Скільки українське ІТ витрачає на ШІ та чи дешевшою є робота інженерів

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Читайте также: Дочка Емінема – біографія, особисте життя та кар’єра Хеї Математикс

В українських ІТ-компаніях зростають витрати на штучний інтелект. Вони не обмежуються підписками — зараз бізнес має повноцінні операційні статті бюджету на ліцензії, токени, платформи та безпеку.

DOU розпитав, скільки в українському ІТ витрачають на ШІ, які тут є неочевидні витрати, чи справді штучний інтелект допомагає економити та чи стає він дорожчим за роботу розробників.

💰 Скільки коштує ШІ для компаній

За даними Gartner, очікувані світові витрати на ШІ у 2026 році сягнуть $2,5 трильйона, причому $401 мільярд з цієї суми спрямують на інфраструктуру. Про це свідчить і нещодавній кейс Uber, де бюджети на ШІ, заплановані на весь 2025 рік, вичерпалися за чотири місяці. Після цього компанія запровадила внутрішні ліміти на використання ШІ-інструментів.

Наші співрозмовники з українських ІТ-компаній підтверджують: витрати на ШІ зростають. Більшість компаній не розкривають точних сум, але пояснюють структуру витрат.

Наприклад, найбільша українська ІТ-компанія EPAM, яка має понад 9500 працівників в Україні та понад 63 тисячі глобально, в операційну інфраструктуру та інференс вкладає сотні тисяч доларів щомісяця. Це без урахування бюджетів на R&D. АІ-директор ЕРАМ Україна Вадим Власенко пояснює, що ці гроші розподіляються на три великі напрями:

• Інфраструктура та LLM-інференс внутрішніх продуктів (CodeMie AI/Run, DIAL) з трьох клауд-провайдерів AWS, Azure, GCP, а також on-premise LLM-моделі, задеплоєні в нашій інфраструктурі.
• Підписки на ринкові ШІ-інструменти для команд (Cursor, GitHub Copilot, MS Copilot, Anthropic, OpenAI тощо).
• API-споживання (token-based pay) для агентських навантажень.

«Більшість компаній, з якими ми спілкуємося в Україні, і навіть великі міжнародні гравці, вже до травня 2026 року повністю вичерпали виділені на цей рік бюджети на ШІ-інфраструктуру, включно з витратами на інференс. Це свідчить про системний тренд: інвестиції в ШІ зростають значно швидше, ніж планувалося», — каже Вадим Власенко.

Менші суми витрачають на окремі ШІ-продукти. Наприклад, FRACTAL (має близько 1700 співробітників в Україні) витрачає на ШІ-інфраструктуру свого продукту PLUS трохи більше ніж $1000 на місяць, каже Сергій Саута, CAIO (Chief AI Officer) компанії. Основні статті витрат — доступ до моделей Claude, Grok та ElevenLabs через API, а також хмарні сервіси Cloud Run і Firebase.

На відміну від великих компаній, які будують власну ШІ-інфраструктуру, невеликі команди переважно використовують готові сервіси й оплачують фактичне споживання ресурсів.

Водночас деякі компанії взагалі не мають фіксованого бюджету на АІ. Наприклад, в appflame (близько 500 працівників в Україні) розширюють підписки за потреби, коли тестують нові рішення. Витрати залежать від типу проєкту, пояснює Team Lead Software Engineer PHP AdСonnect appflame Дмитро Піддубний.

«У нас є проєкти зі сталим продуктом, де потрібно вносити суто хірургічні зміни. Ми використовуємо там ШІ, бо він допомагає досліджувати кодову базу, перевіряти, чи враховані всі edge-кейси на перетинах логік. Але витрата токенів менша, бо і змін у код ШІ вносить небагато. Команда може складатися з п’яти фултайм-фахівців, які навіть не вичерпують ліміти передплати за $20. А є команди, які з нуля будують новий продукт, видають десятки тисяч рядків коду за тиждень і витрачають значний бюджет щомісяця», — каже тімлід.

