Виджай Раяпати, генеральный директор и соучредитель Atomicwork — серия интервью

Vijay Rayapati является соучредителем и генеральным директором Atomicwork. До основания компании он занимал должность старшего вице-президента и генерального директора направления облачных сетей и безопасности в Nutanix, после того как Nutanix приобрела Minjar — платформу управления облаками, которую он основал и развил в качестве CEO. Ранее в своей карьере он занимал руководящие позиции в области инженерии и продукта в компаниях Kuliza и Trilogy, получив глубокий опыт построения корпоративной инфраструктуры и программных приложений. Его опыт охватывает облачную инфраструктуру, корпоративное программное обеспечение и технологии AI‑рабочей силы, делая его известным основателем в сфере корпоративных ИТ.

Atomicwork — это компания в сфере корпоративного ИИ, создающая агентную платформу управления ИТ‑сервисами, помогающую сотрудникам решать технологические проблемы, автоматизировать рутинные задачи поддержки и получать доступ к корпоративным знаниям через ИИ. Платформа сочетает ИИ‑агентов с современными возможностями ITSM для обработки запросов на обслуживание, диагностики проблем, оркестрации рабочих процессов между корпоративными системами и снижения нагрузки на ИТ‑команды. Клиенты используют Atomicwork для более быстрого обслуживания сотрудников при повышении операционной эффективности ИТ и бизнес‑процессов.

Ранее вы соучредили Minjar, построили её бизнес по управлению корпоративными облаками, а затем возглавили операции в Nutanix после поглощения. Какие уроки, полученные при создании, продаже и интеграции компании по корпоративному программному обеспечению, убедили вас основать Atomicwork в 2022 году и заново построить управление ИТ‑сервисами с нуля для эпохи ИИ?В Minjar мы создали программное обеспечение, способное сократить облачные расходы компании на треть за счёт автоматизации. Клиенты любили рекомендации, но откладывали их на два квартала. Мне потребовалось время, чтобы понять причину, и ответ оказался не техническим. Когда автоматизация принимает решение и оно оказывается ошибочным, нет никого, кто мог бы нести ответственность. Предприятия покупают не просто программное обеспечение или результаты, а кого‑то, кто будет отвечать за них. Программное обеспечение, не имеющее места в организационной схеме, не получает полномочий, независимо от своей качества.

Поглощение дало мне более узкий урок. Покупаются отдельные продукты. На их основе строятся системы учёта. Вы можете быть лучшим продуктом, но всё равно тратить время, обходя того, кто владеет рабочим процессом.

Годы в Nutanix объединили эти два вывода. Я наблюдал, как ИТ покупает управление сервисами ради контроля, а сотрудники воспринимают его как форму и очередь. Я также понял, что тикет никогда не был продуктом — важен след аудита. Именно поэтому ITSM выжила сорок лет, несмотря на недовольство людей, и почему её нельзя просто убрать.

Таким образом, вопрос в 2022 году был не в том, может ли ИИ выполнять работу, а в том, можно ли дать ИИ место в организационной схеме. Традиционные платформы ITSM не способны этого, потому что в их модели данных в центре находится человек‑исполнитель, и каждый SLA, одобрение и отчёт зависят от этого предположения. Подключите ИИ, и вы получите более быструю форму.

Мы построили решение для другого ответа, где ИИ предоставляет гибридную рабочую силу, а не просто программное обеспечение. AI‑Coworkers (сотрудники‑ИИ) выполняют работу, а ИТ управляет ими так же, как HR управляет людьми. Вы не настраиваете AI‑Coworker; вы нанимаете его на роль, оцениваете его работу и отзываете, если он не справляется. Это и есть разница между ИИ как функцией и ИИ как рабочей силой.

Atomicwork описывает своих AI‑Coworkers как системы, владеющие определёнными ролями и завершающие работу от начала до конца, а не просто отвечающие на вопросы или выполняющие отдельные задачи. Какие технические возможности отличают настоящего AI‑Coworker от чат‑бота, копилота или традиционного инструмента автоматизации, и где должна заканчиваться его автономия?

