摘要：当AI Agent开始调用知识库、CRM和业务系统，传统服务蓝图中依赖员工经验补足的模糊地带，会直接影响服务质量与风险控制。COMMA 咖墨提出“治理版＋执行版”的双视图框架：企业先确认服务承诺、责任与边界，再将同一套服务模型转化为机器可处理的规则、权限和异常机制。
服务蓝图长期承担着一个重要任务：让不同部门看见同一项服务如何发生。客户经历了什么，前台如何响应，后台怎样协作，系统和资源如何提供支持，都可以被放到一张共同的图里。
当AI只负责生成文案或回答问题，这套表达通常已经够用。随着AI Agent获得调用工具、读取数据、创建记录和推进流程的能力，情况发生了变化。蓝图上“及时响应”“分配给相关负责人”“必要时转人工”之类的表述，对员工而言可以结合经验理解，对执行系统却缺少足够明确的条件。
什么叫及时？哪些信息可以读取？谁是相关负责人？AI能够执行到哪一步？出现异常后由谁接管？这些问题不写清楚，AI就只能猜测，或者由技术团队在实施阶段代替业务部门作出决定。
基于这一变化，COMMA 咖墨提出一种可供企业实践和验证的“双版本服务蓝图”框架：一份用于组织治理，一份用于AI执行。这里的“双版本”并非两套各自维护的流程文档，而是同一服务模型面向不同使用者形成的两种视图。
传统服务蓝图建立共同理解，但不会自动成为执行规范
Nielsen Norman Group将服务蓝图描述为一种呈现人员、物理或数字证据、流程与特定客户旅程触点之间关系的图示。它尤其适合需要跨部门协作、包含多个触点的复杂服务。
服务蓝图的优势也正来自这里：市场、销售、运营、交付和技术团队能够在同一框架下讨论客户体验与后台协作。传统蓝图通常保留一定弹性，因为组织中的人会使用经验处理模糊情况。
AI Agent参与服务交付后，这些隐性经验需要进一步显性化。OpenAI关于Agent构建的实践指南强调，执行任务需要清晰的指令、具体动作、工具、边界条件和对异常情况的处理。服务蓝图如果要支持AI运行，就需要从“帮助团队理解服务”继续走向“为运行规则提供依据”。
这并不意味着在原图上简单增加一条AI泳道。企业还要处理责任、授权、数据、审批、失败恢复和监督等问题。它们既属于服务设计，也涉及业务治理、产品管理、技术架构、信息安全和合规，需要相关角色共同确认。
治理版：确认企业承诺怎样的服务
第一种视图可以称为服务治理版（Service Governance Blueprint）。它面向管理者、业务负责人、运营团队、产品与技术团队，以及项目所需的安全、法务和风险管理角色。
治理版关注企业准备向客户提供什么结果，以及组织如何为这些结果负责。它需要说明客户承诺、关键触点、响应时效、跨部门关系、数据使用范围、决策权限和责任主体。
“用于治理”不等于每张蓝图都要成为正式合同。它代表一次明确的组织动作：相关负责人共同确认服务目标与运行边界，并对关键节点的责任安排达成一致。后续AI执行规则的业务依据，由此产生。
治理版至少应回答以下问题：
-
客户在这段旅程中应获得什么结果和反馈？
-
哪些触点必须保留人工判断或人与人的沟通？
-
每个关键节点由哪个角色承担最终责任？
-
数据可以在什么目的和授权范围内使用？
-
哪些承诺、决策和异常需要审批或升级处理？
执行版：把审定后的服务规则转化为可运行配置
第二种视图可以称为AI执行版（AI Execution Blueprint）。它将治理版中已经确认的服务安排，转化为产品、技术和运营团队能够实现、测试和监测的结构化规则。
执行版的重点不是让AI读取一张复杂图片，而是为每个可执行节点定义清晰的信息：
-
触发条件：什么事件发生后，流程才可以启动。
-
输入与数据：需要哪些信息、来源是什么、是否获得适当授权。
-
执行动作：调用什么工具、系统或知识库，产生什么结果。
-
