ServiceNow 新 AI 數據基建，對準自主 Agent 嘅真正樽頸

今次加咗邊三件事

ServiceNow 今次發布主要提到三個組件：

• Context Engine：ServiceNow 將佢列為新基礎層一部分，用嚟向 AI Agent 提供企業脈絡智能 。
• Autonomous Data Analytics：定位為由 AI 驅動、針對企業數據嘅分析能力 。
• Workflow Data Fabric：被描述為受管治數據層一部分，幫自主 AI 跨企業工作同採取行動 。

重點唔係再加多一層報表工具，而係令數據喺工作真正發生嗰刻可用：當 Agent 要推理、協調、執行，佢唔需要喺一堆分散系統之間估估下。

呢亦都配合 ServiceNow 更闊嘅 Agent 架構。ServiceNow 表示，AI Agent Fabric 可透過 Agent2Agent（A2A）支援 ServiceNow 同第三方 Agent 之間溝通；Agent 亦可透過 Model Context Protocol（MCP）由外部工具、數據同系統取得脈絡 。

白話講：唔想企業 AI 變成一堆孤島 bot

如果無共享脈絡，一個 Agent 可能明白工單，另一個明白客戶，第三個明白基建狀態，但無任何一個有足夠視野同授權完成件事。最後就會變成碎片化自動化：摘要好多、建議好多，但真正執行有限。

ServiceNow 喺 Knowledge 2026 嘅訊息亦唔止數據一項。CXO Insight 報道，相關更新涵蓋 AI Control Tower、Autonomous Workforce、數據智能同安全能力，目標係支援由數據、決策、執行到信任嘅 AI 價值鏈 。喺呢個策略入面，數據基礎層就似連接組織神經線：幫 Agent 明白發生緊咩、要作咩決策、下一步工作流程應該點行。

管治唔係附加項，而係產品核心

對自主企業 Agent 嚟講，「可以做」同「應唔應該做」係分唔開嘅。ServiceNow 呢次數據發布強調嘅唔只係即時數據，仲係受管治數據 。原因好簡單：自主 Agent 嘅風險唔只係答錯，而係做錯。

有關 ServiceNow 自主勞動力策略嘅報道亦有類似重點。Cloud Wars 形容 ServiceNow 嘅專用 AI Agent 會喺公司工作流程內執行任務，同時遵守客戶嘅管治要求 。而 ServiceNow agentic workflow 嘅實施指引亦強調 human-in-the-loop 控制、清晰目標同審計框架 。

換句話講，平台成唔成功唔只睇模型有幾叻。企業還要睇清楚：權限、審批、例外處理、監控同審計紀錄，喺 Agent 由「建議」走到「執行」嗰刻係點運作。

企業評估時應該問咩

ServiceNow 今次發布講清楚策略方向，但買家仍然要測試實際營運細節。最值得問嘅問題包括：

• 呢個基礎層實際接到邊啲企業系統同數據來源？
• 對最重要嘅工作流程而言，數據有幾即時？
• 權限、審批同例外情況點樣強制執行？
• Agent 採取行動之後，會留下咩審計紀錄？
• Agent 可以更新 system of record，定只係建議下一步？
• 當信心、政策或者風險要求人工介入時，邊個位交返畀人？

呢啲問題會決定系統係真正嘅執行層，定只係蓋喺碎片化企業數據上面嘅另一個介面。

總結

ServiceNow 瞄準嘅係企業 AI 執行落差。自主 Agent 如果缺乏即時脈絡、受管治數據存取，以及同實際工作流程嘅整合，就難以可靠咁完成工作。今次新數據基礎層，是 ServiceNow 嘗試將數據、決策同動作連起來，令 Agent 喺企業控制範圍內運作，而唔係喺流程外面各自為政 。