Мы создали ИИ-агента для ServiceNow, но реальные болевые точки оказались уже, чем предполагала наша дорожная карта

Платформам ITSM обычно хватает данных, но специалистам бывает трудно понять, что эти данные означают и какие действия предпринять. На их интерпретацию, разработку элементов каталога и поддержку CMDB уходит много времени. В этом году компания создала цифрового работника, чтобы помочь ИТ-команде эффективнее использовать вложения в ITSM. Вместо универсального агента она хотела получить решение для сложных и трудоёмких задач, которые влияют на производительность и расходы.

Как устроен цифровой работник

Первую версию цифрового работника разработали в начале 2025 года. Она использовала технологию управления браузером: ИИ выполнял задачи через интерфейсы приложений в браузере. Целью была автоматизация настройки и поддержки ServiceNow и других корпоративных приложений, чтобы у ИТ-команд оставалось больше времени на приоритетные задачи.

Позже решение перевели на Model Context Protocol (MCP), чтобы напрямую подключаться к API и выполнять задачи быстрее. Команда также создала собственную программную обвязку для ИИ-агента — она управляет ходом его работы. Обвязка поддерживает несколько больших языковых моделей (LLM) и объединяет вероятностные рассуждения модели с детерминированным кодом для более последовательной проверки и выполнения задач. Благодаря этому цифровой работник способен не только отвечать на вопросы о ServiceNow, но и надёжно выполнять задачи в системе.

Агенту нужно было объяснить, как устроена работа конкретной организации: у каждой компании свои требования к статьям базы знаний, элементам каталога и именованию скриптов. Команда подошла к этому как к введению в должность нового коллеги: показала ему рабочие среды, передала лучшие практики и нужный контекст. Для общих стандартов и индивидуальных предпочтений использовали повторно применимые инструкции, в том числе файлы SKILL.md, а также корпоративные знания и память. Цифрового работника научили разбирать документы с требованиями и отмечать недостающие сведения до начала работы.

Для безопасности и подотчётности разработчики и администраторы ServiceNow должны сохранять контроль над ключевыми операциями. Перед выполнением любой записи человек проверяет и подтверждает изменение. Цифровой работник подключается через OAuth с учётной записью пользователя в ServiceNow и соблюдает ролевую модель доступа и разрешения. Наборы обновлений позволяют команде привычным способом проводить изменения конфигурации через процесс развёртывания или отменять их.

Команде также важно видеть, что сделал агент, сработал ли результат и сколько это стоило. Эти данные вместе с тестами и проверками на реальных данных ServiceNow используют, чтобы улучшать цифрового работника и оценивать его пользу.

Две задачи оказались сложнее, чем ожидалось: надёжно научить цифрового работника разбирать документы организации с требованиями и выявить реальные проблемы внедрения. Они оказались уже и повторяемее, чем предполагала дорожная карта. Оба урока подсказывают начинать с одного процесса, а не с широкого ИИ-агента для ITSM. Подходящий процесс должен быть повторяемым, основанным на правилах, массовым, измеримым и легко обратимым.

Когда первую версию проверили, команда предложила внедрить её в рабочем экземпляре ServiceNow в рамках пилотного проекта. Внутренняя ИТ-команда состояла из четырёх человек. Ниже — результаты пилота.

Сокращение затрат на разработку элементов каталога

Создание одного элемента каталога обычно занимает несколько часов или дней, а в зависимости от сложности может растянуться на одну-две недели. Требования часто записывают в стандартном формате — в Excel, Word или задаче Jira. Затем разработчик разбирает их, создаёт переменные и поля формы, настраивает рабочий процесс, а иногда пишет дополнительные скрипты и соглашения об уровне обслуживания (SLA). Эти повторяющиеся задачи требуют внимательности и знания платформы и отнимают много времени у ИТ-команды.

Цифровой работник сочетает диалоговые возможности большой языковой модели с пониманием внутренних форматов требований и лучших практик компании. С ним можно общаться, задавать вопросы и поручать задачи. Он также соблюдает разрешения: пользователи могут вносить только те изменения, которые им и без того разрешены в платформе ITSM. Если запросить создание элемента каталога и загрузить требования в стандартном формате, агент подготовит его примерно за 20 секунд, включая рабочий процесс и связанные скрипты. Результат, например форму заявки, можно просмотреть прямо в цифровом работнике, а затем несколькими нажатиями перенести в платформу.

В небольшой команде создание каталогов с помощью цифрового работника заметно изменило процесс. На этапе сбора требований специалисты заполняют тот же шаблон, что и раньше, но теперь могут сразу запустить построитель каталога и почти мгновенно увидеть результат. Это экономит несколько дней на простом элементе и до недели — на более сложном рабочем процессе. Команда может быстрее обсудить результат с заказчиком, внести изменения и проверить идеи, не проходя долгий цикл разработки с многочисленными согласованиями.

