图片来源：Serval官网产品截图，展示Copilot把Okta群组变更请求升级并接入既有工作流。官方宣传素材，不作为第三方效果证明。
IT Agent真正卖的是执行闭环。
先看3个信号
- 融资信号：Business Insider报道称，Serval在2025年12月完成7500万美元Series B，估值达到10亿美元。
- 产品定位：Serval官网把自己定义为“ITSM for the AI era”，覆盖帮助台、入离职、即时权限申请和长尾IT任务。
- 效果口径：Serval官网客户案例称，Perplexity用它自动化超过50%IT请求；这是官方口径，未经第三方审计。
很多AI企业软件还停在“回答问题”的阶段。用户问一句，系统回一句，看起来聪明，但真正的工作还在后面：判断权限、找系统、等审批、执行动作、同步工单、留下审计记录。
Serval有意思的地方，是它没有把AI Agent包装成一个新的聊天窗口，而是把它放进IT服务管理这条老流程里。它卖的不是“更会说话的帮助台”，而是一个能把请求办完的内部运营层。
它到底解决什么问题？
企业IT团队每天面对的请求，大多不复杂，却非常耗人。
有人要开通Figma、Ramp或Okta权限；新人入职要配设备、建账号、进群组；离职员工要回收权限；员工问VPN、邮箱、设备、报销工具怎么处理；安全团队还要确保每个动作都能追溯。
传统ITSM系统擅长“记录”：开工单、分派、流转、关闭。但真正费时间的不是记录，而是执行。
Serval试图把这段执行链条产品化。它的官网写得很直白：自动化help desk、onboarding/offboarding、JIT access等请求。员工可以通过Slack、Teams、email或web portal发起请求，Serval再根据知识库、权限策略、审批规则和系统集成去处理。
这不是一个小差异。聊天机器人只解决“问答”，而IT服务管理要解决“责任”。
Serval把Agent做成了什么？
Serval的产品结构有几个关键层。
1. 请求入口：把员工入口变成工作流入口
员工不需要知道某个请求应该进哪个系统、找谁审批、填哪个表。自然语言请求先进入Serval，再由系统识别意图。
比如员工说要访问某个应用，传统流程可能是开工单、找经理、找IT、找安全、再去身份系统配置权限。Serval的产品截图和官网说明展示的是另一种路径：员工在聊天入口提出请求，系统把它映射到权限策略和工作流上。
这对AI产品很重要。用户不想学习你的流程，用户只想把事情办掉。产品要做的是把自然语言入口和背后的确定性流程接起来。
2. 权限层：让Agent有边界地行动
企业内部IT最怕的不是慢，而是乱。一个AI如果能随便开权限、删群组、改配置，没人敢用。
所以Serval没有只强调模型能力，而是强调access policies、approvals、time limits、justification requirements、access governance。官网还提到可以通过SCIM groups、API或自定义AI-generated workflows做配置，并自动安排deprovisioning。
换句话说，它把“AI会做事”放在“AI只能按规则做事”之后。
这也是企业AI Agent商业化的核心：越靠近真实业务动作，越需要权限、审批、审计和异常升级。
3. 工作流层：自然语言生成流程，但流程要可管理
Serval官网有一句值得注意：Describe your workflow in natural language and Serval does the rest.
