После написания кода, что взял на себя AI: YC W26 разборка 22 компаний по инфраструктуре DevOps/тестирования/автоматизации/Agent

Написано:朗瀚威 Will

Это пятая статья серии анализа YC W26. В предыдущей статье мы разобрали инструменты AI для программирования и “Claude Code for X” (12 компаний), а в этой — другую сторону цепочки разработки — всё, что происходит после написания кода: операции, тестирование, автоматизация рабочих процессов, инфраструктура для разработки агентов — всего 22 компании.

Код — это только начало

В прошлой статье мы говорили о том, как AI меняет “написание кода”. Но написание кода — лишь часть разработки программного обеспечения: после этого идут развертывание, эксплуатация, дежурство, тестирование, исправление ошибок, автоматизация рабочих процессов — и на каждом этапе нужны люди.

Компании из YC W26 делают так: все этапы “после написания кода” передают AI-агентам.

Например, тревога в продуктивной среде в 3 часа ночи? IncidentFox автоматически проверяет логи, ищет корень проблемы, подготавливает скрипты для исправления — вы просыпаетесь только чтобы проверить и утвердить. Пользователь обнаружил баг? Lucent 24/7 автоматически просматривает сессии раньше пользователя. Нужно автоматизировать утверждение в Excel? Bubble Lab делает это за одну фразу.

Эти 22 компании делятся на 4 группы: AI для эксплуатации/SRE (5), AI для тестирования/QA (2), AI для автоматизации рабочих процессов (7), инфраструктура для разработки агентов (8).

Общий вывод: 4 ключевых тезиса, которые можно сразу взять

1. IncidentFox — самый полный продукт среди этих 22 компаний. Два бывших инженера Roblox (поддерживали инфраструктуру с более чем 100 миллионами активных пользователей в день), с открытым исходным кодом, более 300 предустановленных интеграций, развертывание менее чем за день. Главное отличие — не просто “анализ логов с помощью AI” (это умеют все), а “автоматическое обнаружение вашей технологической стеки и автоматическая генерация интеграций” — избавляет от самой сложной части интеграции.

2. AI для эксплуатации (5 компаний) и AI для тестирования (2 компании) объединяет цель: сделать “обеспечение качества кода” менее трудоемким, заменив человека агентами. Традиционные операции, дежурство, поиск багов, регрессионное тестирование требуют много времени инженеров. Эти 7 компаний делают ставку на то, что агенты смогут быстрее обнаруживать и локализовать проблему, работать 24/7 без перерыва.

3. Автоматизация рабочих процессов (7 компаний) — самая разнообразная группа, но с широкой аудиторией. Их объединяет идея: “даже те, кто не пишет код, могут автоматизировать работу с помощью AI” — RamAIn использует компьютерное зрение для управления любым софтом, Bubble Lab позволяет создать автоматизацию за одну фразу, Jinba автоматизирует бизнес-процессы через чат. Эти решения ориентированы не на разработчиков, а на всех специалистов, занятых знаниями.

4. Инфраструктура для разработки агентов (8 компаний) — самая “мета” группа: инструменты для создателей агентов. Emdash — open-source среда для разработки агентов, Overshoot — платформа для AI визуальных приложений, Glue — конструктор интерфейсов для агентов. Логика похожа на инфраструктуру “агентной экономики”, описанную в статье о финтехе: когда количество агентов вырастет, инструменты для их создания станут критически важными.

Под-сегмент 1: AI для эксплуатации/SRE — IncidentFox, Mendral, Corelayer, Sonarly, Lucent

Пять компаний работают над одним и тем же — заменой инженеров эксплуатации AI.

IncidentFox

Сайт:

AI SRE-агент — автоматическая диагностика, расследование и исправление инцидентов в продакшене, работает внутри Slack.

Ключевые данные: open-source (Apache 2.0), 420+ звезд на GitHub, более 300 интеграций, поддержка Kubernetes, AWS, Grafana, Prometheus, Datadog, PagerDuty, GitHub.

Бизнес-модель: open-source ядро + корпоративная версия (безопасный песочница, прокси для учетных данных, управление несколькими командами). Развертывание менее чем за день.

Команда: Jimmy Wei — бывший инженер Roblox (поддержка соц. функций, 100+ млн активных пользователей), работал в Meta FAIR над многосторонним диалоговым AI, выпускник Корнелл. Long Yi — бывший инженер Roblox по инфраструктуре (базы данных, 100+ млн активных пользователей). Два человека — один создает AI, другой занимается эксплуатацией — идеально дополняют друг друга.

Конкуренты/риски: PagerDuty, Incident.io (привлекли более $50 млн), Datadog, ServiceNow — все расширяют AI в эксплуатацию. Но отличие IncidentFox — автоматическая генерация интеграций: другие инструменты требуют недели ручной настройки, а IncidentFox анализирует ваш код и историю инцидентов и автоматически создает интеграции.

Дополнительные плюсы: SOC 2, изолированные контейнеры для расследований, агент не видит исходные ключи. Есть плагин Claude Code для индивидуальных разработчиков.

