Как NTT DATA Group сократила анализ инцидентов до 30 минут с помощью ИИ

Зачем NTT DATA Group понадобился ИИ для анализа инцидентов

NTT DATA Group - глобальный поставщик IT-услуг со штатом в десятки тысяч человек. Ежедневно системы компании генерируют лавину инцидентов: сбои в приложениях, ошибки инфраструктуры, запросы от клиентов. Каждый такой сигнал требует разбора: что случилось, насколько это критично, кто должен реагировать. Ручной анализ одного инцидента занимал часы. Сотрудники вручную читали логи, сопоставляли данные из разных систем, переключались между интерфейсами, заполняли тикеты. С ростом объёмов задержки накапливались, нагрузка на экспертов росла, а скорость реакции падала.

Для бизнеса уровня NTT DATA задержка в обработке инцидента означает простой клиентских сервисов и прямые финансовые потери. Компания искала способ ускорить разбор инцидентов, не нанимая армию дополнительных специалистов, и не жертвуя безопасностью корпоративных данных. Ответом стала связка из двух инструментов: ChatGPT Enterprise и Codex. Результат - среднее время анализа инцидента сократилось до 30 минут для 9 000 сотрудников.

Что именно сделали: ChatGPT Enterprise и Codex в связке

Ускорение достигнуто не одним инструментом, а их комбинацией. ChatGPT Enterprise взял на себя понимание текста и генерацию решений. Codex автоматизировал рутинные операции внутри рабочих процессов. Вместе они замкнули цикл: от получения сигнала до готового отчёта и запуска исправления.

ChatGPT Enterprise: безопасный ИИ-ассистент для каждого сотрудника

Обычный публичный ChatGPT не подходит для корпоративных данных. Передавать описания инцидентов, логи и внутренние регламенты в общедоступный сервис - прямой путь к утечке. NTT DATA выбрала ChatGPT Enterprise. Эта версия обеспечивает сквозное шифрование данных, не использует запросы клиентов для обучения моделей и предоставляет администраторам полный контроль над доступом и аудит действий.

Благодаря этому 9 000 сотрудников получили безопасный доступ к ИИ-ассистенту. ChatGPT Enterprise анализирует текстовое описание инцидента, определяет категорию, предлагает вероятные причины и шаги по устранению, генерирует черновик отчёта. Раньше эксперт тратил час на чтение логов и поиск похожих случаев в базе знаний. Теперь ассистент выдаёт сводку за секунды, а человек проверяет и при необходимости уточняет. Это напоминает подход, который мы разбирали в кейсе о глубоком контексте в кибербезопасности: ИИ не заменяет специалиста, а даёт ему полную картину для быстрого решения.

Codex: автоматизация рутины за кулисами

ChatGPT Enterprise отвечает за смысловую часть. Но сам по себе текст не закрывает тикет и не запускает скрипт диагностики. Эту работу берёт на себя Codex - инструмент, который преобразует инструкции на естественном языке в исполняемый код и автоматизирует повторяющиеся операции.

Вот конкретный пример. Раньше сотрудник получал уведомление о сбое, открывал систему мониторинга, копировал параметры инцидента, переключался в тикет-систему, вручную заполнял поля, назначал ответственного и запускал скрипт первичной диагностики. Теперь Codex генерирует и выполняет цепочку действий автоматически: классифицирует инцидент по заранее заданным правилам, создаёт тикет с заполненными полями, маршрутизирует его нужной группе и запускает диагностический скрипт. Сотрудник видит уже готовую карточку инцидента с результатами первичного анализа. Его задача - принять решение, а не перекладывать данные из окна в окно. Для тех, кто хочет глубже разобраться в создании подобных агентов без программирования, у нас есть обзор платформы «Когнитрон» от Росатома, где похожие процессы настраиваются через интерфейс на естественном языке.

Результат: 30 минут вместо нескольких часов

До внедрения ИИ полный цикл анализа инцидента - от поступления сигнала до готового заключения и назначения исполнителя - занимал несколько часов. После подключения ChatGPT Enterprise и Codex среднее время сократилось до 30 минут. Это устойчивый показатель для всей группы из 9 000 пользователей, а не разовая акция пилотной команды.

