Когда в крупной компании что-то ломается – не работает принтер, слетел доступ к системе или зависло корпоративное приложение – сотрудник пишет в IT-поддержку. Раньше на том конце всегда был человек. Сегодня в Salesforce почти каждый второй такой запрос обрабатывает ИИ-агент. Разберёмся, как они к этому пришли.
Не замена людям, а помощь системе
Важный момент с самого начала: агенты не вытеснили людей из IT-поддержки. Они взяли на себя ту часть работы, которая хорошо поддаётся автоматизации, – повторяющиеся, однотипные запросы, где алгоритм справляется не хуже специалиста. Это освободило сотрудников поддержки для более сложных случаев, требующих живого участия.
Проще говоря: агент отвечает на вопросы в духе «как сбросить пароль» или «почему не открывается доступ», а человек занимается тем, с чем машина пока не справляется.
Всё началось с данных – и с честного взгляда на них
Прежде чем что-то автоматизировать, команда Salesforce изучила, с чем реально обращаются сотрудники. Это ключевой шаг, который часто недооценивают: без понимания структуры запросов любая автоматизация рискует промахнуться мимо реальных потребностей.
Оказалось, что значительная часть обращений – это небольшой набор повторяющихся сценариев. Именно они и стали первыми кандидатами на автоматизацию. Команда не пыталась сразу охватить всё – они выбрали то, где успех был наиболее вероятен, и начали с этого.
Как строили агентов: итеративно и без спешки
Разработка шла поэтапно. Сначала – прототип на ограниченном наборе сценариев. Затем – тестирование с реальными пользователями. Потом – анализ ошибок, доработка, расширение охвата.
Одной из ключевых задач было обеспечить агентам доступ к нужным данным в нужный момент. ИИ-агент – это не просто чат-бот с заготовленными ответами. Он должен уметь обращаться к внутренним системам, получать актуальную информацию о статусе запроса, правах доступа, конфигурации оборудования – и на основе этого давать осмысленный ответ или совершать нужное действие.
Именно здесь кроется основная сложность: не в том, чтобы ИИ «умел отвечать», а в том, чтобы он мог действовать – интегрироваться с системами, выполнять операции и при этом делать это безопасно.
Безопасность и контроль – не как опция, а как основа
Отдельное внимание команда уделила тому, что агенты могут делать, а что – нет. В корпоративной среде ИИ с широкими правами доступа – это потенциальный риск. Поэтому каждое действие агента было чётко ограничено: он может сбросить пароль, но не может изменить права доступа без подтверждения. Может уточнить статус заявки, но не может закрыть её в обход регламента.
Такой подход называют «принципом минимальных привилегий» – агент получает ровно столько прав, сколько нужно для конкретной задачи, и не больше. Это снижает риски и упрощает аудит действий системы.
Как оценивали результат
40% – это не просто красивая цифра для презентации. За ней стоит конкретная методология оценки: команда отслеживала, какие запросы агент закрывал полностью без участия человека, где требовалась передача специалисту и почему, насколько сотрудники были удовлетворены ответом.
Важно, что метрикой успеха была не просто «доля автоматизированных обращений», а качество их закрытия. Агент, который формально «обработал» запрос, но оставил сотрудника с нерешённой проблемой – это не успех, это замаскированный провал.
Что это значит для всех остальных
История Salesforce интересна не только как корпоративный кейс. Она показывает, как выглядит реальное внедрение ИИ-агентов в корпоративную среду – без магии и без быстрых решений.
Несколько наблюдений, которые применимы шире одной компании:
- Начинать стоит с анализа, а не с технологии. Понять, что именно автоматизировать, – важнее, чем выбрать инструмент.
- Итеративность – не слабость, а необходимость. Агенты не получаются идеальными с первого раза. Нужен цикл: запустить, посмотреть, исправить.
- Доверие формируется через ограничения. Чем чётче прописано, что агент может делать, тем проще пользователям и специалистам этому доверять.
- Метрики должны отражать ценность, а не активность. Количество обработанных запросов – слабый показатель. Качество решения проблемы – сильный.
Если коротко: ИИ-агенты в IT-поддержке работают – но только тогда, когда они хорошо встроены в реальные процессы, а не просто «подключены» к системе.
Что дальше
Salesforce не останавливается на достигнутом. Логичный следующий шаг – расширение агентов на более сложные сценарии, которые сегодня всё ещё требуют человека. Граница между «агентской зоной» и «человеческой» будет постепенно смещаться – по мере того, как растёт качество моделей и накапливается опыт работы с ними в реальных условиях.
Но важно понимать: это не автопилот, который включили и забыли. Это система, которая требует постоянного внимания, обновления и настройки. Иначе 40% могут незаметно превратиться в 40% неудовлетворённых пользователей.