Як перевірити контрагента через ШІ і не отримати вигадану довідку?

На мастермайнді для громадських організацій ми розбирали, як перевіряти контрагентів через ChatGPT і Claude. Для ГО і фондів це реальна задача: перед співпрацею треба зрозуміти, з ким маєте справу, а руками збирати все з реєстрів довго. Тому я окремо показував, на чому така перевірка ламається.

Перш за все — загальний запит дає загальну відповідь. Якщо написати "розкажи все, що знаєш про компанію" і не вказати, що потрібна детальна відповідь по кожному розділу, ШІ-сервіс видасть поверхневий профіль. Для рішення про співпрацю цього мало, тому розділи треба перелічити в запиті, а по кожному робити окремі уточнюючі запити.

По-друге — посилання не означає, що факт перевірений. У відповіді можуть стояти джерела з YouControl, OpenDataBot та інших сервісів, а самі факти при цьому бути неправильними 😏 Посилання доводить тільки те, що сервіс туди заходив, а не те, що він звідти взяв саме цей факт. Саме тому я рекомендую додавати промпт для самоперевірки: "Після кожного факту дай джерело і точну цитату з цього джерела, з якої цей факт випливає".

По-третє — чим більше про контрагента пишуть, тим вищий ризик галюцинацій. Коли джерел мало, відповідь в більшості випадків точна. А от коли організація популярна і про неї пишуть повсюди, LLM сама вирішує, що з цієї маси правда, що перевіряти і що додавати у відповідь, і саме на цьому виборі помиляється.

Як зробити роботу з ШІ звичкою команди, якщо результат поки слабкий?

На одному з воркшопів прозвучало правило, яке я вважаю дуже практичним для команд. Перед кожною задачею спочатку пробувати зробити її з ШІ: вийшло — супер, не вийшло — робите руками і через якийсь час пробуєте ще раз. Навіть якщо в 70% випадків руками вийде краще, правило не скасовується, інакше команда і далі працюватиме так, як звикла.

Але в цього правила є ціна: перші місяць-два це неприємно і некомфортно, бо частину задач ви фактично робите двічі 😅 А от потім у кожного зʼявляється розуміння, які задачі ШІ-сервіс уже вивозить достатньо добре, а з якими треба ще розібратися.

Продовжуємо тему використання ШІ для реальних бізнес задач, а не для лайків в Instagram

Скрипт трекає обличчя — частинки повторюють положення голови, прискорюються або сповільнюються. Підключив руки: стискання кулака змінює колір частинок. Друга рука — частинки розподіляються рівномірно, теж реагують на жест.

Виглядає як іграшка для рілсу, але технологія під капотом — та сама, що вирішує реальні бізнес-задачі. Восени консультував C-level одного відомого українського бренду. Запит був саме такий: трекінг лиць і трекінг емоцій під їхні бізнес-процеси. У нас уже частково це рішення реалізоване, є робочі демки. Це не теорія і не Instagram відео про те, що АІ замінить десятки ваших працівників — це те, що дає компанії конкретні дані, яких раніше просто не було.

Ось в чому фішка: поки більшість AI-кріейторів змагаються, чиї фільтри краще міняють лице на знаменитостей у сторіс, — серйозні задачі під реальний бізнес лишаються майже без уваги. Трекінг емоцій клієнтів, аналіз поведінки, контроль процесів. Запитів багато, а тих, хто реально це робить — мало.

Нарешті знайшов ШІ-сервіс, який генерує справжній вектор, а не картинку

Я довгий час був переконаний, що ШІ поки не вміє повноцінно працювати з векторною графікою. Растрові картинки генерує будь-хто, а от логотип чи іконку, яку потім можна відкрити у Figma і поправити, — з цим була проблема. Для мене це питання не теоретичне, бо паралельно я займаюсь дизайном мінімалістичних логотипів.

Що пробував до цього?