判断规则：在什么条件下继续、分支、暂停或终止。
-
权限范围：AI能够读取、生成、修改和发送什么内容。
-
人工接管：哪些高风险决定、异常和失败必须交给人处理。
-
运行记录：如何追踪过程、复核结果、定位问题并持续改进。
执行版也不意味着把每一步都交给大语言模型。确定性较强的任务可以由规则引擎或常规自动化完成；需要理解自然语言、提取信息或生成草稿的环节，再使用AI。涉及重大承诺、敏感数据和不可逆操作时，应通过最小权限、审批、人工确认和审计记录控制风险。
关键不在两张图，而在同一套服务模型
管理者和执行系统需要的信息粒度不同。管理者关心目标、责任、风险、协作与服务效果；执行系统需要事件、状态、字段、接口、权限与判断条件。如果全部信息挤在一张图上，管理讨论容易失焦，技术实现也会变得难以维护。
两个视图仍然必须共享同一套服务模型。关键服务节点应使用一致的标识、负责人和版本记录。治理版中的承诺或责任发生变化时，相关执行规则需要同步评估、修改、测试和重新批准。
如果两份文档独立维护，企业很容易出现一种危险状态：业务团队以为正在执行新版服务流程，AI和自动化系统仍沿用旧规则。因此，“双版本”的价值取决于两者能否保持可追溯的映射关系。
示例：企业官网收到一条客户咨询
以B2B企业官网咨询为例。客户提交需求后，信息通常进入邮箱或CRM，再由销售人员判断和跟进。传统服务蓝图可能将过程概括为：客户提交咨询 → 系统记录需求 → 销售判断 → 联系客户 → 制定方案。
治理版需要进一步确认：客户提交后应立即得到什么反馈；企业承诺多长时间内响应；市场、销售和IT各自承担什么责任；哪些信息可以用于线索判断；报价、交付承诺和特殊条款由谁批准。
执行版则把这些安排转成可以运行的规则。系统先核验必要字段、授权状态与重复线索；AI根据客户描述识别行业、需求类型和待补充信息；CRM在允许范围内创建记录，并按规则分配负责人；标准确认信息可以自动发送，具体项目回复由AI生成草稿后交给授权人员确认。出现数据异常、权限不足或工具调用失败时，流程暂停并转交人工处理。
客户感受到的是更及时、清晰的服务；组织获得可追踪、可管理的协作机制；AI则拥有有条件、有权限、有边界的执行能力。最终效果仍需要通过系统测试、业务验收和持续监测来验证。
企业可以从一段边界清晰的客户旅程开始
企业没有必要一次性把全部服务改造成Agent流程。更稳妥的做法，是选择业务价值明确、数据条件较好、权限边界相对清晰的一段客户旅程进行验证，例如官网咨询、售后工单分类、客户资料整理、内部知识检索或一线服务人员辅助。
先还原真实的客户旅程和后台协作，明确服务目标与责任，再识别适合标准化、自动化、AI辅助和人工判断的环节。在治理版得到确认后，再设计执行版并开展测试。
测试不应只覆盖正常路径。信息缺失、重复请求、系统故障、权限不足、异常输入和人工未及时接管，都是上线前必须验证的情况。评估结果也不能只看自动化率，还应观察首次响应时间、重复提交次数、转人工原因、错误执行事件、任务完成质量和客户反馈。
服务设计开始连接体验、治理与系统运行
AI Agent把服务设计带到了一个更具体的位置。设计团队既要关注客户如何感受服务，也要与业务、技术和治理角色一起说明服务如何被可靠地执行。
治理版帮助组织确认服务承诺、责任和边界；执行版帮助团队把这些安排转化为可实现、可测试、可监督的运行规则。两者共同依赖一套统一、可追溯的服务模型。
“双版本服务蓝图”目前是一种实践框架，并非行业统一标准。它是否有效，需要在具体项目中接受验证：能否减少跨部门歧义，能否降低AI实施阶段的规则返工，能否更早发现权限与异常风险，以及能否改善最终的客户体验。
COMMA 咖墨将持续围绕AI时代的服务设计开展研究与实践，帮助企业把客户体验、组织协作和数字系统放进同一套可运行的服务逻辑中。
