Интервью
Ян Чурн, сооснователь и генеральный директор Apify — серия интервью

Ключевые моментыАгенты будут арендовать существующие инструменты, когда создание с нуля стоит дороже…
Показать больше
- Агенты будут арендовать существующие инструменты, когда создание с нуля стоит дороже покупки.
- Тихие сбои позволяют агентам уверенно суммировать пустые страницы, не замечая проблемы.
- Apify выплатила нескольким сотням авторов около $2 млн общего чистого дохода в прошлом месяце.
Ян Чурн — сооснователь и генеральный директор Apify, которую он запустил вместе с Якубом Баладой в 2015 году в рамках программы Y Combinator Fellowship. Идея первоначального продукта — инструмента для преобразования сайтов в API — возникла в том числе из практической потребности собирать объявления о сдаче квартир в Праге. С тех пор под его руководством Apify превратилась из инфраструктуры для обхода веб-сайтов в платформу для работы с веб-данными и автоматизации браузера, а также в маркетплейс инструментов, которыми всё чаще пользуются ИИ-агенты.
Apify предлагает платформу для сбора данных с сайтов, автоматизации браузера и готовых к запуску инструментов под названием Actors. Разработчики могут публиковать Actors на маркетплейсе платформы и получать от них доход, а компании и создатели ИИ используют эти инструменты для извлечения структурированных веб-данных и автоматизации задач. В этом интервью Чурн рассказывает о том, как агенты находят специализированные инструменты и пользуются ими, почему важны свежие данные, а также какие надёжность, разрешения и экономические условия необходимы, чтобы агенты могли работать в интернете в больших масштабах.
Вы основали Apify вместе с Якубом Баладой в 2015 году в рамках программы Y Combinator Fellowship. Изначально ваша цель состояла в том, чтобы упростить разработчикам создание гибких и масштабируемых веб-краулеров. Что вдохновило вас на эту идею и как за последнее десятилетие изменилось ваше первоначальное видение?
Идея Apify возникла из проблемы, с которой мы столкнулись сами — я и Якуб. Мы работали над проектом для клиента, которому нужны были объявления о новых квартирах в Праге, а существующие инструменты плохо справлялись с динамическим JavaScript и нестандартной структурой сайтов. Поэтому мы создали собственный инструмент, преобразующий любой сайт в API.
Со временем проект вышел за рамки веб-краулинга и превратился в платформу для сбора данных с сайтов, автоматизации браузера и работы с веб-данными. Затем мы открыли маркетплейс, где разработчики могут публиковать свои инструменты под названием Actors и получать оплату за их использование. Сейчас всё большую долю пользователей этих Actors составляют ИИ-агенты.
Apify появилась как платформа для веб-краулинга задолго до того, как ИИ-агенты стали одним из главных направлений развития отрасли. Когда вы поняли, что созданная вами инфраструктура может оказаться особенно полезной для ИИ-агентов, которым нужно получать доступ к интернету и взаимодействовать с ним?
Первое озарение пришло в начале 2023 года, вскоре после запуска ChatGPT. Внезапно стало возможно добавлять свежие данные из интернета в запрос, вместо того чтобы обучать новую модель. Apify была одной из первых платформ для сбора данных с сайтов, которая предоставила краулеры для появлявшихся тогда RAG-конвейеров и интеграцию с новыми библиотеками, такими как LangChain и LlamaIndex.
Затем началась волна ИИ-агентов. Допустим, вы просите агента сравнить цены на товар на 20 сайтах электронной коммерции. Откуда он возьмёт данные? Эту задачу мы уже много лет решали для разработчиков. Поэтому, когда Anthropic в конце 2024 года представила Model Context Protocol (MCP), мы сразу же его внедрили. У нас уже были тысячи инструментов с чётко заданными входными и выходными данными — именно то, что нужно агенту.
