Дек. 12

«ШІ-позицій на ринку стане більше». Підсумки року і прогнози на 2026-й від українських СТО

Головний тренд року — це ШІ-інструменти, а ключова інженерна компетенція — вміння працювати з ними. Так кажуть наші співрозмовники, СТО продуктових і сервісних компаній.

Проте цей висновок — лише верхівка айсберга. 2025-й приніс настільки багато змін у технологіях, що наші експерти дійшли інколи протилежних думок щодо того, який це матиме вплив на індустрію.

Ми зібрали їхні оцінки, щоб підбити технологічні підсумки року і спробувати зазирнути у 2026-й. Які були найбільші прориви і розчарування в технологіях за цей рік? Що зміниться у професіях наступного року? Чи вплине ШІ на звільнення і що варто знати інженерам вже зараз — у матеріалі.

«Найбільше розчарування року — ансамбль падінь глобальних клауд-сервісів»

Олександр Чумак, СТО Uklon

Найважливіші технологічні зміни в індустрії — це безумовно розвиток AV (autonomous vehicle) і партнерство глобальних гравців райдхейлінгу з усіма, хто хоч трохи вміє в AV. Значний розвиток сенсорів (LIDAR, RADAR, cameras) став бустером для розвитку та комерціалізації AV четверного рівня автономності.

Ключовий ШІ-інструмент для корпоративних систем — Gemini, який інтегрується в екосистему Google Workspace, Notebook LM. А також наша внутрішня розробка, RAG-подібний multi-agent — Uklon AI.

Крім того, використовуємо LLM: Claude Sonnet (останніх версій), платформу для створення застосунків та агентів на основі LLM: Dify, vector database: Qdrant.

Уже бачимо ефект від застосування LLM-агентів: час на аналіз секʼюриті-інцидентів скоротився у 5–10 разів, а економія операційних витрат сягає десятків тисяч доларів на рік.

Про ключову інженерну компетенцію у 2026 році. Інженери, які здатні створювати автопілотовані процеси та agent-based системи, стануть новим золотим стандартом ринку.

Найбільші технологічні розчарування року — ансамбль падінь глобальних клауд-сервісів (AWS, Azure, Cloudflare).

«Вся компанія перемкнулася з ChatGPT на Gemini 3.0 Pro»

Микола Коваль, CTO Liven by SKELAR

Головне цього року — якість коду в LLM нарешті наздогнала наші очікування. Завдяки релізу Gemini 2.5 у червні тепер можна генерувати якісний Swift-код, а Claude Opus 4.5 поліпшив створення готових систем. Ще активно використовуємо нову модель — Model Context Protocol для інтеграції, таким чином вдалося зменшити «зоопарк» інтеграцій.

Ключові ШІ-інструменти — Claude-моделі для коду, Cursor/Windsurf для роботи в агентському режимі. З грудня вся компанія для рутинних завдань перемкнулася з ChatGPT на Gemini 3.0 Pro.

Думаю, ШІ-позицій на ринку стане більше, але це не будуть Data Science чи ML-інженери. Радше будь-який інженер, який працює з ШІ. Фактично АІOps, який впроваджуватиме ШІ в процеси компанії.

Найбільше розчарування року — Google Agent Space, який повинен був інтегрувати всі знання про компанію, але досі не досягнув потрібного рівня, а SwiftUI в екосистемі iOS й тепер нестабільний. Це заважає знижувати затрати часу на розробку.

Наступного року очікуємо повного покриття SDLС-розробки. Думаю, «агент робитиме шматок проєкту», а команда керуватиме якістю процесу.

«Роботи вистачить на всіх»

Валентин Кропов, Chief Technology Officer в N-iX

Цього року найбільш вражає швидкість релізів. Google, Anthropic та OpenAI фактично перейшли в режим безперервного релізу. Ми побачили не лише нові моделі (Sonnet 3.7, 4.5, Gemini 2.5 Pro, Gemini 3.0), а й нові продукти — Claude Code, GPT Codex.

Але головною подією стала поява режиму планування (Planning). Це змінило суть взаємодії з ШІ: від формату «питання-відповідь» (де ШІ був просто розумним Stack Overflow) до створення складних модулів і повноцінних застосунків.

Безумовним лідером серед ШІ-інструментів для команди став Claude Code (з моделлю Sonnet 4.5). За $100 на місяць інженер отримує, мабуть, найпотужніший інструмент в історії програмування.

