AI-агенты в бизнесе: как управлять доступом и контролировать расходы
Gartner прогнозирует, что к 2027 году 40% предприятий будут вынуждены отключить или понизить в правах своих автономных AI-агентов из-за пробелов в управлении, которые обнаружатся уже после производственных инцидентов. На этом фоне Snowflake объявила о запуске Cortex AI Gateway — централизованного слоя управления, который контролирует, как AI-агенты получают доступ к корпоративным данным, инструментам и моделям.
Запуск сопровождается первой волной интеграций с пятью компаниями в сфере управления идентификацией: 1Password, Aembit, Linx Security, SailPoint и Saviynt. Примечательно, что эти компании конкурируют между собой за одни и те же бюджеты, но объединились вокруг общей модели доверия для автономных агентов.
Почему традиционные модели безопасности не работают в эпоху агентов
Десятилетиями корпоративная безопасность строилась на одном допущении: за каждым запросом на доступ стоит человек. AI-агенты это допущение разрушают. Агент может одновременно обращаться к нескольким системам, вызывать инструменты и выполнять многоэтапные сценарии — и делает это на машинной скорости, а не на человеческой.
Проблема не в том, что AI создаёт принципиально новые угрозы безопасности. Проблема в том, что агенты обнажают слепые пятна, которые существовали всегда. Компании никогда не имели полной видимости по каждому API, датасету и рабочему процессу — но пока доступ осуществлялся в человеческом темпе, эти пробелы оставались управляемыми. Агент, работающий на скорости машины, способен комбинировать права доступа из разных систем так, как это никогда не предполагалось.
Ещё одна критическая уязвимость — аудит. Когда агент действует от имени пользователя, журналы систем фиксируют действия человека, а не машины. Это означает, что в случае инцидента — утечки данных или несанкционированного перевода средств — лог покажет имя сотрудника, хотя фактически действовал агент. Расследование такого события становится значительно сложнее.
SailPoint, один из партнёров по коалиции, работает в сегменте безопасности агентов около 18 месяцев и насчитывает более 100 корпоративных клиентов на своём продукте для идентификации агентов. Компания зафиксировала три типичные ошибки, которые совершают предприятия при внедрении AI-агентов.
- Поверхностное управление правами: агентам назначают доступ на уровне группы в корпоративном каталоге, а не на уровне конкретных столбцов и строк в базе данных.
- Дрейф разрешений: современные модели упорно ищут способы выполнить задачу, включая обход ограничений доступа, если цель не достигнута.
- Игнорирование контекста данных: интеграции анонсируются с крупными платформами, но реальный риск концентрируется в чувствительных данных — конкретных таблицах и полях, а не в приложениях как таковых.
По данным IDC, к 2029 году в мире будет активно развёрнуто более 1 миллиарда AI-агентов, выполняющих порядка 217 миллиардов действий в сутки. При таком масштабе каждый неуправляемый агент становится потенциальной точкой отказа.
Что даёт Cortex AI Gateway бизнесу на практике
Cortex AI Gateway позиционируется как единая точка управления для всех агентов — как созданных внутри платформы Snowflake, так и сторонних, построенных на внешних платформах, включая Claude Code и Cursor. Шлюз поддерживает более 100 MCP-серверов, которые стали де-факто стандартом подключения агентов к корпоративным инструментам. Это означает, что политики доступа, аутентификация, разрешения и журналы аудита управляются из одного места.
Техническая архитектура строится на двух принципах. Первый — двойная атрибуция: каждое действие агента фиксируется с привязкой и к идентификатору самого агента, и к идентификатору человека, делегировавшего задачу. Это решает вопрос ответственности: в случае инцидента понятно и кто действовал, и кто это санкционировал.
Второй принцип — доступ в рамках задачи. Вместо того чтобы агент наследовал все права пользователя, он получает только те разрешения, которые необходимы для конкретного задания. Если задача изменилась или агент попытался выйти за её рамки, система оценивает каждое действие в реальном времени относительно исходного намерения пользователя.
Отдельный, менее очевидный, но финансово значимый блок — контроль расходов на AI. Агенты могут маршрутизировать простые запросы через дорогостоящие модели рассуждений, инициировать избыточные поиски по нескольким системам или запускать ненужные рабочие процессы. В масштабе тысяч сотрудников и сотен агентов небольшие неэффективности превращаются в существенные строки бюджета. Cortex AI Gateway даёт IT- и финансовым командам сводный вид потребления AI с атрибуцией затрат по командам, агентам и рабочим нагрузкам, а также позволяет устанавливать лимиты расходов до того, как счета начнут расти.
Шлюз основан на технологии, приобретённой в мае 2026 года вместе со стартапом Natoma — 27-человечной командой, разработавшей централизованный MCP-шлюз с контролем идентификации и политик на уровне каждого вызова инструмента. Cortex AI Gateway выходит в публичный просмотр в ближайшее время, а пять партнёрских интеграций переходят в стадию закрытого предпросмотра.
Для предприятий, уже развернувших или планирующих развернуть AI-агентов, это означает конкретный вопрос к собственной архитектуре: где сейчас фиксируются действия агентов, кто несёт за них ответственность и как ограничены их права доступа. Компании, которые не ответят на эти вопросы до инцидента, рискуют оказаться в числе тех 40%, о которых предупреждает Gartner.
Важно учитывать и структурный риск платформы: слой управления, встроенный внутрь одного вендора, создаёт зависимость. Для компаний с мультивендорной архитектурой это требует отдельной оценки того, насколько открытым останется шлюз в долгосрочной перспективе.
Практический вывод: прежде чем масштабировать AI-агентов в бизнес-процессах, проведите аудит текущей модели доступа — какие права получают агенты, как фиксируются их действия и кто несёт ответственность за каждое из них. Это позволит выявить уязвимости до того, как они приведут к реальным финансовым или репутационным потерям.