After the code is written, what did AI take over: YC W26 Operations/Testing/Automation/Agent Infrastructure 22 companies fully deconstructed

Написано:朗瀚威 Will

Це п’ята стаття в серії аналізу YC W26. У попередній статті ми розглянули AI інструменти для програмування та “Claude Code for X” (12 компаній), а в цій — іншу половину ланцюга розробки — все, що відбувається після написання коду: операційна підтримка, тестування, автоматизація робочих процесів, інфраструктура для розробки агентів — всього 22 компанії.

Код — це лише початок

У попередній статті ми говорили, як AI змінює “писання коду”. Але написання коду — це лише частина розробки програмного забезпечення: після цього йдуть розгортання, експлуатація, чергування, тестування, виправлення помилок, автоматизація робочих процесів — кожен крок потребує людського втручання.

Компанії YC W26 займаються тим, щоб кожен з цих етапів після написання коду був автоматизований за допомогою AI-агентів.

Пробудження о 3 ранку з попередженням у виробничому середовищі? IncidentFox автоматично аналізує логи, визначає корінь проблеми, готує скрипти для виправлення — ви прокидаєтесь лише для перегляду та затвердження. Виявили баг? Lucent цілодобово переглядає записи сесій, щоб виявити проблему раніше користувача. Потрібно автоматизувати процес затвердження у Excel? Bubble Lab зробить це за один рядок.

Ці 22 компанії можна поділити на 4 групи: AI для операцій/SRE (5 компаній), AI для тестування/QA (2 компанії), AI для автоматизації робочих процесів (7 компаній), інфраструктура для розробки агентів (8 компаній).

Перший висновок: 4 ключові твердження, які можна одразу взяти на озброєння

1. IncidentFox — найповніший продукт серед цих 22 компаній. Два колишні інженери Roblox (підтримували інфраструктуру для понад 100 мільйонів активних користувачів на день), з відкритим кодом, понад 300 інтеграцій, розгортання менш ніж за добу. Головна відмінність не у “аналізі логів за допомогою AI” (це може будь-хто), а у “автоматичному виявленні вашого технічного стеку та автоматичному створенні інтеграцій” — що позбавляє найболючішої частини підключення.

2. AI для операцій (5 компаній) і AI для тестування (2 компанії) об’єднані у те, що вони перетворюють “забезпечення якості коду” з людської праці у агентну. Традиційне чергування, пошук багів, регресійне тестування — все це вимагає багато часу інженерів. Ці 7 компаній ставлять на те, що агенти можуть швидше виявляти проблеми, швидше знаходити корінь і працювати цілу добу без перерви.

3. Автоматизація робочих процесів (7 компаній) — найрізноманітніша група з найбільшою кількістю користувачів. Вони об’єднані ідеєю “допустити людей, які не пишуть код, автоматизувати роботу за допомогою AI” — RamAIn керує будь-яким софтом через комп’ютерне зір, Bubble Lab створює автоматизацію за один рядок, Jinba автоматизує корпоративні робочі процеси через чат. Це не для розробників, а для всіх знаньоємних працівників.

4. Інфраструктура для розробки агентів (8 компаній) — най"мета" група — інструменти для створення агентів. Emdash — відкритий інструмент для розробки агентів, Overshoot — платформа для AI-комп’ютерного зору, Glue — платформа для дизайну інтерфейсів агентів. Логіка цієї групи схожа на “інфраструктуру для агентної економіки”, про яку йшлося у статті про фінтех: коли кількість агентів зростає, інструменти для їх створення стають критично важливими.

Підсегмент 1: AI операцій/SRE — IncidentFox, Mendral, Corelayer, Sonarly, Lucent

П’ять компаній займаються однією і тією ж задачею: замінити операційних інженерів AI.

IncidentFox

Офіційний сайт:

AI SRE агент — автоматичне розподілення, розслідування і виправлення виробничих інцидентів у Slack.

Ключові дані: відкритий код (Apache 2.0), понад 420 зірок на GitHub, понад 300 інтеграцій, підтримка Kubernetes/AWS/Grafana/Prometheus/Datadog/PagerDuty/GitHub.

