ИИ-агент отличается от привычного чат-бота или сценария автоматизации прежде всего степенью автономности. Он способен самостоятельно инициировать действия, учитывать контекст, ставить промежуточные цели, адаптироваться по результатам своих действий и взаимодействовать с людьми и другими агентами.
В ITSM это позволяет перейти от выполнения отдельных операций к управлению результатом. Например, получив заявку, ИИ-агент может определить ее приоритет, проанализировать связанные данные, исследовать возможную первопричину, привлечь нужную группу поддержки, предложить пользователю способ восстановления услуги и проверить результат.
От автоматизации к управлению результатом
Наиболее заметный эффект ИИ-агентов связан с сокращением ручной работы и ускорением решения инцидентов. Но их возможности значительно шире. Агент может учитывать бизнес-приоритет услуги, историю аналогичных инцидентов, влияние на пользователей и данные систем в реальном времени. Это позволяет принимать решения с учетом контекста, а не только по заранее заданным правилам.
ИИ-агенты также способны связывать между собой разные практики ITSM. Анализируя обращения, они могут обнаруживать повторяющиеся признаки и выявлять потенциальные проблемы, формировать запросы на изменения. Информация из решенных инцидентов может использоваться для создания и обновления базы знаний, а релевантные сведения из базы знаний предоставляться специалисту непосредственно во время работы с обращением.
От реактивной поддержки к проактивной
Автономность дает ИИ-агентам возможность реагировать не только на уже возникшие инциденты. Например, обнаружив ухудшение производительности сервера приложений, агент может сопоставить ошибки в журналах и увеличение времени ответа API, зарегистрировать инцидент, уведомить группу поддержки и запустить разрешенные диагностические действия. Если сценарий предусмотрен правилами, агент способен выполнить утвержденное исправление и сообщить пользователям о восстановлении услуги.
Другой сценарий связан с эскалацией. Если несколько инцидентов имеют общие признаки, агент может сгруппировать их и передать информацию как единую проблему, выбрать подходящего специалиста с учетом истории решений и отслеживать устранение причины.
Еще одна возможность — анализ влияния изменений. Перед выполнением изменения ИИ-агент может изучить зависимости, историю инцидентов и поведение системы, чтобы оценить потенциальные последствия и предупредить о неблагоприятном времени для выполнения работ.
Что важно при внедрении
Автономность не означает отсутствие контроля. Перед запуском ИИ-агента необходимо определить конкретный сценарий использования, цели, границы полномочий и условия эскалации к человеку. Не менее важна доступность качественного контекста: агент должен получать данные из связанных ИТ-систем и понимать, на основании какой информации принимает решения.
Отдельная задача — обеспечить доверие к действиям агента. Организации потребуется контролировать его работу, обеспечивать возможность аудита принятых решений и разбирать исключения. При этом рабочие процессы должны предусматривать сотрудничество людей и ИИ, а сотрудники должны понимать, как использовать и контролировать нового участника процесса.
Будет здравым решением начать знакомство с ИИ-агентом с пилотного сценария, проверять гипотезы и только после получения устойчивого результата расширять применение.
ИИ-агенты способны сделать ITSM более проактивным и контекстным, сократить объем рутинных операций и ускорить восстановление услуг. Однако ценность технологии определяется не самой автономностью, а тем, насколько хорошо она встроена в процессы управления ИТ-услугами, данные и систему управления организации.
Еще больше информации об использовании ИИ в управлении услугами на нашем курсе VAP: Применение ИИ в ITSM и ESM
