Кілька років тому AI сприймався як хайп, а інтегрувати його в бізнес означало просто додати чат-бота «для галочки». Сьогодні все змінилося. Українські компанії вже не питають, чи потрібен їм AI, — вони намагаються зрозуміти, де він реально працює, скільки коштує, в яких процесах ламається і що вигідніше: будувати власні AI-системи чи купувати готові рішення.
Laba побувала на FutureTech MeetUp. AI First від Diia.City United і зібрала головні інсайти, прогнози та кейси від MacPaw, Uklon, Vodafone та інших українських компаній, які проходять через AI-трансформацію просто зараз.
AI future vision: тренди та прогнози
Я вірю / не вірю, що AI…
Дмитро: Я вірю, що AI розвиватиметься швидше, ніж більшість очікує. Водночас не вірю, що він замінить людину — фінальні рішення залишаться за нами.
Я не думаю, що Україна конкуруватиме зі США чи Китаєм у створенні чипів або AI-гігантів. Наша сила — не в масштабі чи грошах, а в людях і досвіді. Ми дуже швидко адаптуємося до нових технологій: свого часу Google Pay, YouTube і рекламні інструменти Google в Україні ставали популярними швидше, ніж в інших країнах. Україна має шанс стати одним із лідерів саме в практичному використанні AI.
Зараз той момент, коли пишуться правила — і ми або ми беремо участь у їхньому створенні, або потім живемо за чужими. Поки Європа загрузла в регуляціях, а США і Китай зайняті власними AI-перегонами, Україна може показати, як реально використовувати AI в умовах війни та в бізнесі, як його контролювати, як створювати локальний контент для LLM тощо.
Олексій: Я не вірю в концепцію AGI (Artificial general intelligence — «загальний штучний інтелект»). Ми досі не до кінця розуміємо, як працює сам людський інтелект, тому говорити про створення його повноцінного штучного аналога поки що зарано.
Також вважаю, що зараз переоцінений тренд на «вайбкодинг». Для швидкого прототипування AI дійсно працює добре, але створювати стабільні, складні й масштабовані продукти лише через AI-генерацію коду поки що неможливо.
Які професії AI замінить через 3 роки
Олесь: Професія prompt engineer зникне, так повноцінно і не з’явившись. Дуже багато речей кардинально зміняться з масовою появою самореплікативних LLM-агентів — тих, що можуть працювати майже як окремі «цифрові робітники» або навіть мікробізнеси без постійного контролю людини та самостійно створювати нових агентів під окремі задачі.
Олексій: Оператори кол-центрів.
Дмитро: Зникнуть професії, де робота побудована за чітким алгоритмом, де є рутинні процеси, які легко описати й автоматизувати, — це частково бухгалтери, junior-юристи.
AI в Defence Tech: як Україні отримати AI-перевагу на війні
Ярослав: Україна до 2030 в очах іноземців — це глобальний центр оборонних інновацій. Як колись Флоренцію асоціювали з мистецтвом, Голлівуд — з кіно, а Кремнієву долину — з IT, так Україна може стати місцем із найбільшою концентрацією талантів та експертизи в Defense AI.
Щоб ми отримали AI-перевагу у війні, потрібно будувати глобальний бренд «оборонної долини», бо зараз у нас немає системного просування українського defense-tech у світі. Друге — відкрити експорт і нормально врегулювати рух military IP між Україною та країнами-партнерами. І третє — системно закуповувати AI-рішення для армії, бо зараз вони рідко потрапляють у держзамовлення.
Андрій: Потрібно навчитися планувати розвиток технологій не на «тут і зараз», а на горизонті 1–3 років. Це дасть реальну перевагу і на полі бою, і для України як tech-країни.
«Ми перебудовуємо всю компанію під AI» — кейс MacPaw
AI-first — це не «додати чат-бота», а перебудувати продукт навколо AI
Ми ще не AI-first компанія, але рухаємося в цей бік. Для нас це означає, що основний дохід компанії в майбутньому має приходити саме з AI-продуктів, а не з класичних, на яких бізнес тримався раніше.
AI-first продукт — це не просто «додати AI-фічу» або чат-бота. Ми для себе визначаємо це так: якщо прибрати AI, продукт більше не працює повноцінно. Тобто AI має бути основою продукту, а не просто додатковою функцією.
Для 18-річної MacPaw трансформація в AI-first — це великий виклик, AI-native стартапам простіше, бо вони одразу будуються навколо нових технологій. Водночас у великих продуктових компаній є інша перевага — наявні продукти, користувачі й дані, які стають головним активом для AI-трансформації.
Як MacPaw три роки гралася зі своїм AI-асистентом
Ми почали розробляти Eney (AI-асистента для macOS) три роки тому — фактично ще до великого AI-буму. Але після появи ChatGPT, Claude та AI-агентів дуже змінились і очікування людей від таких продуктів.
