DevRev и GPT-6.1 Sol: автономный самосервис для enterprise
Как DevRev использует GPT-6.1 Sol в агентах Computer и Operator для автоматизации корпоративной поддержки без участия человека.
Когда самообслуживание перестаёт быть обещанием
Каждая компания, внедряющая корпоративный чат-бот или базу знаний, обещает одно и то же: «теперь сотрудники и клиенты смогут решать проблемы самостоятельно». На практике же всё обычно сводится к улучшенному поиску по FAQ и стандартным скриптам. DevRev решил изменить это уравнение — и сделал ставку на модель GPT-6.1 Sol от OpenAI.
DevRev создал два агента — Computer и Operator — чтобы помочь командам по сервису и операциям доводить даже самые сложные запросы клиентов и сотрудников до полного завершения.
Два агента — две роли
DevRev интегрировал GPT-6.1 Sol в свою корпоративную платформу самообслуживания, реализованную в виде продуктов Computer и Operator, для автоматизации запросов сотрудников и клиентов.
На первый взгляд названия выглядят похоже, но их роли принципиально различаются:
| Агент | Роль | Когда активируется |
|---|---|---|
| Operator | Автономный исполнитель: понимает запрос, предпринимает одобренные действия | При поступлении запроса в первую очередь |
| Computer | Подготавливает контекст для человека, если нужно вмешательство | Когда запрос требует суждения, исключения или повышенных прав |
В Agent Studio — интерфейсе для создания агентов — пользователь описывает желаемое поведение инструмента в диалоге с AI и определяет часть этого поведения с помощью жёстких правил. Когда поступает запрос, Operator сначала пытается понять суть проблемы, выполнить одобренное действие или перенаправить в Computer, если требуется участие человека.
Как это работает на практике
Представьте типичную ситуацию: сотрудник российской компании не может получить доступ к корпоративной CRM-системе в пятницу вечером, когда IT-отдел уже недоступен.
Для сотрудника, ожидающего доступа к программному обеспечению, Computer может найти соответствующую политику и инициировать утверждённый процесс. Если доступ требует одобрения менеджера или действий IT-администратора, запрос направляется этому человеку со всеми необходимыми деталями.
Когда ответы требуют действий, Computer обращается к корпоративным системам — обновляет записи, составляет ответы и запускает рабочие процессы, сохраняя при этом контроль человека.
graph TD
A[Запрос сотрудника / клиента] --> B[Operator анализирует запрос]
B --> C{Возможно автономное действие?}
C -->|Да| D[Operator выполняет одобренное действие]
C -->|Нет| E[Передача в Computer]
E --> F[Computer готовит контекст для человека]
F --> G[Человек принимает решение]
D --> H[Результат + ссылка на источник]
G --> H
H --> I[Действие обратимо при необходимости]
Почему именно GPT-6.1 Sol, а не GPT-6 Astra?
Это закономерный вопрос: DevRev работает с обеими моделями, но основная нагрузка ложится на GPT-6.1 Sol. Причина — классический треугольник компромиссов в корпоративном AI: качество рассуждения, скорость ответа и стоимость.
DevRev сочетает модели OpenAI, включая GPT-6 Astra и GPT-6.1 Sol, со своей оболочкой для подключения корпоративных знаний и предоставления командам контроля над действиями агента.
OpenAI позиционирует GPT-6.1 Sol как модель, близкую к Astra по сложным задачам, при этом стандартные цены на входящие и исходящие токены составляют одну пятую от тарифов Astra.
На бенчмарке DeepSWE v1.1 GPT-6.1 Sol достигает 75,2% при высокой интенсивности рассуждения, превосходя лучший результат GPT-6 Sol (68,8%) при максимальной интенсивности — примерно на 76% дешевле за задачу.
Для корпоративного self-service (самообслуживания), где агенты обрабатывают тысячи запросов ежедневно, экономия токенов напрямую влияет на рентабельность всего решения.
Enterprise-Bench: бенчмарк для реальных условий
Одна из ключевых разработок DevRev — собственный бенчмарк (тест производительности) Enterprise-Bench, созданный специально для корпоративных сценариев, которые стандартные тесты обходят стороной.
DevRev тестирует модели вместе с программным обеспечением, которое внедряет корпоративный контекст, используя внутреннюю оценку Enterprise-Bench — она оценивает работу агентов в условиях, когда данные существуют в нескольких версиях, информация хранится в разных системах и доступ зависит от роли пользователя. Именно это и есть сложные корпоративные условия, которых большинство демонстраций намеренно избегают.
В бенчмарке Enterprise-Bench, Computer оказался на 48% точнее ведущей AI-модели при выполнении идентичных корпоративных задач, используя при этом в 4,4 раза меньше токенов на правильный ответ.
«Мы хотим по-настоящему реализовать обещание самообслуживания» — Ахмед Башир, технический директор DevRev
Архитектура доверия: права доступа и контроль
Самая большая проблема корпоративных AI-агентов — не интеллект, а доверие. Агент может ошибиться, получить доступ к чужим данным или предпринять неправомерное действие.
Система, реализованная под названиями Computer и Operator, создана для работы с актуальными корпоративными данными в рамках установленных разрешений и рабочих процессов согласования. DevRev сочетает модель с оболочкой, которая снабжает агента бизнес-контекстом, применяет правила доступа и управляет тем, что агент вправе делать. Когда запрос требует повышенных прав, суждения или является исключением, агент передаёт задачу оператору-человеку.
Организации могут подключить Computer к существующим системам, закодировать пользовательскую бизнес-логику через повторно используемые навыки, выровнять поведение агента со стандартами бренда, а также мониторить производительность и средства управления. Встраивая контроль на уровнях данных, запросов и выполнения, Agent Studio решает центральную корпоративную проблему: как масштабировать AI с подотчётностью.
Agent Studio: конструктор агентов без кода
Agent Studio — это платформа, позволяющая командам создавать, развёртывать и управлять кастомными AI-агентами в масштабе. Это означает, что системный администратор или руководитель службы поддержки может настроить поведение агента без привлечения разработчиков.
Вместо классического поиска по базе знаний DevRev использует граф знаний для отображения связей между клиентами, проблемами, функциями продукта и известными ошибками. Когда поступает обращение, агент может выявить, что три других корпоративных клиента сообщали об аналогичной ошибке на прошлой неделе, инженеры отметили её как известную проблему, а исправление выйдет в следующем спринте.
Конкурентная среда
Рынок переполнен: ServiceNow уже позиционирует автономных AI-агентов как ключевой элемент трансформации управления сервисом и расширения возможностей самообслуживания. Однако DevRev делает ставку на глубину корпоративной интеграции и прозрачность действий агента.
Что дальше?
Следующая цель DevRev — развить Operator для обработки более длинных и сложных запросов, сохраняя при этом отслеживаемость, управление правами и обратимость каждого действия.
Совместная работа DevRev и GPT-6.1 Sol демонстрирует новую парадигму корпоративного AI: не просто «умный чат-бот», а полноценный агент, встроенный в бизнес-процессы компании с чёткими границами полномочий, прозрачностью действий и возможностью откатить любое изменение.
Для российских компаний, рассматривающих внедрение AI-агентов в корпоративную поддержку, кейс DevRev показывает: ключ к успеху — не максимально мощная модель, а правильный баланс между качеством рассуждения, скоростью и экономической эффективностью, подкреплённый жёсткой системой управления правами доступа.