Ещё три года назад ИИ в ITSM представлялся как просто чат-бот на входе, который пытается угадать категорию тикета. Сегодня уже другой разговор: ведущие платформы встраивают AI не как надстройку над тикет-системой, а как архитектурный слой, который участвует в маршрутизации, предсказывает инциденты до их возникновения, автономно закрывает типовые обращения и генерирует постмортемы. Рынок уже видит пользу — поданным Forrester, компании, внедрившие предиктивные ITSM-практики, восстанавливаются после инцидентов вдвое быстрее тех, кто полагается на ручную обработку.
Есть хороший индикатор того, что что-то пошло не так: объём корпоративных данных, которые сотрудники вводят в неконтролируемые ИИ-инструменты,вырос на 485%за год. ITIL 5 назвал бы это низкой AI Maturity — когда организация технически использует ИИ, но не управляет им.Gartner предупреждает: к 2030 году 40% компаний столкнутся с нарушениями безопасности из-за неуправляемого применения ИИ.
Рынок ITSM на это отреагировал по-разному — теперь при выборе инструментов фокус может быть не на том, какие ИИ-фичи есть у вендора, а насколько эта AI-инфраструктура управляема.
Платформа или коробка: в чём разница
Прежде чем смотреть на архитектуры, стоит зафиксировать два понятия, потому что разница между ними и определяет, почему рынок вообще разделился.
ITIL 5 трактует так:GenAIгенерирует текст, код, ответы — на основе паттернов из данных.Agentic AIдействует автономно, выполняет задачи от имени пользователя, но в заданных границах и под надзором человека.
Сдвиг от «сгенерируй ответ» к «сделай действие в рамках ролевой модели» сформировал два архитектурных подхода. Они не лучше и не хуже друг друга, но закрывают разные потребности.
Платформенная AI-архитектура— это открытый слой для разработки собственных AI-сценариев. Кастомные агенты, подключение любых LLM, интеграция через API, управление политиками и лимитами, детальный аудит каждого ИИ-действия. Это инфраструктура, на которой строят, а не только используют готовое.
Коробочная AI-функциональность— ИИ встроен в продукт и работает из коробки. Обычно это автоматическая классификация, предложения ответов, виртуальный агент, суммаризация тикетов. Быстрый старт, предсказуемый результат, но, тем не менее, ограниченное пространство для кастомизации.
Кастомные агенты
Ограниченно или нет
Закрытый или ограниченный
Локальный контур
Как правило, нет
Скорость запуска
Недели — месяцы
2–4 недели
Потолок масштабирования
Ограничен роадмапом вендора
Когда выбирать коробку: нужен быстрый результат, команда небольшая, типовых возможностей вендора достаточно для задач подразделения.
Когда нужна платформа: если ИИ должен масштабироваться на несколько подразделений с разными сценариями, есть требования к безопасности и аудиту, чувствительные данные, необходимость работы в закрытом контуре.
Тем не менее, многие вендоры занимают промежуточное положение: сочетают готовые AI-функции с платформенными возможностями разной глубины.
Мировые решения: кто что делает
ServiceNow
Платформенная AI-архитектура
ServiceNow — самая зрелая платформенная AI-архитектура на корпоративном рынке. Now Platform объединяет под одной крышей ITSM, HR, финансы, CRM и другие домены, так что AI-слой работает поверх всего сразу, без склейки разрозненных систем.
Из чего состоит этот слой:
- Now Assist — готовые GenAI-навыки: суммаризация тикетов и чатов, генерация статей в базу знаний, написание кода, семантический поиск.
- Generative AI Controller — шлюз к языковым моделям: поддерживает собственную NowLLM (обучена на данных ServiceNow), Azure OpenAI, Google Gemini, IBM WatsonX и любую стороннюю модель через Generic LLM Connector.
- Now Assist Skill Kit позволяет собирать кастомные GenAI-навыки под конкретные процессы.
- AI Agent Studio — среда для разработки собственных агентов на базе сторонних LLM. В начале 2026 года ServiceNow совместно с NVIDIAпредставили Apriel Nemotron15B — собственную агентскую модель с низкой латентностью.
