ServiceNow 销售展望符合预期，但 AI 担忧拖累股价下跌

尽管 Bloomberg 称其季度订阅销售展望符合分析师预期，ServiceNow 股价仍在 10 月 28 日发布财报后大幅下跌。ServiceNow 的销售展望凸显出一个日益扩大的鸿沟：销售更多人工智能产品，与说服投资者相信 AI 能够保障公司未来发展，是两回事。

眼下的担忧涉及已签约业务，而非客户突然放弃该平台的证据。Bloomberg 分析师 Anurag Rana 指出，签约收入增长的前瞻预期有所走弱，但同时表示已披露季度的表现更为强劲。

ServiceNow 所处的局面并非只是与 OpenAI 或 Salesforce 的竞争。它希望 AI 助手在其软件内部带来更多活动。投资者则在质疑，这些助手究竟会巩固其基础业务，还是削弱其议价能力。这种冲突解释了为何尚可的订阅业务指引未能带来安慰。

ServiceNow 销售展望实际传递了什么

ServiceNow 当前面临的核心问题，是市场对未来增长的信心，而非现有订阅需求的崩塌。

该公司报告称，第三季度订阅收入增长 21%。其第四季度预测为订阅收入增长 22.5% 至 23%，若剔除汇率变动影响，则为 21.5%。

不那么令人安心的指标则更具前瞻性。当前剩余履约义务（cRPO）衡量的是预计将在未来十二个月内确认收入的已签约收入。

ServiceNow 报告称，第三季度按固定汇率计算的 cRPO 增长 21%，这一计算方式剔除了汇率影响。其第四季度指引则将该指标定为 18.5%。

这些数据见于公司的季度财务业绩。它们描述的是业务的不同部分，不应被视为可以互换的指标。

订阅收入反映的是报告期内已交付的服务。签约收入则提供了未来业务的另一种视角，尽管合同期限和时间安排会影响该指标。

因此，一家公司可以报告健康的订阅收入增长，同时对签约业务给出不那么令人安心的展望。这种组合值得审视，但并不能自动证明客户需求正在恶化。

这种区分在比较新闻标题时也很重要。订阅收入预测并不等同于总收入预测。混合这些类别可能会人为制造预期落空，或掩盖真正的担忧所在。

因此，应将 ServiceNow 的销售展望视为一组信号。近期订阅业务预测表明其仍在扩张，而签约业务预测则引发了对这种增长持久性的疑问。

市场反应显著。Benzinga 报道称，在其发稿时，ServiceNow 股价在盘后交易中下跌 15.25%。这一数字只是交易快照，而非下一交易日的收盘结果。

股价变动反映的是预期的变化。它并不能确定单一原因，也无法证明 AI 已经损害了客户留存。

财报还包含调整后每股收益不及预期，这也说明不应将全部跌幅归因于人工智能。多项担忧可能会同时影响交易。

更站得住脚的解读应当更为克制：投资者获得了足以看到持续增长的信息，但未得到足够保证，以确信该商业模式具备韧性。

当投资者希望看到能够反驳更大战略威胁的证据时，符合市场共识的展望仍可能令人失望。达到预期回答的是季度问题，却无法终结更长期的争论。

AI 普及让管理层承受了不同类型的压力

ServiceNow 必须证明，AI 能够创造额外的商业价值，并且公司可以通过可持续的客户支出来捕获这些价值。

这一要求不止于证明某个助手功能强大。产品可以变得更有用，同时其供应商仍可能面临更艰难的谈判、更高的运营成本或不断变化的采购行为。

请看自动化一项任务与将其完成过程商业化之间的区别。当软件能够以更少的投入解决请求时，客户会从中受益。只有当商业模式能够捕获足够价值时，供应商才会受益。

这些结果可以相互强化。但当客户期待自动化降低软件账单时，它们也可能出现背离。

因此，管理层面临棘手的沟通问题。它必须解释为何不断提升的自动化能力会扩大市场机会，同时承认客户采用自动化的部分原因正是为了控制成本。

这正是围绕 ServiceNow AI 的核心担忧。问题不在于企业是否会使用人工智能，而在于它们围绕 AI 重构工作方式后，支出最终会落在何处。

一种可能的结果有利于既有平台。AI 产生更多请求、协调更多系统，并让可靠执行变得更有价值。现有平台将成为更繁忙的运营基础。

另一种结果则会赋予买方更大的杠杆。员工通过通用助手进行交互，而底层应用则竞争提供可相互替代的服务。

这两种结果都不会从一次产品演示中自动得出。它们取决于客户架构、合同条款、运营可靠性，以及替换现有工作流的难度。

企业买家也面临类似压力。他们必须区分令人印象深刻的界面与能够改善完整流程的部署。

一个支持助手或许能准确总结问题，但仍可能需要人工审批、重复数据录入或专家介入。周边工作决定了实际收益。

开发者面临的是这一挑战的另一种版本。集成 AI 助手需要就权限、错误、记录以及自动化操作失败后的恢复机制作出决策。

知识工作者最直接地体验到界面变化。他们可能以对话方式提交请求，而雇主仍依赖既有应用来执行这些请求。

界面与执行之间的分离具有商业重要性。应用窗口消失并不必然意味着应用合同也会消失。

不过，保留执行能力并不保证保留定价杠杆。买方可能重视应用的底层功能，同时寻求以不同条款获取这些功能。

对于评估工作场所 AI 的团队而言，梳理信息流是一个有用的起点。可搜索知识库解决的是信息检索，而运营系统则负责授权和记录操作。

混淆这些功能会使采购决策更加困难。更好的答案、更快的请求和可靠的执行是相关的收益，但它们需要不同的证据。

ServiceNow 所承担的任务，是将这些收益与可重复的商业结果联系起来。更多 AI 活动最重要的意义，在于客户是否持续扩大高价值、可靠的生产环境使用。

OpenAI 可以改变界面，但不必取代平台

ServiceNow 的合作策略建立在一个区分之上：人们使用的助手，与执行其请求的系统并不相同。

该公司与 OpenAI 扩展后的企业 AI 合作伙伴关系使这种区分变得具体。ServiceNow 表示，一项新的 ChatGPT 插件可让用户通过对话完成受治理的工作流。

