Не лише LLM: як розвивається штучний інтелект в Україні
Мене звати Євген Облог, я CEO Magecom, компанії, що понад десятиліття створює високоефективні цифрові рішення для e-commerce. Я також є випускником програми AI & Machine Learning в CalTech Postgraduate Center for Technology and Management. За більш ніж 12 років професійного досвіду я працював на перетині технологій, бізнесу та міжнародних ринків, у сферах комунікацій, стратегічного управління, інвестиційного менеджменту й командного розвитку.
Протягом кар’єри мені доводилося не лише впроваджувати нові бізнес-моделі, а й масштабувати технологічні проєкти, трансформуючи складні виклики у вимірювані результати. Цей досвід сформував мій підхід до управління та розвитку компаній: інновації мають бути не просто трендом, а практичним інструментом з реальним впливом.
У Magecom ми працюємо з цифровою трансформацією бізнесу, поєднуючи web-розробку, UX/UI-дизайн, маркетингову аналітику та інжиніринг клієнтського досвіду. Наш фокус не на коді заради коду, а на створенні рішень, які дійсно допомагають зростати: збільшувати конверсії, утримувати клієнтів, масштабувати процеси. І ми переконані: лише ті компанії, які швидко інтегрують інтелектуальні технології у свої продукти, матимуть реальні переваги в умовах сучасного ринку.
Для багатьох людей точкою входу в світ AI став саме ChatGPT, вперше штучний інтелект заговорив природною мовою, і це змусило замислитися: а що ж взагалі таке AI? Виявилося, що за простим інтерфейсом чат-бота складні архітектури, моделі, роки досліджень і цілі напрями машинного навчання. І хоча генеративні моделі справді вражають, AI це не лише про розмову з ботом, це про спосіб мислити, будувати системи, які вчаться, адаптуються й діють автономно.
У цій статті я хочу звернути увагу на саме цю багатовекторність: що таке AI насправді, які напрями мають прикладне значення вже сьогодні, та як ці технології впроваджуються в Україні. Ми розглянемо як проривні кейси, так і нішеві рішення, зокрема у стартап-середовищі, державних ініціативах і прикладних R&D-напрямах.
AI не лише мовні моделі: що входить до ширшої екосистеми
Попри те, що великі мовні моделі (LLM) стали «обличчям» сучасного штучного інтелекту, AI як галузь значно ширша за генеративні чат-боти. Йдеться про цілий спектр технологій, які працюють не лише з текстом, а й з візуальними, числовими, поведінковими та сенсорними даними. І кожен з цих напрямів уже має практичне застосування в бізнесі, медицині, логістиці, промисловості, агро та державному управлінні.
Джерело: аналітика Magecom на основі відкритих кейсів (Respeecher, Zibra AI), медіа-оглядів (Forbes, CSIS), даних DOU та AI HOUSE
Примітка: частки є експертною оцінкою й не претендують на повну репрезентативність ринку.
- Комп’ютерний зір (Computer Vision) — технології, які дозволяють системам «бачити» й інтерпретувати зображення та відео. Вони використовуються в медицинській діагностиці, системах контролю якості на виробництві, автоматизованих касах, охороні тощо.
- Предиктивна аналітика (Predictive Analytics) — машинне навчання, яке допомагає передбачати події на основі великих обсягів історичних даних. Це застосовується в управлінні запасами, оцінці ризиків, обслуговуванні техніки, поведінковому маркетингу.
- Рекомендаційні системи (Recommendation Engines) — алгоритми, які персоналізують досвід користувачів на основі їхньої поведінки. Вони є ключовими для e-commerce, стримінгових сервісів і фінтеху.
- Автономні системи (Autonomous Systems) — дрони, роботизовані платформи, транспортні рішення, які здатні діяти без втручання людини, використовуючи комбінацію сенсорів, нейронних мереж і логіки прийняття рішень.
- Нейромережеві моделі для обробки числових та часових рядів — потужні інструменти для аналізу фінансових, промислових та IoT-даних, що дозволяють виявляти аномалії, оптимізувати процеси й автоматизувати прийняття рішень.
Ще один перспективний напрям AGI (Artificial General Intelligence), або штучний загальний інтелект. Це моделі, які можуть не просто виконувати вузькі завдання, а вчитись, адаптуватися до нових умов, самостійно ставити цілі та змінювати власну структуру. Попри те, що AGI ще не досяг масового впровадження, розвиток трансформерних архітектур і комплексних нейромереж поступово рухає нас у цьому напрямі.
Ці напрями не лише існують на рівні досліджень, а вже активно інтегруються у бізнес-операції по всьому світу. І, що особливо важливо, їх впровадження не потребує десятків мільйонів доларів, як у випадку з тренуванням LLM. Це відкриває шлях до локальних ініціатив і нішевих рішень, які можуть приносити високу додану вартість навіть у межах середнього або малого бізнесу.
Важливо згадати, що українці були серед першопрохідців штучного інтелекту ще до того, як це стало глобальним мейнстрімом. Зокрема, академік Віктор Глушков у
Саме на цьому тлі стає цікаво подивитись: а що ж із такими технологіями в Україні? Хто їх розвиває, на якому рівні знаходиться ринок, і які напрямки мають найбільший потенціал?
