IBM 与 ServiceNow 联手：企业 AI 规模化，真正的障碍终于有人管了

IBM 和 ServiceNow 已经不再谈论即插即用的 AI 神话了。2026 年 6 月 11 日，两家公司宣布了一项扩大合作，它们将目光投向了真正让大型企业头疼的难题——那些让 AI 无法顺畅跑起来的“陈年旧账”：几十年前的遗留 IT 系统和根本没为 AI 准备好的数据。此次合作，就是为了给这些系统“治病”，让 AI 真正能规模化地投入使用 。

这并非一次华丽的战略转向，而是一次聚焦技术底层的深度合作。合作的核心是，将 IBM 的 watsonx.ai、红帽 (Red Hat) 自动化套件以及 AI 编程助手 IBM Bob，与 ServiceNow 的平台和工作流数据架构（Workflow Data Fabric）深度整合。释放的信号非常明确：想让 AI 这个“水龙头”顺畅出水，得先把底下老旧、堵塞的“管道”修好 。

企业 AI 的真正“拦路虎”是什么？

此次合作明确指出了两个根本性障碍，正是它们让许多企业的 AI 项目至今仍停留在小规模试验阶段，甚至直接宣告失败 。

第一个障碍是“遗留应用层”，这可能是最显而易见的问题。大型企业运行在这些耗时数十年、盘根错节构建起来的系统之上。直接推倒重建，成本高昂、风险巨大，甚至根本行不通。IBM 与 ServiceNow 的解决方案不是“拆旧建新”，而是“原地升级”。他们采用 IBM Bob、IBM 企业应用运行时以及 watsonx.data 等工具，在不中断生产环境的前提下，扫描、重构那些老旧的 Java 应用，将它们带入 AI 时代 。

第二个障碍是“AI 就绪型数据问题”，这是一个更隐蔽却同样致命的问题。即便企业搭建了现代化的基础设施，数据却是分散的、缺乏治理的，质量参差不齐，根本无法用于模型训练或推理。合作方案将 ServiceNow 的工作流数据架构与 IBM watsonx.data 集成，提供数据质量、可观测性和主数据管理能力，并统一呈现在 ServiceNow 的数据目录中。目标是从根源上保障企业数据的持续“AI 就绪”状态，而不是每次都进行痛苦的一次性清理 。

三大发力点如何落地？

合作围绕三大具体解决方案领域展开，精准对应上述两大障碍 。

应用现代化：此领域重度依赖 AI 编程助手“IBM Bob”，它能理解并重构遗留代码，配合面向 Java 应用的 IBM 企业应用运行时，帮助企业在现有环境中逐步演进系统，而无需推倒重来 。

企业数据治理：通过将 IBM watsonx.data 整合到 ServiceNow 的工作流数据架构中，为企业提供统一的数据质量管控、数据流动监控和主数据记录维护方式。所有治理能力最终都关联回 ServiceNow 的数据目录，实现清晰的可视化和可控性 。

自主化基础设施运维：集结红帽 Ansible、可观性平台 Instana、IBM Bob 以及 HashiCorp 基础设施工具，实现对 IT 问题的自动发现、修复和解决，防患于未然。这些功能被直接集成到 ServiceNow 的 IT 工作流中，旨在将运维团队从被动的“救火队员”转变为主动的、由 AI 自动化驱动的运营者 。

这些方案何时能落地？

IBM 和 ServiceNow 表示，这些联合开发的解决方案预计将于 2026 年下半年 向客户推出 。初次公告中并未包含具体的定价或套餐细节，这表明随着各项技术的深度融合，方案很可能分阶段向市场铺开。

十年磨一剑：从自动化到 AI 的深度同盟

许多轰动一时的合作很快便销声匿迹，但此次合作的背后是超过十年的稳固伙伴关系，早在当下这一波生成式 AI 浪潮席卷企业界之前便已开始 。

自 2011 年起，IBM 就是 ServiceNow 全产品线的管理服务提供商 。2017 年，两家公司正式确立了全球战略合作伙伴关系，专注于在 IT、人力资源、客户服务和安全管理等工作流中实现智能自动化 。2020 年，双方扩展协议，将 AI 技术专门应用于 IT 运维，旨在通过自动化手段降低风险和成本 。

到 2023 年，ServiceNow 正式将 IBM 作为核心战略服务伙伴，深化其联盟生态。2024 年初，两家公司同步更新了合作伙伴计划，以支持 AI 转型交付 。此后不久，在 2024 年 5 月的 ServiceNow Knowledge 大会上，他们宣布将 IBM watsonx.ai 和 Granite 大语言模型集成到 ServiceNow 的 Now Assist GenAI 体验中，并联合成立了一个生成式 AI 卓越中心 。

2024 年 7 月，合作延伸至人才发展领域，IBM 咨询推出了一款基于 ServiceNow 平台打造、由 AI 驱动的员工技能提升解决方案，将 IBM 的技能分类数据与人力资源转型经验相结合 。

2026 年 6 月的此次合作扩大，是这一系列动作的必然延伸。它不再仅仅聚焦于增加一层 AI 功能，而是着手解决决定企业 AI 项目成败的根本前提：数据是否值得信赖，以及系统是否具备运行模型的能力。