NVIDIA 与 ServiceNow 合作，把自治 Agent 带进企业工作流

NVIDIA 与 ServiceNow 合作企业自治 Agent：重点在治理、工作流和安全运行

NVIDIA 发布文章介绍其与 ServiceNow 的合作，方向是为企业构建新的 autonomous AI agents。按照 NVIDIA 的说法，双方正在把 NVIDIA AI Enterprise、NVIDIA NIM、NeMo、OpenShell 等能力，与 ServiceNow AI Platform、AI Agent Studio、workflow 和数据能力结合起来。

这篇内容的关键不是单纯“企业里多了几个 AI 助手”，而是 ServiceNow 这类工作流平台正在把 Agent 放进真实业务流程。企业需要的不只是会回答问题的模型，而是能理解流程、调用工具、执行动作，并且被权限、策略和审计机制约束的 Agent。

ServiceNow 的入口是企业工作流

ServiceNow 的优势在 IT、HR、客服、运维、安全和企业流程平台。NVIDIA 的文章强调，这类平台可以让 AI agents 在企业系统中处理工作请求、执行流程、协调任务，并帮助员工更快完成复杂操作。

这和通用聊天助手不同。企业工作流往往涉及工单、审批、知识库、系统状态、用户权限和跨部门协作。Agent 如果要真正发挥作用，必须嵌入这些流程，而不是只在旁边生成一段建议。

NVIDIA 与 ServiceNow 的合作方向，正是把模型推理、企业数据、动作执行和工作流治理连接起来，让 Agent 进入已有平台，而不是另建一套孤立工具。

自治 Agent 的难点在治理

企业不缺自动化脚本，也不缺聊天机器人。自治 Agent 的难点在于，它可以根据上下文判断下一步，调用工具，推进任务。这种能力一旦进入生产流程，就必须有严格治理。

NVIDIA 文章中提到的 OpenShell 很关键。OpenShell 是用于安全运行 Agent 的开源运行时，可以让 Agent 在受控环境中执行，并通过 policy 管理它能做什么、不能做什么。对于企业来说，这类安全运行时可以降低 Agent 越权访问文件、系统和凭证的风险。

ServiceNow 侧的 AI Agent Studio 和 workflow 能力，则更接近业务编排层。它决定 Agent 处理什么流程、触发什么动作、如何接入企业数据和审批。两者结合后，Agent 才可能既有推理能力，又有企业级控制边界。

数据、工具和动作需要统一管理

Autonomous AI agents 的价值在于执行多步骤任务，但这也意味着它们需要访问更多数据和工具。一个 IT 服务 Agent 可能需要查知识库、看历史工单、调用监控系统、创建修复任务；一个 HR Agent 可能需要理解政策、读取员工请求、触发审批；一个客户服务 Agent 可能需要读取客户记录、生成回复并转交人工。

这些动作背后都有数据安全和权限问题。NVIDIA 与 ServiceNow 的合作如果要进入真实企业场景，就必须把模型、数据、工具调用、工作流动作和日志放在统一治理下。

因此，这类企业 Agent 不应被理解为“让 AI 自己想做什么就做什么”。更合理的定位是：在业务流程平台中，让 Agent 在明确权限和流程边界内处理重复任务、解释复杂请求、推荐下一步，并在必要时交给人工。

这次合作的实际看点

NVIDIA 与 ServiceNow 的合作体现了企业 Agent 的一个趋势：模型公司和基础设施厂商不再只提供模型 API，而是要进入企业工作流平台，与业务系统、流程引擎、权限体系和运维平台结合。

对企业来说，选择这类方案时要重点看四件事：Agent 是否能接入真实流程，是否有权限和策略控制，是否有完整日志和审计，是否能让业务团队在不写大量代码的情况下配置和管理。

如果这些问题解决得好，自治 Agent 才可能从演示变成可上线的企业流程组件。否则，它仍然会停留在试点和辅助问答阶段。

参考来源

本文为公开资料整理与技术学习参考，不提供采编、转载或发布服务。