AI-агенты для внутренней поддержки сотрудников: как автоматизировать HR- и IT-запросы внутри компании

Короткий ответ: AI-агент для внутренней поддержки сотрудников — это не чат-бот с базой FAQ, а система, которая ищет ответ сразу в нескольких корпоративных источниках (вики, HR-система, таск-трекер, файловое хранилище), учитывает права доступа конкретного сотрудника и может довести запрос до результата — сменить пароль, оформить заявку на доступ, запустить чек-лист адаптации — а не просто выдать ссылку на инструкцию. Для компании это означает меньше тикетов в очереди IT и HR и более быстрый ответ на рутинные вопросы. Дальше — какие задачи такие агенты закрывают на практике и как устроена безопасность доступа.

Почему внутренняя поддержка отстаёт от клиентской

Последние несколько лет компании в первую очередь автоматизировали общение с клиентами: чат-боты на сайте, AI-агенты в поддержке, ассистенты в продажах. Внутренняя поддержка сотрудников — заявки в IT, вопросы к HR, доступ к документам — обычно оставалась на связке «тикет-система + человек в очереди», хотя по объёму рутинных запросов не уступает клиентскому сервису. Zendesk в анонсе Employee Service AI Agents (август 2026) формулирует это прямо: получать помощь на работе должно быть так же быстро и понятно, как получать помощь в роли клиента, и грань между CX (клиентским опытом) и EX (опытом сотрудника) в сервисе стирается.

Unlim Group по проектам внедрения видит ту же асимметрию: отдел поддержки клиентов уже измеряет resolution rate и работает с AI-агентом (см. наш разбор метрик AI-агента в поддержке), а точно такие же по типу запросы внутри компании — «где актуальная форма отпуска», «как сбросить VPN», «кто утверждает доступ к CRM» — до сих пор идут в общую тикет-очередь IT-отдела и ждут человека.

Какие задачи решает AI-агент внутренней поддержки

По архитектуре, которую описывает Zendesk, агент подключается не к одному порталу поддержки, а сразу к нескольким корпоративным системам — вики, файловым хранилищам, HR-платформе, таск-трекеру — и отвечает сотруднику там, где тот уже работает: в Slack или Microsoft Teams, без перехода на отдельный портал. Типовые запросы, которые агент закрывает без участия человека:

• IT-запросы — сброс VPN-доступа, восстановление пароля, заявка на новое оборудование или доступ к софту с политикой согласований.
• HR-запросы — где найти актуальную политику отпуска, как оформить больничный, какой у сотрудника остаток дней отпуска.
• Административные запросы — обновление адреса в кадровой системе с проверкой подтверждающего документа, оформление командировки.
• Онбординг — по сути мультисистемный процесс: создание профиля в HR-системе, выдача корпоративных доступов, назначение оборудования, постановка задач новому сотруднику — раньше это вручную координировали HR и IT, теперь агент ведёт чек-лист по всем системам сразу.

Права доступа: агент не должен знать больше, чем сотрудник

Ключевое отличие такого агента от обычного поискового бота по базе знаний — он спроектирован с учётом прав доступа (permission-aware by design). Это значит:

• Ответ собирается только из источников, к которым у конкретного сотрудника есть доступ — агент не «утекает» информацию из закрытых для него разделов HR-системы или финансовых документов.
• Контроль доступа синхронизируется с провайдером идентификации компании (identity provider), а не настраивается отдельно для каждого канала.
• Каждый подключённый источник знаний сохраняет собственные правила доступа — агент их не переопределяет и не «расширяет» de facto.

Этот принцип совпадает с тем, что Unlim Group закладывает в проекты AI-агентов в принципе: минимально необходимые права под задачу, а не широкий доступ «про запас» (подробнее — в материале про управление рисками AI-агентов). Для внутренней поддержки это особенно чувствительно: агент читает кадровые и финансовые данные, а значит ошибка в правах доступа — это не неловкий ответ клиенту, а потенциальная утечка персональных данных сотрудников внутри самой компании.

Конструктор процессов на естественном языке

Отдельная часть анонса Zendesk — Natural Language Automation Builder: администратор описывает желаемый результат обычным языком («оформить онбординг нового сотрудника»), а система сама определяет, какие API-интеграции нужны, в каком порядке выполнять шаги и где нужно утверждение человека (guardrail). Для мультисистемного онбординга — профиль в HR-платформе, выдача корпоративного логина, назначение оборудования, права доступа — это заменяет ручную настройку связки из нескольких no-code сценариев.

На практике в проектах Unlim Group такой конструктор снижает порог входа для IT- и HR-команд: не нужен отдельный интегратор для каждого нового процесса, но шаги с необратимыми последствиями — выдача широких прав, закрытие доступа увольняющемуся сотруднику — по-прежнему требуют явного подтверждения человека, а не выполняются агентом автоматически.

Сравнение: тикет-очередь vs AI-агент внутренней поддержки

Параметр	Классическая тикет-очередь	AI-агент внутренней поддержки
Точка входа	Отдельный портал поддержки	Slack / Microsoft Teams, без перехода в другой инструмент
Источники ответа	Один канал (тикет-система или база знаний)	Несколько систем сразу: вики, HR-платформа, файловое хранилище, таск-трекер
Учёт прав доступа	Настраивается вручную под каждый канал	Синхронизирован с identity provider, единый для всех источников
Мультисистемные процессы (онбординг)	Ручная координация HR и IT по нескольким системам	Один чек-лист, который агент ведёт по всем системам
Время ответа на типовой запрос	Зависит от очереди и рабочего времени специалиста	Мгновенно для запросов без участия человека

С чего начинать внедрение

Unlim Group рекомендует пилотировать AI-агента внутренней поддержки не сразу на всех отделах, а по тому же принципу, что и для клиентского сервиса:

• Начать с одного-двух источников знаний (например, IT-вики и HR-политики), а не подключать все системы разом.
• Выбрать 3-5 самых частых типовых запросов (сброс пароля, отпускной баланс, заявка на доступ) и замерить долю, которую агент закрывает без эскалации.
• Оставить обязательное подтверждение человека для действий с необратимыми последствиями — закрытие доступа, изменение кадровых данных, финансовые операции.
• Только после стабильного результата на пилоте расширять число подключённых систем и автоматизируемых процессов.

Для российских компаний важно дополнительно учесть требования 152-ФЗ к хранению и локализации персональных данных сотрудников, если агент работает с кадровой информацией — контур развёртывания (облако или локальная инфраструктура) стоит выбирать с учётом этого требования, а не только по функциональности.

Читайте также: AI-агенты в HR: как автоматизация найма и онбординга сокращает нагрузку на кадровую службу и Метрики AI-агента в поддержке.

---

Материал подготовлен командой Unlim Group. Источником вдохновения послужила публикация Zendesk «Introducing Zendesk Employee Service AI Agents: AI purpose-built for internal support» (Vishnu Parimi, август 2026 года). Российский контекст и рекомендации по пилотному внедрению — собственный опыт проектов Unlim Group.