3 июля 2026 года Box опубликовал разбор своей внутренней IT-поддержки. Интересна там не кнопка "сгенерируй ответ", а то, что происходит после закрытия тикета. По описанию Box, система замыкает цикл: обращение сотрудника превращается в решение, решение проверяется, а проверенное решение возвращается в базу знаний, чтобы следующий похожий вопрос закрывался быстрее и без человека.
Это принципиально другой акцент, чем у большинства демо про "ассистента поддержки". Обычный ассистент читает базу и отвечает. Замкнутый контур (closed loop) дополнительно пишет обратно в базу. Если ты когда-нибудь ловил себя на том, что третий сотрудник за неделю задаёт один и тот же вопрос про VPN, а в Confluence всё ещё висит инструкция двухлетней давности, то понимаешь, зачем нужна именно обратная запись, а не только чтение. Разложить такой контур на честные шаги проще, если под рукой есть один доступ сразу к нескольким моделям без VPN и зарубежных карт, чтобы прогнать один и тот же тикет через разные LLM и сравнить формулировки.
Дальше - разбор того, что именно описал Box, что из этого повторимо на российском стеке, и где начинаются оговорки, которые вендор прямо проговаривает сам.
Что именно сделал Box?
По публикации Box от 3 июля 2026 года, компания построила closed-loop knowledge system для внутренней AI-powered IT support. Ключевое слово - closed-loop, замкнутый. Box описывает не единичную фичу, а полный оборот: сотрудник создаёт тикет, система предлагает решение на основе имеющихся знаний, инцидент решается, а результат используется для того, чтобы поддерживать базу знаний в актуальном состоянии.
Важно сразу отделить факты от желаемого. Box - первоисточник и заинтересованная сторона. Всё, что касается заявленной экономии времени и доли обращений, которые закрываются без человека (deflection), - это утверждения вендора о своей же системе. В source-паке к этому кейсу нет ни одной внешней независимой цифры, и переносить проценты Box на свою компанию без собственного baseline некорректно. Это не придирка, это прямая оговорка из материалов Box: результаты получены на их данных, их каталоге сервисов и их сотрудниках.
Второй материал Box, на который опирается разбор, - это кейс про "проблему 10 000 вопросов" в клиентском сервисе. Он про другой домен (поддержка клиентов, а не внутренний IT), но логика та же: когда однотипных вопросов очень много, выгоднее строить систему, которая учится на закрытых обращениях, а не наращивать штат. Из этого материала я беру только то, что там прямо названо: сам факт масштаба в 10 000 вопросов как формулировку проблемы.
Теперь спустимся на уровень механики. Что вообще делает контур "замкнутым" и почему это сложнее, чем прикрутить чат к базе знаний.
Как устроен замкнутый контур?
Разница между "ассистентом по базе знаний" и замкнутым контуром - в направлении стрелок. Обычная схема односторонняя: база -> модель -> ответ. Замкнутая добавляет вторую половину оборота: закрытый тикет -> проверка -> обновлённая статья в базе. Именно вторая половина обычно и не доезжает до продакшена, потому что писать в базу знаний рискованнее, чем из неё читать.
Разложим оборот на роли. Первый узел - приём обращения. Сотрудник описывает проблему словами ("не подключается почта на новом ноуте"), система нормализует это до запроса. Второй узел - извлечение (retrieval): поиск релевантных статей и прошлых решений. Третий - генерация ответа с опорой на найденное. Четвёртый, который отличает контур Box от обычного бота, - фиксация исхода: помогло решение или нет, что реально закрыло тикет. Пятый - обновление базы: если проверенное решение новое или точнее старого, оно должно попасть в базу знаний, а устаревшая статья - уступить место.
Критическая точка тут - проверка. Автоматически писать в базу всё, что "сработало", - прямой путь к деградации: модель зафиксирует случайное совпадение как правило. Поэтому в честной реализации между "решение сработало" и "решение попало в базу" стоит либо человек, либо жёсткий набор условий. Box подаёт свой контур как систему, поддерживающую актуальность базы, а не как автопилот, который сам себе переписывает документацию без надзора.
Ниже - компактный псевдокод одного оборота. Это не код Box (его в source-паке нет), а иллюстрация логики замкнутого цикла, которую можно собрать на любом OpenAI- или Anthropic-совместимом SDK.