Но есть нюансы, о которых стоит знать до подписания договора. Now Assist не входит в базовую лицензию, нужен Pro Plus или Enterprise Plus, и каждое AI-действие сжигает лицензированную ёмкость. На момент подготовки материала ключевые AI-возможности ServiceNow ориентированы на облачный сценарий; полноценный on-premise для них не заявлен. Внедрение базовых ITSM-модулей занимает 8–12 недель, сложные проекты растягиваются до года. По даннымGartner Peer Insights, на сложность внедрения клиенты жалуются чаще всего.
Atlassian Jira Service Management + Rovo
Платформенная AI-архитектура, открытая экосистема
Atlassian делает ставку не только на AI внутри JSM, но и на отдельный AI-слой Rovo поверх всей экосистемы: Jira, Confluence, JSM вместе. В основе Rovo лежит Teamwork Graph — граф данных, который отслеживает больше 100 миллиардов объектов и связей из 100+ подключённых приложений: тикеты, страницы, сообщения, пользователи, цели, зависимости между ними. Это даёт агентам Rovo потенциально более богатый контекст, чем у систем, которые опираются только на точечные API-интеграции.
Rovo Studio даёт инструменты для создания кастомных агентов: своя база знаний, кастомные действия, подключение MCP-серверов сторонних инструментов. В феврале 2026 годазапустилась открытая бетаагентов прямо в Jira — им можно назначать задачи, упоминать в комментариях через @, встраивать в workflows. При этом агенты работают внутри существующих структур Jira и соблюдают все настройки проектов, права доступа, audit trails и approval flows.
Одновременнооткрылась Rovo MCP Gallery— каталог готовых коннекторов к Amplitude, Box, Canva, Figma, GitHub, New Relic и другим инструментам. Агенты через них не просто читают данные — около 50% MCP-операций у enterprise-клиентов это операции записи, то есть агенты реально что-то делают в сторонних системах. 93% использования MCP приходится на платные тиры.
Rovo включён без доплаты в Standard, Premium и Enterprise cloud-планы. Главное ограничение: чем меньше организация живёт в экосистеме Atlassian, тем слабее эффект. Контекст, который никогда не был зафиксирован в системе, агентам просто недоступен.
Платформенная AI-архитектура + богатая коробочная функциональность
BMC Helix интересен тем, что сочетает два подхода: серьёзная платформенная архитектура плюс один из самых зрелых наборов готовых AI-агентов на рынке.
В основе — HelixGPT, GenAI-движок, который разворачивается on-premise или в облаке и работает с LLM-провайдером по выбору заказчика: OpenAI, Microsoft, Google — в рамках уже существующих лицензионных соглашений. Не нужно заключать новые контракты, не нужно привязываться к модели вендора.
В мае 2025 годавышел HelixGPT Agent Builder— no-code конструктор агентов для IT и бизнес-команд. Агенты организованы по ролям: change manager, asset manager, governance manager, и новые роли выходят каждые 2–3 недели. Из готового и интересного: Post Mortem Analyzer разбирает инциденты после устранения, Insight Finder позволяет строить дашборды через обычный текстовый запрос, Ops Swarmer организует совместную работу команд прямо из карточки инцидента в Microsoft Teams. Интеграция с BMC Helix AIOps добавляет предсказание инцидентов, ситуационную аналитику и анализ корневых причин.
В апреле 2025 годаForrester поставилBMC Helix наивысшие оценки по критериям Agentic AI, advisor и assistant в своём Wave по AIOps-платформам. Одна техническая особенность, которую стоит держать в голове: при обновлении платформы стандартные компоненты — skills, agents, tools — могут перезаписываться. Кастомизации нужно резервировать.
Freshservice (Freshworks)
Коробочная AI-функциональность
Это эталонный представитель коробочного подхода: купил, настроил, запустил.
Freddy AI встроен нативно и работает с первого дня без сложной конфигурации. Freddy AI Agent автономно закрывает типовые обращения — сброс паролей, выдача доступов — через Slack, Microsoft Teams и сервисный портал на 40+ языках. Freddy AI Copilot суммаризирует тикеты, предлагает готовые ответы, классифицирует обращения и генерирует статьи в базу знаний.
Главный аргумент в пользу Freshservice — time-to-value. Запуск занимает 2–4 недели, это, как правило, быстрее, чем у крупных ITSM-платформ. Трёхлетняя совокупная стоимость владения для команды из 50 агентов — $90 000–175 000 в зависимости от тира и подключённых надстроек.
