Хочете будувати кар’єру в Data Science та AI? Vodafone Big Data Lab відкриває новий набір —>
Марія БровінськаШІ
10 листопада 2026, 08:55
2026-11-10
Знайомтеся: Альфред, Гендальф, PRODIGY і Cyrus. Як ШІ-агенти наймають людей, пишуть код і автоматизують роботу в українському IT
ШІ-агенти поступово стають частиною операційної роботи компаній. Їм делегують не лише пошук інформації чи підготовку текстів, а цілі процеси: обробку звернень клієнтів, первинний відбір кандидатів, управління доступами, підготовку документів, звітність і маркетингові завдання. Агент може отримати запит, перевірити потрібні дані в кількох системах, виконати низку дій і передати людині результат на погодження.
Це вже не поодинокі експерименти. За дослідженням McKinsey, 40% опитаних компаній із річним доходом понад $1 млрд масштабують використання ШІ-агентів. Серед напрямів, де їх застосовують, — IT, управління знаннями, маркетинг, продажі та операційні процеси. Водночас поширення агентів ще не означає автоматичного фінансового ефекту: лише 37% респондентів повідомили хоча б про певний вплив ШІ на EBIT компаній.
Великі компанії вже делегують агентам частину взаємодії з клієнтами. Наприклад, AI-асистент Klarna у 2025 році обробив 80% чатів служби підтримки — загалом 31 млн розмов. У компанії оцінили його роботу як еквівалент понад 700 штатних працівників. Salesforce також фіксує зростання використання агентів: за даними компанії, у першій половині 2025 року кількість створених і розгорнутих агентів серед організацій, що потрапили до дослідження, збільшилася на 119%.
Українські IT-компанії рухаються в тому самому напрямі, хоча їхні кейси часто стосуються внутрішніх процесів. dev.ua зібрав приклади Railsware, Headway, Sigma Software та Ciklum і розібрався, які завдання вже можна передати агентам, наскільки самостійно вони працюють і де контроль людини залишається обов’язковим.
ШІ-агенти поступово стають частиною операційної роботи компаній. Їм делегують не лише пошук інформації чи підготовку текстів, а цілі процеси: обробку звернень клієнтів, первинний відбір кандидатів, управління доступами, підготовку документів, звітність і маркетингові завдання. Агент може отримати запит, перевірити потрібні дані в кількох системах, виконати низку дій і передати людині результат на погодження.
Це вже не поодинокі експерименти. За дослідженням McKinsey, 40% опитаних компаній із річним доходом понад $1 млрд масштабують використання ШІ-агентів. Серед напрямів, де їх застосовують, — IT, управління знаннями, маркетинг, продажі та операційні процеси. Водночас поширення агентів ще не означає автоматичного фінансового ефекту: лише 37% респондентів повідомили хоча б про певний вплив ШІ на EBIT компаній.
Великі компанії вже делегують агентам частину взаємодії з клієнтами. Наприклад, AI-асистент Klarna у 2025 році обробив 80% чатів служби підтримки — загалом 31 млн розмов. У компанії оцінили його роботу як еквівалент понад 700 штатних працівників. Salesforce також фіксує зростання використання агентів: за даними компанії, у першій половині 2025 року кількість створених і розгорнутих агентів серед організацій, що потрапили до дослідження, збільшилася на 119%.
Українські IT-компанії рухаються в тому самому напрямі, хоча їхні кейси часто стосуються внутрішніх процесів. dev.ua зібрав приклади Railsware, Headway, Sigma Software та Ciklum і розібрався, які завдання вже можна передати агентам, наскільки самостійно вони працюють і де контроль людини залишається обов’язковим.
Рекрутинг: агент збирає інформацію, рішення ухвалює людина
У Railsware ШІ-агентів залучають не лише до інженерних завдань. Один із найпомітніших напрямів їхнього використання — рекрутинг. Про це розповіла dev.ua Дарина Кузьмик, Talent & Culture Lead компанії.
«Окрім розробки, найбільше ШІ-агентів у нас зараз працює в рекрутингу. ШІ-рекрутерка проводить первинні прескринінгові дзвінки: збирає вхідну інформацію від кандидата й робить базову оцінку відповідності ролі. Агенти на кастомних скілах роблять першу оцінку резюме та структурують результати тестових завдань, щоб рекрутер одразу бачив ключові компетенції та досвід», — пояснює вона.
