Объявление ServiceNow о новой основе данных — это не столько история про более умного чат-бота, сколько попытка закрыть болезненный для крупных компаний разрыв: ИИ уже умеет отвечать, но часто не может безопасно и точно выполнить работу. В мае 2026 года ServiceNow представила набор возможностей — Context Engine, Autonomous Data Analytics и Workflow Data Fabric, — которые должны дать автономным ИИ-агентам живые, управляемые данные по всей организации ^[5].

Главная идея проста: агент не может действовать вслепую. Ему нужно понимать, какая заявка сейчас активна, какие данные свежие, где находится «истина» в системе учёта, какое правило применимо и когда требуется передать задачу человеку.

В чём настоящая проблема

Автономные ИИ-агенты обещают больше, чем пересказ документов или черновик ответа клиенту. ServiceNow описывает свои AI Agents как системы, которые могут автономно выполнять работу в ИТ, клиентском сервисе, HR и других бизнес-направлениях ^[1]. Но такая автономность требует не только языковой модели. Нужен операционный контекст: текущее состояние процесса, права доступа, история изменений, связанные записи и понимание того, в какой системе нужно зафиксировать результат.

Именно здесь у предприятий чаще всего начинается «узкое горлышко». Данные разложены по приложениям, отделам, хранилищам, тикет-системам и рабочим процессам. Если агент видит только фрагмент картины, он может выдать правдоподобный ответ, но не сможет корректно выполнить следующий шаг. CXO Insight описывал обновления платформы ServiceNow на Knowledge 2026 как попытку вывести компании из состояния «AI chaos» — хаоса ИИ-инициатив между рабочими процессами, системами и подразделениями ^[3].

Почему речь идёт не об ответах, а о действиях

Ключевой сдвиг — от ИИ-помощника к ИИ-исполнителю. По данным TechTarget, в ServiceNow считают, что большая часть корпоративного ИИ сегодня останавливается на ответе, результате или инсайте: он резюмирует, рекомендует, предлагает, но этого недостаточно для автономной сквозной работы ^[7].

Для обычного чат-бота часто достаточно статичной базы знаний. Для корпоративного агента, который должен закрыть заявку, обновить запись или запустить следующий этап процесса, этого мало. Ему нужно знать:

• имеет ли он право действовать;
• какие данные актуальны именно сейчас;
• какой шаг в процессе должен быть следующим;
• где находится авторитетная запись;
• как зафиксировать действие так, чтобы его можно было проверить позже.

Поэтому ServiceNow так подчёркивает связку «живые данные + управление». В своём объявлении компания представляет live, governed enterprise intelligence — актуальную и управляемую корпоративную информацию — как основу для агентной работы ^[5].

Что именно добавляет ServiceNow

В запуске названы три ключевые возможности:

• Context Engine — часть основы, которая должна предоставлять агентам контекст на базе живой и управляемой корпоративной информации ^[5].
• Autonomous Data Analytics — компонент для ИИ-аналитики по корпоративным данным в рамках той же основы ^[5].
• Workflow Data Fabric — слой, который ServiceNow описывает как часть фундамента, дающего автономному ИИ управляемые данные для действий по всей компании ^[5].

Важно, что это не просто централизованная отчётность ради красивых дашбордов. Логика ServiceNow в другом: сделать данные пригодными для использования прямо внутри рабочих процессов, где агенты могут анализировать ситуацию, координироваться и выполнять действия.

Материалы ServiceNow по AI Agents также описывают AI Agent Fabric — среду, где агенты ServiceNow и сторонние агенты могут взаимодействовать. Для обмена между агентами упоминается протокол A2A, а для получения контекста из внешних инструментов, данных и систем — Model Context Protocol, или MCP ^[1]. Для русскоязычного читателя это можно перевести на практический язык так: ServiceNow хочет, чтобы агент не был изолированным ботом в одном приложении, а мог получать данные и взаимодействовать с другими агентами и системами в рамках управляемой архитектуры.

Простыми словами: ServiceNow борется с набором разрозненных ботов

Без общей картины автономный ИИ быстро превращается в «зоопарк» ассистентов. Один агент знает номер тикета, второй — клиента, третий — состояние инфраструктуры, четвёртый — правила HR-процесса. Но ни у одного нет достаточно полного контекста, полномочий и контроля, чтобы довести задачу до конца.

Итогом становится фрагментированная автоматизация: полезные подсказки есть, но реального исполнения мало. Именно поэтому общий посыл ServiceNow на Knowledge 2026 строился вокруг единой платформы, которая соединяет данные, решения, исполнение и доверие, а не вокруг отдельных ИИ-пилотов ^[3]. В этой картине новая основа данных играет роль соединительной ткани: она должна сообщать агентам, что происходит сейчас, какие правила применимы и куда должен двигаться процесс.

Governance здесь не дополнение, а условие работы

Для корпоративных агентов вопрос «может ли он действовать?» неотделим от вопроса «должен ли он действовать?». Источники, описывающие стратегию ServiceNow вокруг автономной рабочей силы, подчёркивают управляемое исполнение в рабочих процессах и необходимость отслеживать, что делают агенты и какие данные используют ^[6][8]. Поэтому в объявлении ServiceNow живые данные постоянно идут в паре с управляемыми данными ^[5].

Риск автономного агента — это не только неправильный ответ. Гораздо опаснее неправильное действие: обновление не той записи, неверная эскалация, запуск процесса без нужного согласования или действие за пределами полномочий. Поэтому права доступа, журналирование, маршруты эскалации и участие человека становятся не второстепенными настройками, а частью архитектуры. Практические рекомендации по внедрению агентных рабочих процессов ServiceNow также выделяют чёткие цели, human-in-the-loop-контроль и надёжные механизмы аудита ^[2].

Что компаниям стоит проверить перед внедрением

Объявление ServiceNow хорошо отвечает на стратегический вопрос «зачем». Но покупателям всё равно придётся проверять операционный вопрос «как именно». Ключевые проверки выглядят так:

• к каким системам и источникам данных новая основа реально сможет подключиться;
• насколько «реальным временем» будут данные для конкретного сценария;
• как будут применяться права, согласования и исключения;
• что покажет аудит после действия агента;
• смогут ли агенты обновлять системы учёта или только рекомендовать действия;
• где и по каким правилам работу должен перехватывать человек.

Именно эти детали определят, станет ли платформа настоящим слоем исполнения или останется ещё одним интерфейсом поверх разрозненных корпоративных систем.

Вывод

ServiceNow пытается решить не проблему «как заставить ИИ говорить убедительнее», а проблему корпоративного исполнения. Автономные агенты не смогут надёжно закрывать задачи, если у них нет актуального контекста, управляемого доступа к данным и интеграции с рабочими процессами, где действительно происходит бизнес-работа.

Новая основа данных ServiceNow — это попытка сделать ИИ-агентов пригодными для промышленного использования: связать данные, решения и действия под корпоративным контролем ^[5].