Чат‑бот отвечает на вопрос, а копилот помогает человеку выполнить задачу, но ни один из них не несёт ответственности за завершение работы. AI‑Coworker отличается тем, что ему назначена конкретная роль и от него ожидается достижение результата. Будь то триаж инцидентов, предоставление доступа или ввод новых сотрудников, он продолжает работать на каждом этапе, чтобы достичь цели, а не останавливается после первого шага.

Для этого требуется гораздо больше, чем мощная модель. AI‑Coworker нуждается в идентичности, соответствующих правах, доступе к одобренным инструментам, организационном контексте, бюджете и чётких границах работы и роли. Он должен работать через бизнес‑системы, понимать, когда (и у кого) запрашивать одобрение, и оставлять след аудита после каждого действия. Поэтому мы уделяем особое внимание платформе вокруг модели. Надёжный ИИ зависит от оркестрации, управления и исполнения так же сильно, как и от интеллекта.

Автономия никогда не должна быть безграничной. AI‑Coworker должен действовать в рамках обязанностей своей роли, при этом люди остаются вовлечёнными, когда работа затрагивает чувствительные системы или имеет юридические, финансовые или трудовые последствия.

Ваша платформа позволяет специализированным AI‑Coworkers сотрудничать в управлении инцидентами, предоставлении доступа, вводе новых сотрудников и ИТ‑операциях. Как эти AI‑Coworkers распределяют обязанности, делятся контекстом и восстанавливаются, когда один из них принимает неверное решение, которое может повлиять на остальную часть рабочего процесса?

Мы считаем, что один AI‑Coworker не должен пытаться выполнять все задачи. ИТ‑организации уже разделяют обязанности между разными командами, поскольку каждая роль имеет свои цели, права и экспертизу. Мы применили этот подход к AI‑Coworkers, поэтому запустили их в виде сертифицированных специалистов, специализирующихся на различных областях ИТ‑операций.

Каждый Coworker отвечает за конкретную функцию, при этом использует общий корпоративный контекст. Когда сотрудник создаёт тикет в Atomicwork, интеллектуальная маршрутизация направляет его к нужному AI‑Coworker, который работает над запросом, и (в зависимости от запроса) перенаправляет его другому AI‑Coworker, создаёт дочерние тикеты, чтобы AI‑Coworkers решали проблему параллельно (например, тикет по вводу новых сотрудников может быть разбит на параллельно выполняемые задачи) или эскалирует его человеку. По мере перехода работы от одного Coworker к другому соответствующая информация перемещается вместе с тикетом (системой учёта), а также предоставляется доступ к необходимым системам, таким как сервис‑деск, платформы идентификации, HR‑системы и инструменты совместной работы. Этот общий контекст позволяет каждому Coworker принимать решения, опираясь на уже выполненные действия, а не начинать с нуля.

Atomicwork поддерживает различные фреймворки агентов и модели от провайдеров, таких как OpenAI, Anthropic и Google. Как вы определяете, какая модель должна отвечать за извлечение, рассуждение, планирование и выполнение, и как предприятия могут поддерживать согласованное поведение, когда базовые модели продолжают изменяться?

Разные модели лучше подходят для разных задач. Мы сосредоточились на создании платформы, которая может использовать новые возможности без необходимости пересматривать рабочие процессы каждый раз, когда меняется модель. Корпоративный контекст, оркестрация, идентификация, соблюдение политик, телеметрия и оценка обеспечивают согласованность, необходимую организациям в продакшене, независимо от того, какая передовая модель используется.

Мы публично обсуждали поддержку нескольких поставщиков моделей, а также рамки оценки и управления, но не раскрывали логику маршрутизации, определяющую, какая модель обрабатывает извлечение, рассуждение, планирование или выполнение. Мы также не делились процессом валидации, который используем при выпуске новых моделей и обновлений поставщиками.

Корпоративный ИИ‑агент может столкнуться с противоречивой документацией, неполными записями конфигураций, устаревшими знаниями и различными правами доступа в разных системах. Как слой Universal Context от Atomicwork определяет, какая информация достоверна и актуальна, прежде чем позволить агенту принять решение или выполнить действие?