但更关键的是后半段。它说Serval会用code-based workflows，同时在no-code UI里表达出来；技术团队可以直接检查工作流代码，并用Git管理。
这比“让AI帮你搭一个自动化”更像企业软件。
因为企业不是缺一次性的自动化demo，而是缺可维护、可回滚、可交接的流程资产。一个工作流今天能跑，不代表下个月组织调整、权限变更、审计要求变化后还能跑。
Serval的启发是：AI生成流程只是入口，真正的商业价值在于让流程变成团队资产。
商业化为什么成立？
Serval没有公开标准价格。它的定价页写的是“One platform fee, no surprises”，并强调围绕真实结果构建pilot，配有部署工程团队。
这说明它更像企业销售产品，而不是低客单价自助工具。
为什么这个方向能卖高客单价？
第一，IT帮助台是每家公司都有的刚性成本。团队越增长，请求越多，IT人力却不会按同样速度增长。
第二，自动化效果可以被量化。Serval官网客户案例称，Perplexity自动化超过50%IT请求，并为每位管理员每天节省1-2小时；Mercor案例称自动化超过60%工单并提供24/7全球支持覆盖。再次强调，这些是官方客户案例口径，未经第三方审计。
第三，它不是单点工具。帮助台、权限、入离职、工单、资产、知识库、审批和安全治理一旦连起来，客户迁移成本会越来越高。
很多AI产品的最大问题，是用户试完以后没有留下来。Serval的产品化路径相反：先从高频请求入口切入，再让每一次请求沉淀成权限策略、工作流、知识库和历史记录。
这是更容易形成留存的结构。
它怎么从旧系统里切进去？
Serval面对的不是空白市场。ServiceNow、Freshservice、Jira Service Management、Moveworks这类产品已经存在多年。
所以它没有只讲“替换旧系统”。官网提到，如果客户不想迁移，Serval支持和第三方ticketing solutions做双向同步，也提供public API。
这个策略很现实。
企业软件新产品最难的，不是证明自己更好，而是让客户愿意承担迁移风险。Serval先做一层AI-native执行层，接住员工请求、自动化常见任务、同步到旧工单系统；等客户把越来越多流程和权限策略放进来，它才有机会变成新的系统中心。
这条路对AI创业者很有启发：不要一开始就要求客户扔掉旧系统。先成为旧系统上方更好用的执行层，再慢慢拥有工作流和数据。
第三方信号怎么看？
Serval的外部热度也有两面。
Business Insider在2026年3月报道称，Serval从ServiceNow和Moveworks吸引了多名销售人才；同一报道提到，它在2025年12月完成7500万美元Series B，估值10亿美元。
这说明市场确实在下注“AI-native ITSM”。当ServiceNow花大钱收购Moveworks，新的AI原生公司又能从这个生态挖人，背后反映的是一个判断：企业服务台不再只是工单软件，而是AI Agent最先落地的运营场景之一。
但估值信号不能无脑乐观。WSJ的可见搜索摘要提到，Serval的独角兽估值涉及双层融资结构争议。这不影响我们研究它的产品机制，但提醒读者：融资热度不是商业成功本身。
真正值得学的，不是“又一个AI独角兽”，而是它为什么能把一个老市场重新讲清楚。
对AI产品创业者，能抄走什么？
1. 不要只卖智能，卖“办完”
AI回答只是价值链的一小段。用户更愿意为结果付费：权限开好了、员工入职完成了、工单关闭了、审计记录留下了。
如果你的产品只停在建议层，就很容易被更大的平台功能化。越往执行层走，越有机会形成工作流壁垒。
2. 把权限和审计当成产品功能，不是合规负担
很多创业者会把审批、权限、日志、回滚看成企业销售的阻力。Serval这类产品的反向启发是：这些东西本身就是企业客户愿意付费的理由。
AI越能做事，客户越需要知道它为什么做、谁批准、做到了哪里、失败后谁接手。
3. 客户案例要讲运营指标
“我们的模型更强”对CIO不够有说服力。“超过50%IT请求被自动化”“每个管理员每天省1-2小时”更容易进入预算讨论。
当然，官网案例必须按“官方口径，未经第三方审计”处理。但对创业公司来说，指标叙事本身很关键：你要让买方看见部署后的运营结果，而不是只看见功能列表。
4. 先双向同步，再替换系统
如果你的产品进入的是成熟企业软件市场，强行替换会让销售周期变长。更好的方式是先和旧系统共存：接住新入口，补上AI执行能力，把数据同步回去。
当客户的真实流程开始依赖你，替换才会自然发生。
5. 把工作流做成资产
一次AI自动化不值钱，可复用、可审计、可维护的工作流才值钱。
Serval把code-based workflow和no-code UI放在一起，传递的是一个很清楚的信号：AI可以生成，但企业必须能管理。
这可能是未来很多垂直Agent产品的共同方向。
最后
Serval不是因为“做了一个IT聊天机器人”值得研究。
真正值得研究的是，它把一个老问题重新拆了一遍：员工请求不是聊天问题，而是企业内部动作流问题；ITSM不是工单系统，而是权限、审批、执行、记录和持续治理的组合。
AI Agent最先稳定赚钱的地方，往往不是最酷的通用助手，而是这些看起来琐碎、重复、边界清楚、结果可验收的内部流程。
对创业者来说，Serval的核心启发很直接：别急着证明AI多聪明，先证明AI能在真实组织里把一件事办完。