Vijay Rayapati, CEO i współzałożyciel Atomicwork – seria wywiadów

Vijay Rayapati jest współzałożycielem i CEO Atomicwork. Przed założeniem firmy pełnił funkcję Senior Vice President i General Manager ds. Cloud Networking and Security w Nutanix, po przejęciu przez Nutanix firmy Minjar, platformy zarządzania chmurą, którą założył i rozwinął jako CEO. Wcześniej w swojej karierze pełnił role przywódcze w dziedzinie inżynierii i produktu w firmach Kuliza i Trilogy, co dało mu duże doświadczenie w budowaniu infrastruktury przedsiębiorstw i aplikacji programowych. Jego doświadczenie obejmuje infrastrukturę chmurową, oprogramowanie korporacyjne oraz technologię siły roboczej AI, co czyni go znanym założycielem w obszarze IT dla przedsiębiorstw.

Atomicwork jest firmą AI dla przedsiębiorstw, budującą platformę zarządzania usługami IT opartą na agentach, która pomaga pracownikom rozwiązywać problemy techniczne, automatyzować rutynowe zadania wsparcia oraz uzyskiwać dostęp do wiedzy korporacyjnej dzięki AI. Platforma łączy agenty AI z nowoczesnymi możliwościami ITSM, aby obsługiwać zgłoszenia serwisowe, diagnozować problemy, orkiestrację przepływów pracy w systemach przedsiębiorstwa i zmniejszać obciążenie zespołów IT. Klienci korzystają z Atomicwork, aby zapewnić szybsze wsparcie pracowników, jednocześnie podnosząc efektywność operacyjną w IT i procesach biznesowych.

Wcześniej współzałożyłeś Minjar, zbudowałeś jej działalność w zakresie zarządzania chmurą dla przedsiębiorstw, a następnie kierowałeś operacją w Nutanix po przejęciu. Jakie wnioski z budowania, sprzedaży i integracji firmy zajmującej się oprogramowaniem korporacyjnym przekonały Cię do założenia Atomicwork w 2022 roku i przebudowy zarządzania usługami IT od podstaw na erę AI?

W Minjar stworzyliśmy oprogramowanie, które mogło obniżyć rachunek za chmurę firmy o jedną trzecią dzięki automatyzacji. Klienci uwielbiali rekomendacje. Potem jednak odkładali je na pół roku. Trochę trwało, zanim zrozumiałem dlaczego, a odpowiedź nie była techniczna. Gdy automatyzacja podejmuje decyzję i coś pójdzie nie tak, nie ma nikogo, kto mógłby wziąć odpowiedzialność. Przedsiębiorstwa nie kupują tylko oprogramowania czy rezultatów. Kupują kogoś, kto za nie odpowie. Oprogramowanie, które nie ma miejsca w strukturze organizacyjnej, nie zyskuje uprawnień, nieważne jak dobre jest.

Przejęcie dało mi węższą lekcję. Produkty punktowe są kupowane. Systemy rejestru są budowane na nich. Możesz mieć lepszy produkt i i tak spędzać życie, omijając tego, kto zarządza danym przepływem pracy.

Lata w Nutanix połączyły te dwa elementy. Widziałem, jak IT kupuje zarządzanie usługami dla kontroli, a pracownicy doświadczają tego jako formularz i kolejkę. Zdałem sobie też sprawę, że zgłoszenie nigdy nie było produktem. To ścieżka audytu była. Dlatego ITSM przetrwało czterdzieści lat nienawiści ludzi i dlatego nikt nie mógł go usunąć.

Tak więc pytanie w 2022 roku nie brzmiało, czy AI może wykonać pracę. Brzmiało, czy możesz dać AI miejsce w strukturze organizacyjnej. Tradycyjne platformy ITSM nie mogą, ponieważ ludzki przypisany użytkownik znajduje się w centrum ich modelu danych i każde SLA, zatwierdzenie i raport opiera się na tym założeniu. Dodaj AI i otrzymujesz szybszy formularz.