Прямые выгоды видны в цифрах. Косвенные - не менее значимы. Нагрузка на ведущих экспертов снизилась: они перестали тратить время на типовые инциденты и сосредоточились на сложных случаях. Скорость реакции на клиентские сбои выросла, а время простоя сервисов сократилось. Сотрудники отмечают рост удовлетворённости: исчезла рутина по перекладыванию данных, появилось время на содержательную работу. Это практическое подтверждение тренда, который мы фиксируем в новостях проекта: ИИ-инструменты переходят от экспериментов к реальной экономии часов и денег. Для малого бизнеса похожий путь открывает программа ChatGPT для малого бизнеса, запущенная OpenAI.

Как обеспечить безопасность при масштабном внедрении ИИ

Главный страх руководителя при масштабировании ИИ - утечка конфиденциальных данных. NTT DATA сняла этот риск системно, а не надеясь на сознательность сотрудников. Компания выбрала корпоративную версию ChatGPT с шифрованием и запретом на использование данных для обучения моделей, разграничила права доступа по ролям, настроила мониторинг всех взаимодействий с ИИ и аудит действий. Безопасность встроили в процесс, а не прикрутили постфактум.

Обучение сотрудников: ключ к доверию и эффективности

Технология - лишь половина решения. Если сотрудники не понимают, как работает ИИ, они либо не используют его, либо применяют неправильно. NTT DATA запустила программу обучения для всех 9 000 пользователей. Им объяснили возможности и ограничения инструментов, научили формулировать запросы, проверять ответы и эскалировать сложные случаи, когда ИИ не справляется.

Это сняло страх перед «чёрным ящиком» и повысило adoption rate - долю сотрудников, реально использующих новые инструменты. Люди перестали воспринимать ИИ как угрозу рабочему месту и увидели в нём помощника. Прозрачность правил и понятное обучение - фактор, который часто недооценивают при внедрении. Между тем, как показывает случай с инцидентом GPT-5.6 в стартапе BridgeMind, отсутствие многоуровневых защит и понимания рисков может обернуться катастрофой даже для технологически продвинутых команд.

Уроки NTT DATA: что можно применить в вашей компании

Опыт NTT DATA - не экзотика для гиганта, а набор принципов, которые работают в организациях любого размера. Вот четыре ключевых урока.

1. Начинайте с чёткой бизнес-проблемы, а не с технологии. NTT DATA не внедряла ИИ ради ИИ. Была конкретная боль: часы на анализ инцидентов, растущая нагрузка, задержки реакции. Инструменты подбирались под задачу, а не наоборот. Прежде чем выбирать между ChatGPT, Codex или другими решениями, определите, какой процесс вы ускоряете и в каких единицах измеряете результат.

2. Выбирайте корпоративные версии ИИ для безопасности. Публичные сервисы не предназначены для обработки внутренних данных компании. Корпоративные версии дают шифрование, контроль доступа, аудит и юридические гарантии неиспользования ваших данных для обучения моделей. Это обязательное условие для масштабирования за пределы пилотной группы из пяти энтузиастов.

3. Автоматизируйте не только ответы, но и процессы. ChatGPT Enterprise генерирует текст. Но если после этого сотрудник вручную переносит данные в тикет-систему, выигрыш теряется. Codex в кейсе NTT DATA замкнул цикл: автоматически создал тикет, заполнил поля, запустил скрипты. Ищите в своих процессах похожие ручные передачи данных между системами - это первые кандидаты на автоматизацию.

4. Инвестируйте в обучение сотрудников. Без обучения люди либо саботируют новый инструмент, либо используют его в обход правил безопасности. Программа NTT DATA для 9 000 человек сняла оба риска. Даже небольшой компании стоит потратить день на внутренний воркшоп: объяснить, как работает ИИ, показать примеры хороших и плохих запросов, установить чёткие границы допустимого.

Что дальше: перспективы ИИ в управлении инцидентами

Сокращение времени анализа до 30 минут - промежуточный этап. NTT DATA продолжает расширять использование ИИ. Следующий шаг - предиктивный анализ: система будет предсказывать инциденты до того, как они повлияют на пользователей, анализируя паттерны в логах и метриках. Дальше - автоматическое устранение типовых проблем без участия человека: ИИ не просто сообщает о сбое, а сразу запускает проверенный скрипт восстановления.

Интеграция с другими системами - ещё одно направление. Данные из мониторинга, тикет-систем, баз знаний и коммуникаторов объединяются в единый контур, где ИИ-агенты работают в связке. Это путь от реактивного управления инцидентами к проактивному. Компании, которые пройдут его раньше, получат не только экономию часов, но и устойчивость инфраструктуры, которую сложно скопировать конкурентам.