根据公司举例，一名 IT 员工可以在不离开 ChatGPT 的情况下查看类似事件、评估变更风险并更新记录。ServiceNow 仍负责执行和治理这些操作。

该公告同时描述了当前可用功能和未来计划。增强版插件功能预计将在 2026 年底前推出，而多项安全、语音和开发集成功能则会在之后跟进。

这一时间表很重要，因为一则合作公告涵盖了不同层级的就绪程度。已可用功能、计划中的预览版和未来集成，不能都用来支持相同的近期收入结论。

尽管如此，其战略逻辑值得关注。如果员工更倾向于使用外部助手，ServiceNow 希望这种偏好能将工作导入其平台。

AI 智能体，即面向任务采取行动的软件，要在企业内部运行，所需的不只是流畅回应。它还需要经过授权的访问权限和可靠的执行能力。

例如，建议变更员工的访问权限，与实际完成这一变更并不相同。后者需要身份验证、审批路径和可追责的记录。

这种区别为成熟的企业软件提供了合理的防御逻辑。更好的对话式界面并不会自动取代其下方的运营结构。

然而，同一项集成也带来了商业问题。如果另一家公司控制界面，它便可以影响哪些底层应用获得关注，以及买方如何比较它们。

因此，ServiceNow 在扩大触达范围的同时，也接受了员工可能更少停留在其自有界面中的现实。这种交换能否巩固其地位，仍是一个经济问题。

结果部分取决于平台内保留了多少差异化工作。复杂权限和专业流程所形成的竞争地位，与简单且易于替代的操作不同。

对于买方而言，这意味着应评估完整交易。成功的对话只是一个必须经受例外情况、撤销操作和审计考验的工作流中的一部分。

对于开发者而言，这意味着应在推理和授权之间保持清晰边界。助手的建议不应悄然演变为修改业务系统的权限。

这项合作支持了 ServiceNow 的论点，即 AI 与既有软件可以互补。但它并不能独立证明这段关系将带来多少增量支出。

这也是为什么 OpenAI 在这个故事中既是合作伙伴，也代表着界面转变。仅将其视为替代威胁，会忽视实际架构。

反过来，将合作视为财务保障的证据也走得太远。技术集成建立的是一条使用路径，而非有保证的商业结果。

尚未解决的问题是，ServiceNow 是否能在新界面之下保留足够有价值的职责，以维持客户扩张。

客户承诺为 AI 战略赋予实质内容

一项具名的企业部署，比“每家企业都需要 AI”的宽泛说法更能证明其相关性。

HPE 提供了一个具体例子。ServiceNow 宣布达成一项为期五年的协议，为 HPE 的 Cloud & AI 业务提供支持服务。

计划中的支持服务部署将连接案例管理、现场服务、资产信息和 AI 治理。HPE 表示，其目标是让支持服务更轻松、更迅速、更个性化。

这些是实施计划和客户目标，不应被报道为该协议已经独立验证并实现的改进。

即使存在这一限制，该协议仍说明了 ServiceNow 试图销售的价值。其拟议角色不止于回答客户最初的问题。

支持运营必须将该问题与账户、产品、服务权益及适当响应关联起来。有些请求还需要实体服务。

派遣技术人员会引入额外的依赖条件。企业必须了解可用性、地点、所需技能以及涉及的设备。

这些依赖关系有助于解释：即使助手负责对话，企业自动化为何仍可能具有价值。助手只是流程中的一名参与者。

当平台能够协调原本需要零散应用程序或人工交接才能完成的工作时，其商业论点会更有说服力。当集成成本压倒这些收益时，这一论点就会变弱。

HPE 协议并未公开确定这一平衡。它提供了一项相关的部署承诺，但结果仍有待观察。

