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. Читайте також Вустами ШІ говорить істина? Як російські пропагандисти впливають на ChatGPT 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.