Компанія, раніше відома як Intercom, щойно зробила те, на що ще жодна велика платформа обслуговування клієнтів не наважувалася в такому масштабі: створила агента штучного інтелекту, єдиним завданням якого є керування іншим агентом ШІ.
Fin Operator, анонсований у четвер під час прямої трансляції в Сан-Франциско, — це нова система на базі ШІ, розроблена спеціально для бек-офісних команд, які налаштовують, моніторять та вдосконалюють Fin — клієнтського агента компанії. Замість того, щоб замінювати людей-операторів підтримки (що робить сам Fin на передовій), Operator націлений на зростаючу армію професіоналів з підтримки, які витрачають свої дні на оновлення баз знань, налагодження збоїв у розмовах та аналіз дашбордів продуктивності.
“Fin — це агент для ваших клієнтів”, — заявив Брайан Донохью, віце-президент з продуктів компанії, в ексклюзивному інтерв’ю VentureBeat напередодні запуску. “Operator — це агент для вашої команди підтримки. Це агент для бек-офісної команди, яка керує Fin, а потім керує своїми людськими агентами”.
Цей анонс з’являється в ключовий момент для компанії. Лише два дні тому генеральний директор Йоган МакКейб офіційно перейменував 15-річну компанію з Intercom на Fin — це агресивний сигнал того, що агент ШІ тепер є бізнесом, а не просто його функцією. Fin нещодавно перетнув позначку у 100 мільйонів доларів річного регулярного доходу і зростає в 3,5 рази. Загальна компанія генерує 400 мільйонів доларів ARR, що означає, що агент ШІ тепер становить приблизно чверть загального доходу і майже все його зростання.
Fin Operator розпочне ранній доступ для користувачів рівня Pro сьогодні, а загальна доступність запланована на літо 2026 року.
Прихована криза за кожним розгортанням ШІ для обслуговування клієнтів
Оскільки компанії змушують своїх агентів ШІ обробляти все більше розмов — сам Fin зараз вирішує понад два мільйони запитів клієнтів щотижня для 8 000 клієнтів по всьому світу, включаючи Anthropic, DoorDash і Mercury — операційна складність цих систем вибухово зросла. Хтось мусить підтримувати базу знань в актуальному стані. Хтось мусить з’ясувати, чому бот потрапив у нескінченний цикл з роздратованим клієнтом минулого вівторка. Хтось мусить аналізувати, чи знизилася швидкість автоматизації після оновлення продукту.
Цей “хтось” — це команда підтримки, і, за словами Донохью, вони тонуть.
“Майже кожна команда підтримки вже займається аналізом даних та управлінням знаннями — це сьогодні базові вимоги”, — сказав Донохью. “Де команди зазнають труднощів, так це у створенні агентів. Це новий набір навичок, і більшість не має на це достатньо часу. Вони запускають першу ітерацію, а потім застрягають”.
Проблема структурна. Агенти підтримки на базі ШІ — це не статичне програмне забезпечення. Вони вимагають постійного налаштування — процесу, який більше схожий на навчання нового співробітника, ніж на налаштування SaaS-інструменту. Кожна розмова з клієнтом є потенційним джерелом збою, і кожен збій вимагає діагностики, аналізу першопричин, виправлення конфігурації, тестування та моніторингу. Це нудно, технічно і невпинно. Fin Operator має на меті стиснути весь цей цикл в розмовний інтерфейс.
Як одна система ШІ одночасно грає роль аналітика даних, менеджера знань та відлагоджувача
Донохью описав Operator як такий, що виконує три окремі ролі, які зазвичай поглинають пропускну здатність команд підтримки: експерт з аналізу даних, експерт з управління знаннями та експерт зі створення агентів.
Як аналітик даних, Operator може відповідати на запити високого рівня, такі як “Як моя команда працювала минулого тижня?”, і генерувати графіки “на льоту”, звіти про тенденції та поглиблений аналіз усіх даних, що вже зберігаються на платформі Intercom. Компанія завантажила Operator контекстними знаннями про специфічні для клієнта атрибути даних, щоб допомогти йому точно інтерпретувати метрики, специфічні для робочого простору.
