site_logo

Примеры ИИ-агентов: как агенты работают в ITSM — от портала до прогноза сбоев

17 ноября 2026

обновлено: 17 ноября 2026

11 мин

Коротко
  • ИИ-агент отличается от чат-бота тем, что не только отвечает, но и действует: заполняет карточку обращения, разблокирует учетную запись, предлагает завести проблему.
  • В статье девять сценариев для ИТ-службы — от маршрутизации обращений на портале до прогноза сбоев — и короткий блок про бизнес.
  • Агенту нужны данные: CMDB с ресурсно-сервисной моделью, база знаний и налаженные процессы.
  • Внедрять ИИ лучше по цепочке: портал, инженер, проблемы, изменения, мониторинг. Решения с риском остаются за человеком.

Как SimpleOne ITSM ускоряет процессы с помощью ИИ-агентов, проще всего показать на конкретных сценариях. Это примеры использования ИИ-агентов в ИТ-службе: от первого обращения на портале до предупреждения о сбое, который еще не случился. Мы опираемся на разбор нашего эксперта по управлению услугами и отмечаем, где агент экономит время, а где хватает обычной автоматизации.

ИТ-подразделение работает как поставщик услуг: сотрудники приходят с обращениями, инженеры их решают, а ценность измеряется работой услуг, а не числом закрытых заявок. Чем больше в этой цепочке повторяющихся шагов, тем больше места для агентов. Первая линия не исчезает, но типовую работу — заполнить карточку, выдать доступ, найти похожий случай — берет на себя агент.

Что такое ИИ-агент

ИИ-агент — это программа на основе большой языковой модели (LLM), которая получает цель, сама выбирает шаги и выполняет их с помощью инструментов и данных компании. В отличие от чат-бота, агент не ограничивается ответом, он может разблокировать учетную запись, перезапустить службу или закрыть обращение. Такой подход называют агентный ИИ: модель не только говорит, но и действует.

Чтобы агент опирался на факты, ему подключают данные компании и инструменты. Знания из статей и инструкций подтягивают с помощью RAG (генерации ответа с опорой на найденные документы): система находит нужные фрагменты и передает их модели вместе с вопросом. Действия агент выполняет через интеграции, например по протоколу MCP (Model Context Protocol), который описывает, как модель обращается к внешним системам.

Любые действия ограничены полномочиями: какие операции агенту разрешены, на каких услугах и в какие часы. Это условие безопасной работы, и мы вернемся к нему в разделе про внедрение.

Какие бывают типы ИИ-агентов

Единой классификации нет. Для ориентира удобна шкала из пяти уровней, которую в 2024 году описала OpenAI: она показывает, где заканчивается чат-бот и начинается агент.

УровеньЧто делаетКак выглядит в ИТ-службе
Чат-ботыОтвечают на вопросы в диалогеПодсказывают инструкцию на портале
Рассуждающие моделиАнализируют задачу и проверяют планПроверяют план изменения до согласования
АгентыДействуют от имени человекаРазблокируют учетную запись, перезапускают службу, закрывают обращение
ИнноваторыСоздают новые сценарии и новых агентовСтроят интеграции и процессы на платформе
ОрганизацииМного агентов управляют процессамиПока горизонт, а не практика

Сегодняшняя практика — третий уровень. Когда агентов несколько и они делят работу (один разбирает обращение, другой ищет решение, третий готовит действие), получается мультиагентная система. Платформа SimpleOne позволяет дойти и до четвертого уровня, но начинать лучше с простых сценариев, которые уже работают без ИИ.

Примеры ИИ-агентов в бизнесе

Примеры ИИ-агентов в бизнесе встречаются в любой функции, где много типовых шагов: в продажах, финансах, HR и клиентской поддержке. Агент собирает данные из нескольких систем, заполняет карточку, готовит черновик документа или ответа и передает задачу человеку. О таком применении мы подробно писали в материале ИИ-агенты для бизнеса, а как это устроено на уровне платформы, рассказывает обзор: GenAI-платформа SimpleOne. Дальше сосредоточимся на ИТ-службе: здесь у агента есть структурированные данные об услугах, их связях и истории изменений.

