Виджай Раяпати, генеральный директор и сооснователь Atomicwork – Интервью

Виджай Раяпати является сооснователем и генеральным директором Atomicwork. До основания компании он занимал должность старшего вице-президента и генерального менеджера в Nutanix, где он возглавлял бизнес по вычислениям конечных пользователей после приобретения Nutanix компании Frame, основанной им как CEO. Ранее в своей карьере он занимал инженерные и руководящие должности в VMware и Microsoft, что дало ему глубокий опыт построения инфраструктуры предприятия и платформ конечных пользователей. Его опыт охватывает облачную инфраструктуру, программное обеспечение предприятия и технологию рабочего места, управляемую ИИ, что делает его известным основателем в области ИТ-предприятий.

Atomicwork – это предприятие, занимающееся ИИ, которое строит платформу агентского управления ИТ-услугами, помогающую сотрудникам решать технические проблемы, автоматизировать рутинные задачи поддержки и получать доступ к знаниям предприятия через ИИ. Ее платформа объединяет агентов ИИ с современными возможностями ИТ-управления для обработки запросов на обслуживание, устранения неполадок, оркестровки рабочих процессов в системах предприятия и снижения нагрузки на команды ИТ. Клиенты используют Atomicwork, чтобы обеспечить более быструю поддержку сотрудников, одновременно улучшая операционную эффективность в ИТ и бизнес-операциях.

Ранее вы были сооснователем Minjar, построили бизнес по управлению облачными вычислениями и затем возглавляли операции в Nutanix после приобретения. Какие уроки, извлеченные из построения, продажи и интеграции компании программного обеспечения для предприятий, убедили вас основать Atomicwork в 2022 году и перестроить управление ИТ-услугами с нуля для эпохи ИИ?

В Minjar мы построили программное обеспечение, которое могло сократить счет за облачные вычисления на треть за счет автоматизации. Клиенты любили рекомендации. Затем они сидели на них два квартала. Мне потребовалось некоторое время, чтобы понять, почему, и ответ не был техническим. Когда автоматизация принимает решение и оно оказывается неправильным, нет никого, кого можно было бы привлечь к ответственности. Предприятия не покупают только программное обеспечение или результаты. Они покупают кого-то, кто может ответить за них. Программное обеспечение без места в оргструктуре не получает полномочий, независимо от того, насколько оно хорошее.

Приобретение научило меня более узкому уроку. Точечные продукты покупаются. Системы учета строятся на них. Вы можете быть лучшим продуктом и все равно тратить свою жизнь, обходя вокруг того, кто владеет рабочим процессом.

Годы в Nutanix объединили эти два момента. Я наблюдал, как ИТ покупает управление обслуживанием для контроля, а сотрудники испытывают его как форму и очередь. Я также понял, что тикет никогда не был продуктом. Журнал аудита был. Это почему ИТ-управление выдержало сорок лет, когда люди ненавидели его, и это также почему никто не мог его удалить.

Итак, вопрос в 2022 году не был о том, может ли ИИ выполнить работу. Это было о том, можно ли дать ИИ место в оргструктуре. Платформы ИТ-управления наследия не могут, потому что человеческий исполнитель сидит в центре их модели данных, и каждый SLA, утверждение и отчет висит на этом предположении. Прикрепление ИИ к этому дает более быструю форму.

Мы построили для другого ответа, где ИИ доставляет гибридную рабочую силу, а не только программное обеспечение. Сотрудники ИИ выполняют работу, а ИТ управляет ими так же, как HR управляет людьми. Вы не настраиваете сотрудника ИИ. Вы нанимаете его на роль, проверяете его работу и отзываете, если он не выполняет. Это разница между ИИ как функцией и ИИ как рабочей силой.

Atomicwork описывает своих сотрудников ИИ как системы, которые владеют определенными ролями и выполняют работу от начала до конца, а не просто отвечают на вопросы или выполняют изолированные задачи. Какие технические возможности отличают настоящего сотрудника ИИ от чат-бота, копилота или традиционного инструмента автоматизации, и где должна закончиться его автономность?

