Большинство крупных компаний потратили годы на внедрение порталов самообслуживания — проектировали каталоги услуг, писали инструкции, проводили обучения. Портал есть, каталог есть, база знаний в наличии. А пользователи всё равно звонят на первую линию.
Команда SimpleOne ITSM размышляет о том, почему так происходит и как быть — чтобы и пользователям хорошо, и агентам поддержки.
Парадокс и фундаментальная ошибка
Каждый Service Desk последние 15 лет хочет добиться успеха в Shift-Left — это концепция операционной эффективности: решать задачи на самых ранних этапах поддержки, чтобы большинство обращений закрывалось на первой линии или через самообслуживание, без эскалации на вторую и третью линии, где работают дорогие узкопрофильные специалисты.
Но даже если компания придерживается этой концепции, тратит месяцы на создание идеальных моделей типовых запросов, пользователи всё равно могут пройти мимо и написать сразу в Service Desk.
Shift-Left не работает, потому что портал слишком сложен для конечного пользователя.
Возьмём конкретную ситуацию. Сотруднику отдела продаж нужен доступ к корпоративной системе отчётности. Он заходит на портал, видит 200 карточек с услугами и начинает читать названия:
Выдача прав для пользователейПредоставление доступа к информационным ресурсамУправление учётными записями
Все три звучат похоже. Через 15 минут он закрывает портал и пишет в Service Desk:
Не могу открыть отчёт по продажам, помогите
Портал здесь ни при чём — он работает именно так, как был спроектирован. Проблема в том, что он спроектирован под логику ИТ-отдела, а пользователь мыслит иначе. Это хорошо описывает фреймворк Cynefin, который делит ситуации по степени предсказуемости: от простых и очевидных (Clear) до запутанных (Complex), где причинно-следственные связи неясны.
Например, типовой запрос на выдачу доступа — это Clear для системного администратора: есть форма, есть поля, есть регламент.
Для сотрудника отдела продаж та же задача уже Complex: непонятно, какую форму открыть, что писать в поле «категория», нужно ли согласование руководителя и где его взять.
Портал молча перекладывает на пользователя работу по переводу своей задачи из Complex в Clear. Пользователь этого не делает, и поступает правильно, потому что это не его работа.
Компании пытались решить проблему разными способами: переименовывали услуги, крутили формулировки и выбирали самые понятные, группировали услуги по жизненным ситуациям, записывали видеоинструкции, внедряли скриптовых чат-ботов. Скриптовый бот оказался той же самой проблемой в другой оболочке — он вёл пользователя по дереву вопросов, но по-прежнему требовал от него понять структуру каталога, чтобы добраться до нужного результата.
Большинство диалогов заканчивалось одинаково:
Соедините меня с оператором
Когнитивная нагрузка никуда не делась, просто поменяла форму.
ИИ спешит на помощь
Генеративный ИИ решает задачу, которую не смогли решить предыдущие подходы — берёт когнитивную работу на себя. Пользователь пишет «мне нужен доступ к отчётам по продажам» — система сама разбирается, что это за запрос, какая форма ему соответствует и какие поля нужно заполнить.
В основе работы лежит технология RAG — Retrieval-Augmented Generation.
Если упрощённо: система не генерирует ответы из собственных знаний, а ищет релевантную информацию в корпоративных источниках и на её основе формирует ответ. Источниками служат база знаний, каталог услуг с описаниями типовых запросов, объявления о плановых работах — всё, что уже есть в системе.
Если сложнее, то есть два шага:
Сначала специализированная модель (embeddings model) преобразует весь корпоративный контент в векторные представления — числовые описания смысла каждого фрагмента текста. Когда пользователь пишет запрос, система ищет в этом векторном пространстве семантически близкие фрагменты — не по ключевым словам, а по смыслу. «Не могу открыть отчёт» и «проблема с доступом к системе отчётности» дадут одинаковый результат поиска.
Затем языковая модель получает найденные фрагменты, проверяет их релевантность и формирует финальный ответ на естественном языке.
Корпоративный контекст задаётся через промпты — инструкции, которые объясняют модели специфику компании: что считать инцидентом, как определять срочность, какие поля обязательны для разных типов запросов, как отличить типовой запрос от нестандартной ситуации. Новые данные в системе подхватываются автоматически с заданным интервалом — администратору не нужно каждый раз перенастраивать модель вручную.