Компания рассчитывает автоматизировать всю дальнейшую разработку элементов каталога и использовать цифрового работника в этом направлении в масштабе. Это должно сократить расходы на разработку на 80% и высвободить примерно 25% ресурсов команды для более приоритетных задач платформы.

Поиск причин проблем в ITSM

Ещё один сценарий — анализ динамики запросов и инцидентов. Чтобы получить сведения из ITSM-платформы, обычно приходится создавать отчёты и панели мониторинга, просматривать списки, а иногда и разбирать отдельные заявки. Панелей можно построить сколько угодно, но извлекать из них конкретные выводы долго и сложно.

Вместо изучения статичных панелей и длинных списков заявок команда задаёт вопросы разговорному ИИ и быстро получает ответы и выводы.

Например, цифрового работника можно попросить проанализировать инциденты и запросы за последние 60 или 90 дней. Он сравнит текущие объёмы с базовым уровнем, покажет, растёт или снижается активность, и отметит необычные изменения. Затем машинное обучение сгруппирует заявки и выявит ключевые слова, темы и повторяющиеся проблемы, число которых могло резко вырасти. Вместо диаграммы количества заявок по приоритетам команда может сразу увидеть группы обращений о сбоях резервного копирования, задержках репликации, производительности или подключении.

Затем специалисты могут подробнее разобрать любую группу в диалоге — например, спросить, чем вызван рост обращений и на чём стоит сосредоточиться. Цифровой работник анализирует исходные данные и объясняет, что происходит. Панель мониторинга покажет увеличение числа заявок, а цифровой работник может объяснить его причины, связать несколько обращений с одной проблемой и предложить дальнейшие действия. Это помогает раньше реагировать на сбои и направлять ресурсы туда, где они принесут больше пользы.

Похожим образом агент помогает справляться с нехваткой времени у экспертов, которым нужно писать статьи базы знаний, чтобы сократить поток заявок. Анализируя тенденции в инцидентах и обращениях, цифровой работник может обнаружить пробел в базе знаний и сразу подготовить черновик статьи, обобщив связанные инциденты и другие данные.

Анализ, который раньше занимал несколько часов, теперь можно провести за 10–15 минут разговора с цифровым работником. Повторяющиеся проверки можно настроить по расписанию. Команда тратит меньше времени на панели мониторинга и ручную интерпретацию данных и больше — на решение выявленных проблем.

Перераспределение ролей и лицензий

Раньше команда тратила много времени на панели мониторинга, отчёты о соответствии требованиям и сверку расхождений между внутренними данными и отчётами о соответствии. Работа шла в реактивном режиме: если отчёт показывал превышение, приходилось выяснять, почему его данные так отличаются от собственных расчётов. ServiceNow иногда меняет определения ролей, и команде трудно успевать за этими изменениями. Многие организации проводят подробный аудит пользователей и их активности лишь раз в год — если вообще проводят, — потому что такой анализ всей платформы требует много времени.

Цифровой работник позволяет изучить роли отдельного пользователя, узнать, когда тот заходил в систему последний раз, и проверить, как именно использует возможности своей платной лицензии. Например, если у человека есть лицензия ITIL, но он не работает с управлением изменениями, инцидентами, знаниями, проблемами, запросами или каталогом услуг, команда может проверить, нужна ли ему эта лицензия, и при необходимости передать её другому сотруднику. Такой же анализ можно провести для целой команды: попросить агента показать распределение лицензий, права пользователей и то, используют ли они эти права на практике.

Запросы на новые лицензии возникают постоянно. Без подробных данных их легко выдать слишком многим пользователям и тем самым увеличить расходы. Теперь команда может принимать более обоснованные решения о распределении лицензий и избегать ненужного роста затрат.

Традиционно ITSM-системы служили прежде всего хранилищами записей: они хорошо собирали данные, но для их интерпретации и превращения в действия требовались время и опыт. Цифровой работник может добавить к платформе слой интеллектуальной обработки, чтобы ИТ-команды успевали делать больше и извлекать больше пользы из вложений в ITSM.

Работа с разговорным ИИ позволила команде меньше времени тратить на панели мониторинга, анализ записей и повторяющуюся административную работу, а больше — на действия по результатам, которые показывает платформа. Это помогает улучшать операционную эффективность и лучше обслуживать внутренних заказчиков.

Ричард Мендис — директор по маркетингу и стратегии. Брайан Кинг — старший инженер по продуктам ИИ в Bytemethod.ai.