Хто стоїть на сторожі впровадження штучного інтелекту в українському IT? Список ШІ-директорів, які впроваджують технології майбутнього вже нині

Компанія активно працює з машинним навчанням з 2013 року, коли почала регулярно створювати ML-рішення для клієнтів. Так, комерційний напрям існує вже понад 10 років. З 2018 року системно впроваджується ШІ також для оптимізації власних бізнес-процесів і розробки внутрішніх рішень.

Стратегія компанії передбачає інтеграцію штучного інтелекту в усі бізнес-процеси та функції незабаром. У SigmaSoftware є роад-мап із планом впровадження та тестування різних юзкейсів. У межах цього роад-мапу створюються як власні інструменти, так і випробовуються ті, що є на ринку.

Мовні моделі є основним пріоритетом компанії. «Ми пишемо код, а код — це текст. Тому нас цікавить використання мовних моделей для генерування коду, його рев’ю тощо. Ми також використовуємо мовні моделі в інших операційних процесах. Однак це не виключає застосування інших технологій, таких як computer vision», — розповідає Євгеній. 

У цілому є два основних напрямки, в яких працюють фахівці компанії:

1. Трансформація core-функцій бізнесу, передусім розробки програмного забезпечення.
2. Оптимізація підтримувальних функцій компанії, таких як HR, офіс-менеджмент, фінанси тощо. 

На сьогодні у Sigma Software успішно реалізовано кілька важливих внутрішніх проєктів:

• Інструмент автоматизації написання юніт-тестів.
• Інструмент автоматичної оцінки впливу змін у коді на тестування.
• Корпоративний чатбот Sima, який вже понад п’ять років ефективно підтримує фахівців компанії, суттєво знижуючи навантаження на HR-команду.
• AI Assistant, внутрішній аналог чату GPT, який забезпечує конфіденційність корпоративних даних.

Крім цього, у стадії розробки чи PoC знаходяться проєкти з автоматизації обробки запитів від потенційних клієнтів та рішення для онбордингу працівників.

На рівні компанії введено нову необхідну навичку для співробітників — вміння ефективно застосовувати ШІ-технології у своїй роботі.

«Ми впевнені, що кожен фахівець у компанії повинен вміти користуватися мовними моделями, а також знати, як застосовувати їх у своїй роботі, розуміючи, що працює, а що ні», — каже Євгеній. 

Найбільший потенціал на найближчі роки ми бачимо у подальшому розвитку мовних моделей, з огляду на специфіку нашого бізнесу (створенні програмного забезпечення). Водночас ми уважно слідкуємо за розвиток всього що стосується ШІ.

Найбільший потенціал на найближчі роки Євгеній бачить у подальшому розвитку мовних моделей, з огляду на специфіку бізнесу (створенні програмного забезпечення). 

Глобальна AI-команда компанії об'єднує велику групу фахівців, які працюють повністю in-house. «Ми не віддаємо роботу на аутсорс, що дозволяє нам максимально використовувати наші внутрішні ресурси та експертизу», — каже Вадим.

В EPAM команда Вадима впровадила кілька важливих ШІ-рішень, які суттєво впливають на ефективність та продуктивність компанії:

• EPAM AI/Run™: власна екосистема для розробки та інтеграції ШІ-рішень, яка включає спеціалізовані ШІ-агенти для різних бізнес-потреб та процесів розробки програмного забезпечення (SDLC).
• Інтелектуальна система управління даними: допомагає швидко обробляти та аналізувати масиви корпоративної інформації.
• Автоматизовані HR-процеси: включають первинний скринінг кандидатів та оцінювання рівня англійської мови співробітників.
• Системи управління знаннями: інтелектуальні пошукові системи та бази знань з автоматичною категоризацією та контекстними рекомендаціями.
• Рішення для навчання та оцінювання: допомагають у проведенні навчальних програм та оцінюванні знань і навичок співробітників.
• Фінансові та адміністративні процеси: автоматизація звітності, аналіз витрат та бюджетування.
• Окрім внутрішніх ініціатив, впроваджено багато різних ШІ-рішень для клієнтів із найрізноманітніших доменів: Finance, Healthcare, E-Commerce, Retail, Logistics, Telecom та інших. Це дозволяє масштабувати експертизу і швидко адаптувати найкращі практики для вирішення комплексних завдань у різних галузях.

