Первая линия внутренней поддержки тонет в однотипных запросах: сброс пароля, доступ к папке, статус заявки на отпуск, форма справки 2-НДФЛ. Сотрудник ждёт ответа часами, специалист тратит время на то, что давно описано в регламенте. ИИ-агент закрывает этот разрыв – он понимает вопрос на естественном языке, находит ответ в корпоративной базе и сам выполняет типовое действие в ITSM- или HR-системе.

Что именно автоматизирует агент

В ITSM-контуре агент берёт на себя классику первой линии. Он принимает обращение в Service Desk, классифицирует его, заводит инцидент с нужной категорией и приоритетом, а по типовым запросам отрабатывает сценарий целиком: разблокирует учётную запись, выдаёт доступ по согласованному шаблону, перезапускает службу. Если запрос выходит за рамки регламента, агент собирает контекст и эскалирует его на инженера – уже с заполненной карточкой, а не с пустой строкой «не работает».

В HR-блоке логика та же. Агент отвечает на вопросы по политикам, остатку отпуска, графику выплат и оформлению документов, формирует заявки на справки и согласования, напоминает о сроках адаптации новичка. Он снимает с HR-отдела поток повторяющихся вопросов, которые не требуют экспертизы, но отнимают рабочий день.

Ключевое отличие от чат-бота с деревом сценариев – агент работает поверх ваших реальных систем через API и опирается на актуальную базу знаний, а не на жёстко зашитые ответы. По сути это заказное ИИ-приложение под конкретные процессы заказчика, а не коробка «для всех».

Архитектура и работа с данными

Под капотом – связка из языковой модели и подхода RAG (retrieval-augmented generation): агент не выдумывает ответ, а извлекает его из проверенных источников (регламенты, базы знаний, записи в ITSM) и формулирует на их основе. Это снижает риск галлюцинаций и делает ответы проверяемыми – каждый можно сопроводить ссылкой на документ-первоисточник.

Для госсектора и регулируемых отраслей критичен контур развёртывания. Языковую модель и хранилище разворачиваем on-premise или в аттестованном облаке, без передачи данных во внешние сервисы. Внутренняя переписка, кадровые данные и инциденты – это персональные данные и коммерческая тайна, поэтому обработку держим внутри периметра. Здесь напрямую работают требования к локализации и защите ПДн, ужесточённые в 2025 году, – мы подробно разбирали их в материале про принятый 58-ФЗ и оборотные штрафы.

Качество ответов агента прямо зависит от того, насколько чисты и связаны исходные данные. Разрозненные базы знаний, дубли регламентов и устаревшие записи дают мусор на выходе, поэтому проект почти всегда начинается с наведения порядка в данных – задачи, смежной с построением аналитики на больших данных.

Что это даёт бизнесу

Эффект измеримый. Первая линия разгружается на типовых обращениях, среднее время ответа падает с часов до секунд, а инженеры и HR концентрируются на сложных кейсах. Агент работает круглосуточно и одинаково отвечает всем – без зависимости от загрузки конкретного сотрудника.

Внедрять стоит итеративно: начать с одного направления (например, сброс паролей и доступы), измерить долю автоматически закрытых обращений и точность ответов, затем расширять охват сценариев. Такой подход мы закладывали ещё в технологические тренды 2025 года – внутренние ИИ-ассистенты дают возврат быстрее внешних, потому что работают на понятных и измеримых процессах.

ИИ-агент для поддержки – не замена команде, а способ снять с неё рутину. Чем точнее он встроен в ваши системы и данные, тем выше отдача.