Водночас у компанії не передають алгоритмам остаточний відбір. Агент може зібрати дані, структурувати резюме й підготувати первинну оцінку, але рішення щодо кандидата залишається за рекрутером.
«Процесу, який повністю працює без людини, у нас немає. […] Агенти аналізують і структурують, а рішення щодо кожного кандидата ухвалює рекрутер. Жодного кандидата не відсіює й не наймає лише алгоритм», — наголошує Кузьмик. За її словами, рекрутер може заощадити до восьми годин на тиждень — фактично цілий робочий день. Цей час команда витрачає на глибші розмови з кандидатами, фінальні інтерв’ю та побудову довгострокових стосунків із талантами.
Схожий підхід використовують і в Ciklum. Компанія застосовує ШІ-модель для первинного аналізу резюме: вона порівнює досвід кандидата з вимогами вакансії, оцінює відповідність профілю, звертає увагу на потенційні неточності й може запропонувати інші ролі, які краще пасують людині. Завдяки цьому рекрутери можуть зосередитися на оцінюванні кандидатів і спілкуванні з ними, а не на ручному перегляді кожного CV.
Внутрішні процеси: доступи, корпоративні знання та звітність
У Headway Inc агента залучили до процесу, який регулярно створював навантаження на платформну команду, — обробки запитів на доступи до Google Cloud і Firebase. Агент Гендальф працює із заявками, які надходять у Jira, розповів dev.ua Ілля Аладін, Product Engineer у Platform Core.
«Найчастіший запит до команди платформи — надання доступів. Зокрема, до проєктів у Google Cloud і Firebase. Такі запити схожі між собою, тому ми передали їх агентові Гендальфу», — пояснює він.
Коли заявку призначають Гендальфу, агент перевіряє, чи належить вона до його зони відповідальності, оцінює вартість виконання, з’ясовує, чи має користувач потрібний доступ. Далі він може пояснити правила, поставити уточнювальне запитання, переадресувати заявку іншій команді, запропонувати додати користувача до наявної групи або підготувати зміну в Terraform.
Якщо потрібна зміна конфігурації, Гендальф створює її та відкриває чернетку мердж-реквесту. При цьому перевіряє, чи відповідає запропонований доступ запиту й чи не надає він зайвих дозволів. Однак агент не може самостійно видати доступ або закрити тікет — це робить людина. До хмарних проєктів він має доступ лише на читання і не бачить бізнес-даних чи чутливої інформації. Перед запуском у Headway протестували агента на 40 реальних заявках із попередньої історії. У 39 випадках із 40 він запропонував правильний або навіть вужчий доступ, ніж той, який свого часу надали інженери. Жодного разу агент не порушив жорстких обмежень. Для порівняння: та сама модель без спеціально розроблених навичок впоралася у 80% випадків. Вартість обробки одного тікета становить від $1,7 до $5,2, а інфраструктура агента коштує $11,5 на місяць. Наступна ціль команди — зробити так, щоб будь-який підрозділ компанії міг запустити власного агента за один день.
У Sigma Software агенти також працюють із внутрішніми запитами й корпоративною інформацією. За словами Євгена Пака, Senior Support Engineer, вони вже стали частиною щоденної роботи, а не демонстраційними проєктами. «Ми справді багато автоматизуємо всередині. ШІ-агенти вже не демо, а частина щоденної роботи команди», — зазначає він. Серед завдань — внутрішні асистенти, які відповідають на запитання на основі корпоративної бази знань, збирають і структурують інформацію для команд, допомагають вести Jira та готують статус-звіти й дашборди. Окремі інструменти відстежують ротацію команд, активні доступи й ліцензії, аналізують логи та шукають аномалії. Також вони можуть збирати дані з різних джерел, зокрема інформацію про облік часу в ETS, і формувати зведення для команд.