Корпоративные знания редко сосредоточены в одном месте. Часть их хранится в документации, часть — в системах учёта, а часть — в повседневной деятельности бизнеса. ИИ нуждается во всём этом контексте, чтобы принимать надёжные решения.

Universal Context объединяет эти источники, сочетая корпоративные знания с данными о людях, сети, инфраструктуре и устройствах из живых операционных систем. AI‑Coworker может обращаться к информации из платформ, таких как Confluence или SharePoint, MDM‑систем, например Intune и JAMF, одновременно понимая, что происходит в системах вроде Jira, Workday, Salesforce или провайдерах идентификации. Он также учитывает существующие права доступа, поэтому люди и AI‑Coworkers получают доступ только к тем данным, на которые уже имеют разрешения.

Мы объяснили, как Universal Context соединяет корпоративные системы и сохраняет границы безопасности, но не описали, как он разрешает конфликтующую информацию, когда надёжные источники расходятся, или как определяется приоритет источника. Эти детали реализации не входят в нашу публичную документацию.

Universal AI Coworker может поддерживать сотрудников через Microsoft Teams, Slack, электронную почту, браузер, портал, а также посредством чата, голоса и визуальных режимов. Какие новые возможности диагностики становятся возможными, когда агент может видеть и слышать, что испытывает сотрудник, и как вы предотвращаете раскрытие конфиденциального содержимого экрана или разговоров?

Традиционная ИТ‑поддержка зависит от точного описания сотрудником технической проблемы, что часто является самой сложной частью взаимодействия. Голосовой и визуальный контекст позволяют ИИ видеть то же сообщение об ошибке, приложение или экран конфигурации, который видит сотрудник, что значительно упрощает понимание проблемы и руководство по следующему шагу без длительного диалога.

Эти возможности работают только при доверии сотрудников. Мы считаем, что визуальный доступ должен требовать явного согласия, а пользователи всегда должны знать, когда он активен. Конфиденциальная информация защищается маскировкой персональных данных (PII), административными контролями и соответствующими политиками хранения.

Мы также ясно заявили, что данные клиентов не используются для обучения наших моделей или сторонних базовых моделей. Это даёт организациям возможность внедрять многомодальный ИИ, не теряя контроль над своими данными.

Atomicwork может быть развернут рядом с существующей средой ServiceNow или Jira Service Management без необходимости немедленной миграции. Считаете ли вы это в первую очередь стратегией перехода, или многие предприятия будут постоянно использовать AI‑рабочую силу поверх своей наследующей системы учёта?

Большинство крупных предприятий потратили годы на построение процессов, интеграций и управления вокруг платформ, таких как ServiceNow и Jira Service Management. Требовать от них заменять эти системы перед внедрением ИИ создает ненужные трения.

Мы разработали интеграции Atomicwork с ServiceNow и Jira Service Management, чтобы клиенты могли трансформировать опыт сотрудников и усиливать свои сервисные команды AI‑Coworkers с первого дня, не нарушая работающие системы. Коннектор извлекает соответствующий корпоративный ИТ‑контекст для использования AI‑Coworkers, одновременно поддерживая двунаправленную синхронизацию сервисных агентов в их текущей системе. Мы считаем, что предприятия не должны выбирать один путь сразу. Приоритет — помочь им внедрять ИИ в собственном темпе.

Предоставление AI‑Coworkers доступа к системам идентификации, данным сотрудников, инфраструктуре и бизнес‑приложениям создает риски, такие как внедрение вредоносных запросов, отравленные источники знаний, избыточные права и каскадные ошибки агентов. Какие меры защиты, границы одобрения и механизмы аудита необходимы, прежде чем предприятие сможет безопасно позволить агентам действовать автономно?

AI‑Coworkers управляются как сотрудники с привилегированным доступом. Каждый Coworker имеет определённую роль, ограниченные права, одобренные инструменты, лимиты расходов и чёткие границы того, что он может выполнять самостоятельно. Чувствительные действия — особенно связанные с идентификацией, инфраструктурой, финансами, юридическими вопросами или трудовыми аспектами — требуют одобрения человека.

