Відповідає Віджай Раяпаті, генеральний директор і співзасновник компанії Atomicwork – Інтерв’ю Серія

Віджай Раяпаті є співзасновником і генеральним директором компанії Atomicwork. До заснування компанії він обіймав посаду старшого віце-президента і генерального менеджера в компанії Nutanix, де керував напрямком End User Computing після придбання компанії Frame, засновником і генеральним директором якої він був. Раніше в своїй кар’єрі він обіймав інженерні та керівні посади в компанії VMware і Microsoft, що дало йому глибокий досвід будівництва корпоративної інфраструктури та платформ для кінцевих користувачів. Його досвід охоплює хмарну інфраструктуру, корпоративне програмне забезпечення та технологію штучного інтелекту на робочому місці, що робить його відомим засновником у сфері корпоративних інформаційних технологій.

Atomicwork є корпоративною компанією штучного інтелекту, яка будує платформу агентського управління ІТ-сервісами, яка допомагає працівникам вирішувати технічні проблеми, автоматизувати звичайні завдання підтримки та отримувати доступ до корпоративних знань за допомогою штучного інтелекту. Її платформа поєднує агентів штучного інтелекту з сучасними можливостями управління ІТ-сервісами для обробки запитів на сервіс, вирішення проблем, оркестрування робочих процесів у корпоративних системах та зниження навантаження на команди ІТ. Клієнти використовують Atomicwork для швидшої підтримки працівників та покращення оперативної ефективності ІТ та бізнес-операцій.

Раніше ви співзаснували компанію Minjar, побудували її корпоративний бізнес управління хмарою, а потім керували операціями в компанії Nutanix після придбання. Які уроки з будівництва, продажу та інтеграції корпоративної компанії програмного забезпечення переконали вас заснувати компанію Atomicwork у 2022 році та перебудувати управління ІТ-сервісами з нуля для епохи штучного інтелекту?

У компанії Minjar ми будували програмне забезпечення, яке могло скоротити корпоративний рахунок за хмару на одну третину завдяки автоматизації. Клієнти любили ці рекомендації. Потім вони сиділи на них два квартали. Мені знадобився деякий час, щоб зрозуміти, чому, і відповідь не була технічною. Коли автоматизація приймає рішення і воно виходить неправильно, немає нікого, кого можна було б притягнути до відповідальності. Корпорації не просто купують програмне забезпечення або результати. Вони купують когось, хто відповідає за них. Програмне забезпечення без місця на організаційній схемі не отримує повноважень, незалежно від того, наскільки воно хороше.

Придбання навчило мене вужчого уроку. Точкові продукти купуються. Системи обліку будуються на них. Ви можете бути кращим продуктом і все одно проводити все своє життя, обходячи того, хто володіє робочим процесом.

Роки в компанії Nutanix поєднали два попередніх уроки. Я спостерігав, як ІТ купує управління сервісами для контролю, а працівники відчувають це як форму та чергу. Я також зрозумів, що квиток ніколи не був продуктом. Відслідковування було. Це причина, чому управління ІТ-сервісами вижило сорок років, незважаючи на те, що люди ненавиділи його, і це також причина, чому ніхто не міг його видалити.

Отже, питання у 2022 році не полягало в тому, чи може штучний інтелект виконувати роботу. Це було питання про те, чи можна дати штучному інтелекту місце на організаційній схемі. Традиційні платформи управління ІТ-сервісами не можуть цього зробити, оскільки людина-асигNOW знаходиться в центрі їхньої моделі даних, а кожен SLA, затвердження та звіт залежить від цього припущення. Прикріплення штучного інтелекту дає лише швидшу форму.

Ми побудували іншу відповідь, де штучний інтелект доставляє гібридну робочу силу, а не просто програмне забезпечення. Колеги-штучний інтелект виконують роботу, а ІТ керує ними так само, як HR керує людьми. Ви не конфігуруєте колегу-штучний інтелект. Ви приймаєте його на роботу на певну роль, переглядаєте його роботу та скасовуєте його, якщо він не виконує свою роботу. Це різниця між штучним інтелектом як функцією та штучним інтелектом як робочою силою.

Atomicwork описує своїх колег-штучний інтелект як системи, які володіють визначеними ролями та виконують роботу з початку до кінця, а не просто відповідають на питання чи виконують ізольовані завдання. Які технічні можливості відрізняють справжнього колегу-штучний інтелект від чат-бота, копілота чи традиційного інструменту автоматизації, і де повинна закінчуватися його автономія?

