BLUF：Freshworks 將「持續探索」與「依賴映射」深度整合至 IT 服務管理平台，不僅是產品功能升級，更是對 IT 管理典範的挑戰——企業需要的不再是資產清單，而是理解「基礎設施如何支撐業務服務」的動態智能系統，這是實現可靠 AI 驅動營運（AIOps）不可或缺的數據基石。
引言：當 AI 浪潮遇上數據孤島，IT 管理的「最後一哩路」困境
人工智慧正以前所未有的速度重塑企業營運，從自動化客服到預測性維護，處處可見其身影。然而，在 IT 服務管理（ITSM）與營運（ITOM）這個核心戰場，AI 的潛力卻被一道無形的牆阻擋：破碎、過時且缺乏脈絡的基礎設施數據。企業投入大量資源導入 AI 工具，卻發現這些「聰明」的系統經常給出荒謬的建議或無法理解事件的業務影響，根本原因在於 AI 模型所「吃」的數據品質低劣。
這正是 Freshworks 此次擴展 Freshservice、重新定義 IT 資產管理（ITAM）的核心命題。他們瞄準的不是某個功能點的優化，而是企圖打通 IT 管理中最混亂、最手動，卻也最關鍵的「數據供應鏈」。這不是一場單純的產品發布，而是一次針對產業痛點的戰略性切入，預示著 IT 管理工具將從「記錄系統」全面進化為「智能決策系統」。
為什麼「持續探索」比「靜態盤點」更能代表未來？
Answer Capsule： 傳統 ITAM 如同定期拍攝的靜態照片，而「持續探索」則是 7x24 小時不間斷的現場直播。在混合雲與微服務架構成為主流的今天，基礎設施的變動速度以分鐘計，靜態盤點已完全失能。持續探索提供的即時、準確的資產視圖，是後續所有自動化與智能分析的起點。
過去，IT 資產管理往往與年度或季度盤點畫上等號，團隊耗費數週時間手動更新 Excel 表格或配置管理資料庫（CMDB），結果在報告完成的那一刻，數據就已經開始過時。這種模式在實體伺服器為主的世界或許勉強可行，但在雲端原生、容器化、微服務化的現代環境中，無異於刻舟求劍。根據 Flexera 的《2025 雲端現狀報告》，企業平均使用 4.8 個不同的公有雲與私有雲平台，且超過 70% 的工作負載具有動態伸縮特性。
Freshworks 將持續探索內建為平台核心能力，意味著資產數據的獲取從「專案性任務」轉變為「常駐性服務」。這不僅解決了數據新鮮度的問題，更關鍵的是，它將資產數據的生產流程自動化，使其能夠以機器可讀、API 可調用的方式，無縫流入服務台、監控、資安等下游工作流。這是一種根本性的思維轉變：資產數據不再是需要「管理」的負擔，而是隨時可用的「服務」。
下表比較了傳統 ITAM 與重新定義的 ITAM 在關鍵維度上的差異：
| 維度 | 傳統 ITAM (靜態盤點導向) | 重新定義的 ITAM (持續探索導向) |
|---|---|---|
| 數據更新頻率 | 手動、定期（月/季/年） | 自動、持續（近乎即時） |
| 主要目標 | 合規、財務稽核、軟體授權管理 | 服務保障、風險管理、營運智能 |
| 數據狀態 | 歷史快照，易過時 | 當前狀態，反映真實環境 |
| 與工作流整合 | 鬆散，常需手動橋接 | 深度原生整合，驅動自動化 |
| 對 AI 的價值 | 低，數據品質與時效性差 | 高，提供可靠、高時效性的訓練與推理基礎 |
| 適應環境 | 靜態、地端為主的環境 | 動態、混合雲、容器化環境 |
依賴映射：從「知道有什麼」到「知道為什麼重要」
Answer Capsule： 知道公司有 500 台虛擬機是資訊，但知道其中哪 3 台支撐著核心的線上交易服務，並且能視覺化其與資料庫、負載平衡器、網路儲存之間的關係，才是「智能」。依賴映射正是將冰冷資產轉化為有業務意義服務藍圖的關鍵技術。