Щодо цифр ефективності ШІ — ситуація неоднорідна. Ми спостерігаємо величезний розрив: менш досвідчені інженери показують приріст у 0–10%, тоді як проактивні Senior-спеціалісти стають ефективнішими на 300% [Нещодавно DOU робив добірку ШІ-метрик компаній].

Щодо звільнень через ШІ, то за різними оцінками, у світі 60–70% програмного забезпечення — це легасі, що потребує модернізації. Тому, думаю, роботи вистачить на всіх, хто вміє використовувати нові інструменти.

Про ключову інженерну компетенцію у 2026 році. Full stack web development зберігає найбільшу популярність серед замовників. Проте профіль ідеального кандидата змінився. Ключова компетенція 2026 року — вміння поєднувати класичну розробку з ефективним використанням ШI-агентів.

Найбільші технологічні розчарування року — нереалістичні очікування від GenAI. Сформувався міф, що LLM може зробити все, але це далеко не так. Щодо рішень, які варто було змінити раніше: за цей рік було багато кейсів, де замовники на хвилі хайпу вимагали впровадити LLM там, де це було архітектурно недоцільно.

2026-й, на мою думку, стане роком активного розвитку підходу Software Factory. Ми побачимо розквіт платформ (на кшталт 8090.ai), які покриватимуть цикл розробки в режимі «all-in-one». Зараз фокус зміщений на генерування коду, але наступний великий крок — це повна автоматизація SDLC.

Другий великий тренд — вихід ШІ у фізичний світ. Поєднання Vision-Language-Action моделей з робототехнікою має суттєво прискорити промислову автоматизацію. Очікую, що ми нарешті побачимо реальне впровадження роботів-гуманоїдів (як обіцяє Tesla) у виробничі процеси, а не лише в деморолики.

«Моя порада для усіх Junior Developers — вчіть Python»

Олег Цаль-Цалько, технічний директор ЕРАМ Україна

Усі ми бачимо боротьбу між великими корпораціями і країнами в розробці ще розумніших моделей: Gemini, Anthropic Claude, OpenAI GPTs, DeepSeek, Grok, AWS Nova. Так само боротьба триває на рівні заліза: нові AWS Graviton5 + Trainium3 чипи створюють серйозну конкуренцію NVIDIA як default choice for AI Infrastructure.

Якщо говорити про важливі тренди в мовах програмування, то з розвитком ШІ Python стає ще популярніший, тому моя порада для усіх Junior Developers — вчіть Python.

З ключових ШІ-інструментів — активно використовуємо EPAM AI/Run Codemie Agentic Platform. Агенти допомагають на різних фазах SDLC, так і в створенні розумних AI Assistants, інтегрованих у клієнтські системи.

Головна інженерна компетенція 2026 року — це AI/GenAI. Створення агентських рішень, побудова складних та ефективних RAGs, змішаних workflows, які охоплюють десятки або сотні агентів. У другу чергу це, можливо, MLOps та ML Engineers, які вміють розгортати та налаштовувати приватні LLM-моделі на on-prem GPU-кластерах.

Мої найбільші розчарування року повʼязані з людьми і з неправильним використанням нових технологій. Коли їх застосовують всюди, де треба і не треба й не отримують того, на що очікують. Так було з Blockchain technology, з Kubernetes, з GenAI зараз. Щодо останнього — дехто думає, що всі задачі тепер можна виконувати за допомогою LLMs. Але, звичайно, це не так. Багато де потрібна детермінована логіка. Чимало задач дорого виконувати за допомогою LLMs і набагато простіше зробити old school. Мій улюблений мем — коли ти викликаєш LLM для того, щоб порахувати 2+2.

У 2026 році, крім Agentic AI, серйозних проривів очікую у робототехніці. Думаю, ми побачимо перші тисячі (а не десятки) людиноподібних роботів на складах, у ритейлі, у побуті, на полі бою. Роботи від Tesla, Boston Dynamics та Unitree отримають оновлені agentic-моделі, які дозволять їм самостійно планувати та виконувати порівняно складні завдання. Також певні прориви можуть бути у сфері Quantum Computing, але побачимо...

«Найбільше розчарування року — робототехніка»

Євген Хоменко, Chief Robotics Officer «Нової пошти»

2025-й став роком, коли ШІ перестав бути експериментом. Для нас це був проривний час у застосуванні агентів у щоденних процесах: в аналізі регламентів, роботі з маршрутами, звітністю та внутрішніми знаннями компанії.

Щодо ключових ШІ-інструментів, то ми побудували роботу на базі екосистеми Google. Окрім стандартних Gemini Workspace та AI Studio, використовуємо NotebookLM, а ще створюємо спеціалізовані Gem-боти.

