Цифровой техлид — ИИ-агент для управления сложной ИТ-инфраструктурой

Заказчик:
РТК-ЦОД
Руководитель проекта со стороны заказчика
Поставщик
«Базис»
Год завершения проекта
2025
Сроки выполнения проекта
март, 2025 — сентябрь, 2025
Масштаб проекта
450 человеко-часов
Цели

Сегодня ИТ-системы становятся все более масштабными, что связано с ростом объемов данных, внедрением облачных решений, микросервисной архитектурой и т.п. Все это приводит к увеличению количества компонентов, их взаимосвязей и уровней сложности, что затрудняет мониторинг, управление и быстрое реагирование на инциденты.

Внушительные затраты ресурсов на поддержку инфраструктуры, сложности в диагностике и устранении сбоев, зависимость от опыта и скорости адаптации сотрудников, высокая нагрузка на техническую поддержку создают серьезные препятствия, негативно сказываются на стабильном и безопасном функционировании ИТ-систем и требуют внедрения решений, направленных на повышение оперативности, автоматизацию процессов и ускорение обучения персонала.

Ключевыми целями внедрения ИИ-агента «Цифровой техлид» выступают:

  • Снижение времени простоя сервисов;
  • Увеличение времени решения инцидентов/консультаций;
  • Автоматизация поддержки и обучения сотрудников;
  • Увеличение скорости написания скриптов.

В результате внедрения «Цифрового техлида» — ИИ‑агента для управления сложной ИТ‑инфраструктурой компания достигла более эффективного и стабильного контроля, что позволило снизить простои и затраты.

В частности, использование генеративного искусственного интеллекта позволило на 20–50% уменьшить затраты времени на рутинные операции, а скорость выполнения связанных с ними задач выросла до 6 раз.

Дополнительно стоит отметить, что на 14% вырос показатель CSI (Customer Satisfaction Index — уровень удовлетворённости клиентов) и на 10 пунктов NPS (Net Promoter Score — индекс потребительской лояльности).

Уникальность проекта

«Цифровой техлид» — это первый в России ИИ-агент, способный заменить технического лидера в управлении инцидентами внутри сложной виртуализированной инфраструктуры. Решение снижает время простоя, повышает безопасность, автоматизирует поддержку и обучает сотрудников. Оно демонстрирует переход от реактивного к проактивному управлению и открывает путь к самоуправляющейся инфраструктуре.

Уникальность ИИ-агента заключается в глубокой интеграции с продуктами виртуализации и контейнеризации, а также в локальной, безопасной и саморазвивающейся архитектуре.

Масштабируемость и открытая архитектура решения позволяют легко адаптировать его под любую инфраструктуру, независимо от её размера и сложности.

Развертывание ИИ-агента возможно внутри корпоративного периметра, в облаке или в гибридной среде, что обеспечивает гибкость и соответствие различным требованиям безопасности, а интеграция с любыми системами мониторинга и управления позволяет обеспечить единое управление и расширение функциональности.

Использованное ПО

«Цифровой техлид» — это не просто автоматизация, а полноценный ИИ-агент, обладающий способностью к анализу, принятию решений и обучению. Для создания полноценного ИИ-агента требовался комплексный подход.

Основные компоненты:

  • Языковые модели;
  • Ollama — сервис, предоставляющий интерфейс (API) для работы с моделями;
  • Elasticsearch — векторная база данных;
  • Инструменты для анализа данных;
  • Облачные сервисы;
  • Собственные разработки.

Сложность реализации

Сложность реализации проекта по внедрению «Цифрового техлида» — ИИ-агента для управления сложной ИТ-инфраструктурой была обусловлена следующими факторами:

  • Отсутствие примеров создания аналогичных систем;
  • Обеспечение безопасности и локальной обработки данных;
  • Недостаток данных для обучения;
  • Обучение модели к предметной области для релевантных ответов.

Описание проекта

В эпоху цифровой трансформации ИТ‑системы становятся все более сложными и масштабными, что связано с ростом объемов данных, внедрением облачных решений, микросервисной архитектурой и автоматизацией бизнес‑процессов. Всё это приводит к увеличению количества компонентов, их взаимосвязей и уровней сложности, что затрудняет мониторинг, управление и быстрое реагирование на инциденты.