Чат-бот отвечает на вопрос, а копилот помогает кому-то выполнить задачу, но ни один из них не несет ответственности за выполнение работы до конца. Сотрудник ИИ отличается, потому что он назначается на определенную роль и ожидается, что он доставит результат. Будь то трегирование инцидентов, предоставление доступа или интеграция сотрудников, он продолжает работать на каждом шаге, чтобы достичь цели, а не останавливается после первого хода.

Для этого требуется намного больше, чем просто способная модель. Сотрудник ИИ нуждается в идентификаторе, правильных разрешениях, доступе к утвержденным инструментам, контексте организации, бюджете и ясных операционных границах и роли. Он должен работать в бизнес-системах, понимать, когда (и кого) просить об утверждении, и оставлять журнал аудита после каждого действия. Это почему мы сосредоточились так сильно на платформе вокруг модели. Надежный ИИ зависит от оркестровки, управления и выполнения так же, как и от интеллекта.

Автономность никогда не должна быть безграничной. Сотрудник ИИ должен работать в рамках ответственности своей роли, а люди должны оставаться вовлеченными всякий раз, когда работа влияет на чувствительные системы или несет юридические, финансовые или трудовые последствия.

Ваша платформа позволяет специализированным сотрудникам ИИ сотрудничать в управлении инцидентами, предоставлении доступа, интеграции и ИТ-операциях. Как эти сотрудники ИИ разделяют ответственность, обмениваются контекстом и восстанавливаются, когда один сотрудник ИИ принимает неправильное решение, которое может повлиять на остальной рабочий процесс?

Мы не думаем, что один сотрудник ИИ должен пытаться выполнить каждую работу. Команды ИТ уже разделяют ответственность на разные команды, потому что каждая роль имеет разные цели, разрешения и экспертизу. Мы применили ту же логику к сотрудникам ИИ, поэтому мы запустили сертифицированных сотрудников ИИ, специализирующихся на разных областях ИТ-операций.

Каждый сотрудник владеет определенной функцией, а также разделяет контекст предприятия. Когда сотрудник создает тикет в Atomicwork, умная маршрутизация гарантирует, что он направляется к правильному сотруднику ИИ, который работает над запросом и (в зависимости от запроса) переassigns его к другому сотруднику ИИ, создает дочерние тикеты для сотрудников ИИ, чтобы решить проблему параллельно (например, тикет интеграции можно разделить на действия, которые можно выполнять параллельно) или эскалирует его к человеку. Когда работа переходит от одного сотрудника к другому, соответствующая информация переходит с ним через тикет (систему учета), вместе с доступом к соответствующим системам, таким как служба поддержки, платформы идентификации, системы HR и инструменты сотрудничества. Этот общий контекст позволяет каждому сотруднику принимать решения на основе того, что уже произошло, а не начинать с нуля.

Atomicwork поддерживает различные фреймворки агентов и модели от поставщиков, таких как OpenAI, Anthropic и Google. Как вы определяете, какая модель должна обрабатывать извлечение, рассуждение, планирование и выполнение, и как предприятия могут поддерживать последовательное поведение, когда основные модели продолжают меняться?

Разные модели хороши в разных видах работы. Наш фокус был на построении платформы, которая может использовать преимущества достижений без того, чтобы заставлять клиентов перерабатывать свои рабочие процессы каждый раз, когда модель меняется. Контекст предприятия, оркестровка, идентификация, соблюдение политики, телеметрия и оценка обеспечивают последовательность, необходимую организациям в производстве, независимо от того, какая базовая модель находится под ней.

Мы публично обсуждали поддержку нескольких поставщиков моделей, а также фреймворков оценки и управления, но мы не описали логику маршрутизации, которая решает, какая модель обрабатывает извлечение, рассуждение, планирование или выполнение. Мы также не описали процесс проверки, который мы используем, когда поставщики выпускают новые модели и обновления.

Агент ИИ предприятия может столкнуться с противоречивыми документами, неполными записями конфигурации, устаревшими знаниями и разными разрешениями в системах. Как слой Universal Context от Atomicwork определяет, какая информация достоверна и актуальна, прежде чем позволить агенту принять решение или выполнить действие?

