13 октября 2026 г.

Мы опросили сотрудников и получили пять разных ответов на вопрос о том, сколько ИИ-агентов запущено в Postman. Реальное число составило 866. Вот что мы с этим сделали.

Основные выводы (TL;DR)

Бесконтрольное распространение ИИ-агентов — это новый теневой ИТ: простота создания опережает управление, точно так же, как это было с SaaS, облачными сервисами и распространением API.
Нельзя управлять тем, что невозможно увидеть. Postman опросил команды и получил пять разных ответов; системные данные показали, что в Slack работает 866 агентов и приложений.
Агенты в продакшене — это программное обеспечение в продакшене: они несут реальные риски, реальные затраты и действуют самостоятельно, поэтому им нужны владельцы, наблюдаемость и средства контроля.
Простая очистка не работает. Распространение вернется, если вы не начнете управлять процессом в момент создания, а не в момент аудита.
Postman создал Astropods, чтобы каждый новый агент с первого дня имел владельца и распределение затрат, превращая инвентаризацию в парк, которым действительно можно управлять.

Спросите пять человек в вашей компании, сколько ИИ-агентов или помощников, доступных из Slack или Teams, сейчас работает где-то в организации.

Вы получите пять разных чисел, и все они будут занижены.

Мы провели этот же эксперимент внутри Postman до того, как у нас появилась история продукта об управлении агентами. Полученное число оказалось выше, чем кто-либо предполагал, и потребовалось время, чтобы в это поверить.

Теневые ИТ вернулись в новом обличье

Появление генеративного ИИ за последние пару лет поощряло скорость и эксперименты. Разработчики выпускали код с ИИ быстрее, чем когда-либо, и с большим энтузиазмом, а определение «разработчика» расширилось до любого, у кого есть ключи API и агент для написания кода. Любой, у кого была идея, мог воплотить её в жизнь и отправить в продакшен. Приложения стали использовать ИИ, а затем стали агентными, передавая задачи LLM, включая множество задач, которые вообще не нуждались в ИИ. Агенты были подключены к реальным системам и работали в продакшене с минимальными ограничениями, если они вообще были. Люди, делавшие это, хотели быстро доказать ценность. Спринты заканчивались, бюджеты закрывались, и никто не хотел оказаться застигнутым за разработкой, когда это происходило. Они также хотели, чтобы работа была выполнена быстрее, и какое-то время так и было.

Этот этап завершается по трем причинам, которые не имеют ничего общего с угасанием энтузиазма по поводу ИИ.

ИИ — это дорого. ИИ стоит денег, и эти затраты масштабируются в зависимости от того, насколько активно вы его используете, поэтому вы не можете просто применить его ко всему и надеяться, что он окупится. Счет следует за использованием, поэтому то, что вы одобрили в январе, — это не то, что вы заплатите в марте. Без мониторинга расходов на уровне самого агента вы не сможете сказать, какие доллары окупаются. Один агент, выполняющий полезную работу, в счете выглядит так же, как тот, который застрял в цикле. Как только вы увидите эту разницу, вы сосредоточитесь на том, что работает. Остальное будет перенаправлено или отключено.
Агенты в продакшене — это программное обеспечение в продакшене. То, что вы набросали за день, а затем подключили к реальным системам и производственным данным, несет такие же риски, как и любой другой код, который вы выпускаете, а может быть, и большие, потому что он действует самостоятельно. Созданный без ограничений или мониторинга, такой агент перестает быть инструментом и становится обязательством. Никто не решал давать ему такой большой контроль, но именно это означают учетные данные и очередь задач. Относитесь к нему как к сложному программному обеспечению, которым он является, иначе что-то другое в конечном итоге будет управлять вашим бизнесом вместо вас.
Мы уже знаем, чем это заканчивается. Неисправленные системы приводили к взломам. Теневые ИТ и бесконтрольное использование облаков заставляли команды безопасности годами играть в «догонялки». Распространение API привело к тому же самому с контролем доступа. ИИ не получает карт-бланш только потому, что код пишет себя сам. Этот сиквел уже идет. В большинстве организаций нет точного учета того, сколько учетных данных сейчас находится в конфигурациях агентов или сколько систем тихо подключено к ним. Присмотритесь, и вам быстро станет не по себе.

Организации, которые преуспеют на следующем этапе, — это те, кто может видеть и направлять то, что они уже построили. Большое количество агентов в основном говорит о том, что люди были заняты. Когда три команды решают одну и ту же проблему отдельно, вы получаете одну решенную проблему и две дополнительные вещи для обслуживания, на которые никто не выделял бюджет. Видение всей картины позволяет вам решить, что оставить.