Спочатку Gemini наче навчився, і я цьому радів, але результати мене не дуже тішили. Потім виявилось, що Claude непогано векторизує готові зображення, тобто перетворює картинку на SVG-код. Але остаточно мій скептицизм розвіяв QuiverAI 🔥

Що це за сервіс?

QuiverAI генерує саме векторну графіку: на вході текстовий опис, картинка чи готовий SVG, а на виході SVG-файл, який можна редагувати. 16 вересня вони випустили Arrow 2 — другу версію свого генератора, і тепер у вебзастосунку app.quiver.ai можна не тільки генерувати, а й правити окремі елементи на полотні та робити прості анімації для логотипів, іконок і лоадерів. Тарифи стартують від 8$ на місяць.

Для кого це?

Для дизайнерів і маркетологів, яким треба швидко зібрати чорнові варіанти іконок, ілюстрацій чи логотипу. Але фінальну айдентику бренду я б все одно доводив руками, тому що ШІ тут закриває чернетки, а не готовий бренд.

ШІ-інструмент має знімати з команди рутину, а не рахувати, хто скільки зробив

На панельній дискусії про впровадження ШІ, де я теж був спікером, колега, чия команда робить автоматизації для бізнесу, розповів про явище, яке в них називають саботажем автоматизації. Інструмент зібраний і працює, а співробітники свідомо чи несвідомо його ігнорують.

Чому так відбувається? — Часто справа не в самому інструменті. Люди бояться, що ШІ поставили, щоб їх контролювати: рахувати кожен крок і порівнювати, хто скільки зробив.

Чи можна це помітити заздалегідь? — Можна, якщо подивитись, як рішення подали команді. Якщо через звітність і "тепер буде видно, хто скільки робить", опір закладений з першого дня 😏

Що з цим робити? — Продавати автоматизацію через підтримку людей, а не через контроль. Саме тому я рекомендую ще до запуску поговорити з тими, хто буде цим користуватись, показати, яку саме рутину інструмент з них знімає, а розмову про оцінку роботи вести окремо.

Чому команда, яка вже користується ШІ, все одно просить навчання?

Мені якось написали з команди медіа та маркетингу: ШІ ми інколи використовуємо, хочемо робити це частіше і професійніше, під навчання вже є бюджет. Таким командам в більшості випадків бракує не інструментів, а домовленостей: які задачі тепер завжди робимо з ШІ, де лежать робочі промпти і хто перевіряє результат перед публікацією. Поки відповідей на це немає, ШІ лишається особистою звичкою кількох людей у команді.

Два прийоми, після яких тексти з GPTs стало важко відрізнити від людських

Для інформаційного порталу я зробив GPTs, який генерує гороскопи для розділу про життя. Таких текстів потрібно багато, і вони реально добре збирають трафік, тому я зробив дві версії генератора і порівняв, яка пише краще.

Перша версія працювала тільки на системному промпті з моїми інструкціями. Друга була її копією, але я завантажив у неї 15 статей, які писала жива людина. Різниця вийшла відчутна: друга версія почала писати тексти, які майже не відрізнити від людських, бо в неї був приклад тексту і приклад редакційної політики, і саме вона почала приносити порталу більше трафіку 📈

Але є ще один момент, про який мене питали на Q&A після одного з тренінгів. Учасник налаштовував асистента під довгий бриф і хотів, щоб той закривав один блок і тільки потім переходив до наступного. Це правильний хід, бо якщо попросити GPTs згенерувати всю статтю чи весь документ за один клік, на кожен блок вийде дуже мало контенту. Тому я розбиваю текст на блоки й генерую їх по черзі, і тоді відповідь по кожному блоку виходить ширшою.

Єдиний нюанс — OpenAI вже оголосили, що 11 грудня GPTs закриваються, а замість них пропонують переносити інструкції й файли в плагіни ChatGPT. Сам підхід від цього не змінюється: приклади живих текстів можна так само завантажити в плагін чи проєкт у ChatGPT або Claude, а генерувати текст блоками можна в будь-якому ШІ-сервісі.