Серед ключових бізнес-завдань, які вирішує ШІ:

1. Глобальна трансформація процесу розробки програмного забезпечення: автоматизація та оптимізація SDLC.
2. Підвищення ефективності бізнес-процесів: автоматизація та оптимізація робочих процесів.
3. Покращення якості обслуговування клієнтів: інтеграція ШІ-рішень у контакт-центри та маркетинг.
4. Оптимізація управління талантами: часткова автоматизація процесів рекрутингу та оцінювання співробітників. Це дає змогу скоротити час на рутинні операції, водночас зберігаючи людську взаємодію та індивідуальний підхід там, де вони найбільш цінні — в особистому спілкуванні, розумінні потреб кандидатів та співробітників.
5. Зниження витрат та підвищення продуктивності: впровадження ШІ-рішень для фінансового аналізу та бюджетування.

Для EPAM найбільш перспективними є LLM, мультиагентська архітектура, а також технології, що дозволяють рухатися до створення автономних рішень. Водночас nen активно розвивають напрями NLP, комп’ютерного бачення та AutoML, адже комплексний підхід і поєднання цих технологій відкриває найбільші можливості для трансформації бізнесу.

Одним із ключових завдань штучного інтелекту, на думку фахівця, є створення fast prototypes. З появою code assistants, застосунків які можуть перетворити промпт у робочий застосунок, у компанії пропонують клієнтам не просто ідею, а невеликі demo застосунків із ШІ, персоналізованих саме під їхній бізнес. Це допомагає команді розробників краще продемонструвати ідею та виликає краще залучення у замовника.

Наразі найбільш поширеними проявами ШІ в роботі Ігоря й команди є Generative AI — достатньо важко встигати спостерігати за його блискавичним розвитком. Також перспективним є Agentic AI, особливо у сфері комунікації агентів між собою.

Наразі серед впроваджених у Levi9 ШІ-рішень — чатбот, інтегрований в MS Teams, який допомагає співробітникам у професійному розвитку. Він орієнтується саме на профіль Levi9 та інформацію про співробітника, надаючи йому більш персоналізовані рекомендації. Чатбот також рекомендує ресурси, доступні безпосередньо у Levi9, такі як книги з бібліотеки, курси та відео від співробітників.

Також задеплоїли нашого приватного Code Assistant — Levin-а, який розміщений безпосередньо на сервері Levi9 і не передає інформацію наших клієнтів назовні. «Це різні open-source моделі, які наші співробітники можуть використовувати для написання коду не переживаючи за безпеку даних клієнтів. Звісно, використання будь-яких ШІ застосунків узгоджується з клієнтом додатково та використовується тільки за його письмової згоди», — каже Ігор.

Він прогнозує, що генеративний ШІ буде актуальним та найперспективнішим найближчими роками. «Розробникам треба вже вчитися працювати з code assistant. На мою думку, вміння якісно використовувати ШІ інструменти буде обов’язковим для розробників в майбутньому. Також нові, „легші“ моделі генеративного ШІ відкривають багато можливостей для малого бізнесу, який не може використовувати гігантські моделі», — каже він.

ШІ став однією з ключових технологій у Ciklum. Тут активно інтегрують його у внутрішні операційні процеси, delivery, а також розробляють рішення для клієнтів. Серед напрямів: автоматизація обробки документів, генерація текстів і кодової бази, аналітичні панелі, моделі прогнозування тощо.

