Pythian внедрила Gemini Enterprise для 500 сотрудников в 27 странах. В компании начали с собственных процессов, чтобы проверить, где ИИ приносит измеримый результат. Один из таких процессов - работа с обращениями по базам данных.
По данным Pythian, команда обрабатывает около 15 тысяч таких тикетов в месяц. Агент читает обращение, ищет сведения во внутренней базе знаний и до прихода инженера готовит короткую инструкцию по разбору случая. После запуска среднее время решения инцидентов сократилось на 80%, а число активных пользователей выросло втрое.
Как устроена автоматизация тикетов
Система не закрывает инцидент сама по себе. Она берёт повторяемую часть работы: читает текст заявки, находит похожие случаи и собирает данные для первого шага. Инженер получает не пустое поле, а подготовленный контекст, который можно проверить и дополнить.
Это важная деталь. Pythian не сводит внедрение к выдаче лицензий всем сотрудникам. Компания разделила работу между двумя командами: одна помогает людям начать пользоваться инструментами, другая строит агенты для сложных процессов. Отдельная практика следит, не ухудшаются ли ответы после запуска и не меняются ли условия, на которых агент делает выводы.
Что даёт корпоративный ИИ-ассистент команде
Корпоративный ИИ-ассистент полезен в процессе, где сотрудники снова и снова ищут похожую информацию перед решением. Это может быть поддержка, обработка заявок или внутренние вопросы по регламентам. Начинать стоит с одного маршрута и заранее выбрать меру результата: время до первого ответа, срок решения или долю обращений, для которых специалисту уже передали нужные данные.
В кейсе Pythian результат считают по времени решения инцидентов, а не по числу выданных доступов. Для внедрения ИИ в бизнес такой подход тоже практичен: сначала описать повторяющийся шаг, затем проверить ответы на реальных заявках и оставить решение за сотрудником там, где ошибка обходится дорого.