ServiceNow AI 网络安全战略将 SaaS 压力转化为安全押注

ServiceNow 将其最大规模的收购、不断扩展的 AI 管控能力以及正在改变的营收模式，整合为对以席位计费软件所面临威胁的回应。ServiceNow AI 网络安全战略并不将安全视为一条相邻的产品线，而是将其定位为连接 AI 智能体、企业资产、身份以及驱动这些要素的工作流的运营层。

这一差异至关重要，因为生成式 AI 正在冲击传统软件经济模式的两大基础。智能体能够完成过去分配给获得许可证员工的工作，而内部开发工具则让部分工作流应用更容易被复刻。当 Microsoft 可以捆绑提供竞争性服务、模型供应商也能进入应用层时，ServiceNow 必须证明客户仍然需要其平台。

它的答案并不是打造最好的基础模型。ServiceNow 押注的是，对组织流程、资产、权限和响应路径的了解更为重要。该战略将这些上下文与来自 Armis 和 Veza 的网络安全数据结合起来，再针对更广泛的已消费服务组合收费。机会可观，但整合、治理和计费风险同样不容忽视。

ServiceNow 正围绕 AI 与安全重构其平台

核心变化在于，ServiceNow 现在将网络安全视为其平台架构的一部分，而不只是另一类工作流。

9 月 11 日的一篇新闻分析将这一转变描述为对企业软件压力不断加大的回应。该报道将三项进展联系起来：AI 驱动的工作流、对 Armis 的收购，以及向按用量服务的转变。它们共同展示了 ServiceNow 如何在自动化削弱用户许可证经济效益之前作出调整。

ServiceNow 于 2025 年 5 月推出 AI Control Tower。这款产品是一个集中式环境，用于监督 AI 智能体、模型和工作流，包括其他供应商提供的系统。该公司还推出了 AI Agent Fabric，这是一层旨在协调跨平台智能体和工具的通信层。

该公司于 2026 年 5 月扩展了控制塔。ServiceNow 表示，该产品能够发现、观察、治理、保护和衡量 AI 系统，无论它们在何处运行。据该公司的控制塔更新，此次更新新增了覆盖主要云平台和企业应用的 30 项集成。

这一扩展使该产品成为企业 AI 的拟议记录系统。记录系统存储其他流程所依赖的权威信息。在这里，这些记录包括已部署的智能体、连接的模型、权限、负责人、政策、使用情况和运营行为。

ServiceNow 还于 2026 年完成了对 Armis 的收购。Armis 可发现并监控信息技术、运营技术、医疗设备及其他环境中的连接资产。其软件能够识别设备，而无需在每个端点安装智能体。

这种资产可见性填补了传统 IT 服务管理中的重要空白。ServiceNow 的工作流通常依赖配置管理数据库，即 CMDB，用于记录技术资产及其关系。当资产清单不完整或过时时，这些工作流的可靠性就会下降。

Armis 能够提供来自实际环境的观测数据。随后，ServiceNow 可以将暴露资产与其业务负责人、相关服务、修复流程和审批链关联起来。AI 可以为案件确定优先级或建议操作，而既有工作流则决定由谁执行。

原始分析认为，这种组合的重要性超过了简单增加另一款安全产品。它为 ServiceNow 提供了一张更广泛、更及时的企业地图。这张地图能够支持跨越传统服务记录容易忽略设备的自动化。

ServiceNow 之前的收购也指向这一方向。Veza 可映射人类和机器身份之间的权限。Mission Secure 增加了运营技术安全能力。Armis 则将可见性扩展至工业系统、医疗设备、网络设备和未受管理的端点。

由此形成的架构连接了四项要素。Armis 识别资产和风险暴露。Veza 提供身份和权限上下文。ServiceNow 提供业务流程和编排能力。AI Control Tower 则为智能体和模型增加治理能力。

这正是 ServiceNow AI 网络安全战略的实践基础。它并不只是让聊天机器人总结一次事件，而是将检测结果连接到受治理业务流程中可追责的行动。

AI 压力正在削弱以席位计费 SaaS 的逻辑

ServiceNow 正在调整，因为自主化工作降低了主要通过员工席位衡量企业软件价值的合理性。

传统软件订阅通常随员工人数增长。即使个人使用量存在差异，更多员工也意味着更多获得许可证的用户。当 AI 智能体能够处理请求、更新记录、起草解决方案并协调跨系统工作时，这种模式的可靠性便会降低。

