ИИ-агент техподдержки · self-hosted

Бизнес недоволен,
а бюджета на расширение нет?

Вам поможет Майя — ИИ-агент технической поддержки.

Рутину первой линии агент закрывает сам: внутри вашего существующего ITSM, без новых людей и без выноса данных. Экономику можно проверить.

Без смены систем — коннекторы к вашей ITSM и каналам Без выноса данных — self-hosted, модели в вашем контуре С проверяемой экономикой — verified resolution

Работаем не на выдуманных вопросах: присылаете выгрузку заявок за квартал — вернём отчёт прогона на вашей реальной очереди.

Проблема

Знакомая развилка: сроки горят — бюджета на людей нет

— 01 / Ситуация

Бизнес недоволен сроками

Очередь растёт быстрее команды: SLA плывёт, от внутренних заказчиков приходят претензии, а не благодарности. Требуют «сделать быстрее» — и тут же замораживают найм.

— 02 / Рычаг

Классический рычаг — найм — не одобряют

Новые инженеры — линейные постоянные затраты и месяцы найма и адаптации. Рутина — пароли, доступы, типовые консультации — продолжает съедать первую линию.

— 03 / Опыт

ИИ-проекты не доходят до прода

Обещают 80%, по факту выходит вдвое меньше; юрисконсульт вспоминает про ответственность за слова бота; команда боится «замены». В итоге — презентация вместо рабочего инструмента.

Как это работает

Один агент. Три контура работы.

Майя встраивается в ваш ландшафт участником процесса: ваш ITSM остаётся источником правды, агент работает через коннектор и по вашим политикам.

— Контур 2

Автономная первая линия

Там, где вы разрешили, агент отвечает сам — с цитатами из вашей базы знаний и пометкой «это ИИ». Нет уверенности — нет публичного ответа: обращение уходит человеку с собранным контекстом. Рутину — агенту, сложное — людям.

— Контур 3

Конвейер знаний

Онбординг новой услуги — дни, не месяцы: подключение источников, обогащение, проверочный прогон на ваших вопросах, запуск. Изменение услуги считается выпущенным, когда агент уже отвечает о нём без ошибок.

Лестница автономии

Автономия — управляемая: по ступеням, с вашим одобрением

Мы продаём не «автономного агента», а управляемые ступени. Вы решаете, где агент отвечает сам, а где только помогает человеку.

L0 · Assist

Подсказки

Агент подсказывает инженеру; публичных ответов нет.

L1 · Copilot

Черновики

Черновики ответов за подписью инженера.

L2 · Bounded auto

Разрешённые ответы

Сам отвечает на разрешённых услугах, в рамках политики.

L3 · Autonomous

Рутина без человека

Закрывает типовую рутину на классах с низким риском.

  • Дефолт — L0: ничего не отвечает публично, пока вы не разрешили
  • Повышение — только по измеримым результатам на живом трафике
  • Политика — на пару «услуга × класс риска»; понизить уровень одной услуги — одна строка конфигурации

Каждый ответ заземлён на вашу базу знаний и процитирован. За словами агента стоит лог, а не надежда, что модель «не придумает».

Суверенность и безопасность

Всё остаётся в вашем контуре

Майя — self-hosted платформа: разворачивается на вашей инфраструктуре, работает с вашими моделями и не отправляет данные наружу.

Данные не покидают периметр

База знаний, тикеты и диалоги остаются у вас; внешней SaaS-обработки нет в конструкции, а не «по настройкам».

Модели — ваши

YandexGPT / GigaChat или open-weights модели на вашей площадке; план Б на случай отказа провайдера встроен в поставку.

Guardrails на входе и выходе

PII-редакция, защита от prompt-инъекций, проверка публичных ответов на заземлённость.

Действия — по политике в коде

Изменяющие операции только через политики и approval-очередь: политика в коде, а не в промпте.

Аудит каждого действия

На вопрос «что сделал агент» отвечает неизменяемый лог, а не память.

Единая точка доступа к LLM

Шлюз с квотами, бюджетами и kill-switch для всех потребителей моделей: агента, копилота, конвейера знаний.

Метрики и экономика

Экономика в цифрах, а не в обещаниях

Мы фиксируем честную планку и показываем, из чего она складывается.

40–65%
Честный коридор авторешений. Столько типовых обращений закрывает агент первой линии на подключённых услугах. Цифру «80% на старте» не даём — и объясним, почему.
Verified resolution
«Разрешено и подтверждено». Считаем не «отвечено», а заявки, закрытые агентом и подтверждённые пользователем.
CSAT ≥ бейзлайн
Не ниже человеческого уровня. Автоматизация не должна портить опыт поддержки — это критерий каждого релиза, а не пожелание.
≤ 1/3 контакта
Cost per resolution против живого разговора. Считаем на вашем трафике. Если экономика пилота не сходится — скажем до контракта, а не после.
Рост ≠ рост
Рост очереди больше не значит рост расходов. Трафик подключается целиком: подписка, а не per-resolution, не штрафует за успех — нанимать под каждый пик очереди не нужно.

Качество подтверждается контуром оценок: золотые наборы, LLM-судья с рубриками, релизные гейты и откат за минуты. Как выглядят наши цифры — покажем на тестовом прогоне, на вашей реальной очереди.