Ключевое понимание IncidentFox: причина не в слабости модели, а в недостаточной глубине интеграции. Ваши внутренние системы — Kafka, собственные системы развертывания, модели — всё это закрытые системы, в которые трудно встроиться. IncidentFox анализирует код и историю инцидентов, автоматически выявляет недостающие интеграции и создает их — человек только утверждает.

Chris Lu в твите описал IncidentFox как “автоматическое исправление инцидентов AI-инженером”. Для инженеров эксплуатации это и благо, и вызов.

Mendral (0.9万 посещений в месяц) — AI DevOps-инженер. В отличие от IncidentFox, фокус на “ежедневной эксплуатации” — CI/CD, управление развертываниями, настройка окружений.

Corelayer (0.4万 посещений) — “AI-инженер дежурства на основе данных”. Делает акцент на data-driven debugging — автоматическая корреляция метрик и логов, а не догадок.

Sonarly (0.2万 посещений) — AI-инженер для оповещений. Обрабатывает огромные объемы тревог: классифицирует, дублирует, связывает — выделяет важные.

Lucent (1.6万 посещений) — AI для автоматического просмотра сессий и поиска багов по UX, а не по коду. 24/7 смотрит пользовательские сессии, выявляет задержки, ошибки, аномалии — создает баги в Slack и Linear с полным контекстом.

Основательница Alisa Rae — история достойна отдельной рассказа: австралийка, создала и продала образовательную платформу, работала в Atlassian, в первый раз подала заявку в YC — отказ, совет — найти соучредителя. Она пошла одна, привлекла $2 млн, второй раз прошла. Уже используют 30+ компаний YC, отзывы: “за первую неделю нашли 7 новых багов”, “окупились за первую неделю”. 94% пользователей не сообщают о баге, а просто уходят — вот причина существования Lucent.

Общий принцип: большая часть времени инженера эксплуатации — не в исправлении проблем, а в их поиске. Анализируют сотни систем мониторинга, логи, изменения — этот процесс занимает 80% времени. AI-агенты могут одновременно проверять все источники, связывать данные за секунды, сокращая время поиска с часов до минут.

Под-сегмент 2: AI для тестирования/QA — Canary, Ashr

Две компании работают в области AI-тестирования.

Canary — “первый AI QA-инженер, понимающий ваш код”. Ключевое — “понимание кода” — не просто генерация тестов, а чтение логики и создание релевантных тест-кейсов. Традиционные AI-инструменты часто генерируют тесты, не соответствующие реальному коду.

Сайт:

Ashr — автоматизация много-модального тестирования агентов. “Мульти-модальность” — тестирование не только текстовых интерфейсов, но и изображений, видео, голоса. С ростом AI-приложений с мультимодальными входами и выходами тестовые инструменты должны развиваться.

Под-сегмент 3: AI для автоматизации рабочих процессов — RamAIn, Bubble Lab, Jinba, Ressl AI, EigenPal, Carson, Crow

Самая широкая группа — не разработчики, а все, кто хочет автоматизировать работу.

RamAIn

Сайт:

“Самый быстрый компьютер в мире использует агента” — учит AI управлять компьютером как человек, переносить данные между браузером и десктопом.

Ключевые данные: 35 000 посещений в месяц, используют команды из секторов закупок, страхования, медицины, финансов. Развертывание за несколько дней.

Команда: два студента IIT Delhi — CEO Shourya работал в McKinsey над корпоративным AI, создал Genoshi (AI-студия, доход за счет bootstrap), кандидат в FIDE 2118, участвовал в 17 странах.

Бизнес-модель: корпоративная — автоматизация переноса данных между устаревшими системами, десктопами и веб-порталами. Целевые клиенты: отделы закупок (ERP + порталы поставщиков), страховые брокеры, медучреждения, финансы.

Конкуренты/риски: Anthropic Computer Use, OpenAI Operator — основные угрозы. Отличие RamAIn — обучение на конкретных интерфейсах: “предобучение” на UI — дорого и медленно, а RamAIn сначала учится вашему интерфейсу, а потом автоматизирует. Есть “самовосстановление” — UI меняется, агент не ломается, в отличие от классического RPA.

Bubble Lab (19 000 посещений) — “один запрос — автоматизация навсегда”. Описывает автоматизацию рабочих процессов за одну фразу, проще чем Zapier — там нужно настраивать триггеры и шаги, а тут — просто сказать, что автоматизировать.

Jinba (17 000 посещений) — “автоматизация бизнес-процессов через чат”. В чатах можно запускать утверждения, передавать данные, подключать системы.

Ressl AI (17 000 посещений) — агент для настройки ERP/CRM. После внедрения Salesforce или SAP настройка — сложная задача. Ressl AI использует AI для автоматизации этого.

EigenPal (9 000 посещений) — автоматизация работы с корпоративными документами. Carson — рабочее пространство AI для десктопа (подробно разбиралось в статье OpenClaw). Crow (25 000 посещений) — “позволяет управлять приложениями через чат”, добавляя AI-чат в SaaS-продукты, чтобы пользователи не учились интерфейсу, а просто общались.

