У стартапів є два улюблених вислови: «ми зробили півот» і «це був трансформаційний рік». Чесно кажучи, я сам стільки разів це говорив у різних інтерв’ю, що вже трохи не довіряю цим фразам, коли чую їх від інших. Здебільшого за ними не стоїть нічого конкретного — просто зручний спосіб не визнавати, що план не спрацював.
Але цього разу я хочу розповісти чесно, що конкретно змінилося в ConnectiveOne за останній рік. Не тому, що це красива історія для чергового інтерв’ю «рік потому», а тому, що ми справді перебудували і продукт, і — що важливіше — те, як ми взагалі розробляємо софт.
Від «у нас є AI-фічі» до AI-first розробки
Рік тому ConnectiveOne був платформою, яка знижує TTR (time to resolution) і час першої відповіді для служб підтримки, автоматизує рутинні звернення і дає живим операторам більше простору для складних, емпатійних розмов з клієнтами. Це нікуди не поділося — це й досі ядро продукту.
Що змінилось кардинально — це те, як ми самі розробляємо нові функції. Раніше в нас теж був AI в процесі розробки, але це виглядало як «у кожного розробника свій чат». Хтось питав щось в одному інструменті, хтось в іншому, контекст губився між сесіями, і по факту кожен розробник заново пояснював AI, що взагалі відбувається в нашому продукті.
За рік ми перейшли на повністю AI-first підхід до всього циклу розробки: збір вимог, проєктування, написання коду, тестування, оновлення документації — на кожному етапі працюють спеціалізовані агенти з чіткою роллю, а не один загальний асистент, якому можна поставити будь-яке запитання. Результат — приблизно +300% до швидкості розробки порівняно з попереднім роком. Це не оцінка «на око» для гарного заголовка, це те, що ми бачимо в реальних циклах постачання фіч.
Важливе уточнення, яке я завжди роблю в таких розмовах: це не означає, що розробники стали не потрібні. Навпаки — моя команда тепер витрачає набагато більше часу на проєктування системи, визначення меж роботи агентів і фінальний контроль якості, і набагато менше — на написання коду рядок за рядком. Це інша, і, чесно кажучи, складніша робота.
Півот, якого не було в жодній дорожній карті: навчити AI пам’ятати
Ось річ, яку ми взагалі не планували рік тому. У процесі роботи з AI-агентами ми вперлися в проблему, з якою, підозрюю, стикається практично кожна команда, що серйозно працює з AI: контекст губиться між сесіями. Кожна нова розмова чи задача для агента фактично починається з нуля, ніби він бачить клієнта вперше.
Ми почали будувати повноцінну knowledge base для власних AI-агентів — структуровану базу знань, яка дозволяє агенту утримувати контекст про конкретного клієнта, історію його звернень і специфіку його бізнес-процесів довше, ніж одна сесія в чаті. Цього не було в жодному плані на початок року. Але саме ця робота виявилась критичною для того, щоб наші AI-компоненти взагалі могли масштабуватись на нових клієнтів без ручного «донавчання» під кожного окремо.
Простими словами: ми перейшли від «AI, який відповідає на запитання» до «AI, який пам’ятає, з ким і про що вже говорив». Для B2B-продукту в сфері клієнтської підтримки це різниця між приємною фічею і реальною конкурентною перевагою — і, чесно кажучи, саме на це я витратив найбільше особистої уваги за весь рік.
Нова B2B-модель і вихід за межі України
Паралельно з технологічною частиною ми переглянули комерційну модель. Ми рухаємось у бік чіткішої B2B SaaS-структури з диференційованими тарифами під розмір клієнта — від малого й середнього бізнесу до великих enterprise-клієнтів, яким потрібна глибока кастомізація та інтеграції.
І ми зараз системно працюємо над виходом за межі українського ринку. Для нас це логічне продовження того, з чого продукт починався: ConnectiveOne з самого старту обслуговував клієнтів компаній-лідерів у своїх нішах, а це означає високі вимоги до надійності й масштабованості — саме те, що потрібно для виходу на нові ринки.
Чому я взагалі про це розповідаю
Я міг би розповісти цю історію просто як апдейт по метриках одного стартапу. Але мені важливіше інше: те, що ми пройшли в ConnectiveOne за цей рік — доволі точна ілюстрація ширшого зсуву, який зараз відбувається в українських технологічних командах.
Паралельно з ConnectiveOne я через Evergreen консультую інші компанії щодо переходу на agentic-розробку, і бачу одну й ту саму картину раз у раз: команда має доступ до AI-інструментів, є ентузіазм, а системної зміни немає. Це те, що я називаю AI adoption без AI management — інструменти є, а контрольованого, спостережуваного процесу навколо них немає.
Наш рік — це приклад того, що відбувається, коли компанія проходить цей шлях повністю: не просто додає AI до існуючих процесів, а перебудовує процеси навколо нього. Включно з тим, що ми почали думати не тільки про швидкість генерації коду, а й про пам’ять і контекст самих AI-агентів — річ, про яку рік тому в нас взагалі не було розмови.
Наступний рік ми плануємо присвятити подальшому розвитку knowledge base для агентів і масштабуванню на нові ринки — тобто продовженню того самого підходу, який уже дав нам відчутний результат за останні дванадцять місяців.