Salesforce 提供了一个有用的行业参照。在其第二财季业绩中，该公司报告称，按固定汇率计算的 cRPO 增长 14%，与 AI 相关的经常性收入也在扩大。

Salesforce 还披露，从该季度起，其 Agentforce 经常性收入指标纳入了额外的 AI 产品。在比较增长率头条数据时，这一定义至关重要。

ServiceNow 和 Salesforce 都认为，现有的业务上下文使其平台成为 AI 的有用基础。不过，两家公司报告的 AI 指标描述的是不同的商业类别。

年度合同价值是对已签约业务的年度衡量，而年度经常性收入则是对重复性收入的年化衡量。两者都不自动等同于某一季度确认的收入。

因此，如果不审视定义，更大的 AI 头条数字并不能证明基础业务更强。相关比较需要一致的指标和可比的报告期间。

更广泛的行业冲突关乎企业工作流的所有权。老牌供应商希望其应用程序成为员工无论选择何种助手时，底层的执行层。

客户希望自动化能够跨越应用边界，同时不增加不必要的复杂性。这些利益有所重叠，但并未消除围绕支出和控制权的争议。

ServiceNow 的客户承诺为其论点提供了实质支撑。它们表明，其拟议角色能够应对可识别的运营需求。

剩余的检验在于执行和经济效益。合同确立关系；成功部署及持续扩展则决定这种关系最终能创造多大价值。

这种区分使竞争比较保持扎实。问题不在于哪家公司在公告中加入了最多的 AI 表述。

而在于哪家供应商能够交付有用成果，同时维持客户愿意持续投入资金的业务。

积压业务增长放缓并不能证明 AI 正在取代平台

现有证据支持对增长可持续性的担忧，但并未证明 AI 导致了签约业务前景走弱。

ServiceNow 的销售前景包含预测，而非对每一项客户决策的解释。将这些预测归因于单一技术趋势，会夸大现有证据所能支持的结论。

签约业务指标可能因续约时点、协议期限、采购决策或交易组合而变化。这些可能性需要调查，而不能想当然。

较长期的合同可能增加承诺业务总额，却不一定带来等额的短期已确认收入。续约时点不同也可能改变季度间的比较。

这些都是审视底层机制的理由。没有支持性披露之前，它们不应被当作对本季度的解释。

同样，订阅收入持续增长并不能证明不存在与 AI 有关的压力。即使收入保持健康，买家仍可能重新考虑未来承诺或采取不同的谈判方式。

这形成了一种令人不安但有用的分析立场。看空解读尚未得到证实，乐观看法也仍需要证据。

管理层的积极论点基于客户对上下文、权限和协同执行的需求。这些要求解释了为什么成熟平台能够保持相关性。

怀疑论的重点在于，这种相关性中有多少能够转化为增量支出。即使客户继续依赖有用的基础设施，它也可能面对商业压力。

另一个不确定性涉及客户预算内部的替代关系。被标记为 AI 的支出可能代表额外投资、替代另一项采购，或只是不同的分类方式。

公开的增长数字并不总能揭示这种区别。分析师需要足够细节，以了解 AI 是扩大整体客户关系，还是改变其构成。

部署活动同样需要谨慎解读。更多自动化操作可能表明实际采用，但不能独立证明客户满意度或供应商经济效益具有吸引力。

自动化流程可能成功处理简单案例，却将复杂案例升级交给人工。这仍可能有价值，前提是衡量结果涵盖完整工作负载。

因此，买家除了关注完成率，还应寻找关于例外情况和监督机制的证据。需要持续纠正的流程，与可靠自动化带来的收益并不相同。

同样的谨慎也适用于成本。即使最终服务在商业上仍具吸引力，运行更多 AI 驱动的工作也可能带来额外费用。

在缺少详细披露的情况下，读者不应自信地将这些成本归因于本季度的利润率变动。该机制合理，但其实际财务贡献仍需要证据。

