Intercom стала Fin — и представила агента для управления другими агентами
Компания Intercom, которой в этом году исполнилось 15 лет, официально сменила название на Fin. Это не косметический ребрендинг — CEO Эоган МакКейб чётко обозначил: ИИ-агент теперь есть бизнес, а не просто одна из фич. Фин-агент уже приносит $100 млн ARR и растёт в 3,5 раза быстрее остального бизнеса.
И вот что действительно важно: одновременно с переименованием Fin представила Fin Operator — систему, в которой один ИИ-агент управляет другим.
Что делает Fin Operator
Если основной Fin-агент общается с клиентами службы поддержки (решает более 2 миллионов запросов в неделю для 8000 компаний), то Operator работает в тылу. Он создан для команд поддержки, которые настраивают, мониторят и улучшают работу бота:
- Аналитик данных — отвечает на вопросы вроде «Как работала команда на прошлой неделе?» и генерирует графики и отчёты на лету
- Управленец знаниями — загружаете PDF с описанием новой фичи продукта, и Operator сам находит, какие статьи базы знаний нужно изменить, пишет черновики и предлагает правки
- Дебаггер — вставляете ссылку на разговор, где бот повёл себя странно, и Operator прослеживает всю цепочку рассуждений, находит ошибку в конфигурации, предлагает исправление и тестирует его
Задачи, которые раньше занимали часы или дни, команда Fin сводит к примерно 10 минутам.
Pull request для ИИ: человек остаётся главным
Одна из самых интересных деталей архитектуры — система предложений (proposal system). Каждая правка, которую предлагает Operator — будь то изменение статьи, обновление правила или новый монитор — появляется как предложение с diff-вью. Человек проверяет, редактирует при необходимости и нажимает «Apply». Никто из ИИ не лезет в прод без человеческого одобрения.
В мире, где все спорят о полной автономности ИИ-систем, такой подход выглядит взвешенно. Компания признаёт, что со временем это изменится, но сейчас момент требует осторожности.
Зачем Claude, а не собственные модели Fin?
Компания Fin гордится своими кастомными моделями Apex, которые, по их заявлениям, превосходят GPT-5.4 и Claude Sonnet 4.6 в задачах клиентского сервиса. Но Operator работает на Claude от Anthropic.
Объяснение простое: модели Apex заточены под конкретную задачу — отвечать клиентам с минимальными галлюцинациями. А Operator занимается анализом данных, отладкой, написанием конфигураций — это ближе к software engineering, а не к генерации текста. И здесь фронтальные модели от Anthropic справляются лучше.
Компания не исключает, что в будущем построит кастомные модели и для Operator, но приоритет сейчас — не модель, а слой вокруг неё: система предложений, семантический поиск, логика атрибуции данных.
Мнение редакции
Два слоя ИИ-агентов — «рабочий» ИИ плюс «управляющий» ИИ — это не концепт из фантастики, а уже коммерческий продукт. Fin не прячет это в исследовательских лабораториях, а отдаёт клиентам. Beta-тестеры говорят, что Operator ощущается как «пять дополнительных людей в команде».
Что особенно нравится — подход с human-in-the-loop через pull request. Это правильный баланс: ИИ предлагает, человек решает. Такой подход можно было бы применить в любой сфере, где ИИ-агенты влияют на реальные бизнес-процессы.
Для тех, кто строит свои проекты на ИИ, важно понимать: архитектура «агент управляет агентом» — это следующий логический шаг. И чем быстрее мы научимся выстраивать такие системы, тем быстрее перейдём от «ИИ как инструмент» к «ИИ как команда».