В цілому обидва прийоми працюють не тільки для гороскопів, а для будь-яких однотипних текстів, яких у вас багато: описи товарів, новини, розсилки, брифи.

Зібрати ШІ-рішення можуть багато хто, а от підтримувати його — одиниці

На одному подкасті про ШІ в B2B-продажах прозвучала думка, з якою я повністю згоден: спеціалістів, які зроблять рішення і отримають за нього гроші, дуже багато, а тих, хто потім працює з даними, результатами і розвиває його, — одиниці.

Чому це проблема? — Звичайна корпоративна система може роками робити те саме, а ШІ-рішення так не вміє. Виходять нові версії сервісів, змінюються ліміти, у компанії зʼявляються нові продукти, і промпти, написані пів року тому, можуть давати вже інший результат.

Що з цим робити? — Ще на старті навчити людину всередині компанії, яка розуміє, як рішення працює, і зможе його підлаштовувати. Саме тому я раджу закладати навчання команди паралельно з розробкою, а не після неї.

Чому ШІ під час перефразування змінює імена?

В одній новинній редакції, де я впроваджував ШІ, дві людини паралельно за кілька днів помітили одну й ту саму помилку: після рерайту через ШІ-сервіс у підводках змінились імена героїв. Був Дмитро — став Юрій, був Василь — став Володимир, а прізвища лишились на місці 😱 Тобто з першого погляду помилку не видно, і саме тому для новини вона небезпечна, бо разом з нею падає довіра до матеріалу.

Там же вилазила ще одна проблема — LLM могла змінити посаду чи статус людини, і для медіа це така сама помилка у фактажі.

Так от, в більшості випадків це лікується самим запитом, міняти сервіс не треба. LLM генерує текст заново, тому імʼя для неї просто ще одне слово, яке можна замінити, якщо в запиті не сказано, що це факт. Саме тому я рекомендую прописувати в інструкції прямо: імена, прізвища, назви, посади й цифри не змінювати, суть не міняти, перефразовувати тільки загальний текст. Для редакції, де через ШІ проходить багато текстів, це має бути постійною частиною інструкції, а не фразою, яку пишуть кожного разу заново, а вичитку фактажу перед публікацією я б все одно не прибирав.

В анкетах перед тренінгом співробітники просять автоматизувати свою роботу, а не навчитися працювати швидше

Перед корпоративним тренінгом кожен співробітник заповнює в мене анкету: що хоче розібрати і які задачі забирають у нього найбільше часу. Зараз у цих анкетах я бачу одну й ту саму картину — дуже багато запитів на автоматизацію своїх процесів і не так багато запитів на те, щоб самому працювати швидше і якісніше.

А чому так? Можливо, через нерозуміння, можливо, через нечіткі бізнес-процеси (це теж часто видно в анкетах), а можливо, людям просто не хочеться розвиватися, але хочеться, щоб процеси за них автоматизувались. Але тоді питання: якщо процеси автоматизувати, а людина лишиться на тому самому рівні, де задачі виконуються годинами, наскільки відчутним буде приріст? Певний приріст буде, але не такий, на який розраховують.

Плюс тут є плутанина, яку я бачу майже на кожному виступі: люди чомусь вважають, що штучний інтелект дорівнює автоматизація, але це не зовсім так. Автоматизація перекладає дані з місця на місце за жорстким правилом, а ШІ потрібен точково, там, де треба щось осмислити, проаналізувати або створити, і найбільше користі він дає людині, яка вміє ставити йому задачі.

