"Скоро компанії збільшать вимоги до ефективності співробітників": як ШІ створює нові професії та змінює правила ринку праці – інтерв’ю з CTO GigaCloud Кирилом Науменком

У розмові з Delo.ua, яка відбулася в грудні 2025 року, CTO GigaCloud Кирило Науменко пояснив, як ШІ одночасно звільняє одних працівників і дозволяє іншим заробляти втричі більше, чому Китай випереджає світ у технологіях розпізнавання облич та яку роль Україна вже відіграє в глобальній AI-гонитві.

• Від перших алгоритмів розпізнавання зображень до ChatGPT
• ШІ створив "вікно можливостей": як працівники навчилися заробляти більше, працюючи менше
• Замість масових звільнень — нові стандарти: як AI реально впливає на зайнятість
• Чому США випереджають Європу у впровадженні штучного інтелекту
• Як Україна перетворюється на технологічного гравця
• Як бізнес вимірює ефективність AI та які нові ролі з’являються на ринку праці

Від перших алгоритмів розпізнавання зображень до ChatGPT

Як, на вашу думку, розвивався штучний інтелект в Україні та світі?

— Сама ідея машинного навчання (Machine Learning) виникла ще у 1980-х. Коли я закінчував університет у 2008–2009 роках, мій колега писав магістерську роботу з розпізнавання медичних зображень — уже тоді навчали моделі розпізнавати патології на фото. 

Технологія існувала давно, просто не мала нинішніх можливостей — бракувало потужностей, даних і зручних інтерфейсів.

Як саме працюють великі мовні моделі (LLM-моделі)?

— Завдяки ним комп’ютер почав "розуміти" контекст. Якщо раніше голосові помічники типу Siri працювали як набір умов "якщо — тоді", то тепер, коли ви питаєте, наприклад, "як там на вулиці?", система сама розуміє, що йдеться про погоду. Це і є суть прориву: ми говоримо так, як нам зручно, а не так, як запрограмовано.

Це відкрило шлях для таких інструментів, як Midjourney чи ChatGPT, і запустило справжній вибух у креативних індустріях. Адже тепер можна просто сформулювати задум своїми словами, а машина допоможе його реалізувати.

Паралельно збіглися кілька факторів:

• зросла кількість контенту, на якому моделі могли навчатись;
• з’явилися потужні обчислювальні ресурси (NVIDIA тут не випадково стала одним із головних бенефіціарів епохи ШІ);

І головне — наукові розробки почали впроваджуватися набагато швидше. Ще 10–15 років тому між публікацією академічної статті і реальним продуктом могло пройти п’ять років. Тепер — кілька місяців. Вийшла стаття про новий підхід — і вже через 2–3 місяці хтось робить прототип, а ще за місяць це з’являється в масовому продукті.

А коли саме настав переломний момент у розвитку ШІ?

— Архітектура трансформерів, на якій ґрунтуються всі сучасні мовні моделі, з’явилася приблизно у 2017–2018 роках. OpenAI створила GPT-1 у 2018-му, а потім — GPT-2 і GPT-3, які спочатку використовувалися лише в закритому форматі. Раніше це були чисто дослідницькі моделі, і лише Сем Альтман у 2022 році вирішив відкрити ChatGPT для широкого кола користувачів. І саме цей крок став переломним моментом.

Midjourney, своєю чергою, використала ті ж принципи — поєднала трансформери з генеративними моделями, і тепер користувач може просто описати картинку словами, а система домалює усе інше. Вона "додає" деталі, яких не було в запиті, — колір, освітлення, середовище. Це прояв тієї самої "ймовірнісної логіки", на якій працюють сучасні нейромережі: якщо модель не знає точну відповідь, вона створює найімовірнішу.

ШІ створив "вікно можливостей": як працівники навчилися заробляти більше, працюючи менше

Коли штучний інтелект став реально приносити гроші?

— Після пандемії багато хто перейшов на віддалений формат і знайшов способи поєднувати кілька робіт одночасно. Є чимало людей, які працюють на двох-трьох роботах паралельно, сплачують кілька сотень доларів за підписку на ChatGPT — і заробляють утричі більше.

Багато заробляти завдяки штучному інтелекту можуть лише IT-фахівці чи спеціалісти в інших сферах також?