这种压力并不要求 AI 完全取代 ServiceNow。较小的变化同样可能影响营收。如果一个智能体能让一名员工处理更多案件，客户可能就会在相同工作量下需要更少的获许可用户。

内部开发工具增加了另一种压力来源。团队如今可以描述一个狭窄的工作流，并以更少的手工编码生成应用原型。这些应用依然难以治理和维护，但它们可能在边缘场景中挑战专业软件的必要性。

ServiceNow 对直接替代具有较强的保护。大型组织多年来一直在其平台上编码流程、审批、集成和服务关系。重建这些运营历史，远比生成用户界面或简单的工单应用更困难。

Lionfish Tech Advisors 的 Rob Smith 在相关报道中概括了这种防御。他认为，ServiceNow 并不拥有独一无二、更优越的模型；它的优势在于了解客户流程中的具体步骤，而竞争对手无法以低成本复制这一点。

这一优势也解释了为什么 Microsoft 是最重要的竞争参照。Microsoft 能够在现有企业协议中结合云基础设施、身份、安全、生产力软件和 AI 辅助功能。它不需要取代每一个 ServiceNow 工作流，就能形成定价压力。

基础模型供应商则带来不同的挑战。它们正在其核心模型之上增加连接器、计算机使用功能、编码智能体和业务应用。每增加一项能力，它们就更接近过去需要专用软件平台才能完成的工作。

ServiceNow 的回应是一种混合商业模式。席位依然重要，但基础设施使用量、集成、AI token、安全服务和其他已消费资源将贡献更多增长。该公司在其分析师日讨论了这一转变。

ServiceNow 报告称，基于席位的订阅在 2025 年仅贡献了其新增年度合同价值净额的一半。新增年度合同价值净额衡量新增加的经常性承诺。这一数字表明，在最新分析出现之前，这一转变已经开始。

ServiceNow 的按用量模式更契合自动化工作。即使员工人数保持不变，客户也可以运行更多工作流或智能体。ServiceNow 能够通过计量服务和不断扩大的安全工作负载参与这些增长活动。

然而，按用量计费也将不确定性转移给了买方。固定数量的获许可用户相对容易进行预算。智能体活动则可能随工作负载、模型选择、集成设计和自动化步骤数量而变化。

知识工作者已经在云支出中经历过类似问题。细小的技术决策可能在存储、计算、数据传输或 API 调用方面产生持续消费。AI token 和自主工作流为这一方程引入了更多变量。

因此，企业买方需要详细的使用记录。他们必须知道哪个智能体发起了一项操作、哪个模型处理了它、有多少连接服务参与其中，以及重复步骤是否造成不必要的消耗。治理与成本管理因此紧密相连。

这种联系有利于 ServiceNow 的平台论点。AI Control Tower 既可以充当监督系统，也可以成为支出控制点。但客户应将这些益处视为需要在自身部署中验证的主张。

该模式也改变了采购讨论。买方将比较 ServiceNow、云平台、模型供应商和内部构建智能体之间的单位经济效益。他们会询问，与更简单的替代方案相比，一项托管工作流是否值得其消耗成本。

对 ServiceNow 而言，商业挑战十分明确。它必须让每个自动化结果创造足够价值，以便客户接受可变用量。如果消费增长却没有带来可衡量的解决效率、生产力提升或风险降低，该模式将看起来像一个新的成本中心。

ServiceNow 对 Armis 的收购扩展了企业地图

Armis 为 ServiceNow 提供了一种方式，将 AI 决策与传统服务数据库往往无法准确呈现的资产连接起来。

工作流平台只有在了解自身环境时才能安全地采取行动。自动化修复流程需要识别受影响设备、其负责人、相关服务、业务影响和获批响应措施。缺失上下文会让自动化变成运营风险。

ServiceNow 对 Armis 的收购解决了这一问题的第一部分。Armis 能够持续观察传统计算机、云工作负载、运营设备、网络设备和医疗技术。其无智能体方法可在无需向每台设备安装软件的情况下观察资产。