Спочатку ми бачили Eney як асистента, який виконує прості дії через застосунки Setapp (сервіс підписки від MacPaw) — наприклад, видалити програму через CleanMyMac, увімкнути VPN або перевірити файли на віруси. Але це був доволі обмежений набір сценаріїв. Згодом стало зрозуміло, що люди хочуть від AI не лише конкретних команд, а більш універсальної взаємодії — щоб йому можна було «написати що завгодно». Тому ми змінили підхід.
Зараз для нас важливо, щоб Eney був не просто чат-ботом, а агентною системою — тобто AI, який реально виконує дії. Якщо раніше асистент більше працював через готові функції окремих застосунків, то тепер AI все частіше сам генерує рішення та виконує прості задачі.
Ми робимо ставку не лише на технологію, але й на сам досвід користування. Це інший підхід до дизайну, «людяний» персонаж і глибока інтеграція з macOS.
Як AI змінює бізнес-модель MacPaw
Зараз Eney ще доступний безплатно в межах приватної бета-версії для користувачів Setapp. Але паралельно MacPaw вже перебудовує саму бізнес-модель під AI.
Один із нових AI-native продуктів компанії — це AI Gateway всередині Setapp. По суті, це єдина точка доступу до різних AI-моделей — текстових, графічних, відео тощо. Користувачу не потрібно окремо купувати токени або підключати різні сервіси — все працює через одну підписку та систему кредитів.
Такий підхід важливий, бо більшість користувачів не хочуть розбиратися в токенах або API-ключах. Тому MacPaw будує більш «споживацьку» модель AI-сервісів — коли людина просто користується ШІ всередині знайомого продукту.
Через AI компанія поступово змінює і саму модель монетизації. Якщо раніше Setapp працював як класична підписка, то тепер MacPaw рухається до гібридної моделі — частково subscription, частково usage-based, де користувачі докуповують AI-кредити залежно від використання.
«Дайте більше токенів»: AI-розробка виходить дорогою?
Ми рухаємось у бік agentic engineering — більш автономної розробки. AI вже активно використовують для написання коду і code review, а одна з головних проблем інженерів зараз — «дайте більше токенів», бо AI-розробка виходить дорогою.
Ми зрозуміли, що просто «накласти AI зверху» на старі процеси — не працює. Потрібно перебудовувати весь цикл розробки під AI — від документації до командної взаємодії. В нас уже є команди, де «вайбкодингом» займаються не лише інженери, але й маркетологи, SEO-спеціалісти, продакти. Це дозволяє швидше створювати прості рішення без довгого ланцюжка передачі задач між командами. Але повністю прибрати інженерів поки що неможливо. Навіть якщо продукт генерує AI, все одно потрібен verification layer — набір перевірок, які гарантують безпеку, якість і відповідність вимогам компанії.
В моїй роботі з’явилося дуже багато AI-асистентів для операційних задач — роботи з поштою, календарями, аналізу. Швидкість роботи зросла, водночас роботи стало більше, бо AI-трансформація — це дуже складний процес.
Зараз я багато перевіряю, вичитую та кажу «Окей» або «Ні» — я є тим самим human in the loop. Я можу радитися з AI, але фінальне рішення йому не довіряю, бо до суду раптом що покличуть мене.
AI в бізнесі: де він вже працює, а де поки що тільки для галочки
WoW-кейси українських компаній
1 кейс: Cargofy: «Наш Voice AI може робити сотні дзвінків за хвилину»
Стах: Cargofy — це українсько-американська tech-компанія, яка автоматизує операційку в логістиці та ритейлі, створюючи цифрових співробітників.
Проблема логістики у тому, що вона досі тримається на великій кількості ручної роботи — дзвінках, пошуку інформації та постійній комунікації. Коли водій за кермом, йому незручно відкривати апки або ноутбук, а голосовий AI-асистент дозволяє взаємодіяти без цього.
Перші прототипи нашого Voice AI ми запускали ще у 2023 році, але тоді технологія була повільною — голос потрібно було перетворювати в текст і назад. Після появи realtime-агентів та нових voice-моделей все значно прискорилося. Зараз AI-воркер може робити сотні дзвінків за хвилину.
2 кейс: IT SmartFlex (Vodafone): «З AI конверсія продажів зросла на 21%»
Олександр: IT SmartFlex займається розробкою ПЗ та продуктів для Vodafone Ukraine.
Ми вирішили впроваджувати AI-рішення саме для співробітників кол-центру і розробили аналізатор дзвінків, який спочатку запустили на вихідних продажах.
Ця система аналізує дзвінки за різними патернами: оцінює якість комунікації, якість продажу — і дає рекомендації операторам.
Вже є перші результати: конверсія продажів зросла на 21%, а тривалість дзвінків скоротилася на 11%. Для масштабів Vodafone це дуже відчутний результат. В майбутньому плануємо активно виводити цей продукт і на зовнішній ринок.
3 кейс: IT-Enterprise і SmartTender: одна кнопка замість 120 сторінок PDF
Олексій: Ми працюємо з великими бізнесами, а це завжди відповідні обсяги даних. Наприклад, наша ERP-система для «Укрпошти» з початку року вже автоматично обробила 28 тис. документів без втручання людини.
