Por que ServiceNow, Atlassian e BMC estão transformando o mercado de ITSM e o debate sobre plataforma em 2026

Спор о том, каким должен быть AI-ready ITSM в 2026 году, сводится уже не к выбору чат-бота для первой линии поддержки, а к вопросу архитектуры. На рынке оформилось два подхода: коробочные инструменты, которые быстро дают эффект на типовых задачах, и платформы, где ИИ становится отдельным управляемым слоем с аудитом, политиками доступа, выбором моделей и возможностью запускать автономных агентов внутри бизнес-процессов. За последние три года роль ИИ в сервисных системах заметно изменилась.

Если раньше его чаще использовали для классификации обращений и подсказок оператору, то теперь поставщики ITSM говорят о предиктивной маршрутизации, автоматическом закрытии стандартных запросов, генерации постмортемов и сценариях, где агент не только отвечает, но и выполняет действия в рамках заданных прав. Именно поэтому в центре обсуждения оказались не отдельные фичи, а вопрос, насколько вся эта AI-инфраструктура контролируема, безопасна и пригодна для масштабирования. В статье выделяются два базовых сценария.

Коробочный подход рассчитан на быстрый запуск: компания получает встроенные функции вроде суммаризации тикетов, подсказок ответов, виртуального ассистента и авто-классификации, а внедрение обычно занимает считаные недели. Минус в том, что возможности кастомизации ограничены, а развитие зависит от дорожной карты вендора. Платформенный подход требует больше времени и ресурсов на запуск, но взамен даёт конструкторы собственных агентов, подключение разных LLM, интеграции через API, детальный аудит действий и, в ряде случаев, работу в локальном контуре.

Такой вариант интереснее крупным организациям, где ИИ должен обслуживать не один сервис-деск, а несколько подразделений с разными требованиями. Среди мировых игроков как наиболее зрелые платформенные примеры разбираются ServiceNow, Atlassian и BMC Helix. ServiceNow строит AI-слой поверх всей своей экосистемы и предлагает инструменты для создания собственных навыков и агентов, но за расширенные возможности приходится отдельно платить, а внедрение может быть долгим и сложным.

Atlassian делает ставку на Rovo — надстройку над Jira, Confluence и Jira Service Management, где ценность возникает из общего графа данных и тесной связи с существующими workflow. BMC Helix занимает промежуточную позицию: у него есть и развитая платформенная часть, и богатый набор готовых агентов, плюс возможность работать как в облаке, так и внутри периметра компании. На другом полюсе находятся более коробочные решения вроде Freshservice.

Их главный плюс — скорость получения результата: типовые процессы автоматизируются быстро, а встроенный ИИ можно включить без тяжёлой архитектурной подготовки. Но за простоту приходится платить ограниченным контекстом: система хорошо работает с данными, уже находящимися внутри продукта, однако хуже подходит для сложных межсистемных сценариев и глубокой настройки под корпоративные правила. Ivanti в этом обзоре показана как игрок на стыке двух моделей: компания объединяет ITSM, управление конечными устройствами и безопасность, но её agentic AI-направление пока ещё находится в стадии развития и не выглядит настолько зрелым, как у лидеров рынка.

Отдельный слой дискуссии касается российского рынка. Здесь выбор часто определяется не только бюджетом и сроками запуска, но и требованиями к локальному развертыванию, хранению чувствительных данных и независимости от конкретного западного провайдера моделей. Поэтому для российских заказчиков аргументы в пользу платформенного подхода звучат особенно сильно: важны on-premise, аудит запросов и ответов, управление лимитами, ролевая модель доступа и возможность заменить одну LLM на другую без переписывания процессов.

В качестве локального примера автор приводит SimpleOne, где акцент сделан именно на такой архитектуре: локальный контур, логирование каждого вызова модели, абстракция над разными LLM и визуальные AI-процессы для типовых сценариев сервис-деска. Главный вывод статьи в том, что рынок ITSM с ИИ уходит от демонстрации отдельных «умных» функций к разговору о зрелой инфраструктуре. Для малого или среднего сервис-деска коробка по-прежнему может быть лучшим выбором, если нужен быстрый запуск и достаточно стандартной автоматизации.

Но для крупных компаний, особенно в регулируемых отраслях, решающим фактором становится не сам факт наличия ИИ, а способность управлять им: понимать, какая модель используется, где обрабатываются данные, кто отвечает за действия агента и насколько легко эту систему адаптировать под новые требования.