Российская targetai представила targetnova и заявила, что новый ИИ-агент для контактного центра можно вывести на линию за одну неделю, без интеграции с внутренними API и без обучения на базе знаний. Для рынка клиентского сервиса это заметный заход: если обещание сработает не только в демо, бизнес получит более короткий и менее болезненный путь к автоматизации, а ИТ-команды — меньше типовой интеграционной рутины.
О запуске продукта 21 июля 2026 года сообщает CNews. По версии targetai, targetnova меняет саму логику внедрения: вместо подключения к CRM, ERP, тикет-системам и внутренним базам агент работает через интерфейс, который уже видит оператор. Проще говоря, система смотрит на экран, распознает структуру страницы и подсказывает следующий шаг прямо в привычном рабочем месте сотрудника. Для браузерных сценариев продукт поставляется как расширение для Chromium-совместимых браузеров, включая Chrome, «Яндекс.Браузер», Opera и Arc. Отдельно заявлены средства автоматизации десктопных приложений.
В этом месте targetai бьет ровно в самую боль контактных центров. Обычный проект с ИИ в поддержке редко упирается в качество языковой модели как таковой. Чаще все тормозит вокруг доступа к данным, согласований с ИБ и ИТ, интеграций с корпоративным зоопарком систем, а затем вокруг подготовки базы знаний и сценариев. Генеральный директор компании Андрей Зименков формулирует это без особой романтики: красивое демо и рабочий запуск обычно разделяют месяцы напряженной работы. На этом фоне обещание «неделя вместо месяцев» выглядит как главный продуктовый тезис, а не как второстепенная деталь из пресс-релиза.
Ключевая идея targetnova — не выпускать ИИ-агента для контактного центра в свободное плавание с первого дня. Сначала агент работает в режиме суфлера: подсказывает оператору следующий шаг, а человек подтверждает или поправляет его. Эти действия собираются в трейсы и дальше используются для контролируемого дообучения на размеченных примерах по схеме Supervised Fine Tuning. Иными словами, модель учат не по регламенту в PDF и не по идеальной диаграмме бизнес-процесса, а по тому, как реальные сотрудники закрывают реальные кейсы. После накопления и проверки сценариев часть из них переводят в автопилот, а сложные и нестандартные обращения оставляют людям.
Для бизнеса здесь важен не только темп внедрения, но и вопрос доверия. В клиентском сервисе любая ошибка ИИ быстро превращается в эскалацию, повторное обращение и разбор на планерке. Поэтому рынок давно живет в компромиссе: компании хотят автоматизацию, но не готовы отдавать машине нестандартные сценарии, где цена промаха слишком высока. targetai пытается продать не просто еще одного чат-бота, а более безопасную механику роста автономности. Сначала помощь оператору, потом частичный автопилот там, где качество уже проверено на живых данных. Для ИТ-директора и руководителя клиентского сервиса это звучит заметно рациональнее, чем классическая идея «сразу посадим агента на линию и посмотрим, что будет».
В компании приводят и ожидаемый эффект от внедрения: снижение нагрузки на операторов на 40–60%, рост автоматизации на 20% по мере накопления проверенных сценариев, а также сокращение числа повторных обращений и эскалаций. Эти цифры стоит воспринимать аккуратно: в исходном сообщении не раскрываются ни методика расчета, ни размер выборки, ни список пилотных заказчиков. Но даже как ориентир они показывают, на что targetai делает ставку в позиционировании продукта. Не на абстрактный «генеративный ИИ», а на метрики, которые понятны руководителю контактного центра: меньше ручной нагрузки, меньше повторов, больше стабильных сценариев, которые можно формализовать и тиражировать.
Есть и еще один слой, который может оказаться для отрасли не менее важным, чем экономия времени на интеграциях. targetai фактически предлагает превращать повседневную работу сильных операторов в воспроизводимый стандарт команды. Компания прямо говорит, что экспертиза лучших сотрудников не должна уходить вместе с их увольнением. Для рынка с высокой текучестью это сильный аргумент. Если система действительно умеет собирать, очищать и переиспользовать траектории действий операторов без постоянного участия разработчиков, то автоматизация начинает решать не только задачу сокращения костов, но и задачу сохранения операционной памяти бизнеса.
Сам по себе подход «агент смотрит на экран, как человек» тоже укладывается в более широкий тренд. На рынке ИИ все чаще продают не глубокую интеграцию в корпоративный контур, а слой поверх существующего интерфейса — там, где скорость внедрения важнее архитектурной чистоты. У такого подхода есть очевидные плюсы: не нужно ждать, пока заказчик откроет доступ ко всем системам и согласует длинный интеграционный проект. Но есть и вопросы, на которые пресс-релиз пока не отвечает: как система ведет себя при изменении интерфейсов, насколько надежно работает в сложных десктопных сценариях, как контролируется качество подсказок в редких кейсах и где проходит граница между допустимой автоматизацией и риском накопления ошибок.
targetnova стал четвертым продуктом в линейке targetai наряду с омниканальной CX-платформой targetspace, LXP-платформой targetskill и подпиской на внедрение ИИ-сервисов targetcare. Это уже не история про единичный эксперимент, а попытка собрать вокруг клиентского сервиса цельную продуктовую связку. Вопрос теперь довольно приземленный: сможет ли ИИ-агент для контактного центра, который обещает обойтись без интеграций и базы знаний, показать ту же уверенность не в цитатах CEO, а в длинной смене с живыми клиентами, нестандартными кейсами и интерфейсами, которые любят ломать любые красивые концепции.