Никто здесь не сделал ничего плохого, и именно это затрудняет ситуацию. ИИ стимулирует изобретательство и эксперименты, поэтому мы видели, как отдел маркетинга выбирал инструменты, которые решали их реальные проблемы, а отдел поддержки в итоге получил коллекцию собственных агентов для решения своих. В другой части организации инженеры создали что-то полезное за выходные, но служба безопасности никогда об этом не слышала. Почему? Потому что, когда эксперименты с ИИ превращались в готовые продукты, в процессе не было момента, когда служба безопасности или инфраструктурный отдел должны были об этом узнать. Каждый из этих выборов имел смысл для людей, которые их делали, и вместе они создали риски, на которые компания никогда не соглашалась.

Ничего из этого не является новым, и любой, кто пережил эпоху SaaS или облаков, узнает этот сценарий. Простота создания всегда опережает управление. Некоторые компании наверстывают упущенное намеренно. Другие делают это только после инцидента, и к тому времени это стоит дороже, чем стоило бы управление. Агенты движутся быстрее, чем любая из этих волн, потому что создание одного из них теперь занимает вторую половину дня.

Что нам было нужно на самом деле

Мы понимали, что уже работающие агенты приносят кому-то пользу, но нам нужно было знать, что существует и что делает каждый из них, прежде чем мы сможем что-то предпринять. Это позволило нам решить три уже описанные проблемы: отслеживание расходов и инвестиций в ИИ, отношение к этим агентам как к производственному программному обеспечению с надлежащим управлением и надзором, а также предотвращение повторения ошибок последнего десятилетия. Именно поэтому Postman создал и запустил платформу агентов Astropods (сокращенно Astro), и именно поэтому Astro теперь является стандартной платформой для создания и запуска агентов в Postman.

Astro дает нам три вещи одновременно.

Видимость: если вы не можете это увидеть, вы не можете этим управлять

Самой сложной частью этого начинания было получение единого списка, которому все верили. Мы составили его на основе записей об использовании, а не на основе мнений, поскольку именно мнения привели к пяти разным ответам. Записи показали 866 приложений и агентов, работающих из Slack, что значительно превышает то, что кто-либо в комнате предполагал. Никто в команде не был небрежен, и все равно мы сильно ошиблись.

Эта инвентаризация теперь находится на главной странице Astro, и каждый агент, которого запускает компания, размещен на Astro.

Наблюдаемость: знать, что агент существует, недостаточно

Инвентаризация отвечает на вопрос, существует ли что-то. Она не отвечает на вопрос, важно ли это. Спящее приложение, которое никто не открывает, и агент, совершающий тысячи вызовов моделей в день к конфиденциальным системам, попадают в один и тот же список, но они не должны быть там на равных.

Старая методика SaaS, созданная для программного обеспечения, которое оставалось статичным до тех пор, пока его кто-то не открывал, также не проводит такого различия. Она задает статические вопросы, например, что установлено и кто является владельцем. Актуальность лицензии — это, пожалуй, самое динамичное, что она отслеживает. Агент может работать в фоновом режиме, вызывая модели, расходуя токены, обращаясь к данным и принимая решения по графику, за которым никто не следит, поэтому знание о самом факте его существования мало что говорит о том, чем он занимается.

Поэтому мы рассматриваем поведение агентов как телеметрию: кто использует каждого из них, как часто, с какими затратами и против каких систем. Поскольку агенты работают на Astro, эти данные поступают по умолчанию, а не внедряются для каждого агента отдельно. Как только вы их получаете, вопрос перестает быть «разрешать ли что-то» и становится вопросом «что это делает и чего это стоит».

Контроль: решение о том, что остается

Как только у нас появилась инвентаризация и мы смогли увидеть реальное использование, а не гадать о нем, решения стали простыми и обоснованными.

Чтобы начать разбираться с разрастанием наших собственных агентов и приложений Slack, мы сначала связались с владельцами, чтобы рассказать им, что мы делаем и почему, а также дать им возможность высказаться, вместо того чтобы отключать приложения в одностороннем порядке. Некоторые приложения были дубликатами или были полностью заброшены и были удалены. Реальные агентские сценарии использования и приложения с поддержкой ИИ нуждались в новом доме на Astro. Из первоначального списка примерно 96 процентов приложений, помеченных как «низкое или нулевое использование» (618 приложений), были удалены, а остальные были перенесены на Astro.