Навыки и инструкции проверяются перед публикацией на наличие рисков, таких как внедрение вредоносных запросов, скрытые инструкции, доступ к учетным данным, утечка данных и небезопасные действия. Если инструмент меняется таким образом, что повышает риск, он автоматически отключается до повторной проверки. Дополнительные меры защиты — ограничения количества действий, предотвращение дублирования, аварийные отключения и возможность вмешательства человека — помогают сдерживать ошибки до их распространения.

Каждое действие отслеживается: организации могут увидеть, что инициировало Coworker, какую информацию и инструменты он использовал, какие одобрения были получены и какой результат последовал. Постоянная оценка, мониторинг и тестирование «red‑team» гарантируют, что эти меры защиты остаются эффективными по мере развития моделей, инструментов и корпоративных сред.

Мы вложили значительные ресурсы в оценку, соблюдение политик, мониторинг и тестирование «red‑team», поскольку развертывание ИИ — лишь начало. Организациям нужен уверенный контроль, что эти Coworkers продолжают вести себя ожидаемым образом по мере эволюции моделей и корпоративных сред.

В отчёте Atomicwork State of AI in IT 2026 обнаружено, что две трети ИТ‑специалистов сообщают о положительной отдаче от инвестиций в ИИ, тогда как только одна из пяти организаций полностью внедрила ИИ в свои команды управления сервисами. Что отличает внедрения, приносящие измеримую бизнес‑ценность, от пилотных проектов, застрявших в экспериментальной фазе?

Большинство организаций уже продемонстрировали, что ИИ может улучшать отдельные задачи. Компании, получающие измеримую бизнес‑ценность, соединяют ИИ с полными операционными рабочими процессами, а не используют его как отдельного помощника.

Это начинается с решения конкретной бизнес‑проблемы, рассматривая её через роли, предоставляя AI‑Coworkers доступ к необходимым системам и измеряя важные результаты — будь то более быстрое время решения, снижение расходов на поддержку или улучшенный опыт сотрудников. Когда команды доверяют этим результатам, расширение ИИ на дополнительные рабочие процессы становится гораздо проще.

Наши исследования также показали, что ответственный ИИ остаётся одной из главных приоритетов для ИТ‑руководителей. Это логично, поскольку организации не предоставят ИИ большую ответственность, пока не поймут, как он принимает решения, не смогут их пересмотреть и убедятся, что существуют необходимые ограничения.

По мере того как AI‑Coworkers начнут решать запросы поддержки, управлять доступом, диагностировать инциденты и координировать рабочие процессы, как изменятся обязанности специалистов сервис‑деска, команд ИТ‑операций и главных информационных директоров (CIO)? Смотрясь в будущее, может ли ИТ стать отделом, отвечающим за найм, управление и оценку всей цифровой рабочей силы предприятия?

ИИ возьмёт на себя большую часть повторяющихся операционных задач, которые сейчас поглощают сервис‑дески, позволяя людям тратить больше времени на обработку исключений, улучшение процессов и уточнение знаний, от которых зависит ИИ.

Команды ИТ‑операций всё больше будут сосредотачиваться на управлении AI‑Coworkers, а не на ручном выполнении каждого рабочего процесса. Они будут определять права доступа, соединять системы, мониторить производительность и обеспечивать, чтобы ИИ продолжал работать в рамках установленных политик.

Я также ожидаю расширения роли CIO. Управление сотнями AI‑Coworkers начинает походить на управление любой другой корпоративной инфраструктурой. Кто‑то должен решать, к чему эти Coworkers имеют доступ, как их оценивают, когда их обновляют и приносят ли они ценность. Бизнес‑команды продолжат определять работу, в то время как ИТ станет «HR для ИИ», отвечая за платформу, управление и операционный контроль, обеспечивающие безопасную работу корпоративной ИИ‑рабочей силы.

Спасибо за отличное интервью; читатели, желающие узнать больше, должны посетить Atomicwork.