9 примеров ИИ-агентов в ITSM: от портала до прогноза сбоев

Сценарии расположены по пути обращения: от портала до мониторинга. Большинство из них работает в ITSM-системе SimpleOne как цепочка, где результат одного шага питает следующий. Два последних сценария — разбор критического инцидента и прогноз сбоев — на платформе можно собрать, но готовой функцией в коробке они не являются. Об этом мы напоминаем в тексте.

1. Маршрутизация обращений на портале

Сотрудник пишет на портале самообслуживания обычными словами: «не печатает принтер на третьем этаже». Агент читает текст, определяет услугу и категорию, выставляет приоритет и отправляет обращение в нужную очередь. Карточки заполняются единообразно: услуга, категория и приоритет выбираются по одним правилам, а не «как получится». Нестандартные случаи по-прежнему разбирает первая линия.

Пример помощника на портале самообслуживания

2. Первая линия: заявка на VPN

Сотрудник оформляет заявку на VPN через портал. ИИ-агент заполняет типовое обращение, оно уходит нужной команде, автоматизация проверяет права, а ответственный подтверждает доступ. Весь путь занимает около двух минут вместо пары часов. Это хороший пример того, каким может быть ИИ-агент для техподдержки: он берет типовые шаги, а решение о доступе остается за человеком.

3. Разблокировка учетной записи и закрытие обращения

Здесь агент не советует, а действует. Пользователь пишет, что не может войти; агент проверяет статус учетной записи, разблокирует ее по готовому сценарию и закрывает обращение. Экономика понятна на примере: если сброс пароля происходит 300 раз в месяц и занимает по 10 минут, это 50 часов работы ИТ-специалистов. К этому же классу задач относится выдача доступов по роли вместо привычного «сделайте как у коллеги». Сценарии собираются в одном конструкторе: в правило «если — то» добавляется шаг с ИИ, а агент пользуется готовыми сценариями.

4. Подсказки инженеру: похожие обращения и сводка переписки

Инженер открывает обращение, а агент уже нашел похожие случаи и показал, как их решали. Если переписка длинная, агент делает сводку, чтобы не читать ее целиком. Решение остается за инженером, но поиск по истории больше не занимает его время.

5. Пополнение базы знаний

После решения обращения агент готовит черновик статьи для базы знаний или предлагает превратить решение в сценарий автоматизации. Следующий похожий случай закрывается быстрее: инструкцию находят сразу, а типовое действие может выполнить сценарий. Окончательный текст статьи проверяет человек.

6. Формирование проблем из потока обращений

Десять похожих обращений за короткое время — повод завести проблему. Инженеры видят каждое обращение отдельно, а агент видит всю группу. Он формирует запись проблемы со ссылками на обращения, а человек ее подтверждает. Так причину ищут один раз, а не десять.

7. Конфликты в плане изменений

Две площадки, например два центра обработки данных, в одну ночь работают по разным заявкам на изменение. Календарь конфликта не видит: формально заявки не пересекаются. Агент опирается на ресурсно-сервисную модель, замечает, что обе работы затрагивают одну услугу, и предупреждает об этом еще до согласования.

8. Разбор критического инцидента

Когда падает важная услуга, главный вопрос — что изменилось. Если у агента есть данные из CMDB (владелец услуги, связанные компоненты) и история изменений, он сопоставит аварию со вчерашней правкой и предложит откат. По оценке эксперта SimpleOne, с моделью данных такой разбор занимает около 15 минут вместо двух часов. Откат подтверждает человек. Этот сценарий собирается на платформе из готовых элементов: данных, сценариев и прав агента.

