ServiceNow e Atlassian Lideram o Mercado de ITSM em Direção às Plataformas de IA em vez de Soluções Prontas

Главный вопрос для ITSM в 2026 году — уже не наличие ИИ-функций как таковых, а тип архитектуры, на которой они построены. За последние три года рынок ушёл от простых чат-ботов, которые лишь пытаются угадать категорию тикета, к AI-слою, встроенному в саму сервисную платформу. Теперь ИИ участвует в маршрутизации обращений, предсказывает инциденты, автоматически закрывает типовые запросы и собирает постмортемы после сбоев.

Практический эффект тоже стал заметен: компании с предиктивными ITSM-практиками восстанавливаются после инцидентов примерно вдвое быстрее тех, кто по-прежнему опирается на ручную обработку. На этом фоне рынок разделился на два подхода. Первый — платформенный: компания получает открытый AI-слой, где можно подключать разные LLM, собирать собственных агентов, задавать политики, лимиты и аудит для каждого действия.

Такой вариант сложнее и дольше внедрять, зато он подходит для сценариев, где ИИ должен работать сразу на несколько подразделений, учитывать требования безопасности и, при необходимости, запускаться внутри закрытого контура. Второй — коробочный: ИИ уже встроен в продукт и даёт быстрый старт с готовыми сценариями вроде классификации тикетов, подсказок оператору, суммаризации диалогов и виртуального ассистента. Это проще, но пространство для кастомизации и масштабирования обычно ограничено роадмапом вендора.

Лучше всего платформенный подход сегодня показывает ServiceNow. Его AI-слой объединяет ITSM, HR, финансы и CRM, поддерживает собственные и сторонние модели и позволяет собирать кастомные навыки и агентов. Но цена за гибкость высокая: продвинутые AI-возможности лицензируются отдельно, а внедрение может растянуться на месяцы.

Atlassian делает ставку на Rovo — общий AI-слой над Jira, Confluence и Jira Service Management. Сильная сторона здесь в контексте: агенты видят связи между задачами, страницами, сообщениями и внешними приложениями, а значит могут не только отвечать, но и выполнять действия внутри уже существующих процессов. Ограничение простое: если организация живёт вне экосистемы Atlassian, эффект от такого подхода становится заметно слабее.

Самым сбалансированным вариантом выглядит BMC Helix, который совмещает платформенную архитектуру с богатым набором готовых AI-агентов. HelixGPT можно развернуть как в облаке, так и on-premise, а заказчик сам выбирает LLM-провайдера. Это особенно важно для крупных компаний, которым нужна независимость от одной модели и контроль над данными.

Freshservice, наоборот, остаётся образцом коробочного подхода: Freddy AI быстро запускается, закрывает типовые обращения через Slack, Teams и сервисный портал, а time-to-value измеряется неделями, а не кварталами. Но и ограничения типичны для коробки: ИИ работает в основном с данными внутри самой системы и плохо подходит для сложных межфункциональных сценариев. Ivanti пытается занять промежуточную позицию, объединяя ITSM, управление конечными точками и безопасность, но её agentic AI-направление пока ещё не полностью вышло из стадии обещаний.

Для российского рынка этот спор особенно практичен. Западные облачные экосистемы, соглашения с крупными LLM-провайдерами и привычные enterprise-сценарии доступны не всем, а задачи никуда не исчезли: бизнесу по-прежнему нужны автономное закрытие типовых тикетов, поиск по корпоративным знаниям, автоматическая классификация и агенты, которые действуют, а не просто пишут ответы. Поэтому всё большее значение получают on-premise-развёртывание, полный лог действий модели, ролевой доступ к AI-функциям и возможность заменить одну модель на другую без переписывания процессов.

Именно вокруг этих требований сейчас строятся локальные платформы вроде SimpleOne, которые делают ставку не на одну готовую кнопку, а на управляемую AI-инфраструктуру. Вывод простой: рынок AI-ready ITSM движется от набора эффектных фич к инфраструктуре с внятным governance. Если компании нужен быстрый результат для небольшой сервисной команды, коробочный продукт по-прежнему может быть лучшим выбором.

Но если ИИ должен работать в нескольких подразделениях, учитывать чувствительные данные, проходить аудит и меняться вместе с рынком моделей, решающим становится платформенный подход. В 2026 году выигрывать будут не те вендоры, у кого больше чат-ботов в меню, а те, кто умеет дать бизнесу контроль над каждым AI-действием.