Настоящий переломный момент наступил в конце 2025 года, когда модели стали достаточно эффективными, чтобы агенты могли выполнять серьёзную работу. Агентам нужны подходящие инструменты и надёжные данные, и с тех пор использование Apify резко выросло: валовая годовая регулярная выручка (ARR) быстро приближается к $100M.
Apify превратилась в платформу, объединяющую более 90 000 инструментов для работы с веб-данными, сбора информации с сайтов, автоматизации и ИИ. Какую роль, по-вашему, играет эта экосистема в ситуации, когда агентам всё чаще нужны специализированные инструменты, а не только возможности больших языковых моделей?
Да, модели смогут с нуля создавать всё более сложное программное обеспечение, но существует порог, выше которого агенту выгоднее купить готовый инструмент, чем разрабатывать его самостоятельно. По мере совершенствования моделей этот порог будет повышаться, однако всегда останутся задачи, для которых покупка готового решения будет предпочтительнее. Это создаёт возможность продавать заранее созданные инструменты, особенно если они основаны на закрытых данных и труднодоступном контексте.
По мере удешевления разработки программного обеспечения и роста числа программных систем и инструментов главным ограничением становится их поиск: где найти надёжные и полезные инструменты, которые помогут выполнить задачу? Вместо того чтобы платить $500 за качественную разработку, можно заплатить кому-нибудь $5 за аренду готового сервиса.
Судя по тому, что вы видите в сообществе разработчиков Apify, какие реальные применения ИИ-агентов сегодня кажутся вам наиболее интересными и какие сценарии действительно доходят до промышленного внедрения?
Некоторые из самых интересных примеров удивительно узкоспециализированы. Мы видели, как ИИ анализирует YouTube, eBay и японские магазины, чтобы помочь определить, какие карточки Pokémon стоит купить. Одна страховая компания использовала Apify, чтобы проверить 55 итальянских сайтов с некрологами и установить, умерли ли страхователи. На другом конце спектра — Canary, которая использует Apify для Spotlight, инструмента, помогающего следователям находить жертв торговли детьми.
Все эти примеры объединяет то, что они решают конкретную проблему и опираются на доступ к нужным данным, а не на агента, предназначенного для выполнения самых разных задач.
Одна из главных проблем ИИ-агентов — получать свежую структурированную информацию с сайтов, а не полагаться исключительно на статичные обучающие данные. Насколько важным станет доступ к интернету в реальном времени по мере того, как агенты будут выполнять всё более сложные задачи?
Большая языковая модель (LLM) — это сжатое представление данных, на которых её обучали, причем при сжатии часть информации теряется. Она может делать очень умные предположения, но это всё равно лишь предположения. Когда от агента ждут, что он будет принимать решения или выполнять задачи в реальном мире, он не может полагаться только на обучающие данные. Цены меняются, товары исчезают, конкуренты запускают новинки, а сайты постоянно обновляются.
Модель обеспечивает рассуждение, но многим агентам нужен надежный способ получать актуальную информацию из интернета и преобразовывать её в структурированные данные, которые можно использовать в больших масштабах.
Веб-среда может быть непредсказуемой: интерфейсы меняются, контент обновляется динамически, требуется аутентификация, действуют системы защиты от автоматизации. С какими главными техническими трудностями сталкиваются разработчики, создавая агентов, способных надежно работать в открытом интернете?
Современные сайты могут выдавать динамический JavaScript, страницы с проверками или неполный контент, а антибот-системы учитывают всё — от репутации IP-адреса до цифрового отпечатка браузера. Сбои часто остаются незамеченными: агент может уверенно пересказать пустую страницу и не понять, что в ней ничего нет.
Создать систему, которая сработает один раз, относительно просто. Гораздо сложнее сделать так, чтобы она продолжала работать на меняющихся сайтах и справлялась с производственной нагрузкой.
Агенты всё чаще не только извлекают информацию, но и выполняют действия в интернете. Что должно улучшиться — например, в надежности, управлении разрешениями, проверке результатов и контроле со стороны человека, — прежде чем компании смогут доверить им более автономные рабочие процессы?