資產清單本身價值有限。真正的價值在於理解資產之間的關係，以及這些關係如何最終連結到業務服務。例如，一次看似普通的儲存設備維護，可能因為未被察覺的依賴關係，導致關鍵的客戶關係管理（CRM）系統癱瘓。Gartner 指出，多達 40% 的業務中斷事件，根源在於對 IT 組件間的相互依賴關係理解不足或過時。
Freshworks 強調的「依賴映射」功能，正是為了解決這個問題。它透過自動化探索，動態繪製出從底層硬體、虛擬化層、中間件到應用服務的完整拓撲圖。這張動態地圖讓 IT 團隊和 AI 系統能夠：
- 進行影響分析：當一個伺服器發生故障時，能立即看到哪些業務服務受影響，以及受影響的使用者範圍。
- 預測變更風險：在執行系統升級或遷移前，模擬潛在的連鎖反應。
- 加速根因分析：在複雜的連鎖故障中，快速定位問題源頭。
這種能力將 IT 管理從「組件維運」提升到「服務保障」的層次。下圖以心智圖形式，勾勒出動態依賴映射所啟用的核心價值與應用場景：
數據完整性：AI 在 IT 營運中從「玩具」變「工具」的臨界點
Answer Capsule： 沒有高完整性的數據，IT 領域的 AI 就只是華而不實的「玩具」，可能給出危險的錯誤建議。當數據具備完整性、時效性與豐富脈絡，AI 才能成為可信賴的「工具」，實現從輔助分析到自主行動的飛躍。
AI 的表現上限取決於其訓練與推理所用數據的品質。在 IT 營運領域，「垃圾進，垃圾出」的法則尤其殘酷。一個基於過時 CMDB 數據的 AI，可能會建議重啟早已下線的伺服器，或者將一個關鍵業務應用的警報誤判為低優先級。Freshworks 產品長 Srini Raghavan 點出了核心：「如果基礎設施數據不完整、過時或與服務工作流脫節，AI 就無法可靠地理解影響或提供準確的動作。」
重新定義的 ITAM 所建構的「高完整性數據基礎」，具體體現在三個層面：
- 廣度：透過持續探索，覆蓋混合環境中的所有資產，減少盲點。
- 深度：透過依賴映射，記錄資產間的關係與配置屬性，而不僅是存在與否。
- 鮮度：數據即時更新，與真實環境同步，確保決策依據是現狀。
這使得 AI 模型能夠在更豐富、更準確的上下文環境中進行分析。例如，在處理一個資料庫效能警報時，AI 不僅能看到資料庫本身的指標，還能關聯到其所支撐的應用服務的當前交易量、相關虛擬機的資源使用率，以及近期是否有相關的變更記錄。這種多維度分析極大提升了診斷準確性與建議的可行性。
根據 IBM 的《2025 年 AIOps 成熟度報告》，已經成功將 AI 大規模應用於生產營運的企業中，89% 將「建立單一、可信的數據來源」列為其最關鍵的成功因素。這充分說明了數據整合與治理之於 AI 價值實現的基礎性地位。
市場衝擊：誰將受到影響，競爭格局如何洗牌？
Answer Capsule： Freshworks 此舉直接衝擊傳統 ITAM 與 CMDB 專業廠商，並向 ServiceNow、BMC 等 ITSM 巨頭發起側面攻擊。其策略是透過「AI 就緒的數據層」作為差異化優勢，吸引那些在 AI 轉型中受困於數據問題的企業。這可能加速 ITSM 市場從功能模組競賽，轉向平台數據能力與 AI 生態的競賽。
Freshworks 的動作並非在真空中發生。我們可以從以下競爭態勢圖來理解其市場定位與潛在影響：
Freshservice] --> B[戰略定位: AI就緒的
服務營運平台] B --> C1[核心優勢: 原生整合
持續探索與依賴映射] B --> C2[目標客群: 受困於數據孤島、
尋求AI轉型的中大型企業] C1 --> D[直接衝擊] D --> E[傳統ITAM/CMDB廠商
如: Flexera, Snow Software] D --> F[監控/可觀測性工具
需強化CMDB與服務映射者] B --> G[側面挑戰] G --> H[ITSM平台巨頭
如: ServiceNow, BMC] G --> I[雲端管理平台