Найбільше технологічне розчарування року — робототехніка. Відео з гуманоїдами чудові, але коли доходить до реальної роботи, роботи досі не можуть виконувати рухи, хоч трохи наближені до людських: не здатні точно підхопити предмет, швидко адаптувати хват, компенсувати мікрозміни положення чи робити кілька дій одразу. Їхня моторика дуже далека від того, щоб бути корисною у справжній операційці.

Про майбутнє технологій. Я очікую появи рішень, через які управляти ШІ-агентами стане так само просто, як сьогодні працювати з мікросервісами. А також суттєвого прориву в робототехніці, щоб підвищити продуктивність складів і відділень у рази.

У 2026 році прогнозуємо масштабну структурну трансформацію ролей. На мою думку, суттєво зросте попит на AI-Architects, Data-фахівців та експертів з Low-Code рішень.

«Основна технологія року — Model Context Protocol»

Антон Водолазький, СТО в OBRIO

У нашому домені я б виділив дві інновації, які найбільше вплинули на роботу команд за цей рік: інструмент n8n з інтегрованим ШІ і MCP (Model Context Protocol), що дає можливість під’єднувати різні сервіси до ШІ та розширювати його функціональність.
Ключовий ШI-інструмент для команди. 20% усього коду, який ми пишемо, — згенеровано через Cursor і потрапляє у продакшн. Він основний для генерування коду.

У 2026 році я очікую подальших покращень у ШІ. Як свого часу був тренд на «супер ап», де все зібрано в одному місці, так само може розвиватися штучний інтелект: інструменти, які одночасно можуть шукати інформацію, генерувати відповіді, під’єднуватися до твоїх сервісів і фактично виконувати за тебе завдання.

«Усе ще зустрічаю ІТ-фахівців, які не працювали ані з хмарними технологіями, ані ШІ»

Олександр Краковецький, CTO DonorUA, CEO DevRain

У контексті моєї роботи однією з помітних подій стало оновлення сервісу Microsoft Foundry (попередня назва — Azure AI Foundry). Цей інструмент став справді потужною та зручною платформою для розробки асистентів і агентів різної складності.

Крім того, цей рік відзначився загостренням конкуренції між ключовими гравцями ринку генеративного штучного інтелекту, як-от Anthropic, OpenAI, xAI, Perplexity тощо (а також китайських вендорів). Варто відзначити вагомий прогрес у розвитку моделей Gemini від компанії Google. Жаль, що в цій історії Європа навіть не прийшла на змагання.

Що можу відзначити:

Режим Perplexity Labs, який дозволяє не лише проводити глибокі дослідження, а й візуалізувати інформацію у вигляді інтерактивних застосунків. А це означає початок епохи Generative UI.
Значний прогрес Gemini 3 Pro у проходженні Humanity’s Last Exam — складного бенчмарку, який ще не так давно моделі проходили ледь на 3%, а зараз — вже 38,3%. Це один з найскладніших бенчмарків і такий прогрес свідчить про те, що великі мовні моделі перестають бути просто «генератором наступного токена».
Проєкт Microsoft Project Sophia, який дає змогу перетворити будь-який структурований файл на інтерактивні дашборди. Це гарний приклад того, куди буде рухатися аналіз та візуалізація даних.
Проєкт Sakana AI, який генерує наукові статті, які здатні проходити людські peer review. Звісно, це поки більше демонстраційний результат, але очевидно, що дуже скоро сфера наукових публікацій вимагатиме змін.
Успіх Lovable та Cursor. І я зараз говорю не про вайбкодинг, який є тимчасовим явищем, а перехід до spec-driven development та інших підходів створення програмного забезпечення.
Режим Study and Learn у ChatGPT і Gemini, які перетворюють інструмент на тьютора. Поки доволі недооцінений підхід, але, на мій погляд, перспективний.
Інвестиції: Роналду в Perplexity, Disney в OpenAI та інші угоди. Генеративний штучний інтелект вийшов за рамки професійної спільноти.
Вихід DeepSeek, який на хвильку, але таки похитнув гегемонію американських провайдерів. Водночас китайці тримають лідерство в open source моделях, а Meta Llama поступово втрачає позиції в цій сфері.
Капіталізація NVIDIA в 5 трлн. Багато розмов про ШІ-бульбашку. Подивимося.