这一能力在医院、工厂、公用事业及其他关键环境中尤为相关。有些设备无法运行普通端点智能体，另一些设备则不能因频繁扫描、更新或测试而中断运行。

ServiceNow 的收购公告表示，该组合将覆盖信息技术、运营技术和医疗设备。公告还称，这笔交易将扩大公司的安全市场机会。

关键机制在于观察与行动之间的连接。安全产品经常能够识别漏洞、高风险配置或未知设备。运营团队仍必须决定哪项发现更重要，以及由谁安全地完成修复。

ServiceNow 可以将这些发现与现有的事件、变更、资产和审批工作流连接起来。公共服务器上的一个漏洞可能触发某一流程；同一个漏洞若出现在医疗扫描设备上，则可能需要不同的测试、授权和排期。

AI 可以帮助协调这些信号。它可以比较暴露严重性与业务重要性、设备行为、归属关系及现有控制措施，也可以整理调查材料或提出修复步骤。

该公司的新 Autonomous Security 产品扩展了这一模式。ServiceNow 表示，其平台可以汇总暴露发现、通过业务背景信息加以丰富，并编排修复流程。部分组件可以执行较低风险的操作，同时将较高风险的决策上报处理。

其 8 月的安全发布介绍了六个解决方案领域，涵盖暴露管理、漏洞检测、网络物理系统、身份、事件响应和合规。

多款已宣布产品可立即使用。其他产品，包括 Tier 2 安全运营专家和持续控制监测代理，计划于 2026 年 12 月推出。这个区别很重要，因为已公布的能力不应被视为已经全面落地的客户成果。

ServiceNow 对 Armis 的收购也改变了 Armis 本身。在交易之前，Armis 可以跨多个 IT 服务管理平台集成。其独立性帮助它在多供应商混合环境中运作。

被 ServiceNow 收购后，对于使用竞争性工作流系统的客户而言，这带来了一个战略问题。ServiceNow 表示，其平台可与外部云、模型和应用程序连接。竞争对手仍会关注，产品优先级是否将日益偏向 ServiceNow 工作流。

这一担忧为独立暴露管理平台和大型安全厂商创造了机会。Microsoft、Palo Alto Networks、CrowdStrike、Cisco 等公司已经将广泛遥测与自动化响应结合起来。它们的方法各不相同，但都希望控制安全发现转化为行动的环节。

当所需行动需要跨部门协作时，ServiceNow 具有优势。一次安全事件可能涉及基础设施团队、法务审查、采购、人力资源或合规部门。ServiceNow 已经在大型企业内部协调其中许多流程。

其弱点在于，网络安全买家既要求技术深度，也要求工作流覆盖范围。CISO 不会仅仅因为 CIO 已经拥有某个平台就接受它。这些产品必须能够准确检测、保留证据、限制权限，并与现有安全运营体系集成。

这带来了新的竞争标准。ServiceNow 不能只通过交叉销售或合同扩张来评估 Armis 整合。它必须证明，合并后的平台能够更快地关闭风险暴露，而不会引入不安全的自动化操作。

因此，这笔收购既巩固了 ServiceNow 的核心资产图谱，也打开了更大的安全市场。这一双重目的解释了 Armis 为何对公司的 AI 方向至关重要。更完善的企业背景信息会让工作流自动化更有价值，也更难被替代。

ServiceNow AI 网络安全战略面临控制悖论

让 AI 代理能够解决事件的同样访问权限，也会放大错误指令、过度权限或受损上下文造成的损害。

ServiceNow 将治理视为应对失控企业 AI 的答案。其控制塔旨在盘点代理、跟踪其行为、执行政策并分配责任人。随着各部门通过不同供应商部署代理，这些功能解决了一个真实问题。

然而，当治理软件控制其他系统时，它本身会成为高价值目标。攻击者若攻破编排层，可能获得进入众多应用程序的路径。错误的代理也可能比人工操作员更快地传播失误。

当代理获得隔离设备、轮换凭据、更改配置或阻断流量的权限时，风险会进一步增大。每项操作都可能阻止攻击；但若执行错误，同样的操作也可能中断患者护理、制造、通信或营收系统。

人工审批可以降低这种风险，却会限制自主性。组织必须决定哪些操作属于低风险、哪些需要确认，以及哪些永远不应委托给代理。这些界限取决于业务背景，而不只是技术严重性。

ServiceNow 表示，其 AI Agent Access Security 可对跨平台和模型提供商的代理应用控制措施。该公司还介绍了自动密钥轮换、权限撤销、事件调查和漏洞修复。这些仍是公司说法，需待客户在生产环境中验证。

控制问题还有另一个维度。ServiceNow 的治理层依赖准确的身份、资产和工作流数据。Armis 可以改善资产发现，但无法自动修复每一条归属记录或业务依赖关系。