Zbudowaliśmy odpowiedź, w której AI dostarcza hybrydową siłę roboczą, a nie tylko oprogramowanie. AI Coworkers wykonują pracę, a IT zarządza nimi tak, jak HR zarządza ludźmi. Nie konfigurujesz AI Coworkera. Zatrudniasz go na określone stanowisko, przeglądasz jego pracę i odwołujesz, jeśli nie spełnia wymagań. To różnica między AI jako funkcją a AI jako siłą roboczą.

Atomicwork opisuje swoich AI Coworkers jako systemy, które posiadają określone role zawodowe i realizują pracę od początku do końca, a nie jedynie odpowiadają na pytania lub wykonują odrębne zadania. Jakie techniczne możliwości odróżniają prawdziwego AI Coworkera od chatbota, copilota lub tradycyjnego narzędzia automatyzacji i gdzie powinna kończyć się jego autonomia?

Chatbot odpowiada na pytanie, a copilot pomaga komuś wykonać zadanie, ale żaden z nich nie jest odpowiedzialny za doprowadzenie pracy do końca. AI Coworker różni się tym, że ma przypisaną określoną rolę i ma dostarczyć rezultat. Niezależnie od tego, czy triage’uje incydenty, przydziela dostęp czy wprowadza nowych pracowników, kontynuuje pracę na każdym etapie, aby osiągnąć cel, zamiast zatrzymać się po pierwszej interakcji.

Wymaga to znacznie więcej niż sprawny model. AI Coworker potrzebuje tożsamości, odpowiednich uprawnień, dostępu do zatwierdzonych narzędzi, kontekstu organizacyjnego, budżetu oraz wyraźnych granic operacyjnych i swojej roli. Musi działać w różnych systemach biznesowych, rozumieć, kiedy (i kogo) poprosić o zatwierdzenie oraz zostawiać ślad audytu po każdej akcji. Dlatego tak mocno skupiamy się na platformie wokół modelu. Niezawodne AI zależy od orkiestracji, zarządzania i wykonania tak samo, jak od samej inteligencji.

Autonomia nigdy nie powinna być nieograniczona. AI Coworker powinien działać w ramach odpowiedzialności swojej roli, podczas gdy ludzie pozostają zaangażowani, gdy praca dotyczy wrażliwych systemów lub niesie implikacje prawne, finansowe czy zatrudnieniowe.

Twoja platforma umożliwia specjalistycznym AI Coworkers współpracę w zarządzaniu incydentami, przydzielaniu dostępu, wdrażaniu i operacjach IT. Jak ci AI Coworkers dzielą obowiązki, dzielą kontekst i odzyskują kontrolę, gdy jeden z nich podejmie błędną decyzję, która może wpłynąć na resztę przepływu pracy?

Nie uważamy, że jeden AI Coworker powinien próbować wykonywać wszystkie zadania. Organizacje IT już rozdzielają odpowiedzialności pomiędzy różne zespoły, ponieważ każda rola ma inne cele, uprawnienia i kompetencje. Zastosowaliśmy to samo myślenie do AI Coworkers, dlatego uruchomiliśmy certyfikowanych AI Coworkers, którzy specjalizują się w różnych obszarach operacji IT.

Każdy Coworker odpowiada za konkretną funkcję, jednocześnie dzieląc ten sam kontekst przedsiębiorstwa. Gdy pracownik tworzy zgłoszenie w Atomicwork, inteligentne kierowanie zapewnia, że trafia ono do odpowiedniego AI Coworkera, który pracuje nad żądaniem i (w zależności od żądania) przekierowuje je do innego AI Coworkera, tworzy zgłoszenia podrzędne, aby AI Coworkers rozwiązywali problem równolegle (na przykład zgłoszenie wdrożeniowe może zostać podzielone na działania realizowane jednocześnie) lub eskaluje je do człowieka. W miarę jak praca przechodzi od jednego Coworkera do drugiego, odpowiednie informacje przemieszczają się wraz z nią poprzez zgłoszenie (system rejestru), wraz z dostępem do istotnych systemów, takich jak service desk, platformy tożsamości, systemy HR i narzędzia współpracy. Ten wspólny kontekst pozwala każdemu Coworkerowi podejmować decyzje na podstawie tego, co już się wydarzyło, zamiast zaczynać od zera.