如: VMware Aria, IBM Turbonomic] H --> J[巨頭可能回應:
加速收購或深化自有探索能力] E --> K[專業廠商可能回應:
強化與各ITSM平台整合，
專注於合規與財務等利基]
這場競爭的關鍵在於，誰能最快提供「開箱即用」的智能數據層。企業越來越沒有耐心去整合七八個工具來構建一個基礎的服務視圖。他們需要的是能夠直接賦能 AI 工作流的整合平台。Freshworks 透過將關鍵的數據收集與關聯能力內建，減少了客戶的整合複雜度與時間成本。
對於 ServiceNow 等巨頭而言，其 CMDB 雖然強大，但傳統上更依賴於手動維護或透過昂貴、複雜的整合來獲取數據。Freshworks 的「持續探索」原生模式，提供了一種更輕量、更自動化的替代路徑，特別對那些雲端原生程度高、變動快速的企業具有吸引力。預計巨頭們將透過加強自身的 Discovery 產品線，或與更靈活的探索工具深化合作來應對。
未來展望：IT 服務管理將走向何方？
Answer Capsule： IT 服務管理的終極形態將是「自主服務保障平台」。在這個未來中，平台能自動感知環境變化、預測潛在問題、並在極少人為干預下執行修復或優化動作。而實現這一願景的路徑，必須經過「數據融合」、「情境智能」、「預測與處方」三個不可跳躍的階段。Freshworks 的更新，正是紮實地走在第一階段。
我們可以預見幾個明確的發展趨勢：
- ITSM 與 ITOM 的界線徹底模糊：以服務為中心的視角將統合傳統分立的服務管理與營運監控。工具平台必須同時具備服務台、資產探索、依賴映射、監控告警、自動化執行等能力。
- AI 從「分析師」晉升為「操作員」：初期 AI 主要用於警報降噪、根因建議。下一階段，在高度可信的數據與明確的規則下，AI 將被授權執行標準化的補救動作，如重啟服務、擴容資源或隔離故障組件。
- 「可觀測性」數據與「配置」數據匯流：指標（Metrics）、日誌（Logs）、追蹤（Traces）等可觀測性數據，將與 CMDB 中的配置項（CI）及其關係數據深度融合，提供從效能現象到底層配置的完整解釋鏈。
下表展望了未來三年 IT 服務管理平台的關鍵能力演進：
| 時間維度 | 核心能力焦點 | 關鍵技術特徵 | 商業價值體現 |
|---|---|---|---|
| 現在 (2026) | 數據完整性與自動化 | 持續探索、動態依賴映射、基礎工作流自動化 | 提升營運效率、減少人為錯誤、加速平均解決時間 (MTTR) |
| 近期 (2027-2028) | 情境智能與預測 | AI 驅動的影響分析、風險預測、資源優化建議、自然語言互動 | 主動預防中斷、優化雲端支出、提升服務水準協議 (SLA) 達成率 |
| 未來 (2029+) | 自主營運與適應性 | 基於強化學習的自主動作、跨域協同修復、自適應服務編排 | 實現接近零停機的韌性、最大化資源利用率、IT 團隊聚焦創新 |
最終，成功的平台將不再是功能最繁雜的那一個，而是能將複雜性隱藏於後台，為使用者（無論是 IT 工程師還是業務主管）提供最簡單、最直觀的洞察與操作介面的那一個。數據是新的石油，但只有經過精煉（整合、關聯、情境化）並順暢注入引擎（AI 與自動化工作流），才能驅動業務這輛車前進。
FAQ
Freshworks 重新定義的 ITAM 與傳統方案最大差異為何？ 最大差異在於將「持續探索」與「動態依賴映射」深度整合至服務管理流程，取代傳統靜態盤點與手動更新，為 AI 提供即時、高完整性的數據基礎，實現從資產清單管理到業務服務保障的轉變。
這項升級對企業 IT 團隊的日常工作有何具體影響？ 團隊將從繁瑣的手動數據維護與跨工具查詢中解放，能透過視覺化依賴圖即時掌握事件影響範圍，預測變更風險，並在 AI 輔助下加速問題診斷與解決，工作重心從維運轉向優化與創新。
**
