За последние два года искусственный интеллект стал одной из самых обсуждаемых тем в IT. Практически каждый поставщик ITSM-решений заявляет о поддержке. ИИ, а презентации наполнены обещаниями полностью автономного сервис-деска и самообучающихся процессов. Складывается впечатление, что достаточно добавить в систему ИИ — и проблемы с поддержкой пользователей исчезнут сами собой.
Но если посмотреть на реальные проекты, то картина оказывается гораздо спокойнее.
Как и любая технология, искусственный интеллект не является самостоятельной ценностью. Он эффективен только тогда, когда помогает решать конкретные задачи. В ITSM таких задач достаточно много, но далеко не каждая требует применения ИИ.
Где ИИ действительно оправдан
Возьмем обычный сервис-деск. Каждый день специалисты получают десятки или сотни однотипных обращений:
- не работает VPN
- забыт пароль
- нет доступа к папке
- не запускается корпоративное приложение.
Значительная часть времени уходит не на поиск решения, а на чтение обращения, категоризацию, поиск похожих случаев и оформление ответа. Именно здесь ИИ уже сегодня приносит реальную пользу. Он анализирует текст обращения, предлагает категорию и приоритет, находит похожие инциденты и подходящую статью базы знаний. Иногда даже формирует черновик ответа, который инженеру остается только проверить и отправить.
Другой пример — работа с базой знаний. Во многих компаниях хорошие технические решения существуют только в переписке специалистов или в закрытых комментариях к заявкам. В результате один и тот же вопрос приходится решать заново. ИИ способен автоматически подготовить проект статьи на основе успешно закрытых обращений, выделить последовательность действий, убрать лишние детали и оформить материал в едином стиле. Эксперту остается проверить содержание перед публикацией. Это существенно ускоряет развитие базы знаний без дополнительной нагрузки на инженеров.
Полезен ИИ и для руководителей поддержки. Вместо просмотра десятков заявок можно за несколько секунд получить краткую сводку: какие инциденты повторяются чаще всего, какие услуги вызывают наибольшее количество обращений, где наблюдается рост нагрузки или нарушение SLA. Такие аналитические сводки позволяют быстрее замечать тенденции и принимать решения на основе данных, а не интуиции.
Но важно понимать: ИИ не заменяет процессы ITSM. Он лишь делает отдельные этапы работы быстрее.
Часто приходится сталкиваться с ожиданием, что ИИ сможет самостоятельно разобраться в инфраструктуре компании и принимать правильные решения без участия человека. На практике это невозможно. Большие языковые модели не знают особенностей конкретной организации, не понимают архитектуру сервисов и не имеют доступа к внутреннему контексту, если этот контекст специально не предоставить.
Поэтому качество работы ИИ напрямую зависит от качества данных. Актуальная база знаний, структурированная история обращений, корректная CMDB, понятный каталог услуг — именно эти элементы становятся источником знаний для интеллектуального помощника. Если данные неполные или устаревшие, то ИИ не исправит ситуацию. Наоборот, он будет быстрее воспроизводить существующие ошибки.
Что с реализацией?
Именно такой подход реализован в платформе Altevics. Искусственный интеллект встроен в повседневные процессы сервис-деска и помогает специалистам выполнять рутинные операции: анализировать обращения, искать релевантные решения, готовить ответы пользователям, создавать статьи базы знаний и работать с накопленными знаниями организации. При этом ИИ не принимает решения вместо сотрудников — он предоставляет рекомендации и сокращает время выполнения типовых операций. Такой формат использования оказался значительно более востребованным, чем попытки построить полностью автономную поддержку.
Итого…
На мой взгляд, именно в этом сегодня и заключается зрелое применение искусственного интеллекта в ITSM. Его задача — не заменить инженера, а освободить его от рутинной работы, чтобы больше времени оставалось на решение действительно сложных задач.
Поэтому ответ на вопрос, вынесенный в заголовок статьи, уже вполне очевиден. ИИ в ITSM перестал быть просто модным трендом. Он стал рабочим инструментом. Но эффективность этого инструмента определяется не количеством использованных нейросетей, а тем, насколько грамотно он встроен в существующие процессы управления ИТ-услугами.