Один із прикладів — HR-напрям. Там створюють:

1. Модель для скринінгу резюме — оцінює релевантність кандидата, рекомендує альтернативні вакансії та підсвічує критичні неточності.
2. Модель прогнозування плинності кадрів — аналізує дані з HR-систем, щоб передбачити можливе звільнення спеціаліста в середньостроковій перспективі.

«Ці рішення допомагають ефективніше керувати талантами, знижують час на рутинні задачі та підтримують точність управлінських рішень», — розповідає Богдан.

Він додає, що ШІ в компанії використовується на всіх етапах життєвого циклу розробки: від ідеї до продакшену — для генерації коду, тест-кейсів, оптимізації архітектури та CI/CD-процесів. «Це пришвидшує час виходу продукту на ринок і підвищує його якість — так клієнт отримує більше цінності швидше», — каже фахівець.

Для внутрішнього використання найчастіше використовують LLM і Generative AI. Для клієнтів — повний спектр: NLP, комп’ютерний зір, AutoML, ML Ops. 

На думку Богдана, генеративний ШІ (GenAI), персоналізоване NLP, мультимодальні моделі та предиктивна аналітика — особливо в HR, FinTech і HealthTech, а також ШІ-агенти у бізнес-процесах набуватимуть популярності у найближчі роки.

Штучний інтелект в ELEKS, за словами Володимира, допомагає підвищувати якість внутрішніх сервісів. «Це не завжди про класичну оптимізацію. Адже хоча ШІ може розглянути проблему та запропонувати рішення, разом із тим вимагає додаткової верифікації», — каже він.

Якщо говорити про конкретні бізнес-завдання, які вирішуються з допомогою ШІ, то це:

1. комунікація — від автоматизації відповіді на запити до генерації контенту;
2. опрацювання документів — аналіз, класифікація, отримання потрібної інформації з них та генерація зразків;
3. трансформація інформації — приведення даних у зручні, придатні для використання формати, консолідація інформації та різноманітні перевірки;
4. IT operations — підтримка команд у щоденних завданнях.

Найактивніше в ELEKS використовують Agentic AI, security issues and input-output verification, meta prompting and automated prompt revision, fin ops and evaluation.

Серед впроваджених у компанії ШІ-рішень цілий список корисних напрацювань: 

• Sensitive adapter for LLM-based agents
• Candidates resume transformation and filtering module
• Request for information classification, decomposition and response generation agent (semi-automated)
• Goal-based agent for requirements classification and decomposition
• Several domains specific agents for typical IT ops (QA, etc.)6. AI advisor on the website (for potential clients)
• SQL optimisation tool for non-technical specialists
• Code migration agents (several code migration agents, especially for outdated tech stacks)
• Advanced feedback analysis with LLMs (Google Play and App Store)
• Synthetic AI-generated voiceovers (information development purpose).

У найближчому майбутньому, каже Володимир, зростатиме популярність Complicated model-based agents та self-learning agents.

DataArt, як сервісна компанія, в основному фокусується на рішеннях для клієнтів. За останні кілька років команда реалізувала понад 80 проєктів із Generative AI для замовників, створила понад 25 акселераторів для пришвидшення реалізації проєктів клієнтів і понад 20 внутрішніх проєктів. Для реалізації рішень найчастіше використовуються Generative AI, LLMs, AI Agents, Copilots/Assistants.

Серед найвизначніших із них:

• DataArt AI Platform — внутрішня платформа, що використовується в компанії як інтерфейс до LLMs з підтримкою governance, моніторингу та масштабування ШІ;
• DataArt Global Helpdesk — система внутрішньої допомоги на основі ШІ, яка автоматично обробляє до 40% рутинних запитів;
• Pre-sales Hub — платформа для пошуку релевантних маркетингових матеріалів для відділу продажів.

Загалом ШІ-рішення в компанії застосовують для автоматизації бізнес-процесів, пришвидшення та покращення доступу до інформації, підвищення продуктивності співробітників.

Серед найбільш перспективних ШІ-технологій, на думку Дмитра, — ШІ-агенти.

