Суперагент Catalyst от Serval задействует фоновых агентов для поиска и устранения IT-проблем до того, как по ним будут созданы тикеты

Компания Serval выпускает Catalyst — своего ИИ-агента для создания корпоративной автоматизации, который с четверга становится общедоступным и включается для клиентов по умолчанию. Это решение позволяет командам ИИ-агентов самостоятельно определять, что именно следует автоматизировать, и разрабатывать необходимые процессы.

Catalyst располагается поверх ИИ-нативной платформы управления услугами от Serval в роли «суперагента» для администраторов. Он может изучать историю обращений, стандартные операционные процедуры или инструкции на естественном языке, выявлять повторяющиеся задачи, а также формировать рабочие процессы, навыки, формы, политики доступа, сценарии и информационные панели, необходимые для их автоматизации.

Serval также использует Catalyst для создания фоновых агентов, которые непрерывно проверяют подключенные системы на предмет возникающих проблем и предлагают решения до того, как сотрудник создаст обращение в техподдержку.

Это различие принципиально, поскольку поставщики решений для корпоративного управления услугами стремительно движутся в сторону создания рабочих процессов с помощью искусственного интеллекта.

Build Agent от ServiceNow уже умеет переводить инструкции на естественном языке в полностековые приложения, потоки, скрипты и другие метаданные платформы, в то время как его ИИ-агент Advisor способен анализировать записи в системе для выявления возможностей автоматизации. Rovo от Atlassian генерирует сценарии автоматизации Jira на основе требований на обычном английском языке, а Freshworks предлагает Freddy AI Agent Studio для создания сервисных агентов, действующих в рамках рабочих процессов Freshservice.

Таким образом, претензия Serval на уникальность звучит более узко — и потенциально весомее, — чем простое «мы используем ИИ для создания рабочих процессов». Catalyst задуман как единый административный уровень, способный пройти путь от обнаружения возможности до сборки множества видов управляемой автоматизации и создания проактивных агентов, которые продолжают искать новые задачи для автоматизации.

«Вы просто начинаете с единого запроса, и вот у вас уже есть готовые к развертыванию рабочие процессы корпоративного уровня, которые решат проблему сброса паролей для всей компании», — рассказал в интервью VentureBeat соучредитель и генеральный директор Serval Джейк Стоуч (Jake Stauch).

От истории обращений к работающей автоматизации

В Serval заявляют, что Catalyst анализирует существующие данные службы поддержки еще до того, как организация решит, что именно нужно автоматизировать. Если он находит повторяющуюся категорию запросов, то может составить проект автоматизации для их решения и подготовить результат для проверки администратором. Пользователи также могут загрузить стандартную процедуру (SOP) или электронную таблицу и попросить Catalyst превратить задокументированный процесс в исполняемую систему.

Документация Serval утверждает, что Catalyst умеет строить рабочие процессы, создавать навыки службы поддержки, настраивать процессы адаптации и увольнения сотрудников, конфигурировать политики управления доступом, строить информационные панели, расследовать операционные проблемы и отлаживать неудачные запуски рабочих процессов. В отличие от предыдущего конструктора рабочих процессов Serval, Catalyst призван стать основным интерфейсом для настройки платформы; компания заявляет, что ее долгосрочная цель — сделать так, чтобы все, что администратор может сделать через пользовательский интерфейс, можно было сделать и с помощью Catalyst.

Реальные рабочие процессы подкреплены кодом. В ходе демонстрации Стоуч показал, как Catalyst получает запрос на создание процессов сброса паролей, обнаруживает подключенные системы (включая Okta, Google Workspace и Microsoft Entra) и генерирует базовый код TypeScript, необходимый для выполнения этих действий. Затем администраторы могут добавить этапы утверждения или ограничить круг лиц, имеющих право запускать этот рабочий процесс.

Базовые модели под капотом Catalyst можно менять по своему усмотрению

Serval не создает собственную базовую модель. Стоуч сообщил в интервью, что компания использует модели от «передовых лабораторий» (frontier labs), проводит оценки для определения того, какие модели лучше всего подходят для конкретных задач, и сознательно придерживается независимости от моделей. «Вы можете менять разные модели», — отметил он, добавив, что Serval также работает с предприятиями, которые создают собственные модели.

Стоуч поделился более подробной информацией в интервью Sequoia Capital в мае 2026 года, сообщив, что Serval использует модели как от OpenAI, так и от Anthropic. По его словам, модели GPT от OpenAI показали себя лучше всего при взаимодействии с конечными пользователями и вызове инструментов (tool calling), в то время как модели Sonnet и Opus от Anthropic продемонстрировали наилучшие результаты в генерации кода для системы автоматизации Serval — нагрузке, которая наиболее непосредственно связана с Catalyst. Serval постоянно проводит тесты производительности (evals), а не переносит автоматически каждую рабочую нагрузку на самый свежий релиз модели, добавил Стоуч.