Тому починати треба не з автоматизації процесів і не зі створення агентів, а з себе. Це найважчий етап, бо вчитися, розбиратися і тестувати нове складно кожному, але я впевнений, що саме він дає найбільший ефект: працівник, який впевнено працює з ШІ, плюс автоматизація дають результат набагато більший, ніж автоматизація сама по собі. Інакше виходить просто перекидання відповідальності — складні задачі хочеться зняти з себе, і бажано, щоб це зробив хтось інший.

Наш стан визначається промптом, який ми самі собі задали

Буквально нещодавно говорив з Андрієм Павлисько (https://www.instagram.com/a.pavlysko/), засновником SAYLESS та 2327 Project, і виніс з розмови інсайт, про який досі думаю. Завжди, коли я розмовляю з Андрієм, від нього відчувається вайб спокою, структурованості і поступового розвитку. На нашому дзвінку я це відмітив, і Андрій пояснив, що справа в промпті. Так само, як ми задаємо ChatGPT роль і контекст, ми щодня задаємо їх собі, просто в більшості випадків цього не помічаємо.

Мозок помічає те, на що ми дали йому команду помічати. Якщо промпт «все погано», то саме це ми й бачимо цілий день. Якщо промпт «де тут можливість», то в тій самій ситуації бачимо зовсім інше. Тому Андрій щоранку пише три сторінки про те, з якими думками він іде в день.

Цього тижня його думка така: його успіх має бути потрібен не тільки йому. Саме з цим він і підключився до нашого дзвінка, думав, як може бути причиною мого успіху. Після такої розмови реально виходиш з іншою енергією.

Але найбільше мене зачепило ось що. На тренінгах я вчу людей писати промпти для ШІ: роль, контекст, формат, критерії результату. А найважливіший промпт за день ми пишемо не для ChatGPT, а для себе, і часто на автоматі, з першої новини чи першого повідомлення в робочому чаті. Саме тому я рекомендую починати ранок з одного речення для себе: з якою думкою я сьогодні йду в день. Андрію, дякую за розмову 🔥

Безплатна версія ChatGPT створена для ознайомлення, а не для роботи

Дуже часто бачу, як люди хочуть отримувати гарну якість від безплатних версій ШІ-сервісів. Буває, навіть не заходять у свій акаунт, ставлять питання на сайті ChatGPT, а потім кажуть, що він тупий. Звісно тупий, це версія для ознайомлення 😏 Ви ж не живете в квартирі безплатно і на роботу безплатно не їздите, то чому робочий інструмент має бути безплатним?

Потрапив спікером у програму Google "ШІ для бізнесу 2.0" за рекомендацією Олексія Кагановського

5 листопада я проводжу вебінар у програмі Google "ШІ для бізнесу 2.0". Потрапив я туди за рекомендацією Олексія Кагановського, і ця рекомендація з'явилась не за один дзвінок, а приблизно за пів року знайомства.

Олексія я довго читав у Threads, а навесні ми опинились в одному чаті, який створив Євген Болтян. Я написав йому, наступного дня ми зідзвонились, і далі кожен працював у своєму напрямку. Потім пересіклись як спікери на івенті Quantium, ще кілька разів я бачив, як він виступає на інших конференціях. А восени Олексія покликали виступити в програмі Google, у нього саме пішли великі проєкти, і замість того, щоб просто відмовитись, він подумав, кого можна запропонувати, щоб не підвести організаторів, — і порекомендував мене.

Так от, рекомендують тільки тих, кого вже кілька разів бачили в ділі. Один дзвінок дає знайомство, але довіра, з якою людину не страшно назвати замість себе, з'являється після кількох перетинів. Саме тому я рекомендую після першої розмови тримати контакт і ділитись своєю практикою публічно, щоб люди з вашої мережі час від часу бачили, чим ви реально займаєтесь.