Як менеджер знань, Operator може обробляти оновлення продукту — наприклад, тристорінковий PDF-документ, що описує нову функцію — та автономно шукати в усій бібліотеці контенту компанії, щоб визначити, що потрібно змінити. Він знаходить прогалини, створює нові статті, пропонує редагування існуючих та представляє все в інтерфейсі перегляду у форматі “diff”. Базова пошукова система — це та сама система семантичного пошуку, яку Intercom будувала та оптимізувала для Fin протягом понад двох років.
“У сфері управління знаннями ви отримуєте таке стиснення часу, коли щось, що займало б години, а то й дні, виконується приблизно за 10 хвилин”, — сказав Донохью.
Як конструктор агентів, Operator представляє те, що компанія називає “навичкою налагодження” (debugger skill). Команди підтримки можуть вставити посилання на розмову, де Fin поводився неправильно, і Operator відстежить кожен крок внутрішнього мислення Fin, виявить першопричину — часто це шматок інструкції, який ненавмисно створює цикл — запропонує переписування, проведе бектестування зміни проти оригінальної розмови, а потім запропонує створити монітор виробництва для виявлення подібних проблем у майбутньому.
“Це буквально те, що робить наша команда професійних послуг”, — пояснив Донохью. “Ви написали інструкцію, яка ненавмисно змушує Fin повторюватися — це трапляється часто. Ви цього не усвідомлювали, але ніколи не дали йому вихідний люк”.
Захисна сітка “pull request”, яка тримає людей під контролем змін ШІ
Одним із найважливіших проектних рішень у Fin Operator є те, що компанія називає “системою пропозицій” (proposal system) — механізмом, який функціонує як “pull request” у програмній інженерії.
Кожна зміна, яку рекомендує Operator — чи то редагування статті довідки, переписування правила інструкцій ШІ, чи створення нового QA-монітора — з’являється як пропозиція з повним переглядом змін (diff view). Користувачі можуть переглядати, редагувати та затверджувати кожну зміну перед тим, як вона набуде чинності. Ніщо не виходить в “життя” без натискання людиною кнопки “Застосувати”.
“Наразі ми не приймаємо жодного ризику — Fin не може вносити жодних змін до системи без схвалення людини”, — наголосив Донохью. “Ніщо не виходить в ‘життя’, доки людина не натисне ‘Застосувати'”.
Це помітний архітектурний вибір. На ринку, який все більше захоплюється повністю автономними системами ШІ, компанія свідомо зберігає ворота людського схвалення — принаймні, наразі. Донохью визнав, що це буде розвиватися, але сказав, що поточний момент вимагає обережності: “Це занадто великий стрибок, щоб просто дозволити Operator автоматично вносити зміни, а потім сказати команді: ‘Гей, я розповім тобі, що я зробив'”.
Для корпоративних покупців, які оцінюють інструменти ШІ, цей пункт дизайну має значення. Це різниця між системою ШІ, яка пропонує зміни, і тією, яка їх втілює — розбіжність, яку команди з дотримання нормативних вимог, офіцери безпеки та менеджери з ризиків будуть уважно вивчати.
Чому Fin Operator працює на Claude від Anthropic, а не на власних моделях ШІ компанії
У показовій технічній деталі Донохью підтвердив, що Fin Operator не використовує власні пропрієтарні моделі Apex компанії — ті самі кастомні моделі ШІ, які живлять клієнтського агента Fin і які компанія рекламувала як такі, що перевершують GPT-5.4 та Claude Sonnet 4.6 за бенчмарками обслуговування клієнтів.
Натомість Operator працює на Claude від Anthropic.
“Ми не використовуємо наші власні моделі”, — сказав Донохью. “Вони призначені для безпосередньої відповіді на запитання клієнтів, тоді як ці ближче до того, для чого найкраще підходять передові моделі. Це дійсно ближче до програмної інженерії”.
Розбіжність є показовою. Моделі Apex від Fin оптимізовані для однієї мети: вирішення розмов з клієнтами з мінімальною галюцинацією та максимальною точністю. Завдання Operator — аналіз даних, написання конфігурацій, подібних до коду, налагодження складних ланцюжків міркувань — вимагають іншого типу інтелекту. Донохью охарактеризував ці можливості як більш близькі до програмної інженерії, галузі, де моделі Claude від Anthropic були спеціально оптимізовані.