Благодаря такой архитектуре базовая большая языковая модель (LLM) играет менее центральную роль в дифференциации Serval. Документация самой компании теперь позволяет администраторам организаций предоставлять собственные ключи API OpenAI или Anthropic (включая совместимую пользовательскую конечную точку), в то время как, по словам Стоуча, более широкая архитектура поддерживает интеграцию различных моделей.

Однако материалы не подтверждают, что каждый пользователь Catalyst получает меню самообслуживания для произвольного выбора отдельной модели. Вместо этого стратегия Serval заключается в том, что ее собственная ценность заключается в «обвязке» вокруг этих моделей: корпоративном контексте и памяти, интеграциях, сгенерированном коде, разрешениях, одобрениях и элементах управления, определяющих, что агент фактически может делать.

Эта модель генерации кода лежит в основе позиционирования Serval в конкурентной борьбе с ServiceNow. Стоуч утверждает, что устаревшие внедрения ITSM часто накапливают пользовательские таблицы, бизнес-правила, рабочие процессы и специфичные для платформы знания, из-за чего кажущиеся простыми изменения в автоматизации обходятся дорого. Serval же, напротив, хочет, чтобы администраторы и бизнес-команды описывали нужный результат, а модель генерировала его реализацию.

Но ServiceNow больше не стоит на месте на этом фронте. Ее текущий Build Agent точно так же создает приложения и код на основе запросов на естественном языке, поддерживает проектирование и тестирование процессов, а также работает внутри структуры управления ServiceNow. AI Agent Studio от ServiceNow позволяет клиентам создавать агентов и агентские рабочие процессы, в то время как AI Agent Advisor явно предназначен для анализа операционных записей в поисках кандидатов на автоматизацию.

Таким образом, вопрос конкуренции смещается от «у кого есть генеративный ИИ?» к тому, сколько отдельных инструментов, концепций конфигурации и специалистов требуется для перехода от наблюдаемой операционной проблемы к работающей автоматизации.

Serval фактически утверждает, что Catalyst сжимает эти шаги в единый диалоговый интерфейс и меньшую по масштабу модель платформы. ServiceNow, для сравнения, теперь располагает мощным, но более широким набором инструментов ИИ и разработки, охватывающим Build Agent, AI Agent Studio, AI Agent Advisor, Workflow Studio и AI Control Tower. Эта широта возможностей является преимуществом для клиентов, уже глубоко инвестировавших в ServiceNow, но она также иллюстрирует сложность, с которой борется Serval. Сама ServiceNow отмечает, что Build Agent ориентирован на администраторов и разработчиков, которые понимают сгенерированный им результат и могут его поддерживать.

Atlassian движется в том же направлении, но с другой отправной точки. Rovo может генерировать правила автоматизации типа «если происходит это, то происходит то» на основе описаний на естественном языке, в то время как Jira Service Management все активнее поддерживает агентов, которые занимаются триажем, расследованием и выполнением сервисных задач.

Аналогичным образом Freddy AI Agent Studio от Freshworks делает акцент на агентах, решающих запросы от начала и до конца, предлагая готовых ИТ- и HR-агентов и более 30 шаблонов рабочих процессов.

Преимущество Catalyst заключается не в том, что конкуренты не умеют генерировать автоматизацию из одного предложения. Смысл в попытке Serval сделать агентским весь жизненный цикл автоматизации целиком.

Создание агентов, которые ищут проблемы до появления тикета

Этот подход ярче всего проявляется в фоновых агентах Serval.

Вместо того чтобы ждать обращения в службу поддержки, фоновый агент может запускаться по расписанию в связанных системах, сопоставлять сигналы и готовить проект устранения неполадок. В одном из примеров клиентского опыта от Serval агент сопоставил сетевые инциденты в двух офисах с помощью телеметрии с коммутаторов, данных DHCP и исторических тикетов, исключил аппаратные сбои и беспроводные помехи, выявил проблему в виде дрейфа конфигураций (configuration drift) и сформировал рабочий процесс по ее исправлению для одобрения администратором.

«Большинство ИИ-агентов сегодня ждут, пока сотрудник задаст вопрос или отправит тикет, — говорит Стоуч. — Мы верим, что будущее за ИИ, который действует до того, как сотрудник вообще отправит запрос».

Такая формулировка также подчеркивает философское отличие в подходе Serval. Стартап не хочет, чтобы управление услугами строилось вокруг создания, маршрутизации и отслеживания лучших тикетов. Он стремится к тому, чтобы система устраняла как можно больше запросов, превращая повторяющуюся работу по поддержке в исполняемую автоматизацию.

