ИИ-агенты Elma Cortex: как автоматизировать работу службы поддержки и базы знаний

Elma выпустила ИИ-агентов для автоматизации работы клиентской и технической поддержки

Новые инструменты предназначены для автоматизации анализа обращений и подготовки статей базы знаний. Для компаний это важный сдвиг от использования ИИ как отдельного помощника к его встраиванию непосредственно в рабочий контур поддержки.

ИИ становится частью Service Desk

Elma365 Service Desk используется для обработки обращений, а Elma Cortex выступает технологической основой новых ИИ-функций. В этом сценарии агент работает не рядом с системой, а внутри процесса, где уже ведутся заявки и формируется база знаний.

Первая заявленная задача — анализ обращений. Для службы поддержки это означает автоматизацию этапа, который обычно предшествует ручной обработке: обращение необходимо понять, соотнести с существующей информацией и определить, какие знания можно использовать для ответа. Вторая задача — создание статей базы знаний на основе накопленных материалов.

Такой подход имеет прикладное значение. База знаний перестаёт быть только архивом ранее подготовленных инструкций и становится результатом постоянной обработки обращений. Следовательно, ценность ИИ-агента здесь определяется не количеством ответов, которые он способен сгенерировать, а тем, насколько системно он помогает превращать рабочие данные в повторно используемые знания.

Что это меняет для компаний

Для клиентской и технической поддержки основная потенциальная польза связана с сокращением ручной работы на операциях вокруг заявки. Сотрудникам не обязательно каждый раз начинать с чистого листа: часть информации может быть подготовлена автоматически, а повторяющиеся решения — перенесены в структурированный материал базы знаний.

С другой стороны, сам факт интеграции ИИ-агентов не означает полной автоматизации поддержки. В сообщении Elma подтверждены именно функции анализа обращений и создания статей. Поэтому при выборе подобного решения важно разделять три уровня внедрения:

• автоматическую подготовку и структурирование информации;
• использование базы знаний для помощи сотрудникам;
• самостоятельное выполнение операций без участия человека.

В случае Elma речь подтверждённо идёт о первых двух направлениях. Насколько глубоко система сможет влиять на маршрутизацию заявок, формирование ответов и другие этапы работы, из доступных данных определить нельзя.

Перед внедрением компаниям стоит проверить, какие источники подключаются к Elma Cortex, как контролируется качество созданных статей и кто отвечает за их публикацию. Особенно важен процесс точечного редактирования: материал, подготовленный ИИ, должен оставаться управляемым объектом, а не автоматически становиться нормативной инструкцией для сотрудников или клиентов.

На что смотреть дальше

Практический результат будет зависеть от того, насколько хорошо Service Desk накопил и структурировал историю обращений. Если в системе мало согласованных решений, ИИ-агенту будет сложнее формировать полезную базу знаний. Если же материалы уже собраны, автоматизация анализа и подготовки статей может ускорить их обновление.

Пока Elma представила не универсальную ИИ-платформу, а специализированное расширение для конкретного класса задач — клиентской и технической поддержки. Это более рациональная модель внедрения: компания начинает с процесса, где эффект можно оценивать по качеству обработки обращений и состоянию базы знаний.

Следовательно, при выборе решения стоит оценивать не сам факт наличия ИИ-агентов, а связку из трёх компонентов: корпоративные данные, рабочий процесс и контроль результата. Elma связывает эти элементы через Elma365 Service Desk и Elma Cortex. Следующий показатель зрелости продукта — то, насколько стабильно эта связка будет работать на реальных обращениях и сможет поддерживать актуальность знаний без роста ручной нагрузки.