Как собрать один оборот на своём стеке?
Ниже - минимальный каркас. Идея в том, что генерация ответа и обновление базы - два разных шага, и второй наступает только после подтверждения исхода.
from openai import OpenAI
client = OpenAI(
api_key="ВАШ_КЛЮЧ",
base_url="https://api.provod.ai/v1",
)
def suggest_solution(ticket_text, kb_snippets):
# шаг 3: генерация с опорой на найденные статьи
resp = client.chat.completions.create(
model="claude-opus-4-8",
messages=[
{"role": "system", "content": "Отвечай только по контексту базы."},
{"role": "user", "content": f"Тикет: {ticket_text}\nБаза:\n{kb_snippets}"},
],
)
return resp.choices[0].message.content
def close_loop(ticket, solution, resolved_by_human):
# шаг 5: пишем в базу ТОЛЬКО после проверки
if resolved_by_human and solution.is_new_or_better:
kb.upsert(article=solution.to_article(), status="review")
# иначе решение не попадает в базу знаний
Три вещи, которые здесь важнее самого кода. Первое: base_url - единственное место, где ты подключаешься к провайдеру, и его смена не трогает остальную логику. Второе: запись в базу (kb.upsert) стоит под условием resolved_by_human, а статья уходит в статус review, а не сразу в прод. Третье: модель отвечает "только по контексту базы" - это снижает шанс, что она уверенно выдаст выдуманную инструкцию.
Здесь же уместно сравнение по инфраструктуре, потому что для российской команды главный барьер обычно не логика контура, а доступ к моделям. provod.ai агрегирует Claude, GPT, Gemini, DeepSeek и Qwen в одном чате и даёт один API, совместимый с SDK OpenAI и Anthropic: меняешь ключ и base_url - остальной код замкнутого контура не трогаешь. Оплата идёт с одного рублёвого баланса российской картой, через СБП или по счёту, а для юрлица есть договор, счёт и закрывающие документы. Это закрывает ровно один вопрос - доступ к модели без VPN и зарубежных карт. Сам контур знаний, retrieval и правила записи в базу ты всё равно строишь сам.
Где этот контур ломается?
Замкнутый контур привлекателен на диаграмме и коварен в эксплуатации. Самый частый провал - обратная связь без проверки. Если система считает тикет "решённым" по факту закрытия, а не по факту помощи, она начнёт учить базу на ложных сигналах: пользователь закрыл заявку, потому что перезагрузил ноут сам, а контур запишет в базу твой бесполезный совет как рабочий.
Второй провал - конфликт версий в базе знаний. Новое проверенное решение противоречит старой статье, и теперь retrieval подтягивает обе. Модель честно синтезирует из двух источников противоречивый ответ. Без явного шага "устаревшая статья уступает место" база не улучшается, а раздувается. Именно поэтому пятый узел на схеме - это не "добавить статью", а "обновить базу", с учётом того, что что-то нужно депрецировать.
Третий провал - масштаб однотипных вопросов, который Box в смежном кейсе называет "проблемой 10 000 вопросов". Когда поток обращений большой, цена каждой ошибки контура умножается: одна плохая статья в базе тиражируется на тысячи будущих ответов. Хорошая новость в том, что и польза от одной хорошей статьи тоже тиражируется - в этом весь смысл замыкать цикл, а не отвечать разово.
Стоит ли строить это самому: решение по шагам
Прежде чем повторять архитектуру Box, честно ответь на вопрос о зрелости данных. Замкнутый контур усиливает то, что уже есть. Если база знаний бедная и противоречивая, контур будет с энтузиазмом тиражировать её противоречия. Сначала - базовый порядок в документации и разметка исходов тикетов, потом - автоматизация записи.
Дальше решай по объёму. При десятках обращений в неделю ручное обновление базы дешевле любого контура: человек закрыл тикет, человек дописал абзац в статью. Замкнутый цикл начинает окупаться там, где однотипных вопросов реально много и где ручное сопровождение базы физически не успевает за потоком. Ровно этот порог Box и иллюстрирует своей "проблемой 10 000 вопросов".