Принципиальное отличие от скриптового бота: система не ведёт пользователя по заранее прописанному дереву вопросов. Она понимает контекст диалога и адаптируется — если пользователь добавляет детали, уточняет или меняет формулировку, модель учитывает это в следующем ответе.
Сценарий 1: Самообслуживание через базу знаний
Запрос пользователя:
Не работает почта
Что делает ИИ-помощник:
Проверяет актуальные объявления — возможно, идут плановые работы на почтовом сервере, — и ищет в базе знаний статьи по этой проблеме. Предлагает пользователю статьи с решением, дополнительно поясняя основные шаги.
Задаёт уточняющие вопросы: «Не открывается веб-интерфейс или не синхронизируется почтовый клиент?».
В результате проблема решается без создания обращения, пользователь получает ответ за 1–2 минуты, а не ждёт ответа первой линии.
Сценарий 2: Типовой запрос с предзаполнением формы
Запрос пользователя:
Мне нужен доступ к отчётам по продажам
Что делает ИИ-помощник:
Определяет, что это типовой запрос на выдачу доступа.
Находит правильную форму в каталоге услуг (даже если она называется «Предоставление прав доступа к информационным ресурсам категории B»).
На основе ответов предзаполняет все обязательные поля формы.
Показывает пользователю готовую форму для проверки и отправки.
Запрос сразу попадает в профильное подразделение (администраторам системы), минуя первую линию, с полной информацией для немедленного выполнения. Не нужен статус «Требуется информация», не нужны итерации уточнений.
Сценарий 3: Инцидент с полным контекстом
Запрос пользователя:
Не открывается отчёт по продажам за месяц. Проверил всё, что вы написали в статьях — не помогло. Мне срочно нужен этот отчёт для встречи с клиентом через час
Что делает ИИ-помощник:
Определяет, что это инцидент — неожиданная проблема, требующая срочного решения.
Классифицирует срочность на основе контекста («встреча через час» → высокая срочность).
Создаёт форму инцидента с предзаполненными полями (срочность, контекст).
Генерирует ссылку на готовую форму.
Что происходит дальше: пользователь видит готовую форму, может при необходимости дополнить информацию и отправляет обращение одним кликом. Агент Service Desk получает инцидент с полным контекстом и может сразу начать работу — не нужно уточнять детали, всё уже описано. При этом помощник на основе искусственного интеллекта может ускорить решение задачи, определив степень её критичности, которую сам пользователь не всегда может осознать. Как в примере выше — если ИИ понимает из контекста диалога, что встреча с клиентом через час, система может обозначить задачу как срочную, даже если пользователь так её не воспринимает.
Но у подхода есть и слабое место — честно про него. ИИ-помощник хорош ровно настолько, насколько хороша база знаний, из которой он берёт ответы. Если статьи в ней устарели или противоречат друг другу, помощник всё равно ответит — уверенно и складно, только неправильно. И это опаснее, чем когда обычный бот говорит «не понял»: пользователь видит гладкий ответ и верит ему.
Отсюда главное: ИИ не отменяет работу по наполнению и обновлению базы знаний, а делает её ещё важнее. Плохие данные на входе — это уверенные, но плохие ответы на выходе.
И ещё: часть запросов помощник всё равно передаст человеку. Это нормально — он не «сдаётся», а осознанно отправляет сложный случай специалисту. Но если ждать, что ИИ возьмёт на себя вообще все обращения, разочарование неизбежно.
Почему это работает
Главное отличие от обычного портала самообслуживания — помощник на основе искусственного интеллекта избавляет пользователя от необходимости понимать структуру каталога услуг, разбираться в терминологии ИТ-отдела, искать нужную форму среди сотен вариантов, вручную заполнять поля, которые не всегда понятны.
Вместо этого пользователь общается на естественном языке, как с коллегой, а система сама делает всю работу по категоризации, поиску нужной формы и структурированию информации.
Помощник берёт на себя роль интеллектуального диспетчера — он правильно маршрутизирует и структурирует запрос ещё до его создания. Фактическое выполнение (выдача доступа, решение технической проблемы) остаётся за специалистами профильных подразделений. То есть не нужно расширять штат первой линии — искусственный интеллект делает ту работу, которую раньше выполняли люди вручную.
Выводы
Портал самообслуживания как концепция — работает, а проблема была и есть в точке входа. Каталог услуг, типовые запросы, база знаний, маршрутизация — всё это в системе остаётся и продолжает работать. Меняется только то, как пользователь до этого добирается: он описывает задачу своими словами, а когнитивную работу по переводу из Complex в Clear должна делать система.