Хто рухає український AI поза LLM
На відміну від масових уявлень про ШІ як про щось далеке, складне і захмарно дороге, в Україні вже сьогодні існує ціла низка компаній, команд і ініціатив, які розробляють реальні AI-рішення і більшість із них не мають нічого спільного з LLM. Це ознака того, що наша екосистема не просто наслідує глобальні тренди, а адаптує їх до локального контексту: більш прагматичного, ресурсно обмеженого, але й водночас гнучкого та інженерно потужного.
Серед ключових напрямів, де українські розробники показують конкурентну експертизу, комп’ютерний зір, розпізнавання аномалій, машинне навчання для фінансів та агро, нейромережеві моделі для дронів і навігації, AI-powered аналітика в e-commerce та log-tech.
Окремої уваги заслуговують:
- Respeecher. Компанія, що використовує deep learning для відтворення голосу з унікальною точністю. Їхні технології застосовуються в Голлівуді, але розробка повністю українська.
- Zibra AI. Команда, що створює AI-рішення для генерації візуального контенту у геймдеві, зокрема симуляцію фізики, динаміки та матеріалів.
- Esper Bionics. Hardware + AI стартап, який створює нейромережевий протез руки з адаптивним керуванням, що самонавчається під користувача.
- YouControl. Система аналітики ризиків у B2B-сегменті, яка використовує машинне навчання для виявлення зв’язків, патернів та аномалій у відкритих даних.
- Promin Aerospace, Pix, ComeBack Mobility та десятки інших команд інтегрують AI у свої продукти не як маркетингову позначку, а як фундаментальну частину рішень.
Не менш показовим є розвиток AI у сфері оборони DefTech і MilTech. Українські інженери створюють автономні системи, які використовують комп’ютерний зір, маршрутизацію та AI-навігацію. Особливо вражаюче — дрони, які здатні самостійно виявляти цілі, адаптуватись до перешкод і знищувати російські катери в реальному часі. Це приклад того, як інтелектуальні системи вже змінюють хід війни, ставши смертоносною зброєю нового покоління.
Для CEO, інвестора чи технічного лідера це відкриває цікаві можливості. Ми можемо створювати гібридні продукти з AI-ядром, адаптуючи існуючі фреймворки та моделі під локальні задачі. Ми можемо переосмислювати процеси не лише автоматизуючи їх, а й роблячи їх адаптивними, «розумними» в найкращому сенсі цього слова.
І головне, що ми вже маємо для цього все необхідне: інженерну школу, гнучкість ринку, глобальну орієнтацію і, що не менш важливо, дедалі більший запит з боку бізнесу.
Що стримує розвиток AI в Україні і чому це не привід зупинятися
Попри очевидний прогрес, розвиток штучного інтелекту в Україні залишається нерівномірним і фрагментованим. У цьому немає нічого дивного: AI не окрема галузь, а горизонтальна технологія, яка потребує зрілої інфраструктури, даних, міждисциплінарних команд і довгострокового бачення. І саме тут ми стикаємось із системними викликами, які варто озвучити прямо.
Перший. Обмежений доступ до якісних даних. У багатьох сферах, особливо в державному секторі чи традиційній промисловості, дані або закриті, або неструктуровані, або відсутні як клас. Без цього неможливо створити повноцінні AI-рішення, адже алгоритм без якісного «живлення», лише красива абстракція.
Другий виклик. Розрив між технічними командами та бізнесом. Навіть у середовищі інноваційних компаній часто бракує продуктового мислення: коли AI-розробка ведеться без чіткого розуміння, які саме метрики вона має змінити і яку цінність створити. Це породжує надто складні рішення для простих задач або, навпаки, надто прості для складних.
Третій. Відсутність системної державної підтримки. Попри окремі кейси (на кшталт Diia.City або фрагментарної цифровізації), ми не маємо національної стратегії розвитку AI ні в освіті, ні в промисловості, ні на рівні регуляторики. Це створює додаткову невизначеність для інвесторів та стримує довгострокове планування.
Четвертий бар’єр. Людський фактор. Фахівці з AI, data science та applied ML або вже інтегровані в західні проєкти, або емігрували, або працюють у сервісному форматі без можливості впливати на кінцеву візію продукту. Щоб змінити ситуацію, нам потрібно формувати середовище, де інженери можуть працювати не лише «по ТЗ», а як повноцінні part-owners AI-продуктів.
Проте, як і в будь-якому зламі технологічної епохи, саме ці обмеження створюють можливості для тих, хто діє швидше, гнучкіше і стратегічніше. AI не про «запустити черговий стартап», це про переглянути способи, якими ми вирішуємо задачі, масштабуємо бізнес і приймаємо рішення. Саме тому керівникам компаній варто вже зараз думати не лише про те, як впровадити AI, а як створити внутрішню культуру, готову його прийняти.