Чат-бот відповідає на питання, а копілот допомагає комусь виконати завдання, але жоден з них не відповідає за виконання роботи до кінця. Колега-штучний інтелект відрізняється тим, що йому призначена певна роль, і від нього очікується результат. Незалежно від того, чи це трияжа інцидентів, надання доступу чи впровадження працівників, він продовжує роботу на кожному етапі до досягнення мети, а не зупиняється після першого ходу.

Для цього потрібно набагато більше, ніж просто здатний модель. Колега-штучний інтелект потребує ідентифікатора, правильних повноважень, доступу до затверджених інструментів, організаційного контексту, бюджету та чітких меж роботи та ролі. Він повинен працювати у бізнес-системах, розуміти, коли (і кого) запитувати на затвердження, і залишати слід аудиту після кожного дії. Це причина, чому ми так сильно зосередилися на платформі навколо моделі. Надійний штучний інтелект залежить від оркестрування, управління та виконання так само, як і від інтелекту.

Автономія ніколи не повинна бути необмеженою. Колега-штучний інтелект повинен діяти в межах повноважень своєї ролі, а люди повинні бути залучені всякий раз, коли робота впливає на чутливі системи чи має юридичні, фінансові або зайняті наслідки.

Ваша платформа дозволяє спеціалізованим колегам-штучному інтелекту співпрацювати в управлінні інцидентами, надання доступу, впровадженні та ІТ-операціях. Як ці колеги-штучний інтелект ділять відповідальність, ділиться контекстом і відновлюються, коли один колега-штучний інтелект приймає неправильне рішення, яке може вплинути на весь робочий процес?

Ми не думаємо, що один колега-штучний інтелект повинен виконувати кожну роботу. Команди ІТ вже розділяють відповідальність на різні команди, оскільки кожна роль має різні цілі, повноваження та експертизу. Ми застосували той же підхід до колег-штучного інтелекту, тому ми запустили сертифікованих колег-штучний інтелект, які спеціалізуються на різних операційних ІТ-областях.

Кожен колега володіє певною функцією, а також ділиться корпоративним контекстом. Коли працівник створює квиток в Atomicwork, розумне маршрутизація забезпечує його маршрутизацію до правильного колеги-штучний інтелект, який працює над запитом і (в залежності від запиту) переасигнує його іншому колегу-штучний інтелект, створює дочірні квитки для колег-штучний інтелект для паралельного вирішення проблеми (наприклад, квиток для впровадження можна розділити на дії, які можна виконувати паралельно) або ескалує його до людини. Коли робота переходить від одного колеги до іншого, відповідна інформація переходить з ним через квиток (систему обліку), разом з доступом до відповідних систем, таких як сервісний стіл, платформи ідентифікації, системи HR та інструменти співпраці. Цей спільний контекст дозволяє кожному колегу приймати рішення на основі того, що вже відбулося, а не починати з нуля.

Atomicwork підтримує різні фреймворки агентів і моделі від постачальників, таких як OpenAI, Anthropic і Google. Як ви визначаєте, яку модель слід використовувати для отримання, висновку, планування та виконання, і як підприємства можуть підтримувати послідовну поведінку, коли основні моделі продовжують змінюватися?

Різні моделі добре підходять для різних видів роботи. Нашим重点ом було побудувати платформу, яка могла б використовувати переваги без того, щоб змушувати клієнтів переробляти свої робочі процеси щоразу, коли модель змінюється. Корпоративний контекст, оркестрування, ідентифікатор, виконання політики, телометрія та оцінка забезпечують послідовність, якої потребують організації у виробництві, незалежно від того, яка модель знаходиться внизу.

Ми публічно обговорювали підтримку декількох постачальників моделей разом з кадровими структурами та управлінням, але ми не описали логіку маршрутизації, яка визначає, яку модель слід використовувати для отримання, висновку, планування чи виконання. Ми також не описали процес перевірки, який ми використовуємо, коли постачальники випускають нові моделі та оновлення.

Агент підприємства штучного інтелекту може зустріти суперечливу документацію, неповні записи конфігурації, застарілі знання та різні повноваження в системах. Як шар Універсального контексту Atomicwork визначає, яку інформацію можна довіряти та поточну, перш ніж дозволити агенту прийняти рішення чи виконати дію?