Скриптовые боты не справились, потому что воспроизводили ту же логику портала. Генеративный ИИ справляется, потому что работает в обратную сторону: подстраивается под пользователя, а не требует от него подстраиваться под структуру системы.
Сталкивались с этой проблемой? Интересно услышать в комментариях, что пробовали и как решали — или почему решили не решать.
Комментарии (11)
Jevi23
16.06.2026 15:19Я конечно ещё студент и мнение моё тут никому не интересно но всё же. Cynefin в контексте ITSM это сильно, не ожидал увидеть на хабре в корпоративном блоге. Мы на курсе по управлению сложными системами его разбирали но там всё было про военную логистику и кризисный менеджмент, а тут оказывается он идеально ложится на Service Desk. По сути портал самообслуживания это классический случай disorder из Cynefin – когда участники даже не могут определить в каком домене они находятся и каждый действует по своей логике. Айтишник думает что это Clear потому что есть регламент, пользователь видит Complex потому что для него всё непонятно, а менеджер вообще считает что это Complicated и надо просто "провести обучение". И все трое правы в своём фрейме.
Кстати если развивать мысль автора про RAG то тут интересная штука получается с точки зрения теории информации. Скриптовый бот это по сути конечный автомат – детерминированные переходы между состояниями, энтропия на входе должна быть нулевая чтобы он отработал корректно. А пользовательский запрос на естественном языке это высокоэнтропийный вход по определению. Поэтому скриптовый бот и не работает – он требует от пользователя снизить энтропию своего запроса до нуля, то есть сформулировать его ровно так как ожидает дерево решений. RAG + LLM снимает это ограничение потому что embeddings проецируют высокоэнтропийный вход в латентное пространство где семантически близкие запросы оказываются рядом независимо от формулировки. Грубо говоря система впервые толерантна к тому как именно пользователь выражает мысль.
Единственное что смущает – автор не упомянул проблему hallucinations. RAG снижает их частоту но не устраняет. Если LLM не нашла релевантный чанк в базе знаний она вполне может додумать ответ из своих весов и уверенно порекомендовать пользователю выполнить команду которой не существует. В enterprise это не "ой смешно" а потенциальный инцидент. Как минимум нужен confidence threshold ниже которого система не отвечает а честно говорит "я не знаю, перевожу на оператора". Про это в статье ни слова.
Но в целом очень круто, подписался на блог. Диплом у меня как раз про оптимизацию retrieval pipeline в корпоративных RAG системах так что тема прям моя))
Makakiss
16.06.2026 15:19Слушай, я половину слов тут загуглил пока читал, но по сути ты прав. Особенно про галлюцинации – у нас на пилоте бот однажды посоветовал пользователю "перезапустить службу кластера" на рабочей станции где никакого кластера отродясь не было. Хорошо что пользователь не знал как это сделать и просто позвонил мне. То есть Саше.
А вот про энтропию и латентные пространства – я тебе так скажу. Ты это всё правильно описываешь красивыми словами, а на практике это выглядит так: Татьяна Михайловна пишет "у меня всё зависло и шеф орёт" и система должна из этого понять что завис 1С на терминальном сервере, а не что завис ноутбук и не что завис интернет. И знаешь, в 7 случаях из 10 она угадывает. Это реально магия, я до сих пор не привык. В остальных 3 случаях – звонят Саше.
Дописывай диплом, приходи работать. Я то 15 лет в АЙТИ. Только учти – в реальной жизни retrieval pipeline оптимизировать будет некогда, потому что сначала надо уговорить стажёра переписать 200 статей в базе знаний с канцелярита на русский язык. А стажёр скажет что ему за это не платят. И он будет прав. Вот это настоящий bottleneck системы, а не cosine similarity threshold))
eugenex15
16.06.2026 15:19Саша, зачет, не ругайся.... (лучше выкати сюда не нейрослоп по BI)
со всем уважением.
Arhammon
16.06.2026 15:19Всё уже отработано на внешку - если надо повисеть час на телефоне в ожидании ответа оператора, а еще лучше сходить, большее количество людей начинает читать, разбираться)
Redduck119
16.06.2026 15:19Соедините меня с операторомПостоянно приходиться требовать оператора.
надо повисеть час на телефоне - Это вообще бесит!
Из последнего.
На человека (из числа руководства) зарегистрировали левые симки(не знаю как).