Бізнес-модель: відкритий код + корпоративна версія (безпечний пісочниця, проксі для облікових даних, управління кількома командами). Розгортання — менше ніж за добу.

Команда: Jimmy Wei — колишній Roblox (соціальні функції, понад 100 мільйонів активних користувачів), раніше в Meta FAIR займався дослідженнями багатомовного AI, випускник Корнельського університету CS. Long Yi — колишній інженер Roblox з інфраструктури (бази даних, підтримка понад 100 мільйонів активних користувачів). Двоє — один створює AI, інший — займається операціями, їхній досвід доповнює один одного.

Конкуренти/ризики: PagerDuty, Incident.io (з залученням понад $50 млн), Datadog, ServiceNow — всі розвиваються у напрямку AI для операцій. Але у IncidentFox ключова відмінність — “автоматичне створення інтеграцій” — інші інструменти вимагають тижнів ручного підключення систем, а IncidentFox аналізує кодову базу і історію інцидентів і автоматично генерує інтеграції.

Інші переваги: SOC 2 відповідність. Кожне дослідження працює у ізольованому контейнері, агент не бачить оригінальні ключі. Також є плагін Claude Code для розробників.

Головне розуміння IncidentFox: причина провалу AI інструментів для операцій — не у слабкості моделей, а у недостатній глибині інтеграцій. Ваші платіжні системи використовують власний Kafka, інфраструктура — власний деплоймент, ML-команди — власні моделі. Загальні AI-інструменти не можуть підключитися. IncidentFox аналізує код і історію інцидентів, автоматично виявляє, що потрібно інтегрувати, і генерує це — людське схвалення достатньо.

Chris Lu у твіттері описав IncidentFox як “інженер AI SRE, що самостійно виправляє інциденти”. Це і для інженерів підтримки — добро, і для них — загроза.

Mendral (0.9 тис. відвідувань на місяць) — AI DevOps інженер. На відміну від IncidentFox, що фокусується на “післяінцидентному ремонті”, Mendral орієнтований на “щоденну підтримку” — CI/CD, управління деплойментами, налаштування середовищ.

Corelayer (0.4 тис. відвідувань) — “AI інженер для налагодження даних”. Підкреслює data-driven підхід — не здогадуватися, де проблема, а автоматично зв’язувати метрики і логи.

Sonarly (0.2 тис. відвідувань) — AI для попередження про інциденти. Зосереджена на класифікації, дублікації та зв’язуванні попереджень, щоб виділити ті, що потребують уваги.

Lucent (1.6 тис. відвідувань) — AI для автоматичного перегляду сесій і виявлення багів, що не з коду, а з UX. Цілодобово переглядає відеозаписи користувачів, автоматично знаходить затримки, помилки, аномалії і створює баг-репорти у Slack і Linear з повним контекстом.

Засновниця Alisa Rae — історія сама по собі варта уваги: австралійка, заснувала і продала освітню компанію, була співробітницею MagicBrief (після купівлі Canva), працювала у Atlassian над редактором. Вперше подала заявку на YC — відхилили, порадили знайти співзасновника. Вона наполягла на solo-стратегії, залучила $2 млн на стартовий раунд, і вдруге пройшла. Уже понад 30 компаній YC використовують Lucent. Відгуки: “За перший тиждень знайшли 7 нових багів”, “перевищили вкладення за перший тиждень”. 94% користувачів не повідомляють про баги і просто йдуть — саме тому існує Lucent.

Загальна логіка цих 5 компаній: більша частина часу інженерів підтримки — не у “ремонті проблем”, а у “їх пошуку”. Аналіз сигналів із десятків систем моніторингу, логів, змін у деплойментах — цей процес займає 80% часу. AI-агенти можуть одночасно аналізувати всі джерела і зв’язувати дані за секунди, зменшуючи час пошуку з годин до хвилин.

Підсегмент 2: AI тестування/QA — Canary, Ashr

Дві компанії займаються AI тестуванням.

Canary — “перша AI QA, що розуміє ваш код”. Ключове — “розуміння коду” — не просто генерація тестів, а читання логіки і створення тест-кейсів, що відповідають реальному коду. Традиційні AI-інструменти генерують тест-кейси, що часто не відповідають логіці.