«Большая часть кода, написанного на предприятиях, не имеет никакого отношения к разработке программного обеспечения, — пояснил Стоуч. — На самом деле это внутренняя автоматизация и другие скрипты для компании, поэтому мы используем эту технологию для создания лучшей платформы управления услугами».

Главный аргумент Serval для бизнеса заключается в том, что она может в значительной степени автоматизировать эти скрипты. При этом модель управления критически важна, поскольку Catalyst может генерировать код и потенциально инициировать изменения в производственных системах. В Serval заявляют, что Catalyst наследует права пользователя, который им управляет, и его область действия ограничена рабочим пространством команды этого пользователя.

Все, что он создает, начинается как черновик, и организации могут ограничивать права на публикацию или требовать формального рассмотрения и утверждения перед тем, как автоматизация станет активной.

Данные клиентов остаются в их собственности, доступно несколько вариантов развертывания

Эти элементы контроля распространяются и на корпоративные данные, которые изучает Catalyst. Стоуч отметил, что Serval задуман как система учета (system of record) клиента, и заявил VentureBeat, что «все данные принадлежат им».

Текущее главное соглашение об оказании услуг (Master Services Agreement) от Serval сформулировано более точно: клиенты сохраняют все права, право собственности и долю как на свои «Материалы клиента» (категория, включающая записи, документы, рабочие процессы, промпты, входные данные и конфигурации), так и на результаты (output), которые Serval генерирует на их основе. Serval получает права, необходимые для обработки этой информации с целью предоставления, поддержки и защиты сервиса.

Serval также заявляет, что не хранит и не использует клиентские материалы, входные или выходные данные для обучения, тонкой настройки (fine-tuning) или улучшения собственных или сторонних моделей ИИ.

В ее Дополнении об обработке данных (Data Processing Addendum) Serval указана как обработчик персональных данных клиентов; обработка разрешена для функционирования сервиса, ответов на запросы техподдержки, диагностики проблем и защиты платформы (при этом могут привлекаться авторизованные субпроцессоры). Правила допустимого использования Serval гласят, что компания ведет актуальный список ИИ-субпроцессоров и поставщиков моделей для клиентов.

Место хранения этих данных может различаться в зависимости от варианта развертывания. Стоуч сообщил, что клиенты могут использовать Serval как облачный SaaS-сервис, развернуть его локально (on-premises) или разместить в собственном виртуальном частном облаке (VPC). Документация Serval по самостоятельному хостингу теперь описывает два полноценных варианта: одноарендное развертывание под управлением Serval внутри учетной записи AWS, принадлежащей клиенту, или самоуправляемое развертывание в кластере Kubernetes клиента в любой облачной или локальной среде.

В варианте с AWS Serval заявляет, что управляет инсталляцией без постоянного доступа IAM к аккаунту AWS клиента.

Таким образом, для корпоративных покупателей существуют две четкие границы доступа.

1. На уровне Catalyst агент имеет доступ только к тем данным, интеграциям и средствам автоматизации, которые доступны пользователю и командному рабочему пространству, в рамках которого он работает.

2. На уровне платформы Serval и авторизованные субпроцессоры неизбежно обрабатывают информацию клиентов для предоставления и поддержки сервиса, в соответствии с договорными условиями конфиденциальности и обработки данных компании.

Благодаря этому неформальное заявление Стоуча о том, что Serval «не прикасается» к данным клиентов, следует понимать скорее как заявление о праве собственности и развертывании, а не как буквальное утверждение, что сервис никогда их не обрабатывает.

Ramp и другие клиенты в качестве первых тестировщиков

Клиентские внедрения служат определенным доказательством того, что тезис об ускоренной разработке может воплотиться в реальные операционные изменения, хотя метрики взяты из собственных кейс-стади Serval.

Компания в сфере корпоративных расходов и финансовых технологий Ramp сообщает в кейсе Serval, что Catalyst ускорил создание рабочих процессов на 50% и помог внедрить Serval примерно в 10 командах, включая ИТ, финансы, административно-хозяйственный отдел, HR, юридический отдел и бизнес-оперирование. В рамках одной из программ по замене оборудования в Serval заявляют, что Ramp автоматизировала замену 600 ноутбуков и сэкономила 150 часов, оставив за человеком лишь этап согласования.

Еще более показательный пример работы Catalyst — то, что произошло позже. Ramp уже автоматизировала замену ноутбуков, когда Catalyst предложил разделить логику доставки на отдельные рабочие процессы для офиса и дома, чтобы снизить количество ошибок. Компания также отмечает, что сотрудники, не связанные с ИТ, теперь используют Catalyst для аналитики, массовых операций с тикетами, устранения неполадок в рабочих процессах и автоматизации HR-процессов.