Работа с владельцами в таком масштабе — это не задача для человека с электронной таблицей. Мы автоматизировали ее: извлекали владельца из записи приложения, отправляли сообщение с приложенными показателями использования, ждали, а затем действовали в зависимости от ответа или его отсутствия.

Примеры кода являются иллюстративными и предоставляются «как есть», без каких-либо гарантий. Проверяйте, тестируйте и адаптируйте их перед использованием, включая ограничение прав API-токенов по принципу наименьших привилегий и проверку изменений, созданных ИИ, перед развертыванием.

Цифра 96% выглядит как интересный заголовок, но число, которое нас действительно волнует, — это меньший набор приложений и агентов, у которых есть назначенный владелец, четкая цель и стоимость, которую можно проверить. У каждого агента в этом наборе теперь есть расходы, привязанные к человеку, и использование, привязанное к системе, с владельцем, который согласился отвечать за то и другое. Именно это превращает инвентаризацию в парк, которым можно реально управлять. Большой парк, который вы понимаете, стоит больше, чем маленький, о котором вы только догадываетесь.

Закрепление результата

Такую чистку приятно проводить, потому что количество сокращается, и кто-то может показать руководству дашборд, на котором все выглядит отлично, и представить красивую историю. Но разрастание возвращается, потому что никто не изменил сам процесс создания агентов. Наша первая инвентаризация охватывала фиксированный период времени, а это означало, что все, что было создано после этого периода, снова стало невидимым к моменту завершения нашей работы.

Это осознание переориентировало все наши усилия на создание пути вперед — системы, которая поддерживает актуальность данных, а не просто проводит одну чистку, которая быстро устаревает. Новые агенты теперь создаются на Astro, поэтому владение и распределение затрат привязываются с первого дня, а не восстанавливаются позже, и инвентаризация остается актуальной, поскольку принудительный ИТ-процесс направляет создание новых агентов через нее.

Миграция была той частью, которая, как мы ожидали, будет медленной (но оказалась быстрее благодаря ИИ). Кодовую базу каждого приложения нужно было адаптировать для развертывания на Astro, и делать это вручную для десятков репозиториев было нереально, поэтому мы написали навык для Claude и каждый раз выполняли одну и ту же конвертацию.

То, что отличает компанию, которая проводит разовую очистку, от компании, у которой есть система, сводится к выбору времени: управление в момент создания или управление в момент аудита.

Этот выбор времени также определяет, как проходит сам аудит. Многие обязательства по Закону ЕС об ИИ начали применяться в августе 2026 года, а требования для систем с высоким уровнем риска поэтапно вводятся с декабря 2027 года. Добровольные системы, такие как NIST AI Risk Management Framework, требуют документирования ролей и обязанностей, прослеживаемости и способности действовать на основе полученных данных.

Что мы сделали не так

Все прошло лучше, чем мы ожидали, но были и уроки, которыми стоит поделиться:

Некоторых агентов не может удалить команда, проводящая чистку. Одно приложение вернуло ошибку при удалении, потому что оно было защищено и управлялось в другом месте организации. Работа по управлению сталкивается с системами, которые вы не контролируете, поэтому в плане должно быть место для ручного эскалирования, а не попытки сделать все скриптами.
Пробел в процессе выглядит точно так же, как пробел в политике. Несколько агентов пережили чистку нетронутыми, потому что сообщение с запросом так и не было отправлено. Когда весь процесс взаимодействия зависит от ответов владельцев, сообщение, которое никто не отправил, становится «тихим» исключением. Мы добавили проверку на этот случай: неотправленные запросы теперь помечаются сами, вместо того чтобы тихо проходить как «решенные».
Данные об использовании значат меньше, чем мы предполагали. Некоторые владельцы попросили оставить агентов, которых цифры пометили для удаления, а многие другие так и не приняли никакого решения. Низкое использование было хорошим индикатором того, кому звонить. Что происходило после этого, зависело от человека, который действительно понимал, для чего нужен агент. Теперь нерешенный случай после определенного периода передается менеджеру, вместо того чтобы бесконечно висеть в списке.

С чего начать

В этом квартале стоит задать своим командам три вопроса:

Сколько агентов работает прямо сейчас и откуда мы это знаем? Если ответ получен из опроса, а не из системных данных, он неверный.
Каких из этих агентов мы можем объяснить? Кто владелец, для чего он нужен, сколько он стоит, к каким данным он имеет доступ. Агента, которого никто не может объяснить, будет трудно защитить, когда кто-то спросит.
Что произойдет, когда кто-то создаст следующего? Если ответ подразумевает поиск этого агента во время следующего аудита, вы только что запланировали новый виток разрастания.