新发现的设备仍可能没有明确责任人。两个系统可能报告相互冲突的属性。服务地图可能遗漏一项只有在故障期间才会显现的依赖关系。AI 建议会继承这些不确定性。

该公司自身的安全领导层曾主张，组织应当问自己是否仍处于控制之中，而不是是否完全安全。这一框架出现在 2026 年 5 月关于代理式 AI 控制的讨论中。

控制需要的不只是一块仪表盘。买家需要证据证明政策确实能够阻止未经授权的操作。他们需要完整日志、易于理解的审批路径、可靠的回滚程序，以及对代理行为的独立测试。

他们还应测试所宣传的紧急停止开关概念。只有当平台能迅速检测到有害行为时，停止代理才有意义。团队必须了解，这一开关是否会停止待处理工作流、撤销凭据，并阻止代理通过外部工具继续执行。

数据驻留和模型路由增加了复杂性。ServiceNow 可连接多个云和模型，这有助于客户避免封闭环境。但每个连接也可能为凭据、敏感上下文和审计证据带来新的边界。

成本治理也带来了类似的控制问题。代理可能仍处于安全权限范围内，却消耗超出预期的资源。重复的规划循环、不必要的模型调用或冗余集成，都可能在不违反政策的情况下推高使用量。

这些风险并不否定 ServiceNow 的 AI 网络安全战略。它们表明，这一战略是一种权衡，而不是简单的产品扩张。集中化上下文可以改善监督，但集中化也会集中信任。

企业买家应通过有限部署来压力测试这种信任。一个有价值的试点应从可衡量的工作流、明确的权限边界和已记录的备用方案开始，并将 AI 辅助表现与现有流程进行比较。

例如，团队可以在不启用自主打补丁的情况下测试漏洞优先级排序。它可以衡量业务背景是否改变修复顺序、分析师是否接受这些建议，以及错误优先级是否减少。

下一阶段可以针对狭窄的设备类别自动执行可逆操作。团队应记录成功率、审批延迟、回滚频率和意外依赖关系。扩展应依据证据，而不是笼统要求采用代理。

安全领导者还应保留独立遥测。控制平台不应成为唯一报告自身表现的系统。当编排影响关键基础设施时，外部日志和验证工具提供了必要的制衡。

这种谨慎的方法也能增强采购能力。了解自身AI 工作流的买家，可以区分有用的消耗与仅仅制造使用量的活动。他们可以围绕可衡量的结果进行谈判，而不是宽泛的自动化承诺。

按使用量计费将议价能力转向信息更充分的买家

只有当客户能够将可变使用量与可见的运营价值联系起来时，ServiceNow 的商业转型才会成功。

超越按席位计费并不会自动有利于 ServiceNow。按使用量计费使收入与自动化工作相匹配，但也让客户更了解自己实际使用的内容。这些信息可能暴露表现不佳的工作流或不必要的集成。

即使用户很少打开产品，席位许可证仍可能保持激活。按使用量计费会产生不同信号。低使用量可能表明应用采用情况不佳，而高使用量则可能揭示昂贵的流程设计。

买家可以利用这些信号比较替代方案。一些工作流可能值得采用 ServiceNow 的治理、集成和支持；另一些则可能通过云服务、模型提供商或范围有限的内部应用就能充分运行。

这形成的是投资组合决策，而非单一平台决策。企业可以将 ServiceNow 保留给审计能力、跨团队协调和资产背景信息至关重要的流程，并将更简单的工具用于孤立且可逆的工作。

Microsoft 的捆绑能力强化了买方的这种议价能力。一家已经使用 Microsoft 身份、安全、云和生产力服务的公司，可能会认为相邻的自动化功能颇具吸引力。ServiceNow 必须证明，其流程知识能带来优于捆绑替代方案的结果。

开放权重模型创造了另一种议价能力来源。它们可以减少对单一模型提供商的依赖，并允许在受控环境中部署。ServiceNow 的模型中立定位有所帮助，但客户仍会比较路由、集成和治理成本。

当工作负载可预测且成果可衡量时，ServiceNow 的按使用量计费模式可以良好运行。安全运营提供了很有前景的例子，因为团队已经在追踪暴露积压、修复时间、事件持续时间和控制合规性。