9. Мониторинг событий и прогноз сбоев

Система мониторинга присылает сотни оповещений. Агент через ресурсно-сервисную модель понимает, какие услуги затронуты, объединяет сотню событий в один инцидент с правильным приоритетом и подсказывает вероятную причину. Вместо жестких порогов он ищет аномалии: 80% загрузки в понедельник утром — норма, а в субботу ночью — повод посмотреть. По тренду можно строить прогноз: если диск растет на 2% в день, место закончится во вторник.

Здесь важна оговорка: Event Management требует доработки, поэтому сценарий мы подаем как «можно собрать на платформе», а не как готовую функцию. Для прогноза нужен объем данных, так что начинать стоит с порядка в данных. Одна из компаний в сфере информационной безопасности собрала свое решение на базовом модуле Event Management.

Сводка по сценариям:

№СценарийЧто делает агентЧто остается за человеком
1Маршрутизация на порталеОпределяет услугу, категорию, приоритет, очередьНестандартные случаи
2Заявка на VPNЗаполняет типовое обращениеПодтверждение доступа
3Разблокировка учетной записиРазблокирует и закрывает обращениеГраницы полномочий агента
4Подсказки инженеруИщет похожие случаи, делает сводку перепискиРешение по обращению
5База знанийГотовит черновик статьи или сценарияПроверка текста
6ПроблемыФормирует проблему из группы обращенийПодтверждение проблемы
7ИзмененияНаходит конфликт работ по ресурсно-сервисной моделиРешение при согласовании
8Критический инцидентСопоставляет аварию с изменением, предлагает откатПодтверждение отката
9Мониторинг и прогнозОбъединяет оповещения, ищет аномалии, прогнозируетРеакция на прогноз

Как ИИ-агенты работают внутри ITSM-системы

ИИ-агенты в ITSM не живут отдельно от системы: они встроены в ее слои. В хорошо устроенной ITSM-системе таких слоев пять:

  • портал самообслуживания, каталог услуг, чат, почта и мессенджеры — точки входа для пользователей;
  • процессы: инциденты, запросы, проблемы, изменения, знания, уровни обслуживания;
  • данные: CMDB с ресурсно-сервисной моделью;
  • интеграции и автоматизация: мониторинг, средства разработки и поставки, каталоги пользователей и сами ИИ-агенты;
  • аналитика.

Шестой слой — сама платформа: на ней меняют процессы и правила без программистов. Агент работает на слое интеграций и автоматизации, но пользуется всеми остальными: принимает обращения с портала, действует по правилам процессов, берет связи из CMDB, а результат попадает в отчеты. Подробнее об устройстве — в отдельном материале: как устроены агенты в SimpleOne.

Схема слоев ITSM-системы: точки входа, процессы, данные, интеграции и автоматизация (здесь работает ИИ-агент), аналитика и платформа
Где работает ИИ-агент в ITSM-системе

Как это складывается в цепочку, показывает пример с сертификатом. Мониторинг ловит ошибку, и по модели система понимает, какие услуги затронуты. Вместо сотни оповещений появляется один инцидент с правильным приоритетом, а портал сообщает пользователям: «знаем о проблеме». Инженер находит инструкцию в базе знаний, исправление оформляется как стандартное изменение, а затем заводится проблема: почему сертификат не продлили.

Модель можно выбрать любую, в том числе локальную, развернутую в контуре компании: тогда данные не уходят наружу. Вокруг модели строится управляемый ИИ: смена моделей без переделки сценариев, контроль расхода токенов и окупаемости, журнал действий агента, маскирование и анонимизация данных, ролевая модель доступа самого агента.

Когда нужен ИИ-агент, а когда достаточно workflow

Не всякую задачу стоит отдавать агенту. Если условие известно заранее, достаточно сценария по правилам (workflow): «если произошло А, сделай Б». ИИ-агент нужен там, где надо понять текст, сопоставить данные и выбрать шаг.