— Якщо людина виконує завдання швидше ніж за 8 годин, зазвичай претензій від компаній немає. Звісно, це не стосується фізичної роботи — там інші умови. Але для офісних працівників, де є аналітика, тексти, розробка — зараз є певний "розрив у системі". Компанії ще не переглянули свої KPI й вимоги до ефективності, тому люди можуть використовувати цей момент.

Фактично роботодавець купує в тебе певний об’єм — умовно, за 8 годин ти маєш зробити роботу на 15 одиниць. А якщо завдяки AI ти можеш робити 45, логічно, що хочеш більше заробляти. Але роботодавець каже: "У мене є робота лише на 15". Тому людина бере ще одну або дві роботи паралельно.

Але це триватиме недовго — рік чи два. Потім роботодавці почнуть вимагати використання AI від усіх і переглядати KPI. Наприклад, сьогодні стандарт — знати Excel, а завтра обов’язковим стане вміння писати промти й працювати з ChatGPT.

Тобто, зараз швидше зростає ефективність окремих людей, а не цілих компаній?

— Так. Людина набагато гнучкіша за велику структуру. Великим компаніям складно адаптуватися, а стартапи чи малі команди — швидше інтегрують нові інструменти. Але найгнучкіша одиниця — це людина.

Вона може застосовувати AI навіть у побуті: спитав у ChatGPT, як полагодити розетку, і зекономив умовні 500 гривень за роботу майстра.

Замість масових звільнень — нові стандарти: як AI реально впливає на зайнятість

Коли настала та точка, коли AI почав замінювати працівників?

— AI радше не звільняє людей, а підвищує вимоги до них. Якщо раніше в компанії було 10 співробітників, то зараз один роботодавець може сказати: "Окей, звільню половину, решта зробить те саме завдяки ШІ". А інший подумає інакше: "Я залишу всіх десятьох — і тепер вони робитимуть удвічі більше". І виграє саме другий, бо конкуренція зростає не за рахунок скорочення, а за рахунок продуктивності.

Щодо скорочень — вони відбувалися завжди. Якщо подивитись на статистику за п’ять років, звільнення були і тоді. Не можна сказати, що зараз люди втрачають роботу через AI — це більше частина природного циклу бізнесу. Жодної достовірної статистики, яка б показала масові звільнення саме через впровадження штучного інтелекту, поки що немає.

Люди залишаються важливою частиною процесу, бо ми не терпимо помилок від машин. Якщо вам дзвонить "робот-оператор", і він не розуміє питання, ви одразу просите живу людину. Тому поки що AI не може повністю замінити людське спілкування, особливо там, де потрібна емпатія чи нестандартне рішення.

А чого очікувати в найближчому майбутньому?

— Ми вже бачимо, що хайп поступово спадає. Після 2023 року, коли всі масово кинулися “впроваджувати AI будь-якою ціною”, бізнеси починають тверезіше оцінювати реальну віддачу.

Інвестиції зростають повільніше, бюджети скорочуються, компанії вже розуміють: AI варто впроваджувати там, де він справді потрібен, а не просто "бо це модно". Звісно, є і креативні компанії, які знаходять цікаві точки застосування — і саме вони отримують перевагу.

У програмуванні вже є тенденція: у майбутньому оцінюватимуть, скільки "токенів" ти витрачаєш під час роботи з AI. Той, хто формує промти точніше й використовує менше токенів, буде вважатися кращим спеціалістом. Це стане новим KPI — показником ефективності. І, можливо, через кілька років ми будемо питати: "Який ти програміст?" — "Я виконую задачу за стільки-то токенів".

Чому США випереджають Європу у впровадженні штучного інтелекту

Які головні відмінності між підходом до штучного інтелекту в США та Європі?

— Є велика різниця в контексті ринків. В Америці — гнучкіший підхід, більше грошей і свободи для експериментів. Там швидше перевіряють гіпотези, створюють стартапи, обмінюються знаннями. Це жива, відкрита екосистема.

Європа більш зарегульована і фрагментована. Кожна країна хоче зробити "щось своє", створює бюрократичні бар’єри, вводить обмеження й регуляції. Це гальмує розвиток, хоча підхід там більш усвідомлений — є бажання контролювати, щоб не нашкодити. Але саме тому темпи впровадження нових технологій у Європі нижчі, ніж у США.

