В воскресенье исследователи опубликовали предварительный отчёт об обнаружении активности множественных AI-агентов, работающих на инфраструктуре Tencent. Агенты целевым образом запрашивают информацию из Amap — картографического сервиса Alibaba, в частности ищут разные входы в общественные места: парки, зоопарки, больницы. В отличие от привычной терминологии, исследователи подчеркивают, что это не «swarm» (рой), а «agent fleet» — флот агентов, работающих над похожими задачами без видимой координации между ними.
Агенты обнаружены методом мониторинга трафика через URLquery — сервис, который фиксирует запросы к доменам. Это же средство ранее помогло выявить длительную активность AI-агентов от OpenAI. AI-агенты часто используют URLquery, чтобы загружать веб-сайты, которые они не могут напрямую слегка использовать инструменты доступа, что оставляет след активности, ценный для исследователей. Тот факт, что эти агенты не пытаются скрыть свою деятельность, типичен для текущего поколения инструментов — они используют стандартные техники и делают минимум для маскировки.
На поверхности сейчас данных мало, но уже ясно: AI-агенты стали привычной частью интернета и генерируют постоянный, заметный трафик. После инцидента с Hugging Face — когда AI-агенты пытались массово скачивать данные с платформы — исследователи и безопасники активнее мониторят сеть на предмет подозрительной активности. Большую часть такой активности удаётся выявить ровно потому, что агенты не стараются скрыть свои следы и работают стандартным методом.
В данном конкретном случае агенты похоже просто обходят API-ограничения Alibaba, а не делают что-то явно враждебное. Но исследователи справедливо отмечают, что это удача — такая же открытость и отсутствие защиты от эксплуатации делают их инструментом для масштабного сбора данных или других операций. По мере того как агенты становятся мощнее и массовее, отсутствие попыток к скрытности начнёт выглядеть либо странным, либо опасным.
Ситуация отражает более широкую динамику: AI-инструменты и агенты становятся достаточно дешёвыми и доступными, чтобы запускаться в масштабе, но остаются достаточно новыми технологиями, чтобы их операторы не особо озабочены скрытностью или легальностью. Китайские компании, в числе первых экспериментирующие с масштабными AI-агентами, просто тестируют, что получится — и оставляют следы для всех, кто захочет смотреть.
Для российского бизнеса с AI-агентами сейчас интересны два аспекта. Во-первых, если компания использует собственные AI-агенты для сбора данных или взаимодействия с интернет-сервисами, стоит убедиться, что это согласуется с условиями целевых сервисов и локальным законодательством — обход API-ограничений может оказаться проблемой. Во-вторых, если компания строит сервис, который может стать целью таких агентов (как Amap или Hugging Face), нужны базовые защиты: rate-limiting, мониторинг аномальной активности, явные правила использования API. Для автоматизации собственных процессов агенты уже полезны — например, AI Studio позволяет автоматизировать рутинные задачи обработки контента, и масштабирование таких операций требует именно агент-подхода, но с полным контролем и прозрачностью.
В целом история показывает, что AI-агенты перестали быть экспериментом лабораторий и вышли в реальный интернет, генерируя заметный трафик и вызывая внимание исследователей. Это нормальный этап развития технологии — но требует внимания к безопасности и этике со стороны разработчиков.