Інший кейс — SmartTender. Щодня через платформу проходить близько 10 тис. державних та комерційних тендерів. До кожного додається 120 сторінок PDF з умовами оплати, адресами доставки, вимогами до документів тощо. Раніше, якщо компанія хотіла брати участь у тендері, наприклад, на закупівлю палива, менеджеру потрібно було все прочитати, зрозуміти, чи це взагалі вигідно, відкрити Google Maps і перевірити, чи є поруч їхні АЗС, оцінити конкурентів. На це реально могли йти дні. Зараз за допомогою AI можна натиснути кнопку — і через кілька хвилин отримати готову аналітику.
4 кейс: Uklon: як AI метчить тисячі пасажирів та водіїв щосекунди
Олександр: Маркетплейс Uklon щодня обробляє сотні тисяч замовлень. Система має «метчити» тисячі пасажирів та водіїв буквально щосекунди, і від ефективності цього процесу залежить уся конверсія сервісу.
AI та ML в Uklon — це не одна окрема функція, а частина всього user journey. Моделі працюють на всіх етапах: від вибору адреси та пошуку pickup point — до маршрутизації, динамічного ціноутворення, розподілу пасажирів та водіїв, а також пошуку наступного замовлення ще під час виконання поточного.
«AI все вирішить» — це ілюзія
Олексій (SmartTender): Коли на конференціях розповідають про «успішний успіх» з AI, я в це не дуже вірю. Бо коли ти реально будуєш AI-процеси всередині великої компанії, це зазвичай не виглядає легко і красиво. Це постійний біль, купа фіч, які не злітають, місяці доробок, а іноді й вічний процес вдосконалення.
Один із наших провалів — це собівартість AI. В SmartTender на старті один AI-запит коштував нам космічні €10, до яких потрібно було додати маржу та інші витрати — і в результаті виходило десь €20 для користувача. Ми були в шоці та розуміли, що компанії не будуть платити такі гроші. Ми ще кілька місяців перебудовували алгоритми, щоб знизити собівартість до рівня, де продукт реально можна масштабувати.
Недоліки AI зазвичай не видно, коли у вас демо на 10 документів. Проблеми починаються тоді, коли система має працювати в промисловому масштабі — на тисячах запитів щодня. І саме там дуже швидко відчувається реальна вартість, складність і обмеження AI-рішень.
Стах (Cargofy): У нас є внутрішній AI-бот, який слухає мітинги, робить meeting notes і може виконувати прості задачі. Наприкінці дзвінка з великим клієнтом ми попросили його створити регулярну зустріч щотижня в той самий час. Але агент зрозумів це по-своєму: замість recurring-мітингу він почав створювати окремі зустрічі на кожен тиждень аж до 2040 року. В результаті бот настільки заспамив Google Calendar запитами, що наш Google Workspace тимчасово заблокували. AI-агентам потрібні дуже жорсткі обмеження, чіткі промпти й workflow — це як у відеогрі, коли ти не можеш виїхати за межі траси в перегонах.
Інший курйозний кейс стосувався абревіатури «ПДВ». Коли AI-агент мав озвучити водію ціну «з ПДВ», він розшифрував це як «Проблеми Дальнього Востока» — бо десь знайшов таке трактування у Вікіпедії. Таких помилок в AI ще багато, але це нормально для early-stage технології.
Чи потрібно одразу вкладати великі гроші в AI?
- Олександр (IT SmartFlex): Головна помилка — починати не з проблеми, а з бюджету. «В нас є $100 тис., давайте щось зробимо з AI» — дивний підхід. Спочатку потрібно подивитися на внутрішні процеси та зрозуміти, де є повторювані задачі, які реально можна автоматизувати. І вже після цього рахувати бюджет. Це може бути й $5 тис., і $200 тис. — залежно від задачі. Просто «прикрутити AI для хайпу» — не найкраща стратегія.
- Олександр (Uklon): Наша команда маркетингу хотіла AI для генерації креативів. Але замість того щоби будувати власне рішення, ми просто купили готовий інструмент на кшталт Canva, і цього виявилося достатньо. Тому не завжди є сенс розробляти щось своє — інколи простіше і дешевше взяти готовий продукт.
- Стах (Cargofy): Якщо в компанії немає сильної технічної команди, то краще шукати готові вертикальні рішення. Бо AI може дуже швидко написати багато коду, але підтримувати й стабілізувати його потім буде значно складніше.
Diia.City United — найбільша бізнес-асоціація продуктових технологічних компаній в Україні. Спільнота обʼєднує понад 220 бізнесів, серед яких великі українські та міжнародні компанії, стартапи, інвестиційні та венчурні фонди. Місія Diia.City United — спільнодія задля глобального зростання українського tech сектору. Laba є учасником Diia.City United.
Бажаєте отримувати дайджест статей?