Наприклад, у сфері розпізнавання зображень і облич — Європа фактично програла Китаю. Через жорсткі правила захисту персональних даних європейські компанії не можуть збирати та використовувати великі масиви даних для навчання моделей.У Китаї ж ці обмеження відсутні — будь-який контент можна використовувати як завгодно. Саме тому китайські виробники камер мають найрозвиненіший софт.

Як Україна перетворюється на технологічного гравця

А яке місце у світовому ШІ займає Україна?

— Україна хоче стати найцифровішою країною Європи. Ми дуже гнучкі, швидкі, і ці якості підсилилися через війну. Вона змусила нас упроваджувати технологічні рішення швидше, ніж будь-де — бо це часто питання виживання.

Європа вже дивиться на Україну, переймає досвід і навіть тестує тут деякі рішення.Особливо у сфері оборонних технологій, де активно застосовується штучний інтелект — у дронах, системах наведення, розпізнаванні об’єктів.

Хто сьогодні найбільше інвестує у розвиток AI в Україні?

— Поки що не можу сказати, що це значний рівень. Я не бачу великого попиту на AI-рішення. Ми, як хмарний провайдер, очікували, що бізнес почне активно купувати графічні карти для навчання моделей, але цього не сталося.Наразі лише близько 40 із півтори тисячі наших клієнтів реально використовують GPU для роботи з моделями. Але навіть цей рух показує, що процес іде, просто повільніше, ніж у США чи Європі.

Де українські компанії вже використовують AI на практиці?

— Якщо компанія має IP-телефонію, сьогодні можна зробити транскрибацію дзвінків. Використати GPT або будь-яку іншу LLM-модель, отримати текст дзвінка — і далі аналізувати все, що завгодно: оцінювати роботу менеджера, категоризувати теми, визначати емоції, створювати завдання чи події в календарі.

Наприклад, ми автоматизували процес погодження оплат. Раніше треба було вручну заповнювати поля, вбивати суми, прикріплювати інвойси. Тепер співробітник просто додає рахунок, а модель сама все розпізнає — людина лише погоджує.

Як бізнес вимірює ефективність AI та які нові ролі з’являються на ринку праці

Щодо ефективності, KPI та повернення інвестицій (ROI), наскільки штучний інтелект реально впливає на ці показники?

— Поки що немає надійної статистики: наявні дані некоректні й несегментовані, зокрема географічно. У великих проєктах, де інвестують мільйони й розраховують ROI, стартові прогнози ще не перевірені часом.

До того ж це рання стадія інновацій, коли ринок рухають ентузіасти, готові платити більше за можливість першими отримати технологію. Фактично перші витрати компаній — це R&D, необхідний просто для того, щоб залишатися конкурентними хоча б на пів року.

На ринку з’явилися нові професії, зокрема промпт-інженер чи директор із ШІ — це реальні спеціальності чи просто нові назви?

— Колись була професія "оператор ПК" — людина, яка просто вміла користуватися комп’ютером. Зараз це базова навичка для всіх. Так само буде і з промпт-інженерами.Посада директора з AI — це теж поки роль, яка показує фокус компанії. Вона потрібна, щоб хтось спеціально займався впровадженням AI, розумів бізнес-процеси, знаходив можливості для автоматизації. Але з часом усі IT-директори стануть і директорами з ШІ.

Наразі ця роль дослідницька, експериментальна. У когось вона виділяється окремо, у когось її бере на себе інші технічні топ-менеджери. Їм дають карт-бланш і бюджет.

Основне завдання такої людини — провести дослідження, аудит бізнес-процесів і зрозуміти, на якому етапі та в яких процесах можна застосовувати штучний інтелект. Потім — реалізувати це, можливо, спільно з ІТ-директором чи зовнішніми підрядниками. Це, по суті, зміни у структурі бізнесу, тому така посада потребує досить великих повноважень, щоб мати змогу впроваджувати зміни.

Якщо говорити про такі професії, наскільки довго вони залишаться актуальними?

— Вони будуть актуальні доти, доки решта ринку не "підтягнеться" і ці навички не стануть базовими. На американському ринку, думаю, вони проіснують ще рік-півтора, а потім знання роботи з AI стане обов’язковим для всіх — розробників, дизайнерів, копірайтерів.В Україні цей процес, можливо, триватиме трохи довше, але всі мають уже зараз починати вчитись і експериментувати. Це інструмент персональної ефективності, і якщо хочеш залишатися конкурентним на ринку праці — мусиш його використовувати.