Кубицький переконаний, що держполітика щодо збільшення кількості ШІ-спеціалістів і стартапів створює правильний вектор розвитку, але все насамперед залежить від загального інвестклімату: захисту прав власності, безпеки бізнесу, прозорості. 

На думку фахівця, в сегменті глибинної розробки передових ШІ-технологій Україні буде складно наздогнати лідерів за п’ять років. Утім, з його слів, можна знайти свою нішу, якщо зосередиться на інтеграції вже наявних рішень.

Водночас Кубицький вважає, що якщо Україна повторить європейську модель регулювання ШІ зі всіма її обмеженнями, існує ризик втрати будь-якої можливості глобально конкурувати з передовими гравцями.

За допомогою штучного інтелекту, каже Дмитро, в компаніх впроваджують інтелектуальний пошук, аналіз документації, а також корпоративний knowledge management.

Наразі у компанії впроваджено ML Cloud — готову платформу для AI/ML у хмарі, а також RAG. У De Novo користуються LLMs, Speech To Text, CV.

На думку Дмитра, у найближчі роки найбільш потрібними будуть мультимодальні генеративні моделі, персоналізовані генеративні системи, передбачувальна аналітика, контекстне розуміння природної мови.

У компанії є вісім спеціалістів, які працюють над AI-рішеннями. Усі вони працюють in-house, розподілені між нашими офісами в Україні, Канаді та США. За потреби також залучають зовнішніх експертів або вузькопрофільні команди на проєктній основі — це дає змогу залишатися гнучкими й масштабованими.

Фахівці MoCG створюють кастомні цифрові продукти світового рівня — від вебу й мобайлу до розмовних чат- і голосових рішень на базі ШІ. Але як AI-driven компанія, впроваджуємо інновації не лише для клієнтів — а й усередині команди, автоматизуючи процеси, щоб працювати швидше, ефективніше й без зайвої рутини (на базі різних рішень, в тому числі кастомних). Основні «будівельні блоки», окрім LLM API, — це n8n, агенти та інструменти на кшталт NotebookLM. Економія часу досягається завдяки поєднанню обізнаності команди й ефективного використання доступних рішень.

Тут поєднують технічну експертизу з глибоким розумінням того, як має виглядати якісний користувацький досвід. І саме штучний інтелект допомагає фахівцям втілювати це в реальність.

Завдяки Conversational AI, основній компетенції команди, у компанії створюють чат- і голосові боти з інтеграцією великих мовних моделей (LLM), які автоматизують підтримку, персоналізують взаємодію з користувачами та значно скорочують час відповіді. Це безпосередньо впливає на залучення клієнтів і рівень сервісу.

Фокусуються тут і на розвитку AI-компетенцій у фахівців компанії: проводять Knowledge Sharing сесії, де спеціалісти діляться корисними AI-інструментами. До слова, на початку 2023 року, коли світ переживав справжню хвилю інтересу до generative AI, вMaster of Code Global запустили внутрішню ініціативу «30 Days of ChatGPT» — серію панельних обговорень про застосування AI у повсякденних робочих процесах.

«Ми постійно досліджуємо та впроваджуємо ті AI-технології, які дають реальну бізнес-цінність — як для клієнтів, так і для внутрішніх команд», — розповідає Богдан. Однією з ключових для фахівців компанії є LLM (Large Language Models) — ми інтегруємо їх у чат- і голосові боти, внутрішні інструменти навігації по знаннях і системи генерації контенту. «Звичайно, NLP (Natural Language Processing) залишається фундаментом для багатьох наших рішень, пов’язаних із взаємодією мовою (де важливе глибоке розуміння контексту й намірів користувача)», — зазначає Сергієнко.

Найперспективнішими у найближчі роки напрямами роботи із ШІ Богдан називає Generative AI — очікується ще більший попит на гнучкі, адаптивні AI-системи, які можуть створювати відповіді, сценарії, візуали та структуровану інформацію з мінімальними зусиллями з боку користувача.