Другие внедрения Serval демонстрируют более широкую операционную среду, которую Catalyst призван настраивать. Mercor заявляет, что привлекла более 4000 внешних экспертов с помощью автоматизации Serval и масштабировала платформу на семь команд. Together AI утверждает, что Serval автоматизирует 95% ее запросов на инфраструктурный доступ «точно в срок» (just-in-time) с соблюдением элементов контроля утверждения и аудита для конфиденциального доступа. Perplexity заявляет, что Serval автоматически обрабатывает более половины входящих ИТ-запросов и процесс адаптации всех новых сотрудников.

Эти внедрения выходят за рамки самого Catalyst, но они демонстрируют тип межсистемной основы автоматизации, которую Catalyst теперь призван строить и поддерживать.

В Serval заявляют, что более 90% клиентов выбрали Catalyst в качестве отправной точки для автоматизации еще на этапе бета-тестирования. Catalyst становится общедоступным 20 августа и будет включен по умолчанию для всех организаций в Serval.

Ценообразование и борьба с ServiceNow

Цены настраиваются индивидуально в зависимости от масштаба развертывания и не публикуются открыто на сайте или в документации Serval.

Serval описывает единую плату за платформу и обычно проводит пилотный проект для определения ожидаемого объема развертывания и использования.

Стоуч отметил, что лицензия на программное обеспечение может быть похожа на лицензию ServiceNow, но утверждает, что совокупная стоимость владения (TCO) может быть существенно ниже, поскольку клиентам требуется меньше услуг по внедрению и обслуживанию.

«Совокупная стоимость владения окажется кардинально меньше — обычно вдвое, а иногда составляет от 10 до 20% от совокупной стоимости владения ServiceNow, — сказал Стоуч. — Но фактическая стоимость лицензии на ПО необязательно будет сильно отличаться».

Предыстория и история создания Serval

Компания Serval была основана в 2024 году Стоучем и техническим директором Алексом Маклеодом (Alex McLeod), бывшими руководителями по продуктам и разработке в Verkada, после того как они неоднократно слышали жалобы ИТ-клиентов на перегруженные службы поддержки и ограничения устоявшегося программного обеспечения для управления ИТ-услугами.

Serval позиционирует себя как ИИ-нативную альтернативу таким платформам, как ServiceNow и Jira Service Management, объединяя тикеты службы поддержки, управление доступом, управление активами и автоматизацию рабочих процессов в рамках единой системы.

Serval и Sequoia Capital описывают цель компании как перевод ИТ-ПО от простого фиксирования и маршрутизации запросов к их автоматическому разрешению.

Компания может работать как основная система управления ИТ-услугами организации или добавлять автоматизацию к уже существующей. Среди ее публично объявленных клиентов — Perplexity, Mercor, Clay, Verkada и Together AI.

Serval заявляет, что клиенты могут автоматически разрешать более половины своих входящих ИТ-запросов; в ее кейсе Together AI сообщается об автоматизации 95% запросов этого клиента на предоставление доступа «точно в срок».

Интерес инвесторов стремительно возрос в конце 2025 года. В октябре Serval объявила о раунде финансирования серии A на сумму $47 млн под руководством Redpoint Ventures, в результате чего общий объем привлеченных средств на тот момент достиг $52 млн.

В декабре компания привлекла еще $75 млн в рамках раунда серии B под руководством Sequoia при оценке в $1 млрд, увеличив общий объем привлеченного капитала примерно до $127 млн; в раунде также участвовали Redpoint, Meritech Capital и General Catalyst.

Serval сообщила агентству Reuters, что с августа 2025 года ее выручка выросла на 500% и компания выходит за рамки ИТ в сферу операционной работы, выполняемой отделами кадров, финансов и юридическими департаментами.

Главное испытание для корпоративных клиентов

Для корпоративных покупателей главным испытанием для Catalyst станет то, выдержит ли сжатие жизненного цикла автоматизации столкновение с крупными, сложными и сильно кастомизированными средами.

ServiceNow теперь умеет генерировать приложения и обнаруживать возможности автоматизации с помощью ИИ. Atlassian и Freshworks добавляют все более способную агентскую автоматизацию в собственные сервисные платформы. Следовательно, Serval не может полагаться исключительно на создание контента на естественном языке как на свое конкурентное преимущество (moat).

Ее более надежная ставка заключается в том, что ИИ-нативная платформа способна сделать сам административный уровень агентским: непрерывно находить повторяющуюся работу, создавать необходимые ресурсы во всем стеке услуг, выставлять сгенерированный код на проверку и предлагать следующую автоматизацию еще до того, как администратор открыл конструктор рабочих процессов.

Если Catalyst заработает в таком масштабе, конкурентной единицей перестанет быть тикет или даже рабочий процесс. Ей станет сама система, которая непрерывно превращает операционную историю предприятия в новую автоматизацию.