勞斯萊斯用代理式 AI 大改造 IT：MTTR 從 6 天砍到 1 天、38,000 張工單自動分流
對航空引擎製造商而言，IT 系統異常影響的不只是員工能否順利工作，更直接牽動生產線的運作效率。英國航空引擎巨頭勞斯萊斯（Rolls-Royce）近年將代理式 AI（Agentic AI）與預測性智慧導入企業 IT 服務，打破長期累積的系統複雜度、資料孤島與重複性工作。
據官方案例顯示，這項轉型已將平均修復時間（MTTR）從 6 天縮短至 1 天，54% 的 IT 查詢無須人工介入，單是在生產現場（Shop floor）就釋放了約 30 萬小時生產力。
打破轉型瓶頸：先做資料清理與治理，再推動員工採用
勞斯萊斯擁有超過 80 年的工程與製造經驗，長期累積的營運系統也逐漸形成工作流程複雜、工具使用不一致，以及資料透明度不足等問題。員工遇到 IT 問題時，過去往往需要透過人工服務台處理，重複性的事件與較長的修復時間，也讓高技能員工必須花費時間處理基礎支援工作。
該公司與 ServiceNow 合作，利用代理式 AI 自動判斷問題並分派工單。目前已有超過 38,000 件服務台需求被 AI 分流或攔截，主動式問題管理使 IT 事件減少逾 40%，70% 的互動成功轉移至數位管道。其中，導入 AI 虛擬代理「Now Assist Merlin」後，每月處理對話量由 800 次升至 10,000 次，自動化解答成功率高達 99.7%。
在整體導入過程中，員工採用也是重要環節。該公司曾在正式部署前邀請早期使用者測試並提供即時回饋，讓 AI 先解決員工每天遇到的實際問題。勞斯萊斯副總裁 Rachel Cameron 指出，公司最初在 2021 年推出虛擬代理時，曾因缺乏使用者採用而遇到問題。後來團隊將重點放在降低使用門檻與員工教育，部署 Merlin 後，虛擬代理對話量大幅增加。她認為，AI 導入是一項持續調整的過程，企業需要建立治理機制與回饋循環，在確保安全的前提下持續改善。
代理式 AI 進入核心維修與文件流程
資料基礎同樣是這場轉型的關鍵。勞斯萊斯花了約 12 個月整理、清理與補足企業資料，再進一步導入代理式 AI。Cameron 表示，正因為先處理資料基礎與治理，公司才能將 AI 技術擴大應用。過去已經存在的預測性智慧能力，也因此獲得更充分的利用，ITSM Pro 功能的部署比例由 24% 提升至 96%。
如今，勞斯萊斯的 AI 布局已超越 IT 服務，延伸至核心工程與維修。例如在內部 AI 框架（AiRR）上，整合機器學習與代理式 AI 並沿用員工既有的權限限制，有效防止未授權工具（Shadow AI）、權限擴張與限制過度自動化損害。在文件處理與維修流程中，代理式 AI 能依預設參數自動產生「技術變更」文件草稿供工程師審查，同時也能評估維修範圍、判斷是否能於機上（On-the-wing）處理並優化機隊排程，藉此縮短維修週期並精準預測零件需求。
這種思路也被延伸至工程與維修工作。例如在航空引擎的「技術變更（technical variations）」流程中，工程師過去需要花費大量時間手動撰寫、審查與核准文件，如今代理式 AI 可以依據預設參數產生文件草稿，再由工程師檢查與最終核准。勞斯萊斯也正在建立一系列代理式 AI，分別協助判斷引擎需要進行哪些維修、哪些問題可以在機上處理，以及如何安排機隊維修與排程，目標是縮短維修週期、降低成本，並更早預測零件與服務需求。
未來展望：透過預測性智慧與 AI 控制塔釋放人才潛能
勞斯萊斯下一階段的目標，是利用 AI 驅動的預測洞察，在問題發生前就完成偵測並採取行動。該公司已與 ServiceNow 建立 AI 控制塔（Control tower）來監控、管理並執行 AI 的安全與合規要求，未來希望將系統提升至能即時辨識模式並預測問題。
這項轉型背後的核心邏輯，是將 44,000 名高技能員工從基礎支援中徹底釋放，轉而投入更高價值的創新工作中。ServiceNow 首席數位與技術長 Matthew Higham 指出，企業導入 AI 的真正價值並非省下幾分鐘寫信，而是處理長期存在的技術債，讓分散的資料真正進入決策體系。
【推薦閱讀】
◆ 工程師尋料不必再翻文件、追著業務問，3M 用 Agentic AI 重寫工作流程
＊本文開放合作夥伴轉載，參考資料：《The Times》、《Economist Enterprise》，首圖來源：Unsplash
（責任編輯：廖紹伶）