Офіційний сайт:

Ashr — автоматизація багатомодального тестування агентами. “Мультимодальність” означає тестування не лише текстових інтерфейсів, а й зображень, відео, голосу. Зі зростанням AI-застосунків із мультимодальним входом-виходом, тестові інструменти мають йти в ногу.

Підсегмент 3: AI автоматизація робочих процесів — RamAIn, Bubble Lab, Jinba, Ressl AI, EigenPal, Carson, Crow

Це найбільш широка група — користувачі не розробники, а всі, хто потребує автоматизації.

RamAIn

Офіційний сайт:

“Найшвидший у світі комп’ютер, що використовує агент” — навчає AI керувати вашим комп’ютером так, як людина, переносити дані між браузером і десктопом.

Ключові дані: 35 тис. відвідувань на місяць, вже використовують у закупівлях, страхуванні, медицині, фінансах. Розгортання — за кілька днів.

Команда: два студенти IIT Delhi — CEO Shourya, раніше у McKinsey займався корпоративним AI, заснував Genoshi (AI-студія, доходи — шестизначні), також грав у шахи FIDE 2118, представляв Індію у 17 країнах.

Бізнес-модель: корпоративна — автоматизація передачі даних між застарілими системами, десктопами і веб-порталами. Цільові клієнти: закупівельні команди (ERP, портали постачальників), страхові брокери, медичні заклади, фінансові відділи.

Конкуренти/ризики: Anthropic Computer Use, OpenAI Operator — найбільші загрози. Відмінність RamAIn — “навчання на конкретних інтерфейсах” — універсальні CUA (скріншоти → візуальні моделі → рішення → повтори) — дорого і повільно, тому RamAIn вчиться вашому інтерфейсу і автоматизує.

Також є “самовідновлення” — UI змінюється — агент не ламається, що є слабкістю традиційних RPA.

Bubble Lab (19 тис. відвідувань) — “один підказ, і автоматизація назавжди”. Перетворює повторювані робочі процеси у автоматичні за один рядок. Простийший за Zapier — там потрібно налаштовувати тригери і кроки, а тут — просто описати, що автоматизуєте.

Jinba (17 тис. відвідувань) — “автоматизація будь-яких корпоративних процесів через чат”. Для бізнесу — запуск затверджень, обробка даних, інтеграція систем через чат.

Ressl AI (17 тис. відвідувань) — агент для налаштування ERP/CRM. Після підключення Salesforce або SAP — налаштування і кастомізація — складна робота. Ressl AI робить це за допомогою AI-агентів.

EigenPal (9 тис. відвідувань) — корпоративний AI для роботи з документами. Carson — робочий простір AI для десктопу (детально розглянуто у статті OpenClaw). Crow (25 тис. відвідувань) — “дозволяє користувачам керувати додатками через чат” — додає AI-чат у будь-який SaaS, щоб користувачі не вчилися інтерфейсу, а просто через чат виконували завдання.

Загальна логіка: AI-програмування знижує бар’єр для написання коду, але більшість роботи не потребує кодування — потрібно просто з’єднати інструменти і автоматизувати повторювані процеси. Це — “автоматизація без коду”.

Підсегмент 4: Інфраструктура для створення агентів — Emdash, Overshoot, Cardboard, Glue, Sila, Valgo, SideKit, Wideframe

Інструменти для створення агентів.

Emdash (23 тис. відвідувань) — відкритий інструмент для розробки агентів — понад 60 тис. завантажень, 2430 зірок на GitHub. Підтримує паралельне запускання кількох агентів, будь-який провайдер моделей. Більш відкритий і незалежний від моделей, ніж попередній.

Офіційний сайт:

Overshoot (16 тис. відвідувань) — платформа для AI-комп’ютерного зору — допомагає розробникам створювати і запускати AI-застосунки з візуальним аналізом.

Cardboard (7 тис. відвідувань) — відеоредактор для агентів. AI-агенти автоматично монтують, редагують, додають субтитри і спецефекти. Традиційно — потрібні навички і дороге ПО, а Cardboard прагне зробити це простіше — просто скажіть агенту, який ефект потрібен.