Компанія не виключає створення власних моделей для Operator у майбутньому, але Донохью позиціонував це як пріоритет нижчого рівня. Він стверджував, що те, що команда створила навколо Claude, є диференційованим шаром: система пропозицій, навичка налагодження, інтеграція семантичного пошуку, логіка прив’язки даних та можливості побудови графіків, які роблять Operator чимось більшим, ніж просто “Claude всередині додатку”.
Ранні бета-тестувальники кажуть, що Fin Operator відчувається як додавання п’яти людей до команди
Fin Operator наразі перебуває в бета-версії приблизно з 200 клієнтами, кількість яких, за словами Донохью, “досить швидко зросла за останні кілька тижнів”.
Констанціна Самара, віце-президент з підтримки клієнтів, навчання та довіри в Synthesia, сказала, що інструмент вже змінив спосіб роботи її команди: “Раніше покращення обробки розмов Fin часто означало самостійний перегляд усього — розмови, конфігурації, контенту. З Fin Operator ви просто запитуєте. Він пояснює, що сталося, і робить покращення Fin набагато простішим”.
Джордан Томпсон, аналітик розмовних ШІ в Raylo, повідомив, що він щодня використовує Operator і проводив прямі порівняння між аналізом Operator та своєю власною ручною роботою. “Це дуже точно”, — сказав Томпсон. “Це так само сильно в аналізі тенденцій високого рівня, як і в налагодженні окремих розмов. Це справжнє обмеження при використанні LLM-з’єднувача самостійно — ви отримуєте розмовну глибину, але нічого щодо звітності чи тенденцій”.
Донохью також поділився внутрішньою історією від власної команди управління знаннями компанії. Бет, яка керує операціями зі знань, сказала команді продукту, що Operator змусив її відчути, ніби у неї “п’ять додаткових людей у команді”. Чи мають внутрішні свідчення такої ж ваги, як зовнішня валідація клієнтів, це спірне питання, але Донохью сказав, що випадок використання управління знаннями стабільно генерує найбільш вражаючі реакції, оскільки економія часу настільки вражаюча — скорочення годин або днів аудиту контенту приблизно до 10 хвилин.
Нова модель ціноутворення сигналізує про те, як ШІ змінює економіку корпоративного програмного забезпечення
Fin Operator буде доступний у пакеті Pro компанії — відносно новому пакеті, який вже включає розширені аналітичні функції, такі як оцінка CX, виявлення тем, виявлення проблем у реальному часі та моніторинг якості як для розмов ШІ, так і для людських операторів.
Модель ціноутворення запроваджує щось нове для компанії: плату за використання. Intercom історично покладався на ціноутворення на основі результатів — стягуючи приблизно 0,99 долара за розмову, яку Fin вирішує без втручання людини. Робота Operator не відповідає цій моделі, оскільки вона призводить до змін конфігурації, а не до вирішення проблем клієнтів.
“Це спонукало нас до іншої моделі, перейти до моделі використання для команд підтримки”, — сказав Донохью. “Ми спробуємо бути щедрими з обсягами використання, що входять до Pro, але для тих, хто значно навантажує систему, у нас буде можливість купувати додаткові блоки використання”.
За цим зрушенням варто спостерігати. Ціноутворення на основі результатів було однією з найбільш відмінних позицій компанії на ринку — ставка на те, що клієнти платитимуть за результати, а не за місця. Поширення цієї філософії на внутрішню операційну роботу виявилося непрактичним, що свідчить про те, що, оскільки агенти ШІ беруть на себе більш різноманітні ролі в організації, моделі ціноутворення, які їх підтримують, повинні будуть стати настільки ж різноманітними.
Як Fin Operator виглядає на тлі конкурентів у сфері обслуговування клієнтів на базі ШІ
Fin Operator виходить на все більш конкурентний ринок. Zendesk, Salesforce, Sierra та сузір’я стартапів, що працюють виключно на ШІ, створюють версії інструментів підтримки операцій на базі ШІ. Загальний ринок автоматизації ШІ, за прогнозами Grand View Research, досягне 169 мільярдів доларів у 2026 році, зростаючи зі складною річною ставкою 31,4%.
Але Донохью стверджував, що диференціація Operator полягає у двох сферах. По-перше, широта: Operator працює по всій поверхні системи конфігурації компанії — дані, контент, процедури, симуляції, інструкції та моніторинг — замість того, щоб вирішувати одну вузьку проблему. По-друге, той факт, що він охоплює як ШІ, так і людські операції.
