服务管理面临的挑战
随着社会的进步及数字企业的兴起，全天候运作的服务和支援成为必然趋势，数字经济的蓬勃发展也使得远程协作模式逐渐成熟。这就要求支持服务时刻在线，满足客户随时可能产生的服务需求，而分散在各地的支持团队成员也需要无缝协作，来保障工作的顺畅进行。
但是服务管理领域的支持团队却面临着诸多挑战，例如：
-
由于缺乏足够的历史经验和服务运营数据，团队难以精准把握运营状况，无法对服务方式及质量进行有效优化；
-
服务台负荷过载，大量的服务请求让支持人员疲于应对，导致服务质量下降；
-
处理客户问题的周期过长，不仅服务效率低下，还可能引发客户不满，影响企业口碑。
这些挑战相互交织，严重影响着服务管理支持团队的效能。
经过进一步的分析，我们发现导致这些问题的深层原因主要有：相互隔离的工具与团队、过时且杂乱的知识资产、效能不佳的人工智能没有给支持人员提供有效的信息和数据支撑；团队成员目标不一致、沟通效率低下，且复杂的解决方案增加了支持人员相互协作的难度，从而导致客户问题处理周期过长、服务台负荷过载，对服务质量也较难进行有效的优化。
Atlassian服务管理解决方案：Jira Service Management
为了有效解决这些问题，Atlassian推出了专业的服务管理解决方案------Jira Service Management（JSM），它是服务管理领域的有力工具，能为企业解决诸多难题。
那么 Jira Service Management（JSM）是如何运作、有哪些功能呢？
JSM的工作机制是：客户在服务台寻求帮助或提单，内部支持人员接收并处理这个工单，客户及支持人员可以在线沟通讨论相关问题，支持人员完成工单并反馈给客户后，客户可以提交对服务的满意度。
另外呢，由于客户分散在各地，常用的沟通工具和习惯都有所不同。为了提供更好的服务，JSM提供了多渠道一键提单、基于不同的业务需求自动assign/分类工单给特定支持团队、用SLA衡量服务质量、自动化服务，以及利用Assets实时透明地管理企业资产等功能。
接下来，我们逐步来看JSM是如何针对性解决服务管理中存在的问题的。
项目模板，轻松开启服务管理
为了更好地服务不同地区、不同领域的客户，降低企业的使用门槛，JSM提供了各类预置的服务模板，例如：HR服务、IT服务等，各模板里包括专用的请求类型、工作流、界面等，供大家开箱即用。另外，这些预置服务模板十分"全能"，能够针对不同团队的具体场景做到快速落地，一键创建，操作极为便捷。
统一入口，专属门户
JSM支持多渠道一键提单（例如通过聊天工具Slack/Teams，以及门户、Email，甚至在Confluence中都可以一键提单），不论客户通过何种渠道提交工单，都能在系统中统一呈现，避免了信息分散。
JSM还内嵌了知识库，支持客户自助搜索，以快速解决常见问题。另外JSM具有统一的帮助中心，还可以针对不同项目定制专属门户，用户可在帮助中心快捷查询所有项目，从而打破项目壁垒，让信息流通更顺畅。
会话式工单处理
支持人员在处理工单或与客户沟通时，JSM采用会话式工单处理方式，条理清晰，可看性更强。
知识驱动的服务
为了缩短服务的整体时间、提高服务响应速度，各企业都在提倡服务左移（即尽量让客户通过自助服务解决问题），而知识驱动是服务左移的基础，也是提升服务效能的关键。
JSM内置知识库，客户可在提单时自助搜索匹配相关信息，自行解决常见问题，从而显著减少工单数量，减轻支持团队的工作量，使支持团队将精力集中在更复杂的问题上，有效提升首次解决率与回应速度。
队列管理，高效分流
另外，为了实现服务资源的更优配置，优先聚焦关键服务事项，JSM提供了队列功能，可基于预设规则自动为工单分配支持人员、确定工单处理顺序，同时也可进行队列的快速切换和灵活调度，让服务管理更加高效、有序。
SLA 管理，透明可控
清晰定义的服务承诺是高质量服务管理的基础，而JSM提供了SLA目标自定义功能，能够基于客户要求自定义SLA服务。通过实时追踪SLA，支持团队还能够及时发现服务过程中的问题和偏差，进而管控客户预期，提升客户满意度。
知识库复用，持续沉淀
JSM基于与Confluence的集成，提供高效链接、管理Confluence文档的功能，可利用AI实时总结工单的解决过程及方式，形成有效的业务经验并自动更新至知识库，实现新知识即时沉淀、形成问题标准化解决方案，提高支持人员回应的一致性。另外，JSM还支持按支持人员和外部客户身份区分知识库权限，在提供最新知识的同时，有效保障信息安全。
Dev & Ops 真正协同