Claude Code, Cursor, GitHub Copilot, Lovable — домінували в роботі протягом року. Я далекий від бажання сперечатися, який інструмент кращий, бо тут теж спостерігаємо «гонку».

Найголовніше те, що ці інструменти значно спростили розробку саме некритичних сервісів та застосунків. Тепер значно більше часу витрачаємо на бізнес-аналіз, проєктування, що скорочує час розробки. Парадоксально, але це ніяк не впливає на «звільнення», бо тепер більше часу треба витрачати на «educating client» і R&D.

З іншого боку на співбесідах все ще зустрічаю ІТ-фахівців, які не працювали ані з хмарними технологіями, ані ШІ. І якщо з ШІ ще більш-менш все ясно (нова технологія, компанії все ще експериментують, а не впроваджують по-справжньому), то як пояснити той факт, що немає досвіду з Azure/AWS/Google Cloud? Не хочу нікого образити, але саме такі фахівці в зоні ризику.

На мій погляд, наразі вплив ШІ на ринок праці перебільшений. Зараз компанії скидають «баласт», який був набраний під час ковіду.

Попит на ШІ-фахівців буде збільшуватися. Але ще треба формалізувати вимоги до «ШІ-фахівців», бо кожен розуміє це по-різному.

Найбільші технологічні розчарування року — ШІ-браузери. Ідея чудова, але реалізація вийшла на рівні «вжик-вжик і в продакшн». До того ж сценарії інтеграції ШІ в браузер є очевидними. Той же Microsoft зробив Edge з Copilot ще півтора року тому. Але не докрутили. Вийшла «ще одна опція», а не геймчейнджер.

Наступне — магазин застосунків в ChatGPT (так звані GPTs). Вводити монетизацію, модерацію і розширювати можливості інтеграції власних джерел даних треба було вже дуже давно.

У 2026 році нас чекає багато агентів. Особисто стежу за рухом до AGI. Не впевнений, що ми його отримаємо наступного року, але, можливо, нарешті визначимося, що таке AGI.

«Хотілося б більшої інженерної керованості»

Євген Моспан, Chief Information Officer у mono

Одна з найяскравіших подій у фінтех-домені за цей рік — великі банки, зокрема Nubank, почали масово впроваджувати власні великі трансформерні моделі, навчені на великих масивах транзакційних даних у реальному часі.

Це допомогло їм радикально прискорити скоринг, покращити антифрод-моделі та підвищити персоналізацію продуктів. Це задає вектор розвитку для фінтеху і було недосяжним за традиційних ML-підходів. Це надихає нас створювати власні ШІ-інструменти, які ґрунтуються на реальних даних в онлайн-режимі.

Ключові ШI-інструменти для команди — моделі OpenAI та Anthropic, які ми застосовуємо для автоматизації аналізу логів, створення тест-кейсів, прискорення розробки та внутрішньої документації.

Я не очікую хвилі звільнень через ШІ у 2026 році: навпаки, ринок потребуватиме більше ШІ-інженерів, MLOps-фахівців. Технологія змінить структуру ролей, але не зменшить загальну кількість людей у фінтех-індустрії.

Найбільші технологічні розчарування року — нестабільність великих мовних моделей у критичних сценаріях: їхня вартість, схильність до галюцинацій і непередбачуваний latency досі обмежують масштабування. Хотілося б більшої інженерної керованості.

У 2026 році я очікую значного посилення open source руху.

Моделі від DeepSeek, Mistral та інших команд уже конкурують з системами OpenAI та Anthropic. Наступного року ми, ймовірно, побачимо перші open-source LLM, придатні для використання у високоризикових доменах, включно з фінтехом.

Це критично важливо, оскільки фінтех-компанії прагнуть повного контролю над безпекою, latency та вартістю моделі — і open source нарешті може це забезпечити.

«2026-й стане роком переходу від AI-assistant до Agentic AI»

Богдан Погасій, Senior Director, Experience Engineering у Ciklum

Серед ключових змін 2025-го можна виділити:
стрімкий розвиток GPT-5, Gemini 3 та Claude 3.7.
поява reasoning-можливостей — перший відчутний крок до Agent AI.
RAG закріпився як стандартний архітектурний патерн для безпечного використання приватних даних.

Для багатьох доменів, зокрема й аутсорсингу та інженерного менеджменту, це означає відчутне скорочення Discovery та Delivery циклів і поступовий перехід до AI-орієнтованого SDLC.

