Як створити сильну ШІ-екосистему

До 2030 року Україна прагне увійти до трійки світових лідерів за рівнем впровадження ШІ в державному секторі. У 2026 році Мінцифри почало готувати профільний закон. Цьому передував запуск регуляторного тестового середовища (sandbox), де компанії тестують свої продукти під наглядом експертів. За рік туди надійшло 90 заявок, а 15 рішень уже пройшли аудит за участю 23 експертів.

Однак реалізація цієї амбіції залежить не лише від правил і державних програм. Потрібні спеціалісти, здатні створювати такі рішення. За даними дослідження AI House, в Україні близько 6 100 AI/ML-фахівців – на 17% більше, ніж два роки тому. Водночас лише 13% з них працюють з ШІ поза IT, а в публічному секторі – 2%.

Цей розрив показує, що проблема не стільки в кількості фахівців, скільки в тому, як перетворити їхню експертизу на практичні рішення. Для цього потрібна екосистема, яка з'єднає ШІ-спільноту із завданнями бізнесу й держави, дасть доступ до даних і досліджень, допоможе доводити розробки до впровадження.

Завдання визначає технологію

Одна з головних помилок у роботі з ШІ – починати з технології. Перш ніж залучати інженерів, варто з'ясувати, хто користуватиметься рішенням, якого результату від нього очікують, які дані доступні і як вимірюватимуть успіх. Завдання повинне мати власника, зацікавленого в подальшому використанні результату.

Це мислення стартапу: спершу проблема й перевірка гіпотези з усіма зацікавленими сторонами, потім ресурси, команда і продукт. Якщо одна з цих ланок випадає, впровадження технології забере ресурси, але не дасть результату.

Наприклад, канадську систему ChartWatch створили для конкретної потреби лікарні: завчасно виявляти пацієнтів з високим ризиком різкого погіршення стану.

Щогодини система аналізує понад 100 показників і попереджає медиків. Її розробляли з лікарями, пацієнтами та керівництвом лікарні. Після її впровадження в торонтській лікарні St. Michael's неочікувана смертність знизилася на 26%.

Від окремих проєктів до повторюваної моделі

Окремих успішних проєктів замало. Екосистемі потрібен механізм, за яким кожне нове завдання проходить однаковий зрозумілий шлях: від оцінки проблеми й даних до формування команди, розробки, тестування і впровадження рішення.

У Сінгапурі такий механізм вибудувала програма 100 Experiments від AI Singapore. Бізнес приходить з конкретною проблемою і даними, завдання оцінюють, а потім для нього формують окрему команду, яка розробляє й тестує ШІ-рішення.

За цією моделлю реалізували понад 300 проєктів. Наприклад, страхова компанія Sompo разом з AI Singapore створила систему автоматичної перевірки заяв на виплату. Після її запуску ефективність виявлення шахрайства зросла на 90%.

На шестимісячну розробку мінімального життєздатного продукту (MVP) програма надає співфінансування до 150 тис. сінгапурських доларів (близько 117 тис. дол. США), а решту витрат покриває сама компанія-учасниця.

Власна модель для України

Україні важливо не копіювати досвід Сінгапуру, а побудувати власний підхід. Один із прикладів – челендж Handwritten to Data. У 2026 році AI House провів його спільно з Міністерством економіки, довкілля та сільського господарства і Українським католицьким університетом за підтримки Мінцифри.

Держава сформулювала прикладне завдання: розпізнавати українські рукописні документи. Учасники створювали моделі на основі відкритого датасету Rukopys. До проєкту долучилися 870 людей, 198 команд подали 6 800 версій моделей. Так завдання об'єднало запит держави, експертизу університету, дані й технологічну спільноту, а учасники змогли перевірити свої підходи на реальному кейсі.

Переможне рішення вже впроваджують у судову практику і планують запровадити в державні цифрові та архівні процеси. Інші результативні моделі використовують для розмітки описів фондів державного архіву. Погоджена співпраця з Державною судовою адміністрацією щодо розпізнавання судових справ та заяв.

Наступний крок – зробити такий підхід системним. Державна інституція має формулювати конкретне завдання, відкривати потрібні дані та призначати відповідального за впровадження готового рішення.

Відповідальність – у власника процесу

Говорити про Handwritten to Data як про завершений успішний кейс поки зарано. Ключове питання – чи стануть створені рішення частиною регулярної роботи державних інституцій. Для цього мало розробити і впровадити технологію. Потрібен власник процесу, який відповідатиме за те, як рішення використовуватимуть після впровадження і як оцінюватимуть його результат.

Саме так побудована робота системи HANS в естонському парламенті. Вона автоматизує підготовку стенограм: записує виступи депутатів, перетворює їх на текст і визначає, кому належить кожна репліка. Технологію розпізнавання мовлення розробили в Талліннському технічному університеті (TalTech), а компанія Finestmedia впровадила її в роботу парламенту (Riigikogu).

Перед публікацією стенограми редактори парламенту виправляють помилки. Тобто технологічні партнери відповідають за систему, парламент – за кінцевий результат.

ШІ-команда не пройде шлях сама

Власник завдання не може забезпечити весь процес самостійно. Ще на старті слід визначити, де рішення тестуватимуть, хто вбудує його в наявну інфраструктуру, профінансує наступний етап і підтримуватиме після запуску. ШІ-команда теж не має для цього всіх ресурсів, тому на рівні екосистеми важливо розподілити ролі.

Університети дають дослідницьку експертизу й методологію, бізнес – галузеві знання, фінансування та можливість запровадження, держава – завдання, дані та масштаб. Інженери створюють рішення, а професійні спільноти та платформи допомагають сторонам знаходити одна одну. Від такої взаємодії виграють усі.

ШІ-фахівці отримують доступ до реальних завдань і даних, університети – матеріал для прикладних досліджень, бізнес і держава – технологічну експертизу.

Один з бар'єрів – доступ до даних. У державному секторі вони часто розпорошені, зберігаються в різних форматах або недоступні розробникам. Держава має не лише ставити завдання, а й відкривати законний доступ до інформації і створювати умови, щоб рішення можна було протестувати й запустити.

Що визначатиме зрілість екосистеми

Сильна ШІ-екосистема починається не з кількості фахівців і проєктів. Її зрілість визначає те, скільки завдань доходять до впровадження, скільки рішень стають частиною процесів і скільки нових продуктів та компаній виникає навколо них.

Досягти цього можна лише тоді, коли робота з ШІ-завданнями стане звичною. Кожне завдання потребує чіткого формулювання, даних і відповідального за впровадження, а держава, бізнес, університети й технологічна спільнота мають чітко розуміти, хто за що відповідає. Якщо такий підхід запрацює, Україна створить ШІ-екосистему, яка принесе результат для держави, бізнесу та ринку загалом.