可靠的分析还应将股市预期与运营状况区分开来。大幅下跌可能反映信心变化，却不意味着客户行为发生了同等幅度的变化。

这种区分并不意味着抛售无关紧要。它解释了为什么管理层必须同时回应业务结果及其周围的不确定性。

最有力的回应应通过一致的定义，将产品采用、客户扩展和运营表现联系起来。更多公告本身无法提供这种联系。

在这些证据形成之前，围绕 ServiceNow AI 的担忧仍是一个关于未来经济效益的合理问题。它们不应变成客户已经替换该平台的事实性说法。

三项信号将检验 AI 是否强化业务

接下来有用的证据将依次连接签约增长、客户支出和生产部署。

首先，关注有关签约业务增长的解释和后续披露。眼前的问题是，较弱的前景反映的是时点、交易结构，还是需求的更广泛变化。

具体解释应比泛泛而谈的信心表态更具分量。管理层可以通过将报告指标与可识别的商业状况相联系，使其论点更加清晰。

可比签约增长的改善将削弱 AI 正在损害未来需求的论点。若客户扩展减少的同时持续疲软，则会强化这一担忧。

这两种结果都不应仅凭单一指标推断。当续约、合同期限和客户承诺指向同一方向时，解读会更有价值。

其次，关注 AI 相关支出的质量。关键区别在于，它是新增业务，还是从现有产品或类别转移而来的支出。

更清晰的披露将帮助读者评估 AI 是否扩大客户关系。一致的定义也使跨报告期间评估进展更加容易。

客户续约并扩展 AI 部署的证据，将支持 ServiceNow 的战略。大量试验却没有持续的商业承诺，则只能提供较弱的支持。

客户不必采用每一项已宣布的功能，战略也可以奏效。它只需要足够多有用的生产活动来证明持续支出的合理性。

这正是商业结果比界面偏好更重要的地方。员工可以偏好 ChatGPT，同时其雇主仍在继续扩展于底层执行请求的系统。

第三，关注已宣布的集成是否成为可靠的生产工具。年末插件增强目标提供了一个近期机会，可将交付情况与已宣布的时间表进行比较。

可用性本身无法解决争议。更有揭示性的证据在于客户能够完成什么、权限如何运作，以及团队如何处理失败或含糊的操作。

成功部署将强化这样的论点：外部助手会增加对 ServiceNow 执行层的需求。持续的实施摩擦则会削弱这一论点。

同样的方法也适用于客户协议。读者应区分承诺的存在，与预期运营收益已经实现的证据。

对企业买家而言，这些信号提供了一种实用的评估方法。从一个具体工作流开始，识别完成它所需的记录、审批和系统。

然后审视完整结果，包括升级处理和恢复。对话演示可能掩盖那些后来回到员工或实施团队手中的工作。

开发者应尤其关注问责机制。当助手更改一条记录时，企业需要知道是哪个身份执行了操作，以及哪项政策授权了该变更。

知识工作者面临一个相关的控制问题。只有当人们能理解它做了哪些变更，并纠正错误时，便捷的界面才有用。

ServiceNow 的销售前景留下的是一个尚未解决的商业问题，而非一个已被证明的替代故事。增长仍在继续，但对其可持续性的信心仍承受压力。

在你的组织扩大 AI 部署之前，应要求获得能够追踪一项请求从对话到授权、执行和审查全过程的证据。将该结果与现有流程进行比较，包括例外情况和员工投入。询问当助手误解请求或集成失败时，哪家供应商仍负责。对于跟踪 ServiceNow 的读者，也应将同样的严谨标准应用于未来披露：追踪签约增长，识别客户增量支出，并区分已交付的能力与已宣布的计划。这些检查将揭示比另一则合作公告或单独一个交易日更多的信息。AI 是让平台协调更多有价值的工作，还是给客户提供了更强的理由来重新谈判其角色？