Скорость, с которой AI‑агенты выходят из лаборатории в реальное производство, заставила отраслевых аналитиков пересчитать масштабы кибербезопасности и автоматизации. Самый яркий пример – платформа Amp, объявленная в блоге OpenAI 14 октября 2026 года, где разработчики заявили, что её новые возможности позволяют агентам не только писать и отлаживать код, но и напрямую взаимодействовать с моделями OpenAI. По словам инженеров Amp, такой «двойной» доступ к программному коду и к мощным языковым моделям устраняет традиционный разрыв между разработкой и эксплуатацией, делая возможным мгновенную адаптацию скриптов под меняющиеся угрозы.

Эта идея нашла практическое воплощение в SentinelOne, где аналитики сократили время анализа вредоносного ПО с недель до нескольких часов. В блоге OpenAI от того же дня описывается, как интеграция AI‑инструментов на базе OpenAI в SentinelOne позволила автоматизировать разбор образцов, распознавать новые паттерны и генерировать контрмеры без человеческого вмешательства. По данным компании, за первый месяц после внедрения система обработала более 1 200 образцов, каждый из которых был полностью проанализирован в среднем за 2,3 часа, что в десятки раз быстрее традиционных методов.

Третьим звеном в цепочке является Third Moment Research, которая в недавнем отчёте OpenAI продемонстрировала управление 10 000 агентами в течение более 36 часов без перерыва. Такой масштабный запуск, описанный в двух записях OpenAI 14 октября, подтверждает, что распределённые сети агентов способны поддерживать непрерывный мониторинг и реагирование в реальном времени. Руководитель проекта отметил, что каждый агент способен выполнять небольшие задачи – от сканирования сетевых пакетов до генерации сигнатур – и при этом координировать свои действия через центральный оркестратор, что устраняет узкие места, характерные для централизованных решений.

Эти три кейса образуют ядро новой эры, где AI‑агенты становятся самостоятельными операторами. Появление OpenAI Dots, представленных в 3DNews в конце сентября, усилило эту тенденцию: агенты получили собственные виртуальные компьютеры, способные работать круглосуточно без участия пользователя. Параллельно в Хабре 13 октября появился материал о NIKA – личных on‑device LLM, которые уже применяются для управления банковскими картами, демонстрируя, что границы между корпоративными и потребительскими агентами стираются.

Конкуренция с решениями от Google лишь ускоряет процесс. Gemini 4 Argon, объявленная в Хабре и dev.by 14 октября, обещает 20 % экономию затрат по сравнению с GPT‑6 Astra, а также более эффективную работу с документами и кодом. Несмотря на то, что эти модели пока находятся в тестовой фазе, их появление поднимает планку для OpenAI‑агентов, заставляя их быстрее адаптировать новые возможности и поддерживать конкурентоспособность.

С точки зрения бизнеса, такие изменения уже отражаются в оценках компаний. Инвесторы отметили, что SentinelOne получила рейтинг «выше рынка» от Yorkville Ives, а бывшие руководители SentinelOne и Wiz привлекли 100 млн долларов для мониторинга AI‑агентов, согласно Techora.ru 8 сентября. Эти цифры подтверждают, что рынок видит в агентных платформах стратегический актив, способный снизить операционные расходы и повысить уровень защиты.

Почему всё это имеет значение? Прежде всего, ускорение цикла обнаружения и реагирования сокращает окно, в которое злоумышленники могут нанести ущерб. Когда анализ вредоносного кода занимает часы, а не недели, компании могут быстро изолировать заражённые системы и обновлять правила защиты. Кроме того, масштабируемость, продемонстрированная Third Moment Research, открывает путь к глобальному мониторингу инфраструктур, где каждый узел может самостоятельно принимать решения, опираясь на общую модель поведения. Наконец, интеграция кода и LLM в рамках одной платформы, как в Amp, устраняет необходимость в отдельном человеческом посреднике, позволяя автоматизировать рутинные задачи и сосредоточиться на стратегических вопросах.

В совокупности эти разработки формируют новую парадигму, где AI‑агенты становятся не просто вспомогательными инструментами, а полноценными участниками экосистемы киберзащиты и автоматизации. Их способность быстро обучаться, масштабироваться и взаимодействовать с современными моделями делает их ключевым фактором в борьбе с растущей сложностью угроз, а также в ускорении цифровой трансформации предприятий.