Так, высокие затраты времени и ресурсов на поддержку инфраструктуры, сложности в диагностике и устранении сбоев, зависимость от опыта сотрудников и высокий риск ошибок из‑за человеческого фактора, а также, в целом, нехватка экспертизы в области автоматизации, высокая нагрузка на техническую поддержку и длительный процесс адаптации новых сотрудников негативно сказываются на стабильности и безопасности ИТ‑систем, создают серьёзные препятствия для эффективного функционирования и требуют внедрения решений, направленных на повышение оперативности, автоматизацию процессов и ускорение обучения персонала.

Компания «Базис» совместно с РТК‑ЦОД внедрила нейросетевые технологии в бизнес‑процессы, связанные с реагированием на инциденты и технической поддержкой продуктов.

Внедрение ИИ‑агента для управления сложной ИТ‑инфраструктурой было обусловлено необходимостью автоматизации мониторинга и диагностики проблем, снижения времени реагирования на инциденты, повышения точности выявления причин сбоев и уменьшения зависимости от опыта сотрудников за счёт автоматизированных рекомендаций и обучения.

В результате компания получила более эффективное и устойчивое управление ИТ‑инфраструктурой с минимальными простоями и затратами.

«Цифровой техлид» — это первый в России ИИ‑агент, способный заменить технического лидера в управлении инцидентами внутри сложной виртуализированной инфраструктурой.

Масштабируемость решения обеспечивает его применение в любой сфере бизнеса или организации, независимо от размера и сложности инфраструктуры.

Поддержка от 1 до 10 000+ пользователей позволяет использовать его как в малых командах, так и в крупных предприятиях с тысячами сотрудников.

Развертывание возможно внутри корпоративного периметра, в облаке или в гибридной среде, что обеспечивает гибкость и соответствие различным требованиям безопасности и инфраструктурных решений.

Интеграция с любыми системами мониторинга и управления позволяет обеспечить единое управление и автоматизацию процессов без необходимости менять существующую инфраструктуру. Открытая архитектура решения способствует лёгкой адаптации под любые особенности инфраструктуры, расширению функциональности и интеграции со сторонними системами.

Таким образом, «Цифровой техлид» — это не просто автоматизация, а полноценный ИИ‑агент, обладающий способностью к анализу, принятию решений и обучению.

География проекта

Российская Федерация

Дополнительные презентации:
Базис_Цифровой_техлид_Global_CIO_Финал.pdf
Коментарии: 2

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Милана Котова
    Рейтинг: 22
    АО Barclays
    Project Lead, Senior IT Analyst
    28.11.2025 12:41

    Здравствуйте, Алексей! Какие бизнес-метрики легли в основу выбора задачи для автоматизации? Как вы рассчитывали эффект снижения простоев и повышения оперативности?

  • Алексей Забродин
    Рейтинг: 72
    РТК-ЦОД
    Технический директор
    03.12.2025 13:13

    Выбор задач для автоматизации в рамках проекта «Цифровой техлид» был основан на четко определённых бизнес-метриках, которые напрямую влияют на стабильность инфраструктуры, эффективность команд и удовлетворённость клиентов. Мы ориентировались на следующие KPI:MTTR (Mean Time to Resolution) Прямое влияние на время простоя и доступность сервисовMTTA (Mean Time to Acknowledge) Скорость реакции на инцидент — критично для SLAЧисло аварий в месяц Показатель стабильности и качества управленияDowntime (время простоя) Прямое влияние на бизнес-процессы клиентовОбъём рутинных задач Определяет потенциал автоматизации и высвобождение времени инженеровCSI (Customer Satisfaction Index) Качество обслуживания — стратегический активNPS (Net Promoter Score) Лояльность клиентов к продуктам и поддержкеВремя адаптации новых сотрудников Затраты на onboarding и выход на продуктивность Как именно измеряли и откуда брали источники указано ниже: Метрика  Формула  Источник данныхMTTR  Σ(закрытие – создание) / кол-во  Тикет-системаMTTA  Σ(первый отклик – создание) / кол-во  Тикет-система, чатыDowntime  Σ(время сбоя → восстановление)  Мониторинг, логи, тикетыРутина (%)  Кол-во рутинных / общее × 100%  Классификация тикетов (NLP + эксперты) Остальные метрики - с помощью регулярных опросов наших клиентов Источники: Реальные данные из тикет-систем, систем мониторинга, логовПериод анализа: 6 месяцев до и после внедрения (март - сентябрь 2025)Выборка: >5 000 инцидентовМетодология: Before/After сравнение с контролем внешних факторовВалидация: Проверено независимым аудитом внутри компании Все результаты — не абстрактные цифры, а измеримые эффекты, подтверждённые данным.

Год
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.