Пропустите эти вопросы, и расходы будут тихо накапливаться: больше рисков, больше дублирующихся затрат, которые растут, пока аудит не обнаружит их за вас. Задайте их, и руководство сможет видеть, что делает ИИ, достаточно хорошо, чтобы позволить ему продолжать развиваться.

Спросите пятерых

Количество агентов в Postman увеличилось с тех пор, как мы проделали эту работу, и нас это устраивает, потому что теперь мы их видим.

Такое разрастание никогда не вызывает тревогу, что и делает его неудобным для решения. Вы узнаете об этом, когда кто-то спросит, кто владелец конкретного агента, и в комнате воцарится тишина. Каждая неделя добавляет еще несколько штук в кучу, с которой вам в конечном итоге придется разбираться, и учет становится тем сложнее, чем дольше они там находятся.

Спросите пятерых человек. Если вы получите пять разных ответов, проблема уже больше, чем кто-либо в вашей компании думает, и пришло время взять ее под контроль.

Мы были на вашем месте. Наша команда передовых инженеров сначала запустила это в Postman, включая нестандартные компоненты, а теперь использует это для клиентов. Зарегистрируйтесь в Astro и сделайте это сами или пообщайтесь с одним из наших инженеров. Мы поможем вам понять, что именно работает, и взять это под полный контроль раз и навсегда.

Часто задаваемые вопросы

Что такое бесконтрольный рост числа ИИ-агентов?

Бесконтрольный рост числа ИИ-агентов — это неконтролируемое распространение ИИ-агентов, второго пилота (copilot) и приложений на базе ИИ в организации. Часто они создаются быстрее, чем служба безопасности, инфраструктурный отдел или финансовый отдел успевают их отслеживать. Как и теневые ИТ до этого, этот рост происходит потому, что создание агента теперь занимает полдня, и нет контрольной точки, на которой служба управления должна об этом узнать.

Почему рост числа ИИ-агентов считается новыми теневыми ИТ?

Потому что он следует тому же шаблону: простота создания опережает управление. Неисправные системы приводили к утечкам, бесконтрольный рост облаков заставлял службы безопасности постоянно догонять уходящий поезд, а распространение API создавало нагрузку на контроль доступа. ИИ-агенты движутся еще быстрее, и в отличие от статического ПО как услуги (SaaS), они работают по расписанию, тратят токены, имеют доступ к конфиденциальным данным и принимают решения самостоятельно.

Сколько ИИ-агентов на самом деле работает в моей компании?

Почти наверняка больше, чем кто-либо предполагает. Когда в Postman спросили пяти человек, они получили пять разных ответов, и все они были слишком заниженными. Реальная цифра, полученная из записей об использовании, а не из мнений, составила 866. Если ваш подсчет основан на опросе, а не на системных данных, он неверчен.

Как эффективно управлять ИИ-агентами?

Начните с видимости (инвентаризация на основе данных об использовании, а не мнений), добавьте наблюдаемость (кто использует каждого агента, как часто, с какими затратами и против каких систем), а затем примените контроль (удалите дубликаты и заброшенные приложения, а для каждого оставшегося агента назначьте владельца и четкую цель). Самое главное — внедрите управление на этапе создания, чтобы инвентаризационный список больше никогда не расходился с реальностью.

В чем разница между инвентаризацией агентов и наблюдаемостью агентов?

Инвентаризация отвечает на вопрос, существует ли агент вообще. Наблюдение отвечает на вопрос, имеет ли он значение: неактивное приложение и агент, совершающий тысячи вызовов моделей в день к конфиденциальным системам, попадают в один список, но они не равны. Именно рассмотрение поведения агента как телеметрии позволяет вам решать, что оставить.

Как остановить возвращение бесконтрольного роста ИИ-агентов?

Разовая чистка устаревает, потому что она не меняет подход к созданию агентов. Надежное решение — это управление в момент создания: новые агенты создаются на платформе, где право собственности и распределение затрат привязываются с первого дня, поэтому невозможно создать что-то в обход инвентаря.

Как Postman помогает управлять бесконтрольным ростом ИИ-агентов?

Postman создал Astropods — платформу агентов, на которой Postman создает и запускает свои агенты. Она предоставляет единое представление обо всех агентах, средства управления производственного уровня и доступ для каждой команды со сквозной телеметрией использования и затрат по умолчанию. Команда передовых инженеров Postman сначала опробовала этот процесс внутри компании, а теперь внедряет его для клиентов.

Slack, Microsoft Teams, Claude и GitHub являются товарными знаками соответствующих владельцев. Их использование здесь не означает одобрения.