Корпоративні знання рідко існують в одному місці. Деякі з них живуть у документації, деякі в системах обліку, а деякі всередині щоденної діяльності бізнесу. Штучний інтелект потребує всього цього контексту, якщо він хоче приймати надійні рішення.

Універсальний контекст поєднує корпоративні знання з людьми, мережею, інфраструктурою та даними пристроїв з живих операційних систем. Колега-штучний інтелект може посилатися на інформацію з платформ, таких як Confluence або SharePoint, MDM, таких як Intune і JAMF, а також розуміти, що відбувається в системах, таких як Jira, Workday, Salesforce чи постачальники ідентифікації. Він також поважає існуючі повноваження, щоб люди та колеги-штучний інтелект мали доступ лише до інформації, до якої вони вже мають доступ.

Ми пояснили, як Універсальний контекст з’єднує корпоративні системи та зберігає межі безпеки, але ми не описали, як він вирішує суперечливу інформацію, коли довірені джерела розходяться, або як він визначає, яке джерело повинно мати першість. Ці деталі реалізації не є частиною нашої публічної документації.

Універсальний колега-штучний інтелект може підтримувати працівників через Microsoft Teams, Slack, електронну пошту, браузер, портал та через чат, голос та візуальні режими. Які нові можливості з’являються, коли агент може бачити та чути те, що переживає працівник, і як ви запобігаєте виявленню чутливого екранного контенту чи розмов?

Традиційна підтримка ІТ залежить від того, щоб працівники описували технічні проблеми точно, і це часто найскладніша частина взаємодії. Голосовий та візуальний контекст дозволяють штучному інтелекту бачити ту саму повідомлення про помилку, додаток чи екран конфігурації, який бачить працівник, що робить його набагато легшим зрозуміти проблему та провести людину через наступний крок без довгого обміну повідомленнями.

Ці можливості працюють лише тоді, коли працівники довіряють їм. Ми вважаємо, що візуальний доступ повинен вимагати явної згоди, а користувачі повинні завжди знати, коли він активний. Чутлива інформація захищається за допомогою маскування ПІІ, адміністративного контролю та відповідних політик збереження.

Ми також були чіткими в тому, що дані клієнтів не використовуються для навчання наших моделей чи моделей третіх сторін. Це дає організаціям можливість прийняти багатомодальний штучний інтелект без втрати контролю над своїми даними.

Atomicwork можна розгорнути поряд з існуючою середовищем ServiceNow або Jira Service Management без вимоги негайної міграції. Чи бачите ви це в першу чергу як стратегію переходу, або багато підприємств будуть постійно експлуатувати штучний інтелект над своєю системою обліку?

Більшість великих підприємств вже провели роки, будуючи процеси, інтеграції та управління навколо платформ, таких як ServiceNow і Jira Service Management. Вимагати від них заміни цих систем до того, як вони зможуть прийняти штучний інтелект, створює зайвий опір.

Ми побудували інтеграцію Atomicwork з ServiceNow і Jira Service Management, щоб клієнти могли перетворити досвід працівників та підтримувати свої сервісні команди штучним інтелектом з першого дня, не порушуючи систем, на які вони вже покладаються. Конектор витягує відповідний корпоративний ІТ-контекст для колег-штучний інтелект, зберігаючи двонаправлену синхронізацію для сервісних агентів у їхній існуючій системі. Ми не думаємо, що підприємства повинні вибирати один шлях в перший день. Пріоритетом є допомога їм у прийнятті штучного інтелекту на їхньому власному графіку.

Надання колегам-штучному інтелекту доступу до систем ідентифікації, даних працівників, інфраструктури та бізнес-застосунків вводить ризики, такі як ін’єкція запиту, отруєння джерел знань, надмірні повноваження та каскадні помилки агентів. Які заходи безпеки, межі затвердження та механізми аудиту є необхідними, перш ніж підприємство зможе безпечно дозволити агентам діяти автономно?

Колеги-штучний інтелект керуються як працівники з привілейованим доступом. Кожен колега має визначену роль, обмежені повноваження, затверджені інструменти, обмеження витрат та чіткі межі того, що він може робити самостійно. Чутливі дії – особливо ті, які стосуються ідентифікації, інфраструктури, фінансів, юридичних питань або зайнятості – вимагають затвердження людини.