Ниже - компактная таблица, которая помогает не строить контур там, где хватит бота или человека.
| Ситуация | Что делать | Почему |
|---|---|---|
| База знаний бедная и противоречивая | Сначала навести порядок в статьях | Контур усилит противоречия |
| Десятки тикетов в неделю | Ручное обновление базы | Автоматизация дороже пользы |
| Тысячи однотипных вопросов | Замкнутый контур с проверкой | Польза статьи тиражируется |
| Нет доступа к моделям из РФ | Взять OpenAI/Anthropic-совместимый API | Не переписывать логику при смене провайдера |
| Нужен автопилот без надзора | Не делать | Модель зафиксирует случайное как правило |
Отдельно про метрики. Заявленные Box deflection и экономия времени - это его цифры на его данных. Единственный способ узнать свою величину - померить baseline до внедрения: сколько тикетов закрывалось без человека и за какое время, - а потом сравнить. Без этого измерения любой процент из чужой публикации для тебя - маркетинг, а не прогноз.
Чего это не решает
Замкнутый контур знаний - не серебряная пуля, и полезно проговорить границы явно, чтобы не продать себе или руководству лишнего.
Он не заменяет платформы автоматизации и ITSM-процессы. Контур - это слой поверх системы тикетов, а не сама система. Маршрутизация, SLA, эскалации остаются на твоём ITSM.
Он не отменяет проверку человеком там, где цена ошибки высока. Всё, что связано с доступами, безопасностью и необратимыми действиями, требует подтверждения, а не автозаписи в базу.
Он не даёт тебе цифры Box. Deflection и экономия времени из публикаций Box относятся к Box. Твои значения могут оказаться и выше, и заметно ниже - это зависит от качества базы и однородности потока.
И отдельно про инфраструктуру: доступ к модели через агрегатор вроде provod.ai решает вопрос подключения без VPN и зарубежных карт, но не заменяет GigaChat, приватную или on-prem инфраструктуру, подписочные фичи конкретных вендоров и саму работу по внедрению. provod.ai не предоставляет GigaChat. Retrieval, правила записи в базу и проверку исходов ты всё равно строишь руками.
FAQ
Чем closed loop отличается от обычного бота по базе знаний?
Обычный бот только читает базу и отвечает. Замкнутый контур после проверенного решения ещё и обновляет базу, чтобы следующий похожий тикет закрывался лучше. По описанию Box от 3 июля 2026, именно эта обратная запись - суть системы.
Можно ли доверять числам deflection из кейса Box?
Как ориентиру - нет. Это цифры вендора о своей системе. Мерь собственный baseline до внедрения, иначе перенос процентов некорректен - об этом прямо предупреждает и сам характер публикации.
Что такое "проблема 10 000 вопросов"?
Так Box назвал смежный кейс в клиентском сервисе: когда однотипных вопросов очень много, дешевле учить систему на закрытых обращениях, чем наращивать штат. Это иллюстрация масштаба, а не гарантированный результат.
Нужен ли мне свой контур, если тикетов немного?
Скорее нет. При десятках обращений в неделю человеку проще дописать статью вручную. Контур окупается на больших однотипных потоках.
Как подключить модели из России, не переписывая код?
Взять OpenAI- или Anthropic-совместимый API и сменить base_url. Остальная логика контура не меняется.
Собери прототип замкнутого контура на выходных: подключи модель через provod.ai, прогони десять реальных тикетов и посмотри, что попадёт в базу знаний, а что стоит отсеять на проверке.
Источники
- Box, "Building a closed-loop knowledge system for AI-powered IT support", 3 июля 2026: https://blog.box.com/building-closed-loop-knowledge-system-ai-powered-it-support-box
- Box, "The 10,000 question problem Box solved to streamline customer service": https://blog.box.com/10000-question-problem-box-solved-streamline-customer-service
Оба кейса опубликованы самим Box. Заявленные deflection и экономию времени нельзя переносить на свою компанию без собственного baseline - это вендорские утверждения, а не независимая оценка.
provod.ai — Russian LLM API aggregator. One OpenAI-compatible endpoint to all flagship models: OpenAI (GPT-5.6, GPT-5.5), Anthropic (Claude Opus 4.8, Sonnet 4.6), Google (Gemini 3.1 Pro, 3.5 Flash), DeepSeek V4 Pro, Qwen 3.6 Plus. Provider prices at the CBR rate, no token markup. Pay in rubles to a Russian legal entity with full closing documents.
Try: provod.ai · model catalog · docs
Top comments (0)