然而，这些指标可能具有误导性。关闭更多工单并不总是能降低风险。自动解决容易发现的问题可能改善平均值，而关键暴露仍然未被处理。

客户应将使用量与结果质量联系起来。有用的衡量指标包括已验证的风险降低、成功修复、错误操作频率、节省的分析师时间，以及避免的服务中断。每项指标都需要明确的基线。

合同设计同样值得关注。买家应了解哪些事件会产生使用量、如何计算重试，以及第三方模型使用是否单独列出。他们还应确定谁可以启动代理，并设置预算上限。

底层分析警告称，若缺乏谨慎监控，可变计费可能带来令人不快的意外。当一个代理能够触发多种工具、模型和下游工作流时，这种风险会变得更加严重。

ServiceNow 可以通过细化成本归因来减轻担忧。企业应能将使用量追溯至部门、代理、工作流、负责人和业务目标。财务团队应能够在续约谈判前质疑支出。

该公司还面临维持互操作性的压力。客户会抵制一种成为每个外部模型或安全产品昂贵关卡的控制塔。Armis 整合后，开放集成必须在技术上仍具实质意义。

这是平台整合的承诺与现实发生碰撞之处。更少的控制台可以简化运营，但单一供应商很少能在每个安全类别中都提供最佳能力。企业将继续使用专业化产品。

因此，ServiceNow 最强的定位是编排，而非强制替代。它可以将多个工具的发现结果与业务上下文和可追责的工作流连接起来。如果它优先追求所有权而非中立集成，其竞争地位将被削弱。

ServiceNow 的 AI 网络安全战略为公司应对按席位压缩提供了可信的回应。它并不会消除客户的议价能力，而是将谈判从授权用户数量转向受治理的结果、可衡量的活动和平台覆盖范围。

三个信号将表明这场押注是否奏效

产品可用性、客户经济性和竞争互操作性，将决定 ServiceNow 的安全业务扩张能否成为持久的防御优势。

第一个信号是已宣布的自主安全产品能否在 2026 年 12 月如期交付。ServiceNow 预计届时将推出其 Tier 2 安全运营专家、漏洞修复专家、持续控制监控和密码合规能力。

仅有可用性并不能解决问题。买家应关注哪些功能实现全面可用，哪些需要人工批准，以及哪些支持回滚。早期客户证据应显示，这些产品是否能够在不增加运营事件的前提下缩短响应时间。

延期或受到严格限制的发布将削弱公司的自动化叙事。在医院、制造商或关键基础设施中的可信部署将增强这一叙事。这些环境对资产上下文和受控修复构成了严苛考验。

第二个信号是 ServiceNow 围绕消费模式和安全业务增长所作的信息披露。投资者和客户需要比笼统的 AI 增长势头表述更详细的信息。他们应关注席位承诺、已消费服务、安全合同和续约行为之间的构成。

消费增长若伴随强劲续约，将支持 ServiceNow 的商业模式转型。使用量上升但客户对可预测性的担忧加剧，则会削弱这一转型。安全业务的采用是否能够扩展至现有 IT 买家之外，同样重要。

第三个信号是竞争对手和合作伙伴如何应对 Armis 集成。Armis 此前曾在异构环境中运作。客户应关注这种互操作性是否仍然广泛，以及竞争性的 IT 服务平台是否仍保有同等的技术访问权限。

持续的中立集成将支持 ServiceNow 关于其能够治理开放 AI 环境的主张。限制措施、支持能力下降或激进捆绑销售，将使竞争对手有机会将自己定位为更安全的独立选择。

Microsoft 的回应尤其值得关注，因为它能够在身份、云、AI、生产力和安全等领域展开竞争。安全专业厂商也会通过增强自动化响应和业务上下文能力来捍卫自身地位。

ServiceNow 正在提出一个聚焦明确的论点。企业 AI 需要的不只是模型和对话式界面，还需要一张准确描绘资产、身份、权限、工作流和责任人的地图。

这一论点具有说服力，因为自主行动会放大薄弱的上下文。不过，ServiceNow 仍须证明，其整合平台能够在不造成依赖关系、不安全授权或不可预测消费的前提下实现控制。

企业买家应首先梳理一个具有重要影响的工作流及其证据要求。随后，他们可以测试 ServiceNow 是否比现有技术栈更好地连接检测、判断、审批和行动。只有当这种比较带来可衡量的价值，而不只是更多自动化活动时，ServiceNow 的 AI 网络安全战略才能成功。