Роль NLP в умовах зростання Conversational AI та multilingual-платформ лише посилюватиметься, вважає він. «Це закриття деяких аспектів, де LLM не є потрібними або є надлишковими», — пояснює фахівець.

Окремий фокус, за його словами, — предиктивна аналітика. «Ми вбачаємо в ній потужний інструмент для створення проактивних систем: від прогнозування поведінки користувачів до оптимізації операцій та управління ризиками», — розповідає Chief Technology Officer.

Як CTO/Head of AI Євгеній зібрав команду, яка створила з нуля та запустила на міжнародний ринок AI Dating сервіс. Як CEO OnlyGPT Євгеній знову зібрав команду з нуля і за два місяці створив та вивів на міжнародний ринок AI Interrior design (interr.io). «Ми використовуємо найновіші LLM та GenAI моделі (finetuned), Segmentation & Computer vision models», — каже він. 

ШІ-основа продукту, створеного командою Євгенія — генерація зображень, аналіз зображень, сегментації, ML agents.

Серед технологій, які застосовують в команді: LLM, NLP, компʼютерне бачення, GenAI, segmentation, ML Agents.

LLM та GenAI він вважає найперспективнішими технологіями у найближчі кілька років. 

Наразі ШІ в Netpeak Group з’ясовує, чи підходять компанії софт-скілз фахівця, як його ефективніше мотивувати та як правильно ставити задачі, каже Саута. Це допомагає менеджеру зосередитися на перевірці hard-скілів, бекграунду та досвіду кандидата, додає він.

Розроблений алгоритм LITI аналізує текстову версію 5–20-хвилинного відео розмови кандидата. За інструкцією на 77 сторінок штучний інтелект оцінює навички фахівця за 110 шкалами, які сумуються та конвертуються у відсотки. Серед них — структурованість мови, деталізація, наповненість фактами, лексикон, змістовність мови, каже Саута. 

«Якщо показник нижче 65% — рекрутеру рекомендують не продовжувати комунікацію», — каже Саута. Кандидати, які набирають 65–80%, — гарні працівники або менеджери. Результат вище ніж 80% — рідкість, додає фахівець. 

У лютому 2024-го LITI допомогла компанії відкинути 52% відсотки всіх кандидатів, які прийшли на першу співбесіду. Модель використали у 75% вакансій, які закрили з 1 лютого. Найкраще вона працює з вакансіями проєктного менеджера, СЕО та SMM-менеджера. Гірше вдаються позиції дизайнера, організатора подій, помічника та спеціаліста з розвитку бізнесу, каже Саута.

Якби Сергія обмежили тільки цифрою 2, то ось які надважливі поради він би дав зараз будь-якому працівнику інтелектуальної роботи (від інтерна до СЕО) в контексті використання ШІ:

1. Перед будь-якою задачею, що займе від дня роботи — зроби глибоке дослідження (DeepResearch) з допомогою ШІ. Вже є в GPT (Глибоко дослідити), Claude (Research), Grok (DeepSearch and DeeperSearch), Gemini (Deep Research 2.5. Pro), DeepSeek (DeepThink), Perplexity (Research), Manus AI. Це збереже купу часу та застрахує від витрати зусиль та коштів в неправильному напрямку. Час на самостійно запущену задачу від 5 до 45 хвилин, виконується на фоні (сам запуск до 1 хвилини).
2. Поруч з ним, або окремо, перед будь-якою задачею зроби її прототип (інтерфейс, зовнішній вигляд кінцевого результату, навіть звіту). Подивися на неї, поклацай, покрути. Уже є в GPT (Канва), Claude (артефакт), Grok (Studio), Gemini (Canvas). Час на самостійно запущену задачу від 1 до 3 хвилин. За місяць будуть дві інші важливі поради, ці фічі зараз вдосконалюють, щоб були гарної якості.