显著的行业（保险、医疗、金融合规、政府服务），Context Engine的价值主张最为清晰，客户的投资回报也最易量化。

这也是ServiceNow未来几年最值得观察的战略执行方向：能否在保险以外，复制更多类似DXC这样的深度垂直行业合作，将Context Engine的价值在多个关键行业场景中落地验证。

从更宏观的视角看，保险行业AI化的速度正在加快。理赔欺诈检测、风险核保自动化、客户服务智能化，这些都是保险公司迫切需要解决的效率痛点，也恰好是AI能够显著提升效能的场景。在全球保险行业数字化转型的背景下，谁能最先建立起成熟的保险AI中间件生态，将在一个每年保费规模超过数万亿美元的市场中占据重要的商业位置。DXC与ServiceNow的合作，为这个市场提供了一个值得参考的解决方案模板。对于关注企业AI落地的行业观察者来说，保险、医疗和金融合规这三个垂直赛道，将是2026到2028年AI中间件商业化落地最活跃、最值得跟踪的核心战场。

参考资料

  1. ServiceNow Press Release, “ServiceNow Announces AI-Native Product Portfolio,” 2026-04-09
  2. Financial Times, “DXC Technology launches Assure Smart Apps on ServiceNow,” 2026-04-09 — https://markets.ft.com/data/announce/detail?dockey=600-202604090900PR_NEWS_EURO_ND__EN30275-1

值得补充的是，在企业AI中间件竞争中，中国市场的格局与国际市场存在明显差异。国内企业在AI工作流平台的竞争，呈现出不同的路径特征：钉钉、企业微信、飞书这类即时通讯工具，正在向更全面的企业AI平台演进，将工作流、通讯和AI能力融合在一起。这与ServiceNow主要从IT服务管理出发的路径不同，更接近”社交化的工作流AI”模式。无论哪种模式占优，”谁拥有最丰富的企业上下文数据”这个核心战略逻辑，在国内外市场中同样适用。