ИИ-агенты как второй DevOps

2026-й, AI повсюду — в статьях, докладах, кофе-брейке. Но когда пытаешься притащить его в реальные DevOps-процессы, выясняется, что одному инженеру это все еще дорого, страшно и непонятно, с чего начать.

Ситуация знакомая: вы — один DevOps на продуктовую команду в примерно 50 человек. На вас алерты, тикеты, отчеты и менеджеры, которым нужно понять, куда ушли деньги в облаках. Менеджеры теперь и сами вайбкодят, но доставить это до прода все равно приходите чинить вы. Нанять второго инженера не дают — экономика не сходится.

Я взял open-source control plane Paperclip и собрал команду из шести AI-агентов (CEO, Engineer, Reviewer, SRE, Tester, Analyst) на одной VM. Расскажу на живых примерах (скриншоты, без маркетинга), как агенты забирают рутину: разбирают алерты и пишут RCA в тред, по ночам собирают FinOps-отчеты сразу по нескольким облакам, ведут задачу от тикета до MR с ревью — а финальный merge я пока осознанно оставляю за собой.

И, конечно, про грабли — потому что без них не бывает. Как агент за три минуты снес 148 production DNS-записей. Как вместо ожидаемой подписки мы два месяца платили примерно $1500–2000 из-за `--extra-usage`. Как агенты зациклились в чате критичных алертов без тредов и превратили его в шум. И как живущий по heartbeat агент со временем «забывает» инструкции и перестает брать новые задачи.

Доклад для тех, кто один (или их мало), а делать надо много: покажу, где AI-агенты реально снимают нагрузку, где они опасны, и какие guard rails обязательны, прежде чем пускать их к production.

Технологии: Paperclip, Claude Code, Terraform, GitLab CI, Kubernetes, Prometheus/Grafana, multi-cloud billing.

Целевая аудитория: DevOps/SRE/Platform-инженеры, тимлиды небольших команд.