Dev与Ops真正协同是现代服务请求支持的关键一环。
JSM可与Jira Software无缝衔接，使支持团队与开发团队深度集成。从提出服务需求到问题解决，确保任务的精准分配与高效执行，实现完整的项目管理闭环，确保全流程可控、可追溯。这意味着可以打破部门间的隔阂，实现信息与资源的高效共享，有效提升服务质量和客户满意度。
资产与配置管理
企业资产也是服务管理中必不可少的一环。
JSM系统中的资产管理模块（Assets）可用于对企业至关重要的软件、硬件、服务、人员等资产进行自定义设置、实时跟踪和可视化管理，成为企业的实时资源库。通过动态追踪资产的使用状况及状态，企业可以及时发现潜在问题，提前做好维护或调整，避免因资产故障影响业务开展。还将资产对象与服务工单进行轻松关联，从而提高工作效率，减少沟通成本，让企业的管理流程更顺畅。
零编码的自动化规则构建器
Automation是JSM中协助支持团队做好服务管理的另一强大工具。针对可规则化的重复性服务需求，JSM支持零编码构建"触发器---条件---行为动作"的自动化规则，以系统自动执行来替代人工重复劳动，从而提高工作效率，让员工有更多精力投入到创造性的工作中。
虚拟智能助手
Atlassian 推出了虚拟智能助手（Virtual Intelligent Assistant），融合人工智能与自然语言处理技术，能够通过对话理解用户问题，快速响应并实时提供解决方案。同时，它还支持监控助手表现，便于用户有针对性地优化训练，持续提升其服务能力，从而显著增强企业客户服务的效率与质量。
综上所述，JSM 的各项功能有效应对了前述服务管理挑战，已成为众多企业实现高效、优质服务管理的首选方案。
Atlassian AI如何赋能现代服务请求支持
2025年，Atlassian进一步将Jira Service Management（JSM）、Customer Service Management（CSM）、Assets 和Rovo集成为全新的Service Collection解决方案推向市场。这是一个基于人工智能的服务管理解决方案，旨在帮助企业更智能、更高效地预防和应对各类服务问题。
JSM 和 Assets 的功能前面已作介绍，客户服务管理 CSM 不是本次研讨会的重点，此处不再展开。接下来，我们将目光聚焦到 Rovo 上。
认识Atlassian AI助手------Rovo
Rovo是Atlassian的全新AI产品，通过释放AI潜力帮助用户将信息瞬时转化为行动。Rovo的目标是让Atlassian平台从一个优秀的"工作系统"，进化为理解用户、辅助用户甚至能主动为用户工作的"智能工作伙伴"------这也是我们迎接智能未来的方式。
Rovo 由 OpenAI 和 Google 的大语言模型驱动，具备强大的语言理解与生成能力。同时，它深度集成 Atlassian Cloud 的核心引擎------团队知识图谱（Teamwork Graph），可自动聚合并识别企业团队在信息、工作内容、目标规划与知识沉淀之间的关联。通过结合 AI 模型的语言能力与结构化知识网络，Rovo 为高效服务管理提供有力支撑。
此外，Rovo 还可集成企业外部应用，快速分析和处理海量用户与服务数据，并通过三种主要模式------智能搜索（Rovo Search）、对话交互（Rovo Chat），以及开箱即用与可定制的AI助手（Rovo Agent）------为用户提供即时、精准的服务支持，助力团队从容应对复杂的工作场景。
JSM：AI驱动的智能服务台
JSM集成Rovo后成为AI驱动的智能服务台，通过Rovo、虚拟代理和知识库为用户提供全渠道的自助服务，实现服务左移。另外JSM平台通过深度整合Jira生态，打破团队壁垒，支持跨产品协作与自动化流程，涵盖IT、HR、一般服务管理等多种应用场景。同时支持外部知识整合及全生命周期资产管理，提供开箱即用的报表、服务管理分析工具等等，助力企业高速构建、部署和运行新服务。
那么，Rovo是如何助力企业进行高效服务管理的呢？
写作助手及智能摘要
Rovo在服务管理中的应用非常广泛。无论是日常知识的构建、更新与沉淀，还是与外部客户的沟通，它都能充当写作助手------不仅帮助用户总结、提炼、扩写、优化和翻译内容，还可以基于工单解决过程及用户沟通的上下文，自动归纳总结问题及解决方案，并将其创建、更新为最新的知识库经验。这有效解决了企业信息更新不及时、历史经验难以沉淀等问题。
智能建议及分类