Знания предприятия редко существуют в одном месте. Некоторые из них живут в документации, некоторые в системах учета, а некоторые внутри повседневной деятельности бизнеса. ИИ нуждается во всем этом контексте, если он собирается принимать надежные решения.

Universal Context объединяет эти источники, объединяя знания предприятия с людьми, сетью, инфраструктурой и данными устройств из живых операционных систем. Сотрудник ИИ может ссылаться на информацию из платформ, таких как Confluence или SharePoint, MDM, таких как Intune и JAMF, а также понимать, что происходит в системах, таких как Jira, Workday, Salesforce или поставщики идентификации. Он также уважает существующие разрешения, поэтому люди и сотрудники ИИ имеют доступ только к информации, которую они уже уполномочены видеть.

Мы объяснили, как Universal Context соединяет системы предприятия и сохраняет границы безопасности, но мы не описали, как он решает противоречивую информацию, когда доверенные источники не согласны, или как он определяет, какой источник должен иметь приоритет. Эти детали реализации не являются частью нашей публичной документации.

Универсальный сотрудник ИИ может поддерживать сотрудников через Microsoft Teams, Slack, электронную почту, браузер, портал и через чат, голос и визуальные режимы. Какие новые возможности по устранению неполадок становятся возможными, когда агент может видеть и слышать, что испытывает сотрудник, и как вы предотвращаете раскрытие чувствительного контента экрана или разговоров?

Традиционная поддержка ИТ зависит от того, что сотрудники точно описывают технические проблемы, и это часто самая трудная часть взаимодействия. Голосовой и визуальный контекст позволяют ИИ видеть ту же ошибку, приложение или конфигурационный экран, на который смотрит сотрудник, что делает его намного проще понять проблему и провести кого-то через следующий шаг без долгого разговора туда и обратно.

Эти возможности работают только в том случае, если сотрудники доверяют им. Мы считаем, что визуальный доступ должен требовать явного согласия, и пользователи всегда должны знать, когда он активен. Чувствительная информация защищена с помощью маскирования ПИИ, административных контролей и соответствующих политик хранения.

Мы также были ясны в том, что данные клиентов не используются для обучения наших моделей или третьих моделей. Это дает организациям возможность采用 многомодальный ИИ без потери контроля над своими данными.

Atomicwork может быть развернут вместе с существующей средой ServiceNow или Jira Service Management без требования немедленной миграции. Видите ли вы это в основном как стратегию перехода или многие предприятия будут постоянно работать с рабочей силой ИИ над своей системой учета наследия?

Большинство крупных предприятий потратили годы на построение процессов, интеграций и управления вокруг платформ, таких как ServiceNow и Jira Service Management. Требование от них заменить эти системы, прежде чем они смогут принять ИИ, создает ненужную фрикцию.

Мы построили интеграции Atomicwork с ServiceNow и Jira Service Management, чтобы клиенты могли преобразовать опыт сотрудников и дополнить свои службы поддержки сотрудниками ИИ с первого дня, не нарушая систем, на которые они уже полагаются. Коннектор извлекает релевантный контекст ИТ-предприятия для сотрудников ИИ, чтобы использовать, сохраняя двустороннюю синхронизацию для агентов службы поддержки в их существующей системе. Мы не думаем, что предприятия должны выбирать один путь в первый день. Приоритетом является помощь им в принятии ИИ на их собственной временной шкале.

Предоставление сотрудникам ИИ доступа к системам идентификации, данным сотрудников, инфраструктуре и бизнес-приложениям вводит риски, такие как инъекция подсказок, отравленные источники знаний, чрезмерные разрешения и каскадные ошибки агентов. Какие гарантии, границы утверждения и механизмы аудита необходимы, прежде чем предприятие сможет безопасно разрешить агентам работать автономно?