Внедрение

Начало — без проекта на полгода

— Шаг 01

Тестовый прогон

Присылаете выгрузку заявок за квартал — ориентир от 1000 заявок в месяц. На реальной очереди строим базу знаний и запускаем агента. Получаете отчёт: где агент уверенно отвечает с цитатами, где эскалирует, какие пробелы он нашёл в знаниях. Двадцати-тридцати вопросов из головы для этого недостаточно: честный прогон требует вашу настоящую очередь.

— Шаг 02

Пилот на 2–3 услугах

Коннектор к вашей ITSM, копилот для команды, первые разрешённые ступени автономии. Ваши ITSM и каналы не меняются.

— Шаг 03

Расширение по доказательствам

Добавляете услуги и уровни автономии там, где метрики это подтверждают. Роли владельцев знаний, качества и эксплуатации распределяются по вашим существующим людям — «команды ИИ» с нуля не требуется.

Перед стартом — preflight-проверка контура: доступы, каналы, модели, база данных. Чтобы демо не ломалось перед спонсором.

Отчёт тестового прогона · фрагмент · типизация и маршрутизация заявок

Пример из реального прогона: выгрузка внешней службы поддержки — 9 292 заявки. Обучение — на более ранних заявках, проверка — на более поздних, которые модель не видела. Модели — открытые, работают в контуре заказчика.

Поле заявкиТочностьВ коридоре уверенности*
Тип заявки98,7%99,5%
Направление ИТ-сервиса94,9%99,3%
Соглашение88,5%98,0%
Информационная система87,0%98,4%
Услуга (83 класса)81,9%98,9%
Категория заявки (140 классов)64,9%96,1%
Приоритет73,0%85,5%
* Точность на 90% заявок, где модель наиболее уверена; остальные 10% уходят человеку. Это и есть принцип «нет уверенности — нет ответа», проверенный на реальной очереди.

Отчёт показывает и слабые места: например, «Приоритет» требует доработки данных — прогон находит это до запуска, а не после. Побочный эффект уже первого шага: ~1 860 заявок из хвоста выгрузки, оставшихся без разметки, получили автоматическую типизацию с той же точностью.

Квалификация

Когда Майя сработает — и когда начинать не надо

Подходит

  • Внутренний service desk от 500 сотрудниковИзмеримая очередь, стоимость контакта считается, рутина повторяется.
  • Клиентский сервисСледующий шаг после внутреннего контура: те же политики, тот же конвейер знаний.
  • Вендоры сложного продуктаПоддержка по вашим статьям и регламентам, с цитатами на каждый ответ.

Не подходит — честно

  • Нет ITSM и базы знанийАгенту не на что опираться. Наведите порядок в знаниях — подскажем, как, но агентом это не заменяется.
  • Нужен SaaS «из коробки» с оплатой за резолюциюМы принципиально self-hosted с подпиской: данные не уезжают, бюджет не зависит от успеха.
  • Ждёте 80% автономии со стартаНаша планка — 40–65%, и она проверяемая. Если нужны красивые цифры вместо проверяемых — мы не ваш вендор.
FAQ

Частые вопросы

Что, если агент ответит неправильно?
Публичный ответ возможен только при достаточной уверенности и с цитатами из базы знаний. Нет уверенности — эскалация человеку с собранным контекстом. Действия — только в рамках политики, каждое — в аудите.
Это замена инженеров поддержки?
Нет. Рутину забирает агент, сложное остаётся людям. Внедрение начинается с копилота: черновики, похожие кейсы, саммари — за подписью инженера, а не вместо него.
Куда едут наши данные?
Никуда. Платформа self-hosted: база знаний, тикеты, диалоги и модели — в вашем контуре. Мы не видим ваши разговоры — и именно поэтому не тарифицируем «за резолюцию».
Что будет при отказе LLM-провайдера?
Деградация без тишины: обращения принимаются и эскалируются людям, circuit breaker переключает на план Б — open-weights модели в контуре. Обращение не теряется: это инвариант платформы.
Чем это лучше чат-бота, который мы уже пробовали?
Чат-бот отвечает из промпта. Майя отвечает из вашей базы знаний — с цитатами, с политиками автономии по услугам, с eval-гейтами перед релизом и аудитом действий. И не требует менять ITSM.
Почему для прогона нужна выгрузка за квартал, а не 20–30 вопросов?
Двадцать вопросов из головы — это демо, а не проверка. Чтобы построить базу знаний и честно измерить, где агент справляется, нужна реальная очередь: ориентир — квартал заявок при объёме от 1000 в месяц. На ней же видны пробелы знаний, которые не проявятся на выдуманных вопросах.
Сколько стоит и как считается?
Годовая подписка на self-hosted инстанс + SLA. Тарифицируется факт обработки заявки агентом — он виден в вашем ITSM — и число подключённых услуг. Не «подтверждённые резолюции», которые вендор считает сам себе. Рамку цены покажет пилот.
Сколько занимает внедрение?
Тестовый прогон — дни после передачи выгрузки. Пилот на 2–3 услугах — недели. Роли владельцев распределяются по существующим сотрудникам; отдельная «команда ИИ» не нужна.
Тестовый прогон

Проверьте на своей реальной очереди

Оставьте заявку — пришлём список данных для тестового прогона: выгрузка заявок за квартал, ориентир — от 1000 заявок в месяц. Конфиденциальность: готовы подписать NDA до передачи данных. Дальше — база знаний агента строится на вашей реальной очереди, и вы получаете отчёт: где Майя отвечает уверенно с цитатами, где уходит в эскалацию и какие пробелы нашла в знаниях.

Предпочитаете начать с разговора — напишите нам, обсудим пилот.