AI-агент Catalyst: автоматизация IT без участия сотрудников
20 августа 2026 года компания Serval вывела в общий доступ Catalyst — AI-агента, который самостоятельно анализирует историю обращений в службу поддержки, выявляет повторяющиеся задачи и строит автоматизацию без участия разработчика. Для руководителей, управляющих IT-инфраструктурой или операционными процессами, это конкретный сигнал: уровень зрелости AI-инструментов корпоративного класса изменился.
Ключевое отличие Catalyst от большинства AI-ассистентов для автоматизации состоит в том, что он не ждёт запроса. Агент может работать в фоновом режиме, подключаясь к системам компании, коррелируя сигналы — сетевые инциденты, данные DHCP, историю тикетов — и предлагая готовое решение до того, как сотрудник успел оформить заявку. Это смещает логику сервисного управления с реакции на проблему к её предотвращению.
Как работает Catalyst на практике
Catalyst позиционируется как «суперагент» верхнего уровня над платформой Serval. Он умеет инспектировать тикет-историю, стандартные операционные процедуры и инструкции на естественном языке. На основании этого анализа агент самостоятельно формирует черновики рабочих процессов, политик доступа, форм, дашбордов и онбординг-сценариев.
В демонстрации CEO компании Джейк Стауч показал, как Catalyst получает запрос на автоматизацию сброса паролей, самостоятельно обнаруживает подключённые системы — Okta, Google Workspace и Microsoft Entra — и генерирует необходимый TypeScript-код. Администратор затем может добавить согласования или ограничить круг пользователей, которым разрешён запуск сценария.
Важный архитектурный момент: всё, что создаёт Catalyst, изначально имеет статус черновика. Организация может ограничить права на публикацию или потребовать формального согласования перед тем, как автоматизация выйдет в продакшн. Это снижает риск неконтролируемых изменений в критичных системах.
В части используемых моделей Serval придерживается модель-агностического подхода. По словам Стауча, компания применяет модели OpenAI и Anthropic, распределяя задачи между ними по результатам собственных оценок: GPT-модели показали лучшие результаты для взаимодействия с конечными пользователями, тогда как Sonnet и Opus от Anthropic эффективнее справляются с генерацией кода. Организации также могут подключить собственные API-ключи OpenAI или Anthropic.
Что это означает для бизнеса: риски и возможности
Конкурентный контекст важен для понимания зрелости рынка. ServiceNow уже предлагает Build Agent для генерации приложений и потоков из текстовых описаний, AI Agent Advisor для анализа операционных записей, а также отдельные инструменты Workflow Studio и AI Control Tower. Atlassian Rovo генерирует Jira-автоматизации из описаний на естественном языке. Freshworks предлагает Freddy AI Agent Studio с готовыми шаблонами для IT и HR.
Это означает, что сама по себе возможность создать автоматизацию через текстовый запрос перестала быть конкурентным преимуществом — она стала базовым ожиданием от платформ корпоративного класса. Для бизнеса это хорошая новость: выбор инструментов расширяется, а давление на поставщиков со стороны конкуренции растёт.
Заявленная дифференциация Serval строится на трёх составляющих. Во-первых, единый административный слой, который охватывает весь цикл автоматизации — от обнаружения возможности до развёртывания и мониторинга. Во-вторых, фоновые агенты, которые ищут проблемы без инициирующего тикета. В-третьих, ценовая аргументация: Стауч утверждает, что совокупная стоимость владения может составлять от 10 до 20% от аналогичного показателя ServiceNow — при сопоставимой стоимости лицензии.
Среди опубликованных кейсов — данные компании Ramp, которая сообщает об ускорении построения рабочих процессов на 50% и автоматизации 600 замен ноутбуков с экономией 150 часов. Together AI сообщает об автоматизации 95% запросов на временный доступ к инфраструктуре. Эти цифры происходят из материалов самой Serval, а не независимых исследований, что важно учитывать при оценке.
- Фоновые агенты выявляют операционные проблемы до поступления тикета — это снижает нагрузку на службу поддержки.
- Генерация кода из текстового описания сокращает зависимость от узких технических специалистов.
- Модель-агностический подход снижает риск привязки к одному поставщику AI-моделей.
- Все данные остаются в собственности клиента; доступны варианты развёртывания в облаке, собственном VPC или on-premises.
Основной риск для потенциального покупателя — это зрелость платформы в условиях сложных, сильно кастомизированных корпоративных сред. Serval основана в 2024 году и прошла раунды финансирования на общую сумму около 127 миллионов долларов, достигнув оценки в 1 миллиард долларов в декабре 2025 года. Компания молодая, а большинство опубликованных кейсов относятся к технологическим стартапам, а не к крупным традиционным предприятиям с многолетними ITSM-инсталляциями.
Для компаний, уже глубоко интегрированных с ServiceNow, переход потребует оценки стоимости миграции накопленных бизнес-правил, кастомных таблиц и интеграций — и эти затраты могут нивелировать преимущество в совокупной стоимости владения. Для компаний, которые ещё не выбрали ITSM-платформу или рассматривают расширение автоматизации за пределы IT, аргумент о более простом административном слое заслуживает проверки в рамках пилота.
Отдельного внимания заслуживает вопрос данных. Согласно соглашению об оказании услуг Serval, клиент сохраняет права на все свои материалы и результаты их обработки. Serval не использует клиентские данные для обучения собственных или сторонних AI-моделей. Однако как оператор сервиса компания неизбежно обрабатывает эти данные в рамках предоставления услуги — это стандартная модель для облачных платформ, которую важно зафиксировать в договоре до начала работы.
Кому эта новость наиболее важна: директорам по IT и операционным директорам, которые управляют службами поддержки с высоким объёмом повторяющихся запросов; руководителям, оценивающим или планирующим пересмотр ITSM-платформы; специалистам по автоматизации, которым необходимо обосновать выбор инструментария для построения внутренних операционных систем.
Практический вывод: если ваша служба поддержки ежемесячно обрабатывает значительный объём однотипных запросов — сброс паролей, предоставление доступа, онбординг — запросите у Serval пилот на конкретном процессе с измеримым базовым показателем, чтобы проверить заявленные результаты на собственных данных, а не только на опубликованных кейсах.