Тут же мы быстро едем в салон связи, блокируем все симки, расторгаем договора.
Через пару часов заходим в личный кабинет оператора связи и видим что симки не заблокированы, договора не расторгнуты.
И вот тут начинается. Их умные роботы (ржавые железяки) крутят одно и тоже по кругу и тут - надо повисеть час на телефоне.
Наконец то переключили на оператора.
И когда человек ответил, проверил всю информацию, сообщил что все хорошо - симки заблокированы, договора переданы на расторжения. Просто в личном кабинете эта информация не отображается!Arhammon
16.06.2026 15:19Это понятно, что бесячая практика когда тебе нужно что-то важное, но есть и другая сторона - когда ресурс доступный его не ценят, он деградирует - не роботы так живые люди будут крутить по кругу одно и то же, потому что работают "роботом".
Pavel1978K
16.06.2026 15:1925 лет в ИТ, более 18 из них руковожу ит-службами и тех. поддержками.
С момента внедрения ИТИЛ в 2003 году перепробовано всё. И несмотря на то, что ИИ конечно может в некоторой степени облегчить нагрузку на саппорт, он ни когда не повысит лояльность юзеров и не снизит издержки (на длинной дистанции т.к. раздражённый юзер скорее уйдёт к конкуренту чем будет страдать).
Моё убеждение: человека лучше всего способен понять только человек. Особенно что-то неочевидное, как то, что потенциально может произойти или критичность вытекающую из сложных эмоциональных и часто плохо формулируемых фраз юзера.
ИИ хорош для профильной помощи, в стиле - задай правильный вопрос и получи правильный ответ. А "вот эта ваша херабора зависла. я компьютер перезагружала, запускала, а она всё равно зависает и я ни чего не вижу. Вы всё сломали, немедленно чините иначе я на вас директору жалобу писать буду" - такое ни какое ИИ не порешает и не снизит агро. Это способен сделать только натасканный специалист и он не просто довольно быстро сможет понять что случилось, но и оценить реальную критичность!
СС одной стороны очень дорогая мода на ИИ, с другой ЛЮДИ (причём как юзеры так и сотрудники поддержек). И нам вместо того, что бы их заменять, надо наоборот создавать курсы, выращивать, натаскивать и получать целую прослойку тех, кто потом пойдёт дальше, а профильные специализации. А мы делаем чудовищную ошибку, которая через некоторое время приведёт к тотальной потере компетенций и целой прослойки специалистов из которых потом растут далее.
Не имея обученных лейтенантов, опытных генералов не получите.
Makakiss
16.06.2026 15:1915 лет в айти, 8 из них руковожу поддержкой - до ваших 25 мне ещё дорасти, но кое-что уже повидал. И знаете с чем соглашусь на все сто - про лейтенантов и генералов. Золотые слова. У меня самого лучшие инженеры на второй линии выросли из первой, через рутину, через "херабору" и через Татьяну Михайловну из бухгалтерии которая звонит лично мне в ватсап потому что "Саша ты же разберёшься".
Но вот где я спорю. У меня 12 человек в отделе, 4 на первой линии. Они не растут. Они сидят и 70% дня копипастят из базы знаний ответы на "как подключить впн" и "где шаблон заявления на отпуск". Это не лейтенантская школа, это конвейер по производству выгорания. Через год они уходят, я набираю новых, и всё по кругу. Какие тут генералы.
А теперь представьте что эти 40 одинаковых тикетов в день забирает ИИ. Не агро Татьяны Михайловны - тут вы правы, только живой человек. А именно ту тупую рутину от которой глаза стекленеют к обеду. И у меня наконец появляется время сесть рядом со стажёром и разобрать с ним сложный кейс. Показать как из фразы "у меня ничего не работает директор орёт" вытащить что на самом деле отвалился терминальный сервер и финансовый отдел не видит 1С в конце квартала. Вот это школа. А "перезагрузите компьютер" в сотый раз - нет.
Про эмоции и критичность - тоже частично согласен. ИИ не поймёт что пользователь на грани истерики. Но мой стажёр третий месяц на линии тоже не понимает)) А вот когда ИИ перед передачей тикета уже вытащил контекст - что юзер из финансов, что речь про отчёт, что квартал закрывается послезавтра - стажёр получает подсказку и соображает быстрее. Не замена эмпатии, а контекст для того кто эмпатию только учится применять.
