Досвід інтеграції ШІ в українській defence компанії

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Це розповідь про реальність застосування штучного інтелекту у виробничому секторі. Зокрема, у Rarog Tactical Gear — виробника бронежилетів та військового спорядження. У компанії, де є більше швейного обладнання ніж ноутбуків.

Окремий напрямок штучного інтелекту в холдингу запустився у 2025 році. Першочерговою задачею — було з’ясування реального використання агентів в компанії. Ми провели загальне опитування серед працівників офісу (HQ) та керівництва виробництв. І відповідно отримали такі результати:

• 20% опитаних ніколи не використовували ШІ
• 26% опитаних впевнено та регулярно використовують ШІ
• 65% позитивно ставляться до розвитку ШІ
• 74% використовують виключно ChatGPT
• 83% не бояться своєї заміни ШІ
• 91% цікавляться навчанням по ШІ

Варто зазначити, що практично всі респонденти є представниками різних відділів або безпосередньо керівниками виробництва. Розробники та інженери в опитуванні участі не брали.

На основі першої статистики, я почав формувати загальну концепцію розвитку штучного інтелекту та шукати місця, де його застосування у процесах компанії принесе практичну користь. Також кожна ідея супроводжувалась питанням про рентабельність. Адже ми можемо витрачати великі бюджети та час на тестування сьогоднішніх новинок з AI, але вони ніяк не оптимізують наші виробничі та супутні процеси.

Для початку я робив базові внутрішні навчання працівників по ШІ. Розповідав про важливість промтів, галюцинації, n8n, PinPoint та AGI. Паралельно з цим для працівників офісу (HQ) ми купили корпоративні підписки ChatGPT. І при цьому стояло також питання рентабельності, так як OpenAI не надає чіткої статистики, ми не знали реального часу використання кожного купленого акаунту.

На підписках ми були 2 місяці, за цей час ми шукали альтернативи. Зупинились на Open WebUI на власному сервері, який був розгорнутий до тижня часу. Це дозволило нам платити лише за використанні токени. А так як інтерйфейс Open WebUI є доволі схожий до ChatGPT, переведення працівників стало дуже швидким та не болючим.

Результат зміни був доволі приголомшливим. Зміна моделі на використання токенів дозволила скоротити витрати на понад 80% порівняно з корпоративними підписками на ChatGPT. Та з’ясувати, що загальна кількість взаємодії працівників з агентами ШІ є нижчою за прогнозовану.

Маркетинг відділ Rarog Tactical Gear є найбільш активним у взаємодії із штучним інтелектом. Що логічно випливає із загальних тенденцій реального застосування ШІ у світі. Тому найбільше кейсів в компанії було зроблено з ними.

Розповім про декілька останніх:

1. Соціологічне дослідження ринку.

У нас була потреба отримати та структурувати фідбеки про використання наших виробів від кінцевих споживачів. Менеджери телефонували і спілкувались щонайменше півгодини з кожним клієнтом. Так як розмови записувалися, ми робили їх транскрипцію завдяки Google PinPoint. Після чого це все структурували та отримали готові інсайти завдяки ChatGPT.

2. Аналіз коментарів YouTube контенту.

Паралельно із Open WebUI на сервері у нас також розміщено n8n, який у цьому кейсі знайшов практичне застосування. Завдяки API ми з’єднались з YouTube, OpenAI та Google Таблицями. Тепер кожного дня зранку запускається автоматизований процес, який аналізує останні залишенні коментарі до всіх відео та Shorts з каналу, опрацьовується ChatGPT та формує загальний підсумок для маркетологів.

3. Оцифрування бізнес карток.

Так як продукти наших компаній регулярно презентуються на виставках, як в Україні так і за кордоном ми отримуємо дуже багато нових контактів. Зазвичай, вони є у форматі візиток. Тому я отримав запит їх оцифрувати. Тут також в нагоді став n8n та Telegram-бот. Завдяки відповідним нодам користувач лише фотографує візитку після чого записує голосове у бота, а ChatGPT це оцифровує, транскрибує та передає структуровану інформацію в Google Таблицю.

4. Обробка бази даних.

У нас було 14 Excel-таблиць із ~800 тисяч рядків кожна. І виникла потреба їх структурувати, об’єднати та отримувати швидкі відповіді на затребувані запити.

Але основна умова — зробити це з мінімальним бюджетом. Так як ці дані будуть не регулярно аналізуватись.

Першим викликом стало об’єднати 14 таблиць в одну, так як це Excel таблиці, в нагоді став Microsoft Power BI desktop (безкоштовний). Туди було завантажено всі таблиці, але зразу же виникла інша проблема — стовпці мали різні назви в кожній таблиці. Тут вже довелось перейменовувати вручну завдяки вбудованому Power Query назви колонок і видаляти незатребувані. На це пішло сумарно біля однієї години. Далі завдяки функції об’єднання — отримано єдину таблицю на близько 10 млн рядків (текст та числа).

І тільки лише після цього етапу з’являється штучний інтелект. Microsoft Power BI має функціонал DAX. А код до нього непогано генерує LLM. Так як у нас є Open WebUI, а там можна робити агентів, тому він знову стає у нагоді. Агента створили на базі останнього ChatGPT, промт до нього генерував також він. Десь із 20 спроби промт був відповідний. Тепер написавши звичайни запит у агента, він створює DAX-код, який копіюється у Power BI, де можна отримати готовий результат по запиту.

Значний плюс цього кейсу, що він майже безкоштовний, не враховуючи токенів на запит генерування коду. Але є і мінуси. Файл .pbix важить 7,5 ГБ та відкривається 5 хвилин. Також якщо цією базою потрібно користуватись іншим співробітникам, необхідно кожному встановити MS Power BI на ноутбук, завантажити файл зведеної бази та зачекати 5 хвилин на відкриття. Проте, це все одно краще, чим до того годинами шукали дані окремо в кожній таблиці завдяки фільтрам. А якщо використовувати платні інструменти, то можна цей процес зробити доволі комфортним.

5. Щотижневі новини.

Був запит від комунікаційного департаменту отримувати підсумкові новини України та світу кожного тижня. Цей кейс був доволі швидким у реалізації, завдяки n8n.

Достатньо було три ноди. Тригер часу, API Perplexity та API Gmail.

Perplexity є доволі хорошим у структуруванні новин, тому по запиту JSON, який же і сформував ChatGPT, можна отримати вже готовий текст новин. А завдяки додаткового оформлення html у ноді Gmail (який згенерує GPT), можна створити уніфікований структурований дизайн для кожного повідомлення.

Ми також регулярно робимо глибокий Research ринку, ідей та попиту. І на нього лише росте запит, бо фактично це один з найкорисніших та найпрактичніший інструментів, які можна безпечно використовувати у нашому типі бізнесу. Також створюємо власні агенти в Open WebUI під окремий запит чи навіть для цілого відділу.

Для великих кейсів із штучним інтелектом потрібні структуровані дані в ERP (і бажано хмарному), IoT на обладнанні та менш сирі технології практичного застосування для виробничого сектору. Проте CEO компанії розуміє, що їх потрібно тестувати вже, щоб до умовного 2030 року мати конкурентні переваги та дані для швидкого прийняття рішень.