Atomicwork obsługuje różne frameworki agentów i modele od dostawców takich jak OpenAI, Anthropic i Google. Jak określacie, który model powinien obsługiwać wyszukiwanie, rozumowanie, planowanie i wykonanie, oraz jak przedsiębiorstwa mogą utrzymać spójne zachowanie, gdy podstawowe modele będą się zmieniać?

Różne modele są dobre w różnych rodzajach pracy. Naszym celem było zbudowanie platformy, która może korzystać z postępów bez zmuszania klientów do przebudowywania przepływów pracy przy każdej zmianie modelu. Kontekst przedsiębiorstwa, orkiestracja, tożsamość, egzekwowanie polityk, telemetryka i ocena zapewniają spójność, której organizacje potrzebują w produkcji, niezależnie od tego, który model frontierowy znajduje się pod spodem.

Publicznie mówiliśmy o wspieraniu wielu dostawców modeli wraz z ramami oceny i zarządzania, ale nie opisaliśmy logiki routingu, która decyduje, który model obsługuje wyszukiwanie, rozumowanie, planowanie lub wykonanie. Nie podzieliliśmy się także procesem walidacji, którego używamy, gdy dostawcy wprowadzają nowe modele i aktualizacje.

Agent AI w przedsiębiorstwie może napotkać sprzeczną dokumentację, niekompletne rekordy konfiguracji, przestarzałą wiedzę i różne uprawnienia w systemach. Jak warstwa Universal Context w Atomicwork określa, które informacje są wiarygodne i aktualne, zanim pozwoli agentowi podjąć decyzję lub podjąć działanie?

Wiedza korporacyjna rzadko istnieje w jednym miejscu. Część z niej znajduje się w dokumentacji, część w systemach rejestru, a część w codziennej działalności biznesu. AI potrzebuje całego tego kontekstu, aby podejmować wiarygodne decyzje.

Universal Context łączy te źródła, łącząc wiedzę przedsiębiorstwa z danymi o ludziach, sieci, infrastrukturze i urządzeniach z żywych systemów operacyjnych. AI Coworker może odwoływać się do informacji z platform takich jak Confluence czy SharePoint, MDM‑ów takich jak Intune i JAMF, a jednocześnie rozumieć, co dzieje się w systemach takich jak Jira, Workday, Salesforce czy dostawcy tożsamości. Szanuje także istniejące uprawnienia, więc ludzie i AI Coworkers mają dostęp jedynie do informacji, do których już są upoważnieni.

Wyjaśniliśmy, jak Universal Context łączy systemy przedsiębiorstwa i zachowuje granice bezpieczeństwa, ale nie opisaliśmy, jak rozwiązuje sprzeczne informacje, gdy zaufane źródła się różnią, ani jak określa, które źródło ma pierwszeństwo. Te szczegóły implementacyjne nie są częścią naszej publicznej dokumentacji.

Universal AI Coworker może wspierać pracowników przez Microsoft Teams, Slack, e‑mail, portal i przeglądarkę oraz w trybach czatu, głosu i obrazu. Jakie nowe możliwości rozwiązywania problemów stają się możliwe, gdy agent może widzieć i słyszeć to, co doświadcza pracownik, i jak zapobiegacie wyciekowi wrażliwych treści ekranu lub rozmów?