Навички та інструкції перевіряються перед публікацією на предмет ризиків, таких як ін’єкція запиту, приховані інструкції, доступ до облікових даних, витік даних та небезпечні дії. Якщо інструмент змінюється таким чином, що збільшує його ризик, він автоматично відключається до тих пір, поки не буде переглянутий. Додаткові заходи безпеки, включаючи обмеження дій, запобігання дублікатам дій, аварійні засоби зупинки та захоплення людиною, допомагають обмежити помилки, перш ніж вони можуть пошириться.

Кожна дія відстежується: організації можуть бачити, що спровокувало колегу, яку інформацію та інструменти він використав, які затвердження були отримані, і який наслідок followed. Постійна оцінка, моніторинг та тестування червоними командами забезпечують, що ці заходи безпеки залишаються ефективними, коли моделі, інструменти та корпоративні середовища змінюються.

Ми вклали багато зусиль у оцінку, виконання політики, моніторинг та тестування червоними командами, оскільки розгортання штучного інтелекту – це тільки початок. Організації повинні мати впевненість, що ці колеги продовжують поводитися так, як очікується, коли моделі та корпоративні середовища змінюються.

Звіт Atomicwork про стан штучного інтелекту в ІТ у 2026 році виявив, що дві третини фахівців ІТ повідомляють про позитивні результати від інвестицій у штучний інтелект, тоді як лише одна з п’яти організацій повністю інтегрувала штучний інтелект у свої команди управління сервісами. Що відрізняє розгортання, які дають вимірювані бізнес-результати, від пілотних проектів, які залишаються в експериментальному режимі?

Більшість організацій вже показали, що штучний інтелект може покращити окремі завдання. Компанії, які бачать вимірювані бізнес-результати, зв’язують штучний інтелект з повними операційними робочими процесами, а не використовують його як самостійного помічника.

Це починається з вирішення конкретної бізнес-проблеми, думки в ролях, надання колегам-штучному інтелекту доступу до систем, які їм потрібні, та вимірювання результатів, які мають значення – чи то швидше часу вирішення, нижчих витрат на підтримку чи кращого досвіду працівників. Як тільки команди довіряють цим результатам, розширення штучного інтелекту на додаткові робочі процеси стає набагато легшим.

Наше дослідження також показало, що відповідальний штучний інтелект залишається одним з найвищих пріоритетів для лідерів ІТ. Це має сенс, оскільки організації не дадуть штучному інтелекту більше відповідальності, якщо вони не зрозуміють, як він приймає рішення, і не зможуть переглянути ці рішення пізніше, і не знатимуть, що правильні периметри безпеки на місці.

Як колеги-штучний інтелект починають вирішувати запити на підтримку, керувати доступом, діагностувати інциденти та координувати робочі процеси, як змінюються обов’язки фахівців служби підтримки, команд ІТ-операцій та керівників інформаційних технологій? Оглядаючись у майбутнє, чи може ІТ стати відділом, відповідальним за прийняття на роботу, управління та вимірювання цілої цифрової робочої сили підприємства?

Штучний інтелект візьме на себе багато повторюваних операційних робіт, які споживають сучасні служби підтримки, дозволяючи людям проводити більше часу на винятках, покращенні процесів та вдосконаленні знань, на яких залежить штучний інтелект.

Команди ІТ-операцій будуть все більше зосереджуватися на управлінні колегами-штучним інтелектом, а не на ручному виконанні кожного робочого процесу. Вони визначатимуть повноваження, підключатимуть системи, моніторитимуть продуктивність та будуть слідкувати за тим, щоб штучний інтелект продовжував працювати в межах встановлених політик.

Я також очікую, що роль керівника інформаційних технологій розшириться. Управління сотнями колег-штучний інтелект починає нагадувати управління будь-якою іншою корпоративною інфраструктурою. Хтось повинен вирішувати, до чого ці колеги можуть мати доступ, як їх вимірюють, коли їх оновлюють, і чи вони доставляють цінність. Бізнес-команди продовжуватимуть визначення роботи, а ІТ стане відділом кадрів для штучного інтелекту, тобто відповідальним за платформу, управління та операційні контролю, які підтримують безпеку корпоративної штучної робочої сили.

Дякую за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Atomicwork.