IT 支持 / 技术支持

NAICS 5415,计算机系统设计及相关服务业,全部雇员,季节调整。转折点在 2023 年 3 月,而下降是平缓的、不是陡峭的。有两条限制决定了它对这个职业能承载多少分量。这个行业既包含软件开发、咨询与托管服务,也包含服务台,而且分不开 —— 所以这不是针对支持岗的测量。而且大多数做 IT 支持的人受雇于银行、医院或工厂,而不是 IT 服务公司,他们每一个都被算进了那个雇主所在的行业里。这条序列看见的是这个职业里被外包的那一半,不是更大的自有那一半。

招聘、人数、工时或职责出现可验证变化。权重最高 —— 但因果归因仍需论证,不能默认。

英格兰,一所大学。学校自己的通知说,供师生领取笔记本、送修设备或领取配件的自助储物柜自 2026 年 2 月 12 日起可用;减少当面领取后,IT 团队可以把更多时间放在解决技术问题上;设备通过支持请求、硬件订单、维修、借用或更换流程发放。交接转给了储物柜;设备的维修和准备仍由人完成;没有给出人员变化。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

这是美国及盟国政府网络安全机构关于一个犯罪团伙手法的联合通告。它说:该团伙的社会工程手段首先是为了摸清服务台重置密码需要哪些步骤,然后收集目标员工的重置信息,往往要打好几通电话;2025 年 7 月的更新还说,其成员冒充员工,说服 IT 或服务台人员提供敏感信息、重置员工密码,并把员工的多因素认证转到他们控制的设备上。缓解措施建议使用抗钓鱼的多因素认证,并培训员工防范语音钓鱼;它没有规定服务台应该怎样核验来电者,描述的是一个团伙,而不是服务台多常受骗。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

英格兰,一家公共雇主。信托自己的员工通讯说,其 IT 服务团队在两地试点成功后,把智能储物柜系统推广到第三个院区;试点期间分发了 1,000 台笔记本,节省了 2,000 小时临床人员时间;员工联系服务台、商定取件点、收到取件码,再到储物柜取走设备。服务台仍先分诊;节省的是临床人员的时间,不是 IT 人员的。只标为 2025 年 4 月号。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

这是这家赌场公司自己关于一起网络安全事件的申报。它说:公司发现网络中有可疑活动,起因是针对其所用外包 IT 支持服务商的社会工程攻击;2023 年 9 月 7 日它确认攻击者获取了会员计划数据库的副本,其中包括大量会员的驾照号码和/或社会保障号码;面向客户的业务未受影响。它没有说明服务商的员工是怎样被骗的,也没说他们用了什么核验方式。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

一份受委托的行业研究,不是测量 —— 而它点出的机制才是值得留住的部分。它给出的三条路径里,只有一条是「机器在干这件事」:AI 自动给出帮助台答案并分派工单。另外两条都是组织重排 —— 在敏捷与 CI/CD 之下,开发职能接管了维护软件、监督交接与测试;在 SaaS / PaaS 之下,服务商接管了维护更新软件的活,「减少了内部所需的人力」。报告自己的原话是:对独立存在的这类岗位的需求会下降,因为这些任务会「被并入应用开发或 DevOps 团队的任务里」(这是应用支持;系统支持则是「被并入 DevOps 团队的任务里」)。工作换了一个团队做,和工作被自动化,不是同一件事 —— 而转述最容易抹平的正是这个区别。报告发布于 2022 年 10 月,底层分析日期为 2020 年 12 月,写在生成式 AI 进入公众视野之前;这一点很要紧,因为它说的帮助台自动化指的是工单分派与预置答案,不是聊天模型。只覆盖新加坡资通信劳动力;来源是利益相关方访谈,不是就业数据。

一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。

这一条是司法部自己提交给 OMB 法定清单的条目,依据《Advancing American AI Act》公布,所以发布方是运行这套系统的雇主本人,不是厂商也不是记者。条目给的投产日期只到月份(2019 年 09),故按当月 1 日记录;报告日期取 2026 年 4 月那次数据上传,仓库自述文件写的是「截至 2026 年 4 月 13 日」。把整份 2025 清单读一遍、人工筛出真正属于 IT 服务台的用例之后,同一份文件里有 12 条已投产(跨 6 个机构)、4 条试点、26 条尚未投产(跨 11 个机构)、1 条已退役 —— 等着上线的比已经在跑的多。条目没有给出任何编制数字,也没有记录这套系统关掉了队列里多大比例的工单。由于这次投产比公开的生成式模型早三年,它是关于工单分派自动化的证据,不是关于语言模型的证据。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

三十年来,这一直是进入技术工作的主要门之一,而它也是自动化机制最清楚地正对着的那一道门 —— 招新人的正是那些容易的工单。穿过去的路径形状没变,但留给你的时间变短了:尽快去做那些没人能写成脚本的工单,并让自己的名字出现在「关掉其余工单的那套工具」上 —— 因为「操作这套自动化」才是这份工作正在被拨款的那个版本。

你所在的机构会按工单量定编,然后把工单量自动化掉。有效的论点不是「这些单子很难」,而是「这个指标已经描述不了这份工作了」—— 而且必须在定编之前说,因为之后你要对抗的是一个已经很好看的数字。

调整职责

去拥有那套自动化,而不是和它比

总得有人决定「系统可以自己关掉哪些工单」以及「它不确定时怎么办」,而唯一知道答案的人,是那个做过这条队列的人。

相邻转岗

转到安全运营那一侧

美国及其盟国的网络安全机构警告,攻击者会直接打电话给服务台,让人重置密码、转移 MFA —— 所以你已经拥有安全团队需要的那份上下文:这家公司「正常的请求」长什么样。

队列里重复的那一半,拥有办公室任务里最清楚的自动化机制:问题窄、解法是已知步骤,而且成败可被机器判定 —— 账号要么解开了要么没有,于是系统可以在无人看管下重试。长尾没有这个机制,因为它的起点是一份笃定、而且在关键细节上是错的用户描述。结果不是这份工作的缩小版,而是它更难的版本;而按工单量定编、又把量自动化掉的团队,通常会发现这个指标已经描述不了这份工作了。

不给日期。把上个月的工单分成两堆:机器能判断「修好没有」的,和只有人能判断的。第一堆是工具会拿走的,而两堆的比例就是你的暴露度 —— 你今天下午就能算出来,而且它比任何行业数字都有用,因为它讲的是你的队列,不是所有人的平均。

已经做掉了很大一部分,而值得注意的是这件事发生在任何模型出现之前 —— 密码自助已经是标配很多年了。这一点对正确理解当前这一波很要紧:容易的工单本来就已经在被拿走,而语言模型加上的是「处理那些用户没法按门户的分类描述清楚的问题」。方向和过去十年一样,变的是速度。

部分是 —— 一所大学和一家 NHS 信托已经把设备交接挪到了自助柜,而设备的维修和准备留在人手里。但交接正是自助柜拿走的那部分,所以留下来的是维修,而不是走到工位那一趟。在把它当成一个计划之前,先量一下它在你自己一周里到底占多少。