Оставить заявку на демо
Заполните форму, и мы свяжемся с вами в течение рабочего дня
Как ИИ-агенты изменят техподдержку и ИТ: «То, что сейчас происходит, смоет многий софт»
Источник ItWeek
https://www.itweek.ru/management/article/detail.php?ID=234594
https://www.itweek.ru/management/article/detail.php?ID=234594
К 2029 году, по прогнозам Gartner, агентный ИИ возьмет на себя 80% рутинных задач в обслуживании клиентов. Но влияние технологий может оказаться куда глубже. Артем Хижний, генеральный директор РИКИТЛАБ, считает, что ИИ изменит не только интерфейсы, но и саму природу ИТ-ландшафта. Вместе с Артемом попробуем заглянуть в будущее, которое, кажется, уже наступает нам на пятки.
Техподдержка без интерфейсов: как ИИ-агенты меняют саму точку входа
ИИ-агенты позволят пользователю общаться с системой обычным языком, почти как с человеком. Вместо того, чтобы разбираться в формах, категориях и маршрутах заявок, пользователь сможет просто сказать: «мне нужен компьютер» или «у меня сломался доступ», а агент сам создаст нужные обращения, отправит их на согласование и запустит процесс исполнения. То есть точкой входа в поддержку станет не интерфейс, а разговор.
Речь не про классических ботов, которые ограничиваются ответами по базе знаний. Новый тип агентов — это исполнители. Они не объясняют, а делают. Инициируют процессы, взаимодействуют с системами и людьми, фиксируют результат. Это очень умный ассистент, который берет на себя значительную часть операционной работы. И в этом смысле агенты уже начинают частично замещать функции первой линии поддержки.
Именно первый уровень техподдержки оказывается под наибольшим давлением. Контакт-центры и L1-поддержка постепенно «размываются»: прием обращений, их регистрация и первичная маршрутизация автоматизируются. Этот процесс уже идет — сотрудники смещаются на более сложные уровни, где требуется анализ, контекст и опыт. При этом полностью убрать людей из поддержки не получится: по мере роста ИТ-ландшафта и усложнения систем растет и сложность инцидентов.
Скорее, нас ждет не вытеснение, а перераспределение ролей. Агенты возьмут на себя рутину, но требования к компетенциям специалистов вырастут. Решение нестандартных проблем, диагностика сложных инцидентов, работа с архитектурными ограничениями — все это останется за человеком. Поддержка станет менее массовой, но более экспертной.
В перспективе можно ожидать и более сложную модель — своего рода симбиоз агентов. С одной стороны, агент пользователя, который формулирует и «переводит» проблему в задачи. С другой — агент на стороне исполнителя, который помогает диагностировать инцидент, подсказывает, где искать причину, и возвращает результаты. При этом агент выступает не как замена эксперта, а как усилитель его компетенций. В итоге диагностика становится диалогом, а не набором ручных операций в разных системах.
Речь не про классических ботов, которые ограничиваются ответами по базе знаний. Новый тип агентов — это исполнители. Они не объясняют, а делают. Инициируют процессы, взаимодействуют с системами и людьми, фиксируют результат. Это очень умный ассистент, который берет на себя значительную часть операционной работы. И в этом смысле агенты уже начинают частично замещать функции первой линии поддержки.
Именно первый уровень техподдержки оказывается под наибольшим давлением. Контакт-центры и L1-поддержка постепенно «размываются»: прием обращений, их регистрация и первичная маршрутизация автоматизируются. Этот процесс уже идет — сотрудники смещаются на более сложные уровни, где требуется анализ, контекст и опыт. При этом полностью убрать людей из поддержки не получится: по мере роста ИТ-ландшафта и усложнения систем растет и сложность инцидентов.
Скорее, нас ждет не вытеснение, а перераспределение ролей. Агенты возьмут на себя рутину, но требования к компетенциям специалистов вырастут. Решение нестандартных проблем, диагностика сложных инцидентов, работа с архитектурными ограничениями — все это останется за человеком. Поддержка станет менее массовой, но более экспертной.
