Чем эта система отличается от обычного AI-ассистента для ИТ-поддержки?

BMC Helix строит иерархию специализированных субагентов: отдельные компоненты отвечают за анализ логов, поиск аномалий, root cause analysis и remediation planning. Они обмениваются гипотезами между собой и используют миллионы связей между активами, чтобы находить первопричины инцидентов.

Как BMC обучает AI-агентов работе с реальными сбоями в инфраструктуре?

Компания создает синтетические «gym» среды дата-центров, где агенты круглосуточно намеренно создают и устраняют сбои. Это позволяет генерировать специализированные операционные данные для обучения, а не полагаться только на текстовые foundation models.

Какой практический эффект заявляют для ИТ-команд?

По данным BMC Helix, использование системы дает клиентам снижение затрат на 25–50% и уменьшает число повторяющихся outage за счет автоматического поиска причин и планирования устранения инцидентов.

Новости

BMC Helix развивает AI-агентов для автоматического управления ИТ-инцидентами

Обновлено: 3 августа 2026 г.

Инфографика: 25–50% снижение затрат — Графика: hegai.media

BMC Helix разрабатывает систему с AI-агентами для автоматизации работы корпоративных ИТ-команд. Платформа должна сама выявлять аномалии, находить первопричины сбоев через миллионы связей между активами, предлагать варианты устранения проблем и обучаться на каждом обработанном инциденте.

Как сообщает Eye on AI (Craig Smith podcast), архитектура построена вокруг набора специализированных субагентов. Одни компоненты анализируют логи, другие ищут аномалии, занимаются root cause analysis или планированием remediation. Система работает иерархически: агенты передают друг другу гипотезы, пока не приходят к итоговому ответу. При этом модель адаптируется под подход конкретной ИТ-команды, а не опирается на универсальные инструкции.

В BMC Helix также рассказали о разработке так называемых «gym», синтетических сред дата-центров, где AI-агенты намеренно создают сбои и круглосуточно учатся их устранять. По словам представителей компании, такой подход нужен для генерации специализированных операционных данных, поскольку текстовых foundation models уже недостаточно. В BMC Helix утверждают, что для клиентов это дает снижение затрат на 25–50% и уменьшает количество повторяющихся сбоев.

Ключевые факты

BMC Helix описывает архитектуру из специализированных субагентов для анализа логов, поиска аномалий и remediation planning
Система использует миллионы связей между активами для поиска первопричин инцидентов
Компания разрабатывает синтетические среды «gym», где AI-агенты круглосуточно создают и устраняют сбои
По данным BMC Helix, клиенты получают снижение затрат на 25–50% и меньше повторяющихся outage

Вопросы и ответы

Чем эта система отличается от обычного AI-ассистента для ИТ-поддержки?: BMC Helix строит иерархию специализированных субагентов: отдельные компоненты отвечают за анализ логов, поиск аномалий, root cause analysis и remediation planning. Они обмениваются гипотезами между собой и используют миллионы связей между активами, чтобы находить первопричины инцидентов.
Как BMC обучает AI-агентов работе с реальными сбоями в инфраструктуре?: Компания создает синтетические «gym» среды дата-центров, где агенты круглосуточно намеренно создают и устраняют сбои. Это позволяет генерировать специализированные операционные данные для обучения, а не полагаться только на текстовые foundation models.
Какой практический эффект заявляют для ИТ-команд?: По данным BMC Helix, использование системы дает клиентам снижение затрат на 25–50% и уменьшает число повторяющихся outage за счет автоматического поиска причин и планирования устранения инцидентов.

Ключевые факты

Вопросы и ответы

Контекст по теме