Сравнение сценария по правилам и ИИ-агента: когда подходит, примеры задач, предсказуемость результата
Когда нужен ИИ-агент, а когда достаточно workflow

Правило: автоматизировать стоит только то, что уже работает. Плохо описанный процесс агент не исправит, а ускорит вместе с ошибками. Граница автоматизации проходит там, где выполняются три условия: она экономит трудозатраты, риск сбоя минимален, а каждое действие записывается в журнал и есть описанный ручной запасной путь.

Без чего ИИ-агенты в ITSM не работают

ИИ-агент хорош ровно настолько, насколько хороши данные и процессы вокруг него.

CMDB и ресурсно-сервисная модель. CMDB хранит конфигурационные единицы и связи между ними, а ресурсно-сервисная модель показывает, какие услуги от них зависят. Без этих связей агент не знает, какие услуги затронуты авария или изменение, и не может сопоставить событие с причиной. Как строится такая модель, разбираем в материале про роль CMDB в корпоративной ITSM-системе.

База знаний. Агенту нужны статьи и инструкции, на которые он опирается в ответах и подсказках. Чем лучше написаны статьи, тем точнее результат.

Порядок в процессах. Инциденты, проблемы и изменения должны быть описаны и связаны между собой. Тогда агент может, например, предложить завести проблему из группы похожих обращений.

Объем данных. Для прогноза нужна история событий. Если данных мало или они разрознены, начинайте с порядка в данных, а не с модели.

Полномочия и журнал. Агенту задают, какие действия ему разрешены, на каких услугах и в какие часы, а каждое действие записывается в журнал.

Как внедрить ИИ-агента в ITSM

Внедрение лучше строить по цепочке — так же, как мы описывали сценарии: от безопасных шагов к тем, где больше данных и риска.

Цепочка внедрения ИИ-агентов: портал, инженер, проблемы, изменения, мониторинг и прогноз; сначала порядок в данных, на каждом шаге границы полномочий
Внедрение ИИ-агентов по цепочке
  1. Наведите порядок. Проверьте каталог услуг, CMDB и базу знаний. Автоматизируйте только то, что уже работает без ИИ.
  2. Начните с портала. Пусть агент определяет услугу, категорию и очередь по тексту обращения и заполняет типовые карточки.
  3. Подключите инженера. Подсказки по похожим обращениям, сводки переписки и черновики статей для базы знаний экономят время сразу и ничем не рискуют.
  4. Перейдите к проблемам. Агент предлагает завести проблему из группы обращений, человек подтверждает.
  5. Добавьте изменения. Агент проверяет конфликты по ресурсно-сервисной модели до согласования.
  6. Затем мониторинг и прогноз. Здесь нужен объем данных и доработка модуля, поэтому этот шаг идет последним.
  7. На каждом шаге задайте границы. Определите полномочия агента и ручной запасной путь. Решения, затрагивающие деньги клиентов и их данные, проводите с человеком через согласования.

Увидеть всю цепочку в работе можно в ITSM-системе SimpleOne: портал, процессы, CMDB и ИИ-агенты собраны на одной платформе.

Итоги

Примеры ИИ-агентов в ITSM показывают общую закономерность: агент полезен там, где есть повторяющиеся шаги и хорошие данные. Порядок внедрения тоже общий: сначала портал и первая линия, затем инженер, проблемы и изменения, и только потом мониторинг и прогноз. Рассмотренные примеры использования ИИ-агентов показывают: пока агент — помощник, который сокращает время решения без роста штата.

По оценке нашего эксперта, ITSM будет перерастать в ESM (управление услугами во всей компании, а не только в ИТ), заявок станет меньше, а ценность сместится к данным и к правилам, по которым работают агенты. Поэтому начинать стоит с CMDB, базы знаний и описанных процессов: на них опираются все сценарии из этой статьи.

FAQ: ИИ-агенты в ITSM