Glue — платформа для дизайну інтерфейсів агентів — коли потрібно створити фронтенд для агента, допомагає зробити це швидко. Зростає попит на візуальні панелі для агентів.

Sila — інфраструктура для обміну повідомленнями між агентами — коли кілька агентів працюють разом, потрібно передавати дані. Sila вирішує цю задачу.

Valgo (3 тис. відвідувань) — безпечна перевірка алгоритмів автономних систем. SideKit (2 тис.) — комплексне рішення для розгортання мобільних додатків (рідко — не AI-компанії). Wideframe — AI для монтажу відео.

Разом ці 22 компанії

Декілька спостережень:

По-перше, AI для операцій (5 компаній) — найрозвиненіша група. IncidentFox вже з відкритим кодом, понад 300 інтеграцій, SOC 2. Це не випадковість — операції — одне з найкращих застосувань AI: час виправлення з кількох годин зменшився до кількох хвилин, що легко виміряти.

По-друге, автоматизація робочих процесів (7 компаній) — основна конкуренція — не між собою, а з існуючими інструментами — Zapier, Make, n8n. AI робить ці інструменти “розумнішими”, але вони теж швидко додають AI-функції. Щоб вижити у цій ніші, потрібно знайти вузький сегмент.

По-третє, інфраструктура для агентів — найдовший і найдовірливіший напрямок. Зараз агентів мало, і цінність інфраструктури ще не очевидна. Але якщо економіка агентів справді вибухне (як у фінтех-статті з Sponge, що відкриває банківські рахунки для агентів), інструменти для їх створення стануть рівнем інфраструктури хмарних сервісів.

По-четверте, всі ці 22 компанії — B2B. Як і у всій серії — YC W26 — це повністю B2B. AI-інструменти продаються корпораціям і розробникам, не споживачам.

Висновки для китайських команд

По-перше, попит на AI для операцій у Китаї дуже великий. Китайські інтернет-компанії (ByteDance, Alibaba, Tencent, Meituan) мають масштаб, не менший за США, але рівень AI у їхніх інструментах ще низький. Внутрішні системи моніторингу (ARMS Alibaba, APMPlus ByteDance) ще не активно впроваджують AI, як Datadog. Якщо команда зробить “китайську версію IncidentFox” — інтегруєся з популярними системами, підтримає китайську мову і техстек — ринок буде.

По-друге, автоматизація робочих процесів у Китаї має особливий сценарій — DingTalk і Feishu. Це основні платформи для роботи в компаніях, але їхні можливості автоматизації ще дуже базові. Якщо команда зробить “AI автоматизацію у DingTalk/Feishu” (подібно Jinba для Slack), це швидко набере популярність.

По-третє, інструменти для створення агентів у Китаї — відсутні. В США вже є Emdash, Glue, Sila, а у Китаї — ще немає рівних інструментів. З ростом кількості агентних розробників цей ринок відкриється.

Можливі висновки

1. Головна перешкода для AI у підтримці — не модель, а інтеграція. Ідея IncidentFox — автоматичне створення інтеграцій — варта уваги всіх команд, що роблять корпоративний AI: якщо AI не може підключитися до систем клієнта, він безсилий.

2. “Автоматизація без коду” стає окремим сегментом. Потік трафіку у RamAIn, Bubble Lab, Crow підтверджує — попит реальний. Ці інструменти орієнтовані не на розробників, а на всіх знаньоємних працівників — цей ринок у 10 разів більший за інструменти для розробників.

3. Інфраструктура для агентів — правильний, але довгостроковий напрямок. Як і у 2010-х з хмарною інфраструктурою — тоді здавалося, що інфраструктура зайва, але коли застосунки почали стрімко зростати, вона стала найприбутковішою. Інфраструктура для агентів може повторити цей шлях.

4. Разом із попередніми 12 компаніями, ці 34 — найбільший сегмент DevTools у W26. Це свідчить: AI спершу змінює спосіб створення софту, а потім — індустрії. Інструменти для розробників — “база” AI.