Сотрудники ИИ управляются как сотрудники с привилегированным доступом. Каждый сотрудник имеет определенную роль, ограниченные разрешения, утвержденные инструменты, лимиты расходов и ясные границы того, что он может делать самостоятельно. Чувствительные действия – особенно те, которые связаны с идентификацией, инфраструктурой, финансами, юридическими вопросами или трудоустройством – требуют человеческого утверждения.

Навыки и инструкции проверяются на наличие рисков, таких как инъекция подсказок, скрытые инструкции, доступ к учетным данным, утечка данных и небезопасные действия, прежде чем они публикуются. Если инструмент меняется так, что увеличивает его риск, он автоматически отключается до тех пор, пока не будет рассмотрен. Дополнительные гарантии, включая ограничения действий, предотвращение дублирования действий, аварийные механизмы остановки и ручное взятие под контроль, помогают содержать ошибки, прежде чем они смогут распространиться.

Каждое действие можно отслеживать: организации могут видеть, что спровоцировало сотрудника, какую информацию и инструменты он использовал, какие утверждения были получены и какой результат последовал. Постоянная оценка, мониторинг и тестирование красной команды гарантируют, что эти гарантии остаются эффективными, когда модели, инструменты и среды предприятия эволюционируют.

Мы инвестировали много в оценку, соблюдение политики, мониторинг и тестирование красной команды, потому что развертывание ИИ – это только начало. Организации нуждаются в уверенности, что эти сотрудники продолжают работать так, как ожидается, когда модели и среды предприятия эволюционируют.

Отчет Atomicwork State of AI in IT 2026 показал, что две трети профессионалов ИТ сообщают о положительных результатах от инвестиций в ИИ, в то время как только одна из пяти организаций полностью интегрировала ИИ в свои команды управления обслуживанием. Что отделяет развертывания, которые производят измеримую бизнес-ценность, от пилотов, которые остаются в эксперименте?

Большинство организаций уже показали, что ИИ может улучшить отдельные задачи. Компании, которые видят измеримую бизнес-ценность, соединяют ИИ с завершенными операционными рабочими процессами, а не используют его как самостоятельного помощника.

Это начинается с решения конкретной бизнес-проблемы, думая в ролях, давая сотрудникам ИИ доступ к системам, которые им нужны, и измеряя результаты, которые имеют значение – будь то более быстрые времена решения, более низкие затраты на поддержку или лучший опыт сотрудников. Как только команды доверяют этим результатам, расширение ИИ на дополнительные рабочие процессы становится намного проще.

Наше исследование также показало, что ответственный ИИ остается одним из приоритетов для лидеров ИТ. Это имеет смысл, потому что организации не дадут ИИ больше ответственности, пока они не поймут, как он принимает решения, и смогут просмотреть эти решения позже, и знают, что правильные ограничители находятся на месте.

Когда сотрудники ИИ начинают решать запросы на поддержку, управлять доступом, диагностировать инциденты и координировать рабочие процессы, как будут меняться обязанности профессионалов службы поддержки, команд ИТ-операций и главных информационных директоров? Глядя дальше, может ли ИТ стать отделом, ответственным за прием на работу, управление и измерение всей цифровой рабочей силы предприятия?

ИИ возьмет на себя большую часть повторяющейся операционной работы, которая потребляет службы поддержки сегодня, позволяя людям тратить больше времени на обработку исключений, улучшение процессов и совершенствование знаний, на которые полагается ИИ.

Команды ИТ-операций будут все больше сосредотачиваться на управлении сотрудниками ИИ вместо ручного выполнения каждого рабочего процесса. Они будут определять разрешения, подключать системы, контролировать производительность и гарантировать, что ИИ продолжает работать в пределах установленных политик.

Я также ожидаю, что роль главного информационного директора расширится. Управление сотнями сотрудников ИИ начинает напоминать управление любой другой инфраструктурой предприятия. Кто-то должен решить, что эти сотрудники могут получить доступ, как они измеряются, когда они обновляются и доставляют ли они ценность. Бизнес-команды будут продолжать определять работу, а ИТ станет отделом кадров для ИИ, то есть ответственным за платформу, управление и операционный контроль, которые поддерживают цифровую рабочую силу ИИ, работающую безопасно.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Atomicwork.