В перспективе можно ожидать и более сложную модель — своего рода симбиоз агентов. С одной стороны, агент пользователя, который формулирует и «переводит» проблему в задачи. С другой — агент на стороне исполнителя, который помогает диагностировать инцидент, подсказывает, где искать причину, и возвращает результаты. При этом агент выступает не как замена эксперта, а как усилитель его компетенций. В итоге диагностика становится диалогом, а не набором ручных операций в разных системах.
Как ИИ «вымывает» привычное ПО
ИИ-агенты постепенно размывают саму идею привычного пользовательского ПО как набора интерфейсов, в которых нужно работать руками. Если раньше, чтобы собрать презентацию, вы открывали редактор и делали слайды, то сегодня уже можно сформулировать задачу: «сделай презентацию по теме» — и получить готовый результат. В этой логике пользователь больше не «работает в программе», а просто получает нужный артефакт.
Особенно заметно это в задачах визуализации. То, что раньше требовало отдельного инструмента — построение графиков, диаграмм, ментальных карт — превращается в запрос: «покажи тренд», «разложи по сегментам», «собери структуру». Агент сам выбирает форму представления и сразу выдает результат. Причем не обязательно через интеграцию с привычными системами — визуализация может стать встроенной функцией самого агента. В этом смысле часть специализированного ПО действительно рискует «раствориться» внутри ИИ.
При этом не все категории софта исчезнут. Табличные инструменты — хороший пример устойчивого класса. Но и здесь изменится взаимодействие: вместо ручной настройки фильтров, формул и сводных таблиц пользователь будет говорить: «собери пивот по таким параметрам» или «покажи продажи за четвертый квартал».
В итоге мы приходим к парадоксальной модели: программы как будто остаются, но перестают быть самостоятельной сущностью для пользователя. Часть из них уйдет в инфраструктуру агентов, часть трансформируется в «редактор результата», а часть просто исчезнет как отдельный класс. ИИ в этом смысле не просто добавляет новый слой: он постепенно поглощает саму идею ПО, превращая его в функцию внутри диалога.
Особенно заметно это в задачах визуализации. То, что раньше требовало отдельного инструмента — построение графиков, диаграмм, ментальных карт — превращается в запрос: «покажи тренд», «разложи по сегментам», «собери структуру». Агент сам выбирает форму представления и сразу выдает результат. Причем не обязательно через интеграцию с привычными системами — визуализация может стать встроенной функцией самого агента. В этом смысле часть специализированного ПО действительно рискует «раствориться» внутри ИИ.
При этом не все категории софта исчезнут. Табличные инструменты — хороший пример устойчивого класса. Но и здесь изменится взаимодействие: вместо ручной настройки фильтров, формул и сводных таблиц пользователь будет говорить: «собери пивот по таким параметрам» или «покажи продажи за четвертый квартал».
В итоге мы приходим к парадоксальной модели: программы как будто остаются, но перестают быть самостоятельной сущностью для пользователя. Часть из них уйдет в инфраструктуру агентов, часть трансформируется в «редактор результата», а часть просто исчезнет как отдельный класс. ИИ в этом смысле не просто добавляет новый слой: он постепенно поглощает саму идею ПО, превращая его в функцию внутри диалога.
Кастомизированное приложение по щелчку: как ИИ-агенты меняют сам процесс разработки
Код все чаще появляется не как результат ручной работы разработчика, а как ответ на правильно сформулированный промпт. В ряде сценариев это уже кратно ускоряет разработку: вместо того чтобы писать с нуля, специалист «собирает» систему из написанных ИИ кусков кода, проверяет их и дорабатывает. Если этот тренд закрепится, компании получат возможность создавать внутренние приложения и платформенные решения значительно быстрее и гораздо ближе к своим реальным процессам.
При этом роль людей не исчезает. Она трансформируется. Появляется новый тип специалистов, которые одновременно понимают бизнес-процессы и умеют «разговаривать» с ИИ на правильном языке. По сути, это гибрид консультанта и разработчика. Он не столько пишет код, сколько формулирует задачу так, чтобы агент сгенерировал корректное решение. Эти роли будут стремительно сближаться. До степени, где граница между ними станет условной.