Tradycyjne wsparcie IT zależy od tego, że pracownicy precyzyjnie opisują problemy techniczne, co często jest najtrudniejszą częścią interakcji. Kontekst głosowy i wizualny pozwala AI zobaczyć ten sam komunikat o błędzie, aplikację lub ekran konfiguracji, na który patrzy pracownik, co znacznie ułatwia zrozumienie problemu i prowadzenie użytkownika przez kolejne kroki bez długiej wymiany zdań.

Te możliwości działają tylko wtedy, gdy pracownicy im ufają. Uważamy, że dostęp wizualny powinien wymagać wyraźnej zgody, a użytkownicy powinni zawsze wiedzieć, kiedy jest aktywny. Wrażliwe informacje są chronione poprzez maskowanie danych osobowych, kontrolę administracyjną i odpowiednie polityki retencji.

Jasno komunikujemy także, że dane klientów nie są wykorzystywane do trenowania naszych modeli ani modeli podstawowych firm trzecich. Daje to organizacjom możliwość przyjmowania multimodalnego AI bez utraty kontroli nad własnymi danymi.

Atomicwork może być wdrożony obok istniejącego środowiska ServiceNow lub Jira Service Management bez wymogu natychmiastowej migracji. Czy postrzegacie to głównie jako strategię przejściową, czy wiele przedsiębiorstw będzie na stałe korzystać z siły roboczej AI ponad ich dziedzictwo systemu rejestru?

Większość dużych przedsiębiorstw spędziła lata na budowaniu procesów, integracji i zarządzania wokół platform takich jak ServiceNow i Jira Service Management. Wymaganie ich zastąpienia przed przyjęciem AI tworzy niepotrzebne tarcia.

Zbudowaliśmy integracje Atomicwork z ServiceNow i Jira Service Management, aby klienci mogli od pierwszego dnia przekształcić doświadczenie pracowników i wzmocnić swoje zespoły serwisowe AI Coworkers, nie zakłócając systemów, na których już polegają. Połączenie pobiera istotny kontekst IT przedsiębiorstwa, aby AI Coworkers mogli go wykorzystać, jednocześnie utrzymując dwukierunkową synchronizację dla agentów serwisowych w istniejącym systemie. Nie uważamy, że przedsiębiorstwa muszą wybierać jedną ścieżkę od razu. Priorytetem jest pomoc w przyjęciu AI w ich własnym tempie.

Udostępnianie AI Coworkers dostępu do systemów tożsamości, danych pracowników, infrastruktury i aplikacji biznesowych wprowadza ryzyka takie jak wstrzyknięcie promptu, zatrute źródła wiedzy, nadmierne uprawnienia i kaskadowe błędy agentów. Jakie zabezpieczenia, granice zatwierdzeń i mechanizmy audytu są niezbędne, zanim przedsiębiorstwo może bezpiecznie pozwolić agentom działać autonomicznie?

AI Coworkers są zarządzani jak pracownicy z uprzywilejowanym dostępem. Każdy Coworker ma określoną rolę, ograniczone uprawnienia, zatwierdzone narzędzia, limity wydatków i wyraźne granice, co może robić samodzielnie. Wrażliwe działania — szczególnie te dotyczące tożsamości, infrastruktury, finansów, spraw prawnych lub zatrudnienia — wymagają zatwierdzenia przez człowieka.

Umiejętności i instrukcje są weryfikowane przed publikacją pod kątem ryzyk takich jak wstrzyknięcie promptu, ukryte instrukcje, dostęp do poświadczeń, wyciek danych i niebezpieczne działania. Jeśli narzędzie zmieni się w sposób zwiększający ryzyko, jest automatycznie wyłączane do czasu przeglądu. Dodatkowe zabezpieczenia — w tym limity działań, zapobieganie podwójnym akcjom, kontrola awaryjnego wyłączenia i przejęcie przez człowieka — pomagają ograniczyć błędy, zanim rozprzestrzenią się.