У рекрутингу Sigma Software використовує інструменти для первинного скринінгу кандидатів, дослідження ринку та пошуку фахівців. Ще один напрям — підготовка й узгодження документів. Для цього в компанії є окремі рішення: Contract Harmonization Portal допомагає працювати з договорами, CV Generator — готувати резюме, а Proposal Generator — комерційні пропозиції.
«Ефект найкраще видно на рутинах: те, що раніше з'їдало години ручної роботи, агенти роблять суттєво швидше, а люди фокусуються на архітектурі», — додає Пак.
У Ciklum внутрішній AI-асистент PRODIGY допомагає командам орієнтуватися в методологіях і процесах розробки продуктів. Він враховує роль спеціаліста й етап проєкту, щоб запропонувати відповідні рекомендації. Це скорочує час, який працівники витрачають на пошук потрібної документації.
Інженерія: від задачі в Notion до мердж-реквесту
У Headway Inc агент Альфред виконує частину інженерних завдань у продуктовій команді Nibble. Як пояснює Дмитро Полурєзов, Head of Engineering Nibble, агент отримує завдання в Notion, а повертає результат у вигляді мердж-реквесту в GitLab.
Між цими двома етапами він сам оцінює складність задачі, пише або змінює код для iOS, Android, Web, Content і Backend, запускає тести та перевірки безпеки. Після цього результат аналізує окремий агент-рецензент, який не брав участі в роботі й може оскаржити ухвалені рішення.
Альфред створює мердж-реквест із поясненням змін і реагує на коментарі людей у GitLab: відповідає на запитання, аргументує рішення або вносить правки. Але остаточний апрув і злиття коду завжди залишаються за людиною.
За перші два тижні агент створив 29 мердж-реквестів у шести репозиторіях. П’ятнадцять із них були в продуктових репозиторіях Nibble, ще 14 — у власному репозиторії агента. Типове завдання займає близько 1 години 36 хвилин і коштує приблизно $30 у перерахунку на токени.
У компанії наголошують: для надійної роботи агента недостатньо лише потужної моделі. Потрібні якісні навички, контекст, пам’ять, бюджет і чітко визначені межі. Тому Headway побудувала AI-інфраструктуру з кількох рівнів: від робочих платформ на кшталт Claude, Notion, Jira, GitLab і Slack до реєстру навичок, середовища для моделі й самих агентів. Наступний крок — налагодити взаємодію між ними.
У Railsware інженери теж експериментують із делегуванням задач агентам. Анастасія Власова, Full Stack Engineer, розповідає про фреймворк Cyrus, який з'єднує Linear із Claude Code.
«Призначаємо тікет на Cyrus, вебхук передає задачу на ізольовану машину, де агент на Claude Code працює з окремим клоном репозиторію та власними API-ключами, вносить зміни й відкриває пул-реквест за нашими конвенціями», — описує процес Власова.
У Linear це виглядає як звичайне призначення задачі: інженер може відкрити сесію, переглянути історію дій агента й скоригувати його роботу. Але поки що команда довіряє йому лише невеликі ізольовані зміни.
«Для складніших задач перевірити результат ззовні важко. Доводиться стягувати гілку й переглядати локально. […] Для дрібних задач це працює, для великих — поки не доведено», — пояснює інженерка.
У Railsware автоматизували й навчання агентів. Після завершення сесії Claude Code запускається спеціальний скіл Debrief: він збирає фідбек і оновлює навички та ролі агентів. Раніше інженер мав самостійно згадати про помилку й додати відповідне правило, але це не завжди відбувалося.
«Тепер ту саму помилку не доводиться виправляти двічі», — каже Власова.
Водночас у компанії не називають точного приросту продуктивності. Інженерка наводить приклади рефакторингу ключової функції та перейменування таблиці по всьому проєкту — завдань, які раніше потребували значно більше зусиль. Але виміряти ефект складно: щойно рутинна робота спрощується, команда береться за завдання, які раніше відкладала.
У Ciklum ШІ використовують і безпосередньо в розробці: за даними компанії, асистенти генерують до 20% кодової бази. Цю цифру важливо не трактувати як частку коду, який виходить у продукт без перевірки. Згенеровані фрагменти проходять звичні для команди етапи тестування, рев’ю та інтеграції, а відповідальність за фінальний результат залишається за розробниками. Тобто ШІ прискорює частину роботи, але не підміняє інженерну перевірку.
