許多企業都希望迎來革新及轉型，但卻受既有的工具、流程及工作模式所束縛而停滯不前。
一些常見的工作任務，仍需要重複來往各部門之間，例如更改密碼、迎接新員工等，這樣繁瑣的工序往往拖慢了整個系統。86%的企業表示，他們在2020年前，將需要更高程度的自動化來完成工作。而人工智能及機器學習，正好能為此帶來新轉機。惟直至現時為止，將人工智能與機器學習融入工作流程，普遍僅停留在尋找實例的流行技術用語。
智能自動化引擎應對四大挑戰
有見及此，企業雲服務供應商ServiceNow乘勢推出機器學習，以解決現今科技所遇到的挑戰。ServiceNow智能自動化引擎，把機器學習運用於資訊科技的四大實例之一，把大量的環境運作數據、龐大研發投資，以及由數據科學家組成的團隊結合，來應對現時資訊科技機構面臨的四大挑戰，包括避免停機事故、自動化分類及分配事故、預測未來表現，及與其他同業作表現評估基準。同時，這些效能讓機器學習，能應用於針對客戶服務、安全及人力資源的ServiceNow雲端服務。
ServiceNow策略總監Dave Wright表示：「智能自動化為工作生產力開啟新的一章。配合這劃時代的創新，我們將智能引進平台，跟據學習每個客戶的數據，ServiceNow使他們能在速度及經濟效益上，取得空前的躍進。」
異常偵測 避免停機
融入人工智能及機器學習後，ServiceNow加強了異常偵測的能力，從而幫助企業預測及避免服務停機。這些演算法可幫助分析模式及外在發生的事件，以及潛在或能引來停機的風險。
與其他全新動態門檻措施結合，系統能得知屬於一般範圍的狀態，並在有異常及有潛在錯誤，及故障情況的訊號時通知企業。首次在運作智能（Operational Intelligence）上使用時，異常偵測功能可與過去引致停機的事故連繫，而當偵測到過去同類型事故時，即會展開工作流程，來避免問題在未來發生。
智能分類及分配工作
透過收購DxContinuum，ServiceNow將可為每位用戶的獨特數據，提供機器學習演算法。透過從過去的模式中學習，智能自動化引擎可以預測未來的成效，包括確定風險、分配工作者及分類工作。在最初階段，這種預測性的智能功能，將用於資訊科技服務管理產品中，為資訊科技請求提供高度精確的分類及分配。
學習的模型設置了資訊科技請求的類別，並將任務分配給正確的團隊，並為行動或不行動，計算相關的風險。此功能為資訊科技付運，帶來了更進一步的速度和效率，並為當連接裝置對服務請求，為未來建立了穩健的基礎。
評估同業效能基準
ServiceNow的基準令客戶可與類似規模的企業，或同行業的企業比較服務效率。過去很難，甚至不可能與同業比較表現。現在，企業不僅可以了解自己的表現與定下目標的差距，更可與其他相似的企業比較表現。此外，智能自動化引擎為實時效能分析應用程式提供新演算法，有助客戶確定何時能實現表現目標。客戶設定表現目標及根據數據資料後，效能分析便能利用最佳的演算法，預測客戶何時可達成目標。
全新智能自動化引擎屬Now Platform的一部分，為雲端服務加速，和自動化了資訊科技、安全、人力資源、客戶服務，以及任何部門制定的應用程式。隨著平台的改革，所有部門和應用程式均將受惠於智能自動化。透過自動化日常和複雜的流程，以及預測結果，企業可大幅降低成本、加速解決時間，以及為員工、合作夥伴和客戶，提供如消費者一樣的體驗。
可啟動智能自動化引擎的產品，將在2017年第三季推出。