Общий принцип: AI-программирование снижает порог входа в “написание кода”, но большинство задач не требуют программирования — нужно просто связать инструменты и автоматизировать повторяющиеся процессы. Эти компании делают “автоматизацию без кода”.

Под-сегмент 4: Инфраструктура для разработки агентов — Emdash, Overshoot, Cardboard, Glue, Sila, Valgo, SideKit, Wideframe

Инструменты для создателей агентов.

Emdash (23 000 посещений) — open-source среда для разработки агентов — более 60 000 скачиваний, 2430 звезд на GitHub. Поддержка параллельной работы нескольких агентов, совместимость с любыми моделями. В чем сходство с предыдущей статьей — акцент на open-source и независимость от модели.

Сайт:

Overshoot (16 000 посещений) — платформа для AI визуальных приложений — помогает создавать и запускать AI визуальные решения. С ростом мультимодальных моделей эта категория быстро развивается.

Cardboard (7 000 посещений) — видеоредактор для агентов. AI-агенты автоматически монтируют, добавляют субтитры и спецэффекты. Традиционно видеомонтаж требует навыков и дорогого ПО, а Cardboard хочет снизить порог — просто сказать агенту, какой эффект нужен.

Glue — конструктор интерфейсов для агентов — когда нужен фронтенд для AI-агента, Glue помогает его создать. С ростом числа визуальных агентов спрос на такие инструменты увеличится.

Sila — инфраструктура для обмена сообщениями между агентами. Когда несколько агентов работают вместе, как они передают информацию? Sila решает эту задачу.

Valgo (3 000 посещений) — проверка безопасности алгоритмов автономных систем. SideKit (2 000 посещений) — комплексное решение для развертывания мобильных приложений (редкий случай не AI-компании). Wideframe — AI-создатель видео-редактора.

Обзор всей группы из 22 компаний

Несколько наблюдений:

Первое — AI для эксплуатации (5 компаний) — самая зрелая группа. IncidentFox уже с открытым исходным кодом, более 300 интеграций, SOC 2. Это не случайность — эксплуатация — одна из самых очевидных областей для демонстрации ценности AI: время исправления сокращается с часов до минут, что легко измеримо.

Второе — автоматизация рабочих процессов (7 компаний) — конкурируют не между собой, а с существующими инструментами типа Zapier, Make, n8n. Внедрение AI делает эти инструменты “умнее”, но они тоже быстро добавляют AI-функции. Чтобы выжить против Zapier (оценка стоимости более $5 млрд), нужно найти узкую нишу.

Третье — инфраструктура для разработки агентов (8 компаний) — самый долгосрочный и “правильный” вектор. Пока агентов мало, инфраструктура кажется избыточной, но когда экономика агентов взорвется (например, в финтехе Sponge уже создает банковский счет для агента), инструменты для их создания станут критически важными.

Четвертое — все 22 компании — B2B. Как и все статьи серии — YC W26 — это полностью B2B-серия. AI-инструменты продаются бизнесу и разработчикам, а не потребителям.

Что это значит для команд из Китая

Первое — спрос на AI для эксплуатации в Китае огромен. Китайские интернет-компании (ByteDance, Alibaba, Tencent, Meituan) по масштабу не уступают США, но уровень AI в их инструментах мониторинга и эксплуатации ниже. Их системы (например, ARMS от Alibaba, APMPlus от ByteDance) пока не внедряют активно AI. Если команда сделает “китайскую версию IncidentFox” — подключится к популярным системам мониторинга, поддержит китайский язык и учтет внутреннюю технологическую специфику — рынок есть.

Второе — автоматизация рабочих процессов в Китае связана с платформами DingTalk и Feishu. Эти платформы — основные входные точки для работы в компаниях, но их автоматизация слабая. Создание “AI-автоматизации в DingTalk/Feishu” (подобно Jinba для Slack) — проще, чем строить новую платформу.

Третье — инструменты для разработки агентов в Китае отсутствуют. В США есть Emdash, Glue, Sila, а у нас — пустота. Но с ростом числа разработчиков агентов этот рынок откроется.

Выводы, которые можно взять

1. Основная проблема AI для эксплуатации — не модель, а интеграция. Идея IncidentFox о “автоматическом создании интеграций” — важна для всех компаний, создающих корпоративные AI-инструменты: если не встроить AI в системы клиента, ничего не получится.

2. “Автоматизация без кода” становится отдельным сегментом. Трафик RamAIn, Bubble Lab, Crow показывает, что спрос есть. Эти инструменты ориентированы не на разработчиков, а на всех специалистов — рынок в 10 раз больше.

3. Инфраструктура для разработки агентов — долгосрочный, но “неприносящий быстрой прибыли” тренд. Как в 2010 году с облачными инфраструктурами — сначала кажется избыточным, а потом становится основой всей экономики. Инструменты для создания агентов могут повторить этот путь.

4. В целом, вместе с предыдущими 12 компаниями, серия DevTools — самая большая в W26 — 34 компании. Это отражает главный факт: AI сначала меняет “способы создания программного обеспечения”, а потом — другие отрасли. Инструменты для разработчиков — это “база” AI.