Każda akcja jest śledzona: organizacje mogą zobaczyć, co wywołało Coworkera, jakie informacje i narzędzia wykorzystał, które zatwierdzenia uzyskał i jaki był wynik. Ciągła ocena, monitorowanie i testy red‑team zapewniają, że te zabezpieczenia pozostają skuteczne, gdy modele, narzędzia i środowiska przedsiębiorstw ewoluują.

Zainwestowaliśmy dużo w ocenę, egzekwowanie polityk, monitorowanie i testy red‑team, ponieważ wdrożenie AI to dopiero początek. Organizacje potrzebują pewności, że ci Coworkers nadal zachowują się zgodnie z oczekiwaniami, gdy modele i środowiska przedsiębiorstw się zmieniają.

Raport Atomicwork State of AI in IT 2026 wykazał, że dwie trzecie specjalistów IT zgłasza pozytywne zwroty z inwestycji w AI, podczas gdy tylko jedna na pięć organizacji w pełni wprowadziła AI w swoich zespołach zarządzania usługami. Co odróżnia wdrożenia, które przynoszą wymierną wartość biznesową, od pilotaży, które pozostają w fazie eksperymentów?

Większość organizacji już pokazała, że AI może usprawnić poszczególne zadania. Firmy, które uzyskują wymierną wartość biznesową, łączą AI z kompletnymi przepływami operacyjnymi, a nie używają jej jako odrębnego asystenta.

Zaczyna się od rozwiązania konkretnego problemu biznesowego, myśląc w rolach, dając AI Coworkerom dostęp do niezbędnych systemów i mierząc wyniki, które mają znaczenie — czy to szybsze czasy rozwiązywania, niższe koszty wsparcia czy lepsze doświadczenie pracowników. Gdy zespoły zauważą te wyniki, rozszerzanie AI na kolejne przepływy pracy staje się znacznie łatwiejsze.

Nasze badania wykazały również, że odpowiedzialna AI pozostaje jednym z najważniejszych priorytetów liderów IT. Ma to sens, ponieważ organizacje nie przydzielą AI większej odpowiedzialności, dopóki nie zrozumieją, jak podejmuje decyzje, nie będą mogły później je przeanalizować i nie będą pewne, że istnieją właściwe zabezpieczenia.

Gdy AI Coworkers zaczynają rozwiązywać zgłoszenia wsparcia, zarządzać dostępem, diagnozować incydenty i koordynować przepływy pracy, jak zmienią się obowiązki specjalistów service desk, zespołów operacji IT i dyrektorów ds. informacji? Patrząc w przyszłość, czy IT może stać się działem odpowiedzialnym za rekrutację, zarządzanie i pomiar całej cyfrowej siły roboczej przedsiębiorstwa?

AI przejmie dużą część powtarzalnych operacji, które dziś pochłaniają service deski, pozwalając ludziom poświęcić więcej czasu na obsługę wyjątków, doskonalenie procesów i udoskonalanie wiedzy, od której zależy AI.

Zespoły operacji IT będą coraz bardziej skupiały się na zarządzaniu AI Coworkers zamiast ręcznie wykonywać każdy przepływ pracy. Będą definiować uprawnienia, łączyć systemy, monitorować wydajność i zapewniać, że AI działa w ramach ustalonych polityk.

Spodziewam się także rozszerzenia roli CIO. Zarządzanie setkami AI Coworkers zaczyna przypominać zarządzanie inną infrastrukturą przedsiębiorstwa. Ktoś musi decydować, do czego Coworkers mają dostęp, jak są mierzeni, kiedy są aktualizowani i czy dostarczają wartość. Zespoły biznesowe będą dalej definiować pracę, podczas gdy IT stanie się HR dla AI, czyli będzie odpowiedzialne za platformę, zarządzanie i kontrolę operacyjną, które utrzymują siłę roboczą AI przedsiębiorstwa w bezpiecznym działaniu.

Thank you for the great interview, readers who wish to learn more should visit Atomicwork.