Меняется и экономика ИТ. Модель с покупкой лицензии, последующей кастомизацией и многолетней поддержкой начинает терять смысл в тех сегментах, где систему можно быстро собрать под себя. Вместо универсальных «коробок» — уникальные ландшафты, заточенные под конкретную компанию. Это не означает, что все станет полностью кастомным, но сама идея «один продукт для всех» будет постепенно сдавать позиции там, где важна гибкость.
При этом некоторые вещи останутся неизменными. Интеграции никуда не денутся. Любые системы по-прежнему нужно будет связывать между собой, и универсального решения здесь как не было, так и не появится. Но даже эта область будет меняться: значительную часть работы по интеграции агенты возьмут на себя. В итоге разработка станет быстрее, системы — более индивидуальными, а сама ИТ-функция — гораздо ближе к бизнесу, чем это было в эпоху коробочного софта.
При этом роль людей не исчезает. Она трансформируется. Появляется новый тип специалистов, которые одновременно понимают бизнес-процессы и умеют «разговаривать» с ИИ на правильном языке. По сути, это гибрид консультанта и разработчика. Он не столько пишет код, сколько формулирует задачу так, чтобы агент сгенерировал корректное решение. Эти роли будут стремительно сближаться. До степени, где граница между ними станет условной.
Меняется и экономика ИТ. Модель с покупкой лицензии, последующей кастомизацией и многолетней поддержкой начинает терять смысл в тех сегментах, где систему можно быстро собрать под себя. Вместо универсальных «коробок» — уникальные ландшафты, заточенные под конкретную компанию. Это не означает, что все станет полностью кастомным, но сама идея «один продукт для всех» будет постепенно сдавать позиции там, где важна гибкость.
При этом некоторые вещи останутся неизменными. Интеграции никуда не денутся. Любые системы по-прежнему нужно будет связывать между собой, и универсального решения здесь как не было, так и не появится. Но даже эта область будет меняться: значительную часть работы по интеграции агенты возьмут на себя. В итоге разработка станет быстрее, системы — более индивидуальными, а сама ИТ-функция — гораздо ближе к бизнесу, чем это было в эпоху коробочного софта.
Не все так просто: ограничения, риски и эффект «черного ящика»
На фоне энтузиазма вокруг ИИ-агентов важно не терять трезвость: у агентного подхода есть вполне осязаемые ограничения. Главный вопрос не «как быстро сгенерировать систему», а «что с ней делать дальше». Создать приложение по промпту — уже не фантастика. А вот безопасно и предсказуемо развивать его, особенно если оно встроено в критичные бизнес-процессы и работает с накопленными данными, — пока остается зоной риска. Здесь цена ошибки слишком высока.
Сегодня практически нет кейсов, где ключевые бизнес-системы полностью построены агентами «с нуля» и стабильно работают в продакшене. Компании по-прежнему опираются на проверенные решения. Именно потому, что они прошли годы тестирования, аудитов и эксплуатации. В агентной разработке этот слой пока только формируется. А значит, возрастает роль контроля: больше тестов, больше проверок, отдельные процессы валидации безопасности кода, прежде чем что-то попадет в продуктивную среду.
Отдельная проблема — поддержка и изменения. Любая система живет, пока в нее вносят доработки. И здесь возникает эффект «черного ящика»: если код был сгенерирован, но команда не до конца понимает, как он устроен, любые изменения превращаются в рискованную операцию. Без глубокого понимания архитектуры и логики работы системы развивать ее практически невозможно. Поэтому, вопреки ожиданиям, роль сильных технических специалистов никуда не исчезает, а наоборот, становится критичной.
Есть и ограничения на уровне самих ожиданий. Идея, что «любой сможет собрать себе ERP по промпту», пока выглядит утопично. Простые сценарии — да, прототипы — да. Но сложные, нагруженные, безопасные системы требуют не только генерации кода, но и архитектурного мышления, понимания интеграций, данных, отказоустойчивости.
Сегодня практически нет кейсов, где ключевые бизнес-системы полностью построены агентами «с нуля» и стабильно работают в продакшене. Компании по-прежнему опираются на проверенные решения. Именно потому, что они прошли годы тестирования, аудитов и эксплуатации. В агентной разработке этот слой пока только формируется. А значит, возрастает роль контроля: больше тестов, больше проверок, отдельные процессы валидации безопасности кода, прежде чем что-то попадет в продуктивную среду.
