itsm.
Наймите хоть сто человек в поддержку — заявки всё равно не будут решаться на первой линии
Бороться с низким FLR можно по-разному. Иногда, если поддержка не может решать проблемы сама, без второй линии, бизнес делает вывод, что на первой не хватает рук. Нанимаем ещё десяток человек, потом ещё, потом ещё. Полгода спустя штат первой линии вырос на треть, а FLR остался там же, где был до найма. Иногда даже чуть просел, потому что новички чаще передают обращения дальше: знаний и прав у них меньше, чем у опытных коллег.
Агентный ИИ или три чат-бота в плаще: как отличить одно от другого
Нам говорят: ИИ уже может сам писать статьи для базы знаний по данным закрытых тикетов, уже сбрасывает пользователю пароль без участия человека, уже запускает мониторинг инцидентов раньше, чем кто-то успевает спросить в чате почему опять не работает. Всё это правда.Но правда и то, что так умеют не все. Разбираемся, как отличить настоящего агента от подделки.
Как мы сделали универсальный ИИ-инструмент, который может создавать сам себя
Когда в компании заходит речь об ИИ-ассистенте для сотрудников, чаще всего выбирают из двух не очень удачных вариантов. Либо сотрудники уходят на личные подписки вроде ChatGPT — и рабочие данные утекают за периметр компании. Либо заводят корпоративного ассистента, который безопасен, но умеет только отвечать текстом: в отличие от прогрессивных моделей в веб-интерфейсе, он не может залезть в данные системы и внести в них реальные изменения.На GenAI-платформе SimpleOne
Первая линия ИТ‑поддержки должна решать заявки, а не сортировать
Как выглядит смена оператора техподдержки: две трети дня уходит, чтобы прочитать обращения, понять, что там происходит, и переназначить одинаковые запросы типа «где моя заявка». В оставшееся время можно реально порешать какую‑то проблему.
SimpleOne выпустила версию ITSM 2.0.0 с ИИ-помощником на сервисном портале
Теперь в SimpleOne ITSM есть ИИ-помощник на портале самообслуживания. Пользователь пишет запрос в свободной форме, ИИ понимает контекст, находит нужную услугу или статью, подготавливает форму обращения.Что меняет ИИ-помощник:Для бизнеса — типовые вопросы закрываются через самообслуживание, известные проблемы не порождают повторные инциденты, а сложные обращения приходят к специалистам сразу с заполненными полями и полным контекстом. Нагрузка на первую линию снижается без роста штата.
Код пишется быстрее, релизы выходят так же. Куда переехало бутылочное горлышко?
Ленты новостей последние пару лет носят Copilot и его друзей на руках. Кажется, что главная революция уже случилась, разработчики получили автодополнение на стероидах, генерацию функций по описанию и почти волшебство в IDE. Но есть одно «но». Если честно посмотреть на процессы, выясняется, что код у многих команд действительно стал писаться быстрее — а вот релизы выходят почти с той же скоростью, что и три года назад. Бутылочные горлышки просто переехали в другие части жизненного цикла разработки (SDLC).
Теневой ИИ ест бюджет и данные: гайд по выбору корпоративной ИИ-платформы в 2026
В 2026 году перед корпоративным сектором встал новый вызов — управление «теневым искусственным интеллектом» (Shadow AI). После волны успешных точечных пилотов в разных отделах от маркетинга до юристов крупные компании обнаружили себя с десятком разрозненных ИИ-инициатив. В результате руководство теряет контроль над расходами на API-запросы, служба безопасности фиксирует риски утечки данных в публичные сервисы, а ИТ-директора ломают голову, как объединить эти игрушки в единый рабочий контур.
Как мы встроили ИИ-агентов в платформу: архитектура, сценарии, безопасность
ИИ-ассистент в корпоративной среде довольно быстро упирается в одно ограничение: он отвечает на вопросы, но ничего не делает. Спросить можно, но создать задачу, собрать данные по инцидентам, отправить дайджест, найти связанные объекты — уже нет.В то же время в бизнесе только и разговоров, что об ИИ-агентах — эта сущность, в отличие от чат-бота или ассистента, может действовать самостоятельно. Получив запрос, ИИ-агент оценивает доступные инструменты и сам решает, в какой последовательности их вызвать. Жёсткого сценария нет, есть набор методов и инструкция, что этот агент умеет делать.
Совет требует ИИ, а данные не готовы. Как ESM даёт фундамент, который не провалит пилот
В прошлой статье мы обсудили, почему ИИ-инициативы в компаниях, даже с большими деньгами и ресурсами, просто проваливаются. Коротко говоря, если у ИИ нет качественных данных, проект скорее всего обречён — по данным Gartner, 60% ИИ-проектов не доходят до продакшена из-за неготовности данных и процессов. В этот раз поищем решение: как собрать все заявки в одном месте и научить модель делать то, что вам нужно — уничтожать рутину.
Почему ваш проект по внедрению ИИ умрёт на старте
«Автоматизируй! AI! ИИ-агенты!» слышит ИТ-директор каждый божий день. В переговорках только и разговоров, что об автоматизации. При этом 95% ИИ-пилотов в компаниях проваливаются, то есть не достигают измеримого ROI. Давайте разбираться, почему, несмотря на популярность технологии, ИИ-инициативы в компаниях обречены.