Ограничения вытекают из той же природы. AI работает только с тем, что есть внутри Freshservice — корпоративные знания из внешних систем в контекст не попадают. Для кастомных AI-сценариев корпоративного масштаба платформа не предназначена. Продвинутые возможности Freddy AI доступны с тарифа Pro (~$85 за агента в месяц), часть функций идёт отдельными надстройками. И отдельный момент при подписании контракта: в условиях есть автоматическое продление с узкими окнами выхода.
Коробочный AI + платформенные возможности в развитии
Ivanti занимает на рынке уникальную нишу. Их платформа нативно объединяет три домена, которые у других вендоров существуют отдельно: ITSM, Autonomous Endpoint Management (AEM, Автономное управление конечными точками) и безопасность. AI получает данные из всех трёх слоёв одновременно.
В январе 2026 года Ivantiанонсировала Agentic AIдля ITSM на базе Conversational AI Framework: persona-based агенты, которые автономно закрывают инциденты и запросы через естественный язык от начала до конца. Developer Hub предоставляет централизованный реестр публичных API по всему портфелю — основу для кастомных интеграций.
Главное, что стоит понимать про Ivanti прямо сейчас: Agentic AI ещё не в GA. Платформенный потенциал для кастомной разработки пока значительно уже, чем у ServiceNow или Atlassian. Это решение, которое интересно наблюдать в динамике — но выбирать сегодня стоит с пониманием, что часть обещанного ещё в роадмапе.
А что у нас
Честно: смотреть на ServiceNow и BMC Helix с российской пропиской — упражнение со смешанными чувствами. Всё это настолько же впечатляет, насколько недоступно нам в том виде, в котором существует — облачная инфраструктура, западные LLM, глобальные соглашения с OpenAI и Microsoft.
Но задачи никуда не делись. Классификация обращений, автономное закрытие типовых тикетов, RAG поверх корпоративной базы знаний, агенты которые действуют а не только отвечают — это нужно здесь и сейчас, внутри периметра, с данными, которые нельзя отправлять во внешние API.
ДляSimpleOne ITSMкоробочный подход означал бы жёсткую привязку к одной модели и невозможность адаптироваться по мере того как рынок LLM меняется, а он меняется быстро. Поэтому мы изначально выбрали платформенный подход, руководствуясь принципами ITIL 5 AI Governance: не просто дать кнопку «Сгенерировать ответ», а обеспечить контролируемую среду Безопасность здесь заложена на уровне архитектуры.
Что это означает:
- Локальный контур (on-premise).Данные не покидают периметр компании, ИИ работает только с внутренними источниками — это закрывает именно тот риск неконтролируемой передачи чувствительной информации во внешние LLM.
- Полный аудит действий.Каждый вызов модели логируется: промпт, ответ, потреблённые токены. В любой момент можно объяснить, почему агент принял то или иное решение — это закрывает требование ITIL 5 об accountability.
- Гибкость без потери контроля (Нексусы).Нексус — абстракция над LLM: описываешь модель, параметры подключения, политики, лимиты — и дальше процессы работают с нексусом, а не с конкретной моделью напрямую. Хочешь переключиться с ChatGPT на YandexGPT или на локально развёрнутую модель внутри контура — меняешь нексус, процессы не переписываешь.
- Готовые ИИ-инструменты:классификаторы обращений, ИИ-помощник на портале самообслуживания.
Поверх этого — стандартный для платформенного подхода набор: RAG-движок с векторизацией корпоративных данных, визуальный конструктор AI-процессов без программирования, агенты, которые планируют шаги самостоятельно и вызывают друг друга. RBAC с четырьмя уровнями доступа к AI-функциям и детальным логированием каждого шага.
Рынок AI‑ready ITSM движется в одном направлении — от инструментов к инфраструктуре. Компании хотят не просто фичи, а управлять этим ИИ: контролировать доступ, аудировать решения, менять модели без переписывания процессов, разворачивать сценарии в закрытом контуре. Методология ITIL 5 даёт для этого каркас: зрелость ИИ измеряется не количеством чат‑ботов, а интеграции governance в каждый шаг жизненного цикла.
Смогут ли мировые и российские решения прийти к зрелости?
