Агентная система ИТ-поддержки: RAG, вызов инструментов и контроль человеком

Первая линия ИТ-поддержки тратит основное время на повторяющиеся обращения: блокировки учётных записей, вопросы по доступам, типовые сбои. Их можно автоматизировать, но здесь возникает главное ограничение — автоматизация требует доступа агента к боевым системам: Active Directory, ERP, внутренним сервисам.

Дать ИИ такой доступ без контроля нельзя. Модель может ошибиться в классификации, выполнить действие не по тому пользователю или выйти за рамки полномочий, которые в компании закреплены регламентом, а не техническими средствами. При этом ответственность за выполненное действие остаётся на ИТ-отделе.

Нужна была система, которая закрывает типовые обращения самостоятельно, но не выполняет чувствительные действия без явного решения человека — и оставляет полную трассировку того, что и почему сделал агент.

Многоагентная система обработки заявок, в которой автономность агента ограничена архитектурно, а не настройками промпта.

Маршрутизация. Заявка поступает на агент первой линии: он классифицирует обращение по категории и типу (например, ИТ · Доступы), обращается к базе знаний и передаёт задачу профильному агенту. Каждый агент работает в своей зоне ответственности, а не решает произвольные задачи.

Извлечение знаний (RAG). Перед действием агент ищет релевантные материалы в базе знаний и опирается на найденное, а не на общие представления модели о предметной области.

Вызов инструментов. Агент работает с подключёнными системами через ограниченный набор согласованных инструментов. Вызов возвращает фактические данные — например, check_ad_account() показывает статус учётной записи, причину блокировки и время последнего входа. Решение принимается на основании этих данных, и они видны оператору.

Трассировка. Классификация, поиск по базе знаний, маршрутизация, вызовы инструментов и решения по согласованию записываются в трассу заявки. Оператор в любой момент видит цепочку целиком, а не только итоговый ответ.

Эскалация по двум основаниям. Заявка уходит человеку, если сработал один из двух механизмов:

неуверенность модели — уверенность ниже настроенного порога передаёт действие на проверку супервизору;

ограничение по регламенту — превышение лимита автосогласования или иное правило требует обязательного решения человека, независимо от того, насколько модель уверена.

Детерминированные правила имеют приоритет над автономным выполнением. У каждой эскалации есть владелец и SLA, а не просто отметка «требуется внимание».

Стек и результат работ: разработка ИИ-агентов, Retrieval Augmented Generation, автоматизация бизнес-процессов, интеграция по API, Generative AI.

На скриншотах — пилотный интерфейс с синтетическими заявками; продакшен-экраны и данные конфиденциальны.

Спроектирована и собрана рабочая система, в которой:

• типовые обращения обрабатываются агентами end-to-end — от классификации до выполнения действия в подключённой системе;

• каждое действие агента восстановимо по трассе: видно, как он классифицировал заявку, что нашёл в базе знаний, какие инструменты вызвал и с каким результатом;

• доступ к боевым системам ограничен согласованным набором инструментов, а не выдан агенту целиком;

• чувствительные действия не выполняются без явного решения человека — эскалация срабатывает и по неуверенности модели, и по регламентным ограничениям;

• у каждой эскалации есть владелец и SLA, поэтому переданная человеку заявка не теряется.

Решение проверено на пилотном контуре с синтетическими заявками. Производственные метрики не публикуются: экраны и данные боевого контура конфиденциальны.