AI-таланти як стратегічний ресурс: що потрібно ринку, а що дає система
Жодна технологія не розвивається у вакуумі її завжди створюють люди. У випадку з AI це особливо помітно: тут недостатньо просто «знати Python» або «вміти будувати нейромережу». Ефективні AI-фахівці працюють на перетині аналітичного мислення, глибокого розуміння предметної області, вміння будувати гіпотези, працювати з невизначеністю й адаптувати рішення під бізнес-контекст. На жаль, саме така міждисциплінарність у нас поки що залишається радше винятком, ніж нормою.
Сьогодні освітнє середовище в Україні дає фрагментарну підготовку. Є сильні кафедри при КНУ, КПІ, УКУ, ЛНУ, НТУ «ХПІ», де випускають хороших математиків, прикладних програмістів, data science-фахівців. Є приватні школи й програми (на кшталт AI HOUSE, Prometheus, EPAM School), які намагаються заповнити нішу прикладного AI. Але ринку критично бракує:
- системного навчання продуктовому мисленню, тобто вмінню будувати AI-рішення не «заради технології», а під чітку бізнес-мету;
- реального досвіду з живими даними, особливо в медичному, фінансовому, виробничому середовищі;
- синергії між технічними та нетехнічними командами, особливо на рівні менеджменту: часто саме С-level не має розуміння, як грамотно інвестувати в AI.
Окрема проблема це відтік кадрів. Найкращі фахівці або працюють на іноземні компанії в режимі «резервного коду», або релоковані, або розчинені в аутсорсі. Це ускладнює формування повноцінних R&D-команд і знижує внутрішній рівень конкуренції.
Загальна кількість IT-фахівців з України у 2022 та 2025 роках
Прогнозовані дані. Джерело: аналітика на основі оцінок ринку, DEV.ua та IT Ukraine Association
Що з цим робити? Моя відповідь: ставитися до людського капіталу як до стратегії, а не як до ресурсу. Якщо ви компанія, яка хоче створити AI-продукт, вам потрібно не просто найняти data scientist, вам потрібна середовище, де ця людина зможе впливати, взаємодіяти з продуктовою логікою, бачити метрики й розвиватися. Якщо ви університет, то варто виходити за межі академічного підходу й будувати партнерства з бізнесом. Якщо ви СЕО, поставте AI в контекст своїх бізнес-цілей, а не в розділ «інновацій».
Як розвивається AI і що з ним робити, реалістичний вектор для України
Штучний інтелект це не магічна кнопка, не хайповий проєкт і не черговий тренд з Долини. Це набір інструментів, які можуть трансформувати бізнес-процеси, економіку і навіть хід війни, за умови правильної постановки задачі, доступу до даних і наявності міждисциплінарних команд.
Сьогодні AI розвивається не лише в межах генеративних LLM. Вектор зміщується в бік AGI систем, що здатні до самонавчання, адаптації й самостійного розвитку. Такі моделі вже не просто виконують алгоритми, а ставлять власні цілі й формують логіку дій. Це ще не масовий продукт, але напрям, який суттєво вплине на найближче десятиліття.
Унікальність моменту в тому, що Україна вже зараз бере участь у цьому технологічному зламі. Ми бачимо це у drone-tech, де автономні системи з комп’ютерним зором та AI-навігацією знищують ворожі катери, змінюючи правила гри на фронті. Ми бачимо це у фінтеху, агро, телемедицині, e-commerce. І, що важливо, то більшість з цих рішень створюється не в лабораторіях Кремнієвої долини, а тут, руками українських інженерів.
Водночас, щоб AI працював не як демонстрація, а як частина економіки, потрібно системне бачення:
- Компаніям. Думати не про «впровадити AI», а про створення внутрішнього AI-середовища: команд, які розуміють метрики, мають доступ до даних і можуть будувати рішення з реальним впливом на бізнес;
- Освітнім установам. Виходити за межі технічної підготовки, формуючи продуктовий підхід, розуміння бізнес-контексту й партнерства з індустрією;
- Державі. Створити рамкову політику розвитку AI: від національної стратегії, відкриття доступу до даних, до стимулювання R&D через грантову підтримку, оборонні контракти чи регуляторні пільги.
Якщо говорити чесно, то штучний інтелект в Україні сьогодні не є масовим явищем. Але це не проблема технології, це дзеркало нашої здатності думати стратегічно. Ми вже бачимо AI у дії: у дронах, які змінюють хід війни, у сервісах, які оптимізують логістику, в системах, що допомагають бізнесу приймати точніші рішення. Але головне, що ми бачимо, що ці речі створюють не лише великі корпорації, а команди в Харкові, Львові, Дніпрі, Києві.
Це означає, що доступ до майбутнього вже є. І питання не в тому, «коли ми впровадимо AI», а «чи є в нас бачення, яке дасть йому шанс працювати». Як CEO, я вважаю, що інвестувати в AI сьогодні це не тільки про технології, це більше про лідерство, про далекоглядність, будувати екосистему навколо AI ще до того, як це стане ринковим стандартом.
Mark Donia
Yuri Glushko
1 коментар
Додати коментар Підписатись на коментаріВідписатись від коментарів