Контент і маркетинг: агент готує 70 пінів на тиждень
Агенти можуть працювати не лише з кодом і внутрішніми системами. У Headway Inc їх використовують і в маркетингу. Один із прикладів — Пінні, агент команди бренд-маркетинг-дизайну, який готує контент для Pinterest. Про нього розповідає Марія Завертайло, Brand Marketing Design Operations.
Щонеділі Пінні готує публікації на наступний тиждень: Claude пише тексти, а модель OpenAI генерує зображення. Готові матеріали зберігаються у хмарному сховищі. У понеділок агент надсилає їх дизайнеру на перевірку, а після погодження формує чергу публікацій на кожен день. Про статус генерації та найуспішніші піни він звітує у Slack.
«Ми використовуємо контент наших продуктів як основу для Pinterest-пінів, а Пінні допомагає адаптувати його під платформу, експериментувати з форматами та підтримувати регулярний потік нових публікацій», — пояснює Завертайло.
Раніше підготовка тижневого контенту займала понад дві години, тепер — близько п’яти хвилин. Агент готує 70 пінів на тиждень і додатковий банк контенту. Генерація коштує приблизно $15 на тиждень. Оскільки матеріали створюють наперед, команда використовує пакетну обробку через Batch API — це вдвічі дешевше.
Але Пінні не визначає маркетингову стратегію й не вирішує, який контент має працювати на бізнес-цілі. Він бере на себе виробничу частину: адаптує матеріали, генерує варіанти й готує публікації до перевірки. Стратегія, креативні рішення та контроль якості залишаються за командою.
Ще один приклад із Railsware — робота контент-команди TitanApps, одного з продуктів компанії. Вікторія Головцева, Content Manager, розповідає про використання Claude Design для підготовки візуальних матеріалів. Команда зібрала в інструменті дизайн-систему на основі бренд-матеріалів із Figma: кольорів, шрифтів, компонентів і прикладів оформлення.
«Додаємо продуктовий контекст і завдання, отримуємо першу версію, коригуємо її та зберігаємо вдалі результати як зразки. Так, я можу самостійно підготувати чернетку інфографіки для статті, презентації для вебінару або макета лендингу, щоб перевірити, як текст працює в реальному розташуванні блоків», — пояснює Головцева.
Це дає змогу швидше перевіряти візуальні ідеї ще під час роботи над матеріалом. Водночас ідеться саме про створення чернеток і перших версій: фінальне опрацювання дизайну, перевірка продуктової точності та редакторські рішення залишаються за людьми.
Агент не означає повну автономність
У цих прикладах ШІ-агенти виконують різну роботу: аналізують резюме, готують зміни в коді, перевіряють запити на доступи, створюють контент і збирають звітність. Але майже в усіх процесах є спільна риса — людина залишається відповідальною за результат.
Це особливо помітно там, де помилка може мати серйозні наслідки: у наймі, управлінні доступами або розробці продукту. Агент може підготувати рекомендацію чи навіть завершений мердж-реквест, але не обов’язково має право самостійно його погодити. У маркетингу він здатен створити десятки матеріалів, однак не визначає, чи відповідають вони стратегії бренду. Тому практична цінність агентів зараз не стільки в тому, щоб повністю прибрати людину з процесу, скільки в тому, щоб забрати повторювані етапи роботи й звільнити час для рішень, де потрібні досвід, контекст і відповідальність. І саме на цьому рівні українські IT-команди вже знаходять для них конкретне застосування.
«Чи є у мене талант, якщо комп’ютер може імітувати мене?». Штучний інтелект пише книги авторам Amazon Kindle. The Verge поспілкувався з авторами та виявив багато цікавого
Письменники-романісти використовують штучний інтелект для створення своїх творів. Видання про технології The Verge поспілкувалося з письменницею Дженніфер Лепп, яка випускає нову книгу кожні дев’ять тижнів, й дізналося про те, як працює штучний інтелект для написання романів. Наводимо адаптований переклад статті.
Хочете повідомити важливу новину? Пишіть у Telegram-бот
Головні події та корисні посилання в нашому Telegram-каналі