Короче я не за замену людей. Я за то чтобы перестать тратить людей на работу от которой они тупеют а не растут. Ваши лейтенанты быстрее станут генералами если не будут весь день стоять в карауле у ворот через которые спокойно пропустит автоматика)
Pavel1978K
16.06.2026 15:19Вы пишете про следствие компьютерной безграмотности (за которой мы не угонимся никогда) и эмоции на которые не способен ИИ. Пользователь, чаще всего, не способен написать конкретно "мне надо подключить ВПН на смартфоне. Андроид 15. Интернет - 4G МТС. Запускаю ВПН сервис такой-то, через 5 минут получаю сообщение "........". Интернет проверялся - работает" . Только в таких условиях ИИ будет результативен и не будет вызывать галюнов и раздражения юзера. Но давайте честно: таких юзеров - меньшинство. 5-7%. Ни какие затраты (прямые и косвенные) не окупят пользу для этих людей. То, что Вы или Ваши специалисты определили как "не работает ВПН" - это именно ваша работа. Вы годами учитесь быстро определять причины , отделять их от симптомов, задать 1-2 наводящих вопроса и найти причину. Более того, что не работает ВПН юзер то может написать, а что если это всего-лишь симптом др. проблемы? Ему дают решение по ВПН, а на самом деле у него проблемы на проксе или порте коммутатора. Что тогда? А что если из-за такой некорректной диагностики и потраченного времени впустую потерян ключевой клиент которому вовремя продаван не выслал К.П.?? А что если Вас, в клинике также лечили бы?
Про контект - согласен на 100%. Здесь ИИ мог бы круто помогать ,если его как агента правильно интегрировать в обслуживаемую среду и дать юзеру возможность передать тех. инфу о событии с привязкой к заявке.
Удержание специалистов на низших должностях и возможность роста - это совсем другой вопрос. Да, выгорание в какой-то степени влияет. Но не критично. Не всем нужен рост, многим нужны стабильность, удобство и хороший коллектив - обеспечьте это, подбирайте именно таких, делегируйте, выделяйте лидов, ротируйте и т.п. Короче, способов удержания много и я это практикую очень много лет.
Кстати, ещё есть вопрос этики и репутации. Как это бывает, какой-то оператор связи (условный), объявил, что 95% мощностей поддержки клиентов переносит в ИИ. Круто, сократил какие-то издержки (хотя это фантазия на самом деле). И вот юзеру, предлагается чатится с ботом в поискать истины или долбить цифры на телефоне подтверждаю выбор для IVR и надиктовывать свою проблему. Оператор - снял с себя ответственность. Отныне проблемы юзера - это только его проблема. Оператор сократил издержки, отчитался совету директоров что: издержки сократил, ИИ внедрил, жалоб нет (а их объективно нет т.к. банально не куда их направить). Всё, можно получать премии и бонус. А потом проходит отчётный период и наблюдается отток клиентов, гневные комменты в интернете, снижение рейтингов и репутации => снижение прибыли.
Makakiss
Ребята, я уже 15 лет в айти. знаю толк во всем и я вам так скажу - порталы самообслуживания это самый дорогой способ заставить пользователей всё равно позвонить тебе на мобильный.
Три раза внедрял. Три раза одно и то же. Собираемся, неделю рисуем каталог, называем услугу "Предоставление доступа к корпоративным информационным ресурсам категории Б". Красота. Запускаем. Гордимся. Через месяц главбух Татьяна Михайловна пишет в ватсап лично мне: "Сашау меня 1С не открывается, я на портал заходила но там какая-то ерунда". Саша - это я. Я руковожу отделом из 12 человек. Но для Татьяны Михайловны я навсегда Саша который починит.
Насчёт ИИ - мужики, я сам не верил. Думал очередной чатбот который будет спрашивать вы пробовали перезагрузить? двенадцатью разными способами. Но когда эта штука реально поняла что у меня экселька не сохраняется это не про Excel а про то что сетевой диск отвалился - я такой ладно, беру свои слова обратно.
Единственное - автор мягко обошёл главную засаду. ИИ жрёт то что ты ему скормил. А у большинства контор в базе знаний лежат статьи написанные стажёром в 2019 году в стиле "Для устранения инцидента категории IM-3 необходимо осуществить рестарт службы посредством выполнения команды". ИИ это находит и красиво пересказывает таким же канцеляритом. Пользователь читает, ничего не понимает и звонит. Кому? Правильно. Саше.