Про це під час практичного воркшопу на платформі Ukrainian Global Faculty (проєкт Академії КМЕФ за підтримки фінтех-компанії Activeitis) розповів Михайло Пацан — провідний експерт у сфері штучного інтелекту, засновник Web3-університету інноваційної освіти Learn to Earn Global та компанії AI Sync Global. Модератором заходу виступив доктор економічних наук Віктор Галасюк.
Третій етап еволюції ШІ: від «балаболів» до агентів
Згідно з класифікацією Сем Алтмана з компанії OpenAI, технології штучного інтелекту зараз перебувають на третьому етапі своєї еволюції.
Читайте також: Користувачі тікають від ШІ: інсталяції DuckDuckGo зросли на 30% після радикального оновлення Google
- Етап 1. Чат-боти: Перше покоління систем (зокрема, ранній ChatGPT) працювало у форматі звичайного чату. Користувач давав запит, а нейромережа на основі закладеної інформації просто комбінувала тексти та видавала лінійну відповідь. Михайло Пацан іронічно називає цей етап ерою «балаболів».
- Етап 2. Системи, що думають: Сучасні просунуті моделі (на кшталт нових серій OpenAI o3 чи o4-mini) перед генерацією відповіді запускають внутрішній процес «мислення». Вони самостійно розкладають складну задачу користувача на підзадачі, аналізують дані, тестують варіанти, самоузгоджуються і лише потім видають верифікований результат.
- Етап 3. Автономні агенти: Це поточний найгарячіший тренд, коли ШІ не просто аналізує дані, а має власні цифрові руки — інструменти. Агенти можуть самостійно виходити в інтернет, парсити сайти, користуватися базами даних, писати та запускати код, створювати документи чи веб-сторінки з одного текстового рядка.
Анатомія ШІ-агента: з чого складається цифровий працівник
Справжній агент штучного інтелекту подібний до працелюбної людини та має три фундаментальні компоненти навколо свого ШІ-ядра (великої мовної чи мультимодальної моделі):
- База знань (Knowledge Base): Специфічні дані, на яких можна донавчати модель без тривалого та дорогого процесу повного перенавчання (fine-tuning). Моделі згодовують внутрішні документи компанії, аналітику чи медичні протоколи, і вона оперує ними з максимальною точністю.
- Пам'ять (Memory): Агент чітко знає, з ким він комунікує, пам'ятає історію попередніх сесій, контекст завдань, особисті вподобання користувача та адаптується під конкретний стиль взаємодії.
- Інструменти (Tools): Головна відмінність агента. ШІ отримує доступ по API до сторонніх сервісів: Google Drive, Google Calendar, YouTube, платіжних систем, месенджерів чи карт.
Практичні кейси: як ШІ-агенти змінюють роботу вже сьогодні
Під час ефіру Михайло Пацан продемонстрував можливості сучасних агентських систем у режимі реального часу.
- Персональні мультимодальні асистенти: Сучасні моделі стали повністю мультимодальними — вони бачать, чують і розуміють світ. Наприклад, інтегрований у сервіси Google асистент Gemini через використання інструментів може за секунди спланувати складну логістику. Під час демонстрації ШІ самостійно проклав автомобільний маршрут із Києва до Барселони, підібрав реальні п'ятизіркові готелі для ночівлі через Google Hotels, знайшов заклади харчування в Берліні та відобразив усе це на інтерактивній карті. Крім того, Gemini здатний аналізувати довгі відоса на YouTube: за текстовим запитом він самостійно знаходить потрібний сюжет, робить вижимку тез та надає прямі посилання на конкретні секунди відео, де йдеться про затребуваний сервіс.
- Керівництво аналітикою через Клод (Claude): Модель Claude демонструє найкращі результати в аналізі неструктурованих цифрових даних та фінансових розрахунках. Завантаживши масивний файл Excel із даними про видатки, користувач може поставити бізнес-задачу (наприклад: «Я запускаю інвестфонд, проаналізуй, у якому місті та секторі зосереджені клієнти з найбільшими заощадженнями»). Claude не просто пише текст: він самостійно генерує код для розрахунку математичних регресій, перевіряє його, виправляє власні помилки та виводить повноцінний інтерактивний дешборд із графіками.
- Автоматизація бізнес-процесів за моделлю AI First: Трансформація сучасного бізнесу переходить на рівень побудови «роїв» або мереж агентів. Завдяки платформам-оркестраторам в архітектуру компанії інтегрується єдине ШІ-ядро, де різні агенти виконують свої унікальні ролі. Один контент-координатор збирає дані про ринок за 24 години, інший порівнює їх із внутрішньою базою знань компанії, третій пише дописи для соцмереж, а четвертий генерує ТЗ для дизайнерів чи автономно монтує сценарії для TikTok. Людина в такій системі займає позицію режисера чи диригента, затверджуючи або коригуючи фінальний результат.
- Вайп-кодинг (Vipe-coding) та генерація інтерфейсів: Ера написання коду вручну зазнає змін. Завдяки інструментам на кшталт Lovable AI, користувачу достатньо скопіювати чистий текст із описом проекту або структурою старої веб-сторінки. Шар штучного інтелекту самостійно розписує дизайн-систему, підбирає палітру, створює логіку інтерфейсу та за лічені хвилини видає повністю робочий, сучасний сайт із готовим кодом під капотом, який можна відразу розгортати в мережі.
Новий цифровий тандем: Штучний Інтелект та Блокчейн
Перехід до кібекономіки вимагає створення нових фінансових інтерфейсів взаємодії. Автономні агенти виконують когнітивну та операційну роботу, але вони не можуть мати класичних рахунків у традиційних банках.
«Жоден банк не відкриє штучному інтелекту рахунок, і жоден ШІ не буде стояти півтори години в черзі, щоб провести платіж. Тому логічним партнером для AI є Web3 та блокчейн. Блокчейн виконує роль миттєвого автоматизованого банку для роботів та ШІ-агентів, де транзакції та взаєморозрахунки між програмами відбуваються за лічені секунди. ШІ з однієї сторони та Web3 з іншої — це дві сторони однієї монетки майбутньої кібекономіки», — підкреслив Михайло Пацан.
Чи замінить ШІ людину?
Головна відповідь експерта — ні, але людина з навичками ШІ замінить людину без них. Проникнення генеративного ШІ у світі зараз складає менше 20%. Ми перебуваємо на етапі, коли технологія не забирає робочі місця, а колосально масштабує продуктивність тих, хто вчиться нею керувати.
Основне завдання сучасного фахівця, незалежно від професії (юрист, бухгалтер, HR чи маркетолог) — розвивати навички промт-інженерії. Необхідно вміти ставити завдання машині так, щоб вона виконувала саме те, що потрібно бізнесу, контролюючи її контекст, рамки мислення та використання інструментів.
Для тих, хто прагне детальніше освоїти інструменти автоматизації, навчити власних ШІ-агентів та впровадити їх у бізнес чи навчання, компанія Learn to Earn Global розгортає та супроводжує індивідуальні ШІ-рішення, допомагаючи українським фахівцям інтегруватися у нову кібекономічну реальність.
Читайте також: Нова архітектура для ШІ: стартап XCENA залучив $135 млн на розробку «обчислювальної» пам'яті