Тепер про самого Олексія: він технічний директор і співвласник NooLogic, основний профіль компанії — ШІ-агенти й мультиагентні системи, плюс власні продукти і кілька стартапів. У його Telegram-каналі "KAGANOVSKY: все про AI" є новини, корисні інструменти з GitHub і розбори з власної практики. Нещодавно він писав, що ШІ сильно здешевлює пошук вразливостей у старому софті, і це саме те, що я пояснюю на тренінгах з безпеки даних: якщо компанія підключає агентів до своїх систем, до захисту треба ставитись значно серйозніше.

Якщо вам цікаво стежити за ШІ від людини, яка будує агентів руками, — щиро рекомендую ✅
Telegram: t.me/kgnvsk_ai
Instagram: instagram.com/kgnvsk

Ким ви бачите себе через 5 років?

Зараз у світі стільки невизначеності, що ніхто до кінця не знає, що буде навіть через рік. Але розбиратись із цим треба вже зараз.

Навесні Microsoft уперше за 51 рік запропонувала частині працівників добровільно звільнитися з компенсацією: під програму потрапили близько 7% її персоналу в США, і все це на тлі масштабних інвестицій компанії в ШІ. Багато хто досі думає, що ШІ пише з помилками і тупить, але ситуація помаленьку накаляється. Я не хочу вганяти в паніку, але факт є фактом: питання, чи буде існувати ваша професія через 5 років, зараз суперактуальне, а можливо, вже і не через 5, а через 3.

Саме тому я часто ставлю людям питання: ким ви бачите себе через 5 років? Багато хто сприймає його в штики, але насправді це дуже гарний лакмусовий папірець: або людина знає, куди рухається, і в неї є план, або вона витає в хмарах, і тоді до змін буде не готова, бо плану просто немає.

Перевірити себе можна просто: випишіть задачі, на які йде ваш робочий тиждень, і позначте ті, з якими вже сьогодні справляється ШІ. Що більше таких позначок, то швидше варто вирішити, куди розвиватись далі: глибше в експертизу, в управління людьми чи в роботу разом із ШІ, де ви ставите задачі, перевіряєте результат і відповідаєте за нього.

Я теж думав, що в мене є загальний план: компанія, курси і команда тренерів. А нещодавно поговорив зі своїм другом Алексом і зрозумів, що все не так солодко, як мені здавалось: план був про результат, а шлях до нього я толком не прописав. Які компетенції для цього потрібні? Що це за люди будуть у команді і як їх знайти й утримати? Яким шляхом я туди йду? Після цієї розмови в мене є план на 6–12 місяців, кроки під нього і точки контролю, які я разом із Claude звіряю щокварталу. З'явилась тверда стабільність і розуміння, що і як має бути 🙌

Велика подяка Алексу за цю розмову. А вам раджу поставити собі це питання вже зараз і відповісти письмово, поки зміни ще не дійшли до вашої професії.

Поки хтось розробляє ШІ-рішення, виходить технологія, яка дозволяє його не будувати

Поки хтось розробляє рішення на основі штучного інтелекту, виходить нова технологія, яка дозволяє це рішення взагалі не будувати. Цю думку я повторюю клієнтам уже давно, а останні місяці вона підтверджується майже кожного тижня.

Перш за все — те, що недавно треба було замовляти в розробку, тепер вмикається прямо в інтерфейсі. Ще кілька місяців тому під регулярні звіти чи нагадування треба було реалізовувати окрему систему і витрачати на це багато коштів, а зараз будь-який співробітник може зробити в Claude заплановану задачу з конекторами. Нещодавно клієнт, якому я рахував вартість розробки під їхню задачу, сам від неї відмовився: навіщо щось розробляти, якщо є готове рішення, яке підключив і все працює 😏

По-друге — самі платформи змінюються так само швидко. OpenAI оголосила, що кастомні GPTs перестануть працювати 11 грудня 2026, а на заміну приходять плагіни. Інструкції і файли бази знань туди переносяться, а от кастомні дії (custom actions) доведеться збирати заново. У мене є клієнт, у якого на GPTs працює вся редакція з тисячами запусків, тому для нас це конкретна робота на найближчі тижні.