Разрешения приобретают гораздо большее значение, когда агент может не только читать, но и действовать. Агент ни в коем случае не должен видеть ваши учетные данные, а все секреты должны храниться за пределами защищенной песочницы и никогда не раскрываться модели. Мы работаем над этой проблемой изоляции через прокси для Actors на платформе Apify, а также для mcpc — нашего клиента командной строки с открытым исходным кодом для MCP.
Разработчики экспериментируют со всем — от автоматизации браузера до специализированных API и новых протоколов для агентов. Как, на ваш взгляд, будет развиваться архитектура ИИ-агентов и как должно выглядеть идеальное взаимодействие моделей, инструментов, источников данных и браузеров?
Думаю, крупные платформы для агентов, такие как ChatGPT и Claude, становятся новой операционной системой — основным интерфейсом, через который люди управляют компьютерами. Инструменты подключаются к ним так же, как приложения к смартфону. Для инструментов, работающих в других средах, стандартом протокола взаимодействия стал MCP.
Если агенту нужны такие данные, как оценки ресторанов и контактная информация, он может открыть Google Maps в браузере и переходить по страницам, нажимая на элементы, как это делает человек. Но такой способ неточен и обходится дорого. Вместо этого агент может найти и вызвать инструмент, который возвращает структурированные картографические данные: это быстрее и надежнее. Главный агент также будет передавать такие задачи, как бронирование столиков или поиск авиабилетов, специализированным субагентам, работающим на более дешевых моделях.
Apify уже много лет создает инфраструктуру для разработчиков и одновременно развивает площадку, где сторонние разработчики могут публиковать собственные инструменты. Может ли агентный ИИ привести к появлению гораздо более масштабной экономики специализированных инструментов и услуг, которые агенты будут находить и использовать автономно?
Да, и наша площадка уже представляет собой небольшую версию такой экономики. Разработчики публикуют Actors, люди ими пользуются, разработчики получают оплату, а это привлекает новых разработчиков и способствует появлению новых инструментов. Этот цикл роста уже много лет развивается благодаря покупателям.
По мере того как ИИ-агенты будут брать на себя всё больше обязанностей, им понадобятся деньги для выполнения некоторых задач. Можно представить, что агенту дают задачу и небольшой кошелек, а он по ходу дела платит за нужные ему инструменты с помощью протокола платежей для агентов, например x402 или MPP. Пока объемы невелики, но, полагаю, в конечном счете большая часть экономической деятельности будет происходить автономно между агентами, при всё меньшем контроле со стороны человека.
Apify вступает во второе десятилетие своей работы, а ИИ-агенты становятся гораздо более значимой частью мира программного обеспечения. Как, по-вашему, будет развиваться компания в ближайшие несколько лет и чего, на ваш взгляд, пока не хватает нынешней экосистеме агентов?
Всё больше людей подключают Apify к своим агентам, например Claude или ChatGPT, и понимают, что эти инструменты помогают быстрее выполнять в интернете более сложные задачи. Платформа Apify и Actors оптимизируются для удобной работы с агентами, что способствует росту использования и расходов.
С другой стороны площадки всё больше разработчиков программного обеспечения получают регулярный доход от своих Actors: более 300 Actors, созданных сообществом, приносят свыше $1,000 в месяц. Только в прошлом месяце мы выплатили нескольким сотням создателей в общей сложности около $2M чистого дохода.
Площадка Apify растет всё быстрее, как и наши амбиции: мы хотим сделать Apify крупнейшей и самой надежной в мире площадкой для инструментов ИИ, чтобы люди и миллиарды их будущих агентов могли выполнять задачи в интернете.
Спасибо за интересное интервью! Читателям, которые хотят больше узнать о веб-данных, автоматизации браузера и инструментах для ИИ-агентов, стоит посетить Apify.