“Найголовніше, де, на нашу думку, ми маємо найбільшу диференціацію, це тому, що він призначений як для вашої людської системи, так і для вашої ШІ-системи”, — сказав Донохью. “Це справді один з наших унікальних просторів — мати повноцінного агента ШІ та повноцінну службу підтримки, а Operator працює для обох”.
Конкурентне позиціонування також виграє від часу. Нещодавній корпоративний ребрендинг компанії з Intercom на Fin сигналізує про повну прихильність до ШІ, яку традиційні гравці можуть не встигнути надолужити. Як писав генеральний директор МакКейб, анонсуючи зміну назви, агент ШІ “незабаром стане найбільшою частиною нашого бізнесу”. Продукт для служби підтримки продовжується як Intercom 2, але материнська компанія тепер носить ім’я свого агента ШІ — маркетинговий хід, який деякі галузеві спостерігачі інтерпретували як позиціонування перед IPO. Fin API Platform, запущена на початку квітня, додає ще один вимір: компанія відкрила свої власні моделі Apex для сторонніх розробників і навіть запропонувала ліцензувати технологію прямим конкурентам, таким як Decagon і Sierra.
Справжня зміна парадигми — це не новий чат-інтерфейс, а агент, який думає за вас
Відійшовши від специфіки продукту, Fin Operator представляє щось потенційно більш значуще, ніж новий дашборд або аналітичний інструмент. Це один з перших комерційних продуктів, який явно втілює нову парадигму агентів ШІ, що керують іншими агентами ШІ — двошарову абстракцію, яка починає змінювати те, як компанії думають про операційне програмне забезпечення.
Донохью був категоричним у цьому пункті. Справжня зміна парадигми, стверджував він, — це не той чат-інтерфейс, який замінює кнопки та меню. Це те, що ШІ виконує реальну роботу зі знаннями — з’ясовує, що слід змінити, чому і як.
“Зміна UX є вторинною, хоча й найбільш помітною”, — сказав Донохью. “Зміна полягає в тому, що ми визначаємо та виконуємо роботу підтримки. Він виконує роботу менеджера знань, щоб йому лише потрібно було це схвалити. Це величезна зміна”.
Аналогія з програмною інженерією є доречною. За останній рік кодуючі агенти ШІ фундаментально змінили щоденний робочий процес розробників, перемістивши їхню основну відповідальність з написання коду на перегляд та керування ШІ, який його пише. Донохью бачить ту саму трансформацію, що насувається на професіоналів підтримки.
“Інженери-програмісти — три місяці перевернули їхній світ, де їхня основна робота тепер полягає в управлінні агентами, які фактично пишуть код”, — сказав він. “Так само тепер, підтримка, ваша робота — керувати агентом, який керує агентом для ваших клієнтів”.
Чи виправдається це бачення в корпоративному масштабі, ще належить з’ясувати. Компанія все ще запускає Operator у бета-версії саме тому, що хоче продовжувати покращувати якість шляхом того, що Донохью описав як ретельний процес налагодження розмови за розмовою. “Ми витратили три місяці, розмову за розмовою, навчаючись, виправляючи, навчаючись, виправляючи, щоб зробити її надійною”, — сказав він.
Але якщо початкові результати збережуться, Fin Operator може стати попередником того, як виглядатиме наступне покоління корпоративного програмного забезпечення: не інструменти, які допомагають людям працювати швидше, а агенти, які роблять роботу самі, підлягаючи людському судженню та схваленню. Для керівників відділів обслуговування клієнтів, які вже використовують агентів ШІ у виробництві, питання більше не стоїть просто “наскільки хороший мій бот?”. Тепер неминуче постає питання: “хто ним керує?”. І все частіше відповіддю буде інший бот.
Прогноз ІТ-Блогу: Fin Operator, ймовірно, стане каталізатором розвитку агенто-орієнтованих систем управління, де ШІ-моделі будуть використовуватися не тільки для безпосередньої взаємодії з клієнтами, але й для оптимізації та контролю роботи інших ШІ. Це може призвести до появи нових стандартів безпеки та етичних норм ШІ, що регулюватимуть взаємодію цих багаторівневих систем.
Дізнатися більше на: venturebeat.com