Ключові ШI-інструменти для команди:

GitHub Copilot — базовий інструмент для щоденної розробки.
ChatGPT-5 та Claude — для аналізу вимог, генерації архітектур, перевірки рішень.
Gemini 3 та NotebookLM — для роботи з великими масивами документів та внутрішніх матеріалів.
Lovable та n8n — для створення прототипів та автоматизації рутинних процесів.

Ключовою компетенцією стане AI-augmented engineering. Інженер майбутнього проєктує AI-workflow, комбінує агентів для виконання складних задач і створює архітектури, де частину роботи стабільно виконують не люди, а саме агенти.

Найбільші технологічні розчарування року — багато компаній запізно перейшли із фази «цікаво спробувати ШІ» у фазу «перебудовуємо SDLC під AI». Якби трансформація у напрямку AI-assistant → AI-agent → Agentic AI почалася раніше, 2025 рік став би роком масштабування, а не наздоганяння.

2026-й стане роком переходу від AI-assistant до Agentic AI. Основні очікувані зміни:

Компанії розгортатимуть власних приватних Copilot-ів, натренованих на документації, коді та доменних даних.
End-to-End AI SDLC — агенти покриватимуть значно більшу частину життєвого циклу.

«Одне з найбільших розчарувань — це Apple Vision Pro»

Олег Богуславський, Senior Director of Technology в SQUAD

Цього року з’явився інструмент Kiro для повноцінного spec-driven development. А ще відчутні зміни бачать розробники в CLine, Cursor, вийшов новий реліз XCode 26 для розробки під Apple.

Про ключову інженерну компетенцію у 2026 році. Успіх інженерних команд залежатиме від спеціалістів, які вміють бути містком між величезними, ресурсомісткими моделями ШІ та енергоефективними embedded SoC. Як і раніше, частина функціональності розумних пристроїв буде виконуватися на пристроях, частина — у хмарі.

Як для фахівця, який брав участь у розробках у галузі Augmented Reality, одне з найбільших розчарувань — це Apple Vision Pro. Велика ціна та деякі недопрацювання технології не змогли зробити цей продукт настільки проривним, як очікувалося. Є підозра, що схожою може бути доля продукту Meta AR Glasses.

Щодо рішень, від яких треба було відмовлятися кілька років тому (якщо ви не звернули на них увагу, то вірогідно, вже далеко позаду конкурентів):

ручне налаштування CI/CD та інфраструктури
застарілі монолітні архітектури хмарних сервісів
зберігання API-ключів, облікових даних БД або внутрішніх токенів у файлах конфігурації чи, що гірше, безпосередньо у коді чи змінних оточення без належного керування
використання неспеціалізованих БД для IoT Time-Series даних (це особливо специфічно для продуктів, над якими ми працюємо).

Про майбутнє. Цього року ми бачили прориви автономних технологій для автомобілів, а ще наземних і повітряних дронів. Наприклад, кейс компанії Waymo, яка тепер працює не лише над тим, щоб автомобіль автономно проїхав з точки А в точку Б. Тут досліджують, як керувати так, щоб зменшити ризик аварій і заторів — з урахуванням стилю водіння, агресивності та плавності.

Не варто забувати й про Spatial Computing. Вірю, що з’явиться все більше пристроїв AR/MR, які нарешті перейдуть зі статусу «гаджет» у статус важливої інтерактивної платформи для професійного середовища.

«Інженер 2026 року — Software engineer з архітектурним мисленням»

Ігор Закутинський, CTO FORMA в Universe Group

У 2025-му Realtime API сформував новий стандарт взаємодії людини з комп’ютером, де багатомодальність перестала бути чимось «експериментальним».

А NVIDIA представила нове покоління AI-чипів та інструментів для edge-обчислень і відеогенерації, які стали фундаментом для автономних систем.

Ключовий ШI-інструмент команди: Cursor + GPT. 40–50% коду зараз генерує ШІ, а кількість експериментів та A/B-гіпотез у нас збільшилась без залучення нових фахівців.

Інженер 2026 року — Software engineer з архітектурним мисленням, який керується метриками latency, throughput, cost, observability, використовує ШI для інженерії, а не як додаток для генерування коду.

Найбільші технологічні розчарування року — масові даунтайми AWS, GCP, Azure, Cloudflare. Індустрія зрозуміла, що ми критично залежимо від кількох гравців, а стійкість у глобальних систем виявилася значно нижчою, ніж очікувалось.

У 2026-му ШІ перейде на рівень інфраструктури. Переміститься на edge-локації та CDN-вузли — ближче до користувача.

Autonomous AI Agents буде трендом 2026 року.