Rovo还可根据项目和服务队列的实际情况，为工单给出智能建议，实现工单的精准分类与自动分派，大大提升支持人员的工作效率和决策质量。
智能搜索（Rovo Search）
Rovo智能搜索主要以三种形式服务用户：
-
跨平台智能搜索：搜索信息时可跨平台显示搜索结果，例如用自然语言搜索信息后，搜索结果不仅包含Jira/JSM里的工单，也包括Confluence里的内容，从而打破平台壁垒，提高效率；
-
针对用户权限及习惯，个性化显示搜索结果；
-
通过不断迭代更新知识体系，提升系统性能和用户的搜索体验。
对话式AI（Rovo Chat）
Rovo Chat是一个对话式的AI伙伴，用户可通过自然对话与其互动，获得即时、有效的反馈。无论是撰写、修改、总结、查找内容，还是按需呈现信息，它都能轻松完成，真正实现"对话即自动化"。基于聊天上下文和企业产品数据，Rovo Chat能够智能生成回复并推荐后续问题，且随着团队的持续使用不断进化，变得越来越智能。
智能代理（Rovo Agent）
Rovo提供了开箱即用的智能代理（Agent），可将其看作是能基于用户需求执行相关任务的"AI同事"，例如自动处理工单、生成经验总结、智能分类、提供智能回复等，真正实现"动手"替你干活。
同时，Rovo Studio赋予企业定制Agent的能力------通过使用自然语言和低代码方式，基于企业的实际业务构建专属AI助手，并灵活定义其技能，如创建/更新/评论工单等，满足个性化服务管理需求。
智能自动化：Rovo和Automation
此前我们已经介绍过，JSM的Automation功能可帮助处理大量的重复性事务。结合Rovo的AI功能后，Automation得以进一步升级，真正实现智能自动化。
对于不熟悉Automation配置的用户来说，可通过Rovo使用自然语言轻松创建自动化规则，降低配置门槛，带来更好的用户体验。另外，企业也可基于实际的业务需求，将Rovo Agent集成进Automation规则中，将传统"规则驱动"的自动化升级为"AI智能驱动"------不仅能执行预设规则，还能在规则执行过程中理解业务上下文、预测需求并主动推荐下一步行动，真正实现从"自动化任务"到"自动化决策"的跨越，助力Atlassian 平台真正成为企业的智能协作中枢。
Atlassian Cloud跨区域协作优势与数据安全
接下来，我们来探讨大家关心的另一个话题：Atlassian Cloud跨区域协作的优势以及数据安全机制，希望能有效解答部分客户对这两方面的顾虑。
Atlassian Cloud跨区域协作优势：
-
Altassian在全球多区域部署基于AWS的公有云基础设施，支持用户就近接入；
-
提供自动负载均衡功能，承诺高达99.9%的SLA目标，保障服务的高可用性；
-
统一数据源及实时更新，所有的工单、文档、代码集中存储于云端，多地团队能即时查看同一版本，避免副本冲突；
-
支持多种语言及时区，降低跨国团队的理解成本，避免跨时区排期错误。
Atlassian Cloud通过多重措施保障数据安全：
-
安全工具Atlassian Guard可通过访问控制、单点登录 (SSO) 和多因素身份验证 (MFA)等措施，保证用户数据安全；
-
Cloud产品传输数据时，Atlassian会对数据进行加密，同时利用 AWS定期对加密、解密和密钥管理等流程进行内部检查和验证等，共同保障数据安全；
-
Atlassian也对分布于不同区域的多个数据中心制定了全面的备份计划，通过定期测试灾难恢复和业务持续性计划来提供服务保障，即使遇到突发情况，也能迅速恢复数据，确保业务的连续性，降低损失。
这几重保障相互配合，为用户和服务的数据安全保驾护航，让用户能够更加放心地使用Atlassian Cloud服务。
Rovo数据权限及隐私：
部分用户可能因Rovo可结合开源的AI模型，而对其数据安全有所顾虑，在此，我们专门做个解答。
-
Rovo严格遵循产品现有的权限设置，杜绝将数据用于跨客户的模型训练，对用户数据的使用边界有清晰的界定，能够保障不同客户的数据独立性和安全性；
-
Atlassian承诺用户数据不会用于改进任何大语言模型或服务，与第三方托管模型的数据交互是通过SSL加密服务单独发送的，进一步强化了数据隐私保护，企业无需担心数据泄密问题；
-
符合条件的客户可申请仅使用Atlassian托管的大语言模型，将大语言模型的使用范围限制在Atlassian云平台内。
希望这一列的安全保证措施，能够解答大家对Atlassian Cloud产品数据安全的顾虑。