По-третє — навіть найдорожчий сценарій, власна LLM на даних компанії, вже став продуктом. У березні 2026 Mistral AI запустила Forge — платформу, де компанії будують власні LLM на своїх документах і даних.

В цілому, розробка зараз старіє швидше, ніж окупається, якщо будувати її там, де за пів року з'явиться готова кнопка. Тому перед будь-якою кастомною розробкою я раджу спочатку перевірити, що вже є у вашому тарифі ChatGPT, Claude чи Gemini, а розробляти тільки те, чого там немає: складну логіку, глибокі інтеграції з вашими системами і роботу з вашими даними.

Але є важливий момент: єдине, що в цій гонці не старіє, це вміння команди працювати з ШІ. Людина, яка розуміє, як працюють LLM, спокійно переносить свої GPTs у плагіни, а рішення, яке ніхто всередині не вміє підтримувати, просто перестає працювати разом із платформою.

Став акредитованим експертом МІМ Expert Hub і 11 листопада проводжу безплатний вебінар для керівників

Тепер я акредитований експерт експертної платформи МІМ Expert Hub бізнес-школи МІМ-Київ. Акредитація підтверджує відповідність стандартам платформи, а всі проєкти в її межах реалізуються через Консалтинговий центр МІМ-Київ.

Вже 11 листопада о 17:00 проводжу для спільноти МІМ безплатний онлайн-вебінар "Як окупити інвестиції в ШІ: чотири рішення, які керівник не може делегувати".

Нещодавно на тренінгу в одній компанії 92% працівників сказали, що користуються ШІ, а потім з'ясувалось, що половина з них працює з робочими документами в безплатному ChatGPT. Підписки, правила і навчання — це рішення керівника, і саме про них буде вебінар:
• на що виділяти бюджет і в якій послідовності
• кого в команді вчити першим
• як рахувати віддачу від впровадження
• які правила роботи з даними ввести до того, як люди почнуть вставляти в чат договори

Без налаштувань руками, тільки рішення і кейси з тренінгів у компаніях. Формат — Zoom, одна година 🔥

Реєстрація: https://mim.kyiv.ua/events/yak-okupiti-investiciyi-v-shi-chotiri-rishennya-yaki-kerivnik-ne-mozhe-deleguvati

5 листопада о 17:00 в програмі Google збираємо ШІ-агента, який сам робить тижневий звіт з таблиць

Це четвертий прямий ефір програми "ШІ для бізнесу 2.0", і за 90 хвилин ми разом пройдемо шлях від сирих таблиць до робочого агента 🔥

Кейс один на весь ефір — тижневий звіт з таблиць. Агент зводить дані кількох менеджерів, рахує реальну конверсію каналів у договори і готує список задач із чернетками повідомлень для месенджерів. Саме рахує, а не вгадує: цифри йдуть через скрипти, тому вигаданих чисел у звіті не буде.

Йдемо драбиною. Спочатку генеруємо навчальні таблиці в Gemini Canvas чи Google AI Studio — з дублями, різними назвами колонок і порожніми статусами, як у реальному вивантаженні з CRM. Далі збираємо агента в Antigravity, після цього ставимо його на розклад, щоб звіт сам приходив щопонеділка без участі людини. Ну і на завершення — команда агентів, де кожен стежить за даними свого менеджера, а головний зводить картину для керівника.

Але є важливий момент про безпеку: до першого запуску покажу, як обмежити агенту доступ лише робочою папкою і які інструкції йому дати.

Суперскладного не будуємо, бо аудиторія дуже різна, але в кількох місцях заглибимось. Збираємо на безкоштовному тарифі, тому можна повторювати паралельно зі мною, а якщо не встигнете на ефірі — спокійно доробите пізніше. Наприкінці відповідаю на ваші питання.

Реєстрація: https://goo.gle/4zfI4Fu