«Я чекаю переходу від мануального до автоматизованого тестування з ШI»

Олександр Шпак, Head of Engineering Futurra Group

Є кілька речей, які я б назвав знаковими для 2025 року:
1. Cursor 2.0 — задав новий стандарт AI-асистування в коді. Це вже не «розумний автокомпліт», а повноцінний співрозмовник, який бачить контекст усього репозиторію, розуміє архітектуру й може пропонувати цілі рішення. Інструмент реально «пам’ятає», над чим ти працював учора, а не живе в межах одного файлу.

2. MCP (Model Context Protocol) і MCP-сервери. На мою думку, це одна з революцій в побудові AI-екосистеми, яку можна порівняти з тим, як мобільні застосунки трансформували технологічну індустрію 10 років тому. MCP допомагає безплатно під’єднувати до вашого AI-асистента зовнішні сервіси. Умовно: хочеш налаштувати й задокументувати API — працюєш через MCP-інтеграції з Postman-подібними сервісами; потрібні автотести — викликаєш Playwright-сервер.

Щодо ключових ШI-інструментів команди, то у розробника паралельно відкрито 2–3 AI-асистенти, але фаворит GitHub Copilot.

Щодо звільнень через ШІ у 2026 році — я не вірю в сценарій масового скорочення розробників саме через ШІ. Пам’ятаєте, колись заливали вручну зміни по FTP, потім з’явилися CI/CD-пайплайни, і це не стало загрозою, а зробило більш затребуваними тих, хто вміє ці пайплайни налаштовувати. Чи Docker, Kubernetes та інші інструменти автоматизації призвели до кращої роботи, а не до скорочень фахівців. Так само буде зі штучним інтелектом.

Ключова інженерна компетенція у 2026 році — вміння будувати системи разом з ШІ. Важливі кілька рівнів: могти налаштувати контекст через .cursorrules, створити бібліотеку своїх промптів, розуміти, коли використовувати MCP-сервери, а коли — традиційний підхід.

У 2026 році я чекаю переходу від мануального до автоматизованого тестування з ШI. Це пріоритет нашої компанії на найближчий рік. А також стандартизації ШI-практик в індустрії.

Зараз це трохи «Дикий Захід»: кожна команда вигадує свої правила гри з ШІ. У 2026-му я очікую більше індустріальних стандартів, гайдів і, можливо, навіть сертифікацій.

«Не очікую суттєвого прориву в ШІ у 2026-му»

Андрій Петрик, Director of Global Expertise Center Avenga

На тлі «загального ШІ-психозу» важко виділити щось конкретне. Точно в моєму списку n8n, Claude Code, Qodo, реліз Java 25 і нової версії Spring.

Ключовий інструмент — Claude Code. Для неінженерної роботи Gemini 3 + NotebookLM — one love.

Найбільші технологічні розчарування року — перехід з gpt4.1 на gpt5.

Про майбутнє. LLM і їхнє неправильне і безвідповідальне застосування всюди створює куди більше проблем, ніж вирішує. Я вважаю, що ми на плато цієї технології і не очікую суттєвого прориву у 2026-му.

Хотілося б нарешті побачити щось прикладне і не нішеве в галузі quantum computing. Багатьом компаніям варто буде задуматись про безпеку і надійність власних рішень. Згадаймо, що для Microsoft 2025 рік став рекордним у прирості вразливостей Windows (+11% YoY).

«Найбільше технологічні розчарування — це гіперфокус на LLM»

Олесь Петрів, СТО Reface

Цього року GenAI системи генерування музики досягли рівня, коли можливо створювати повноцінних «виконавців», suno.ai вже змінює ландшафт всього ринку музики.
Такі low-latency системи text-to-speech, як elevenlabs, respeecher, resembleai, з’явилися в реальних кейсах автоматизації агентної голосової взаємодії з людьми. Video Gen моделі показали фантастичний стрибок в якості генерування, попри це все ще неймовірно дорогі з погляду обчислювальних ресурсів.

Найбільше технологічне розчарування — це гіперфокус на LLM. Попри те, що LLM на основі трансформерів справді демонструють дивовижні результати проти того, що було можливо у 2022 році, для побудови AGI ми точно потребуємо зміни парадигми та більшого фокусу досліджень у напрямках альтернативних підходів.

У 2026 році я очікую нових рішень у сфері spatial AI, transformer based structure from motion в комбінації з LLM agentic reasoning. Буде великий фокус на UAV autonomy як продовження одного із ключових трендів у defense tech. Комодитизація голосових LLM-агентів.