Отдельная проблема — поддержка и изменения. Любая система живет, пока в нее вносят доработки. И здесь возникает эффект «черного ящика»: если код был сгенерирован, но команда не до конца понимает, как он устроен, любые изменения превращаются в рискованную операцию. Без глубокого понимания архитектуры и логики работы системы развивать ее практически невозможно. Поэтому, вопреки ожиданиям, роль сильных технических специалистов никуда не исчезает, а наоборот, становится критичной.
Есть и ограничения на уровне самих ожиданий. Идея, что «любой сможет собрать себе ERP по промпту», пока выглядит утопично. Простые сценарии — да, прототипы — да. Но сложные, нагруженные, безопасные системы требуют не только генерации кода, но и архитектурного мышления, понимания интеграций, данных, отказоустойчивости.
Трансформация не будет мгновенной, но стратегически кажется неизбежной
В ближайшие годы компании вряд ли массово начнут собирать сложные корпоративные системы «по промпту». На короткой дистанции агенты будут встраиваться в существующие процессы: ускорять разработку, упрощать поддержку, автоматизировать рутину. Но стратегически вектор понятен. Через несколько лет этот подход способен не просто дополнить, а перестроить ИТ-ландшафт.
Ключевое изменение — в требованиях к людям. Просто «уметь пользоваться агентом» будет недостаточно. Важно понимать, что именно он сделал и почему выдал такой результат. Если ИИ считает финансовые показатели или собирает аналитику, специалисту придется не только принять цифру, но и уметь ее объяснить, проверить и при необходимости скорректировать. Работа не упрощается до уровня «нажал кнопку — получил ответ», она усложняется на уровне ответственности за результат.
В этом смысле агентная модель не делает специалистов «ненужными». Она поднимает планку. Придется глубже разбираться в предметной области, лучше понимать логику систем и данных, быстрее ориентироваться в сложных сценариях. Фактически человек начинает конкурировать с машиной не в скорости и объеме вычислений (здесь шансов нет), а в качестве интерпретации и принятия решений.
Отсюда и новый тип компетенций. Помимо технических навыков, критически важными становятся системное мышление, умение задавать правильные вопросы и проверять гипотезы. Промптинг сам по себе — это не магия, а лишь интерфейс. За ним стоит необходимость понимать, как устроен результат. И чем сложнее задачи, тем больше ценится не способность «сгенерировать», а способность осмыслить.
В итоге трансформация будет постепенной, но требовательной. Компании, которые смогут встроить агентов в процессы и одновременно прокачать компетенции команд, получат серьезное преимущество. Остальным придется догонять — уже в условиях, где скорость изменений задают не люди, а системы, с которыми им предстоит научиться работать на равных.
Ключевое изменение — в требованиях к людям. Просто «уметь пользоваться агентом» будет недостаточно. Важно понимать, что именно он сделал и почему выдал такой результат. Если ИИ считает финансовые показатели или собирает аналитику, специалисту придется не только принять цифру, но и уметь ее объяснить, проверить и при необходимости скорректировать. Работа не упрощается до уровня «нажал кнопку — получил ответ», она усложняется на уровне ответственности за результат.
В этом смысле агентная модель не делает специалистов «ненужными». Она поднимает планку. Придется глубже разбираться в предметной области, лучше понимать логику систем и данных, быстрее ориентироваться в сложных сценариях. Фактически человек начинает конкурировать с машиной не в скорости и объеме вычислений (здесь шансов нет), а в качестве интерпретации и принятия решений.
Отсюда и новый тип компетенций. Помимо технических навыков, критически важными становятся системное мышление, умение задавать правильные вопросы и проверять гипотезы. Промптинг сам по себе — это не магия, а лишь интерфейс. За ним стоит необходимость понимать, как устроен результат. И чем сложнее задачи, тем больше ценится не способность «сгенерировать», а способность осмыслить.
В итоге трансформация будет постепенной, но требовательной. Компании, которые смогут встроить агентов в процессы и одновременно прокачать компетенции команд, получат серьезное преимущество. Остальным придется догонять — уже в условиях, где скорость изменений задают не люди, а системы, с которыми им предстоит научиться работать на равных.