🧐 Які неочевидні витрати з’являються з використанням ШІ

Перш ніж оцінювати окупність ШІ, треба врахувати витрати на її впровадження в робочі процеси. Чи не найбільша витрата — навчання працівників і контроль якості використання ШІ.

«Окремо варто врахувати приховані категорії витрат, як-от інференс при агентських навантаженнях, інфраструктура для governance, навчання й підготовка команд, інтеграція в наявний SDLC. Тобто гроші, які ви бачите в інвойсі від клауд-провайдера, — це лише верхівка айсберга. Реальна вартість значно більша», — говорить AI-директор EPAM Україна Вадим Власенко.

Вибір моделі під задачу, розмір контексту, архітектура агентного флоу, якість промптів — все це може змінити вартість однієї й тієї ж фічі в рази, додають у сервісній компанії SoftServe (понад 7000 співробітників).

Ще одна проблема — складність прогнозування витрат. Якщо традиційне ПЗ часто працює за моделлю передплати, то сучасні ШІ-сервіси дедалі частіше переходять на оплату за фактичне використання. У FRACTAL кажуть, що на старті недооцінили саме цей фактор.

«Найбільша несподіванка: вартість токенів зростає з обсягом роботи, а не лишається фіксованою. Інфраструктура ж навпаки виявилась дешевшою, ніж ми думали», — зазначає CAIO FRACTAL Сергій Саута.

Подібну тенденцію бачать і в GlobalLogic, яка має близько 5500 працівників в Україні. Якщо раніше за фіксовану суму можна було обробляти необмежені обсяги інформації, то перехід на розрахунок за токени змушує компанії ретельніше оцінювати співвідношення ефективності і вартості використання інструментів, кажуть у компанії.

«Виникає потреба впроваджувати внутрішні політики обмежень: що саме і в яких обсягах доцільно генерувати або процесити через ШІ. Додаткові витрати виникають і будуть виникати в усіх. Вони часто пов’язані саме з обробкою великих масивів даних. Щоб фактичні витрати не перевищували очікувані, бізнесу необхідно переходити від моделі безлімітного споживання до моделі керованої ефективності, де кожен запит має свою ціну», — коментують у команді.

🤖 Що дешевше — АІ чи розробники

Серед наших співрозмовників лише деякі готові однозначно відповісти, що дешевше — штучний інтелект чи команда розробників. Ті, хто проводив такі розрахунки, помітили, що в окремих завданнях АІ дешевший за розробників. Але застерігають, що результат залежить від способу використання ШІ-інструментів.

Наприклад, у FRACTAL стверджують, що для частини проєктів ШІ уже дозволяє виконувати роботу, яка б раніше вимагала цілої команди.

«Повноцінна команда (розробник + девопс + архітектор) коштувала б у рази більше за наші місячні ШІ-витрати. Створили застосунок FRACTAL PLUS самостійно за допомоги однієї людини і ШІ-інструментів. Команда розробників зробила б його не менше, ніж за $500 000. ШІ вийшов дешевшим на рутинній розробці, тестуванні й деплої; майже рівноцінним на складній архітектурі», — каже CAIO FRACTAL Сергій Саута.

В EPAM також вважають, що за правильної організації процесів ШІ здатний знижувати витрати на розробку. Водночас компанія звертає увагу, що якщо використовувати АІ неефективно, то витрати можуть швидко зрости.

«За великого навантаження вартість ШІ на одного інженера може сягати рівня зарплати члена команди. Але навіть у таких випадках ці інженери стають у 2–3 рази продуктивнішими. Якщо немає аналітики ефективності, ШІ завжди буде дорожчим за традиційну розробку», — говорить AI-директор EPAM Україна Вадим Власенко.

Компанії, які багато використовують ШІ, визнають, що його впровадження збільшує витрати на окремого спеціаліста. За словами CDO компанії Intellias (понад 2000 спеціалістів в Україні) Андрія Терлиги, до традиційного набору інструментів інженера додається вартість використання ШІ-моделей (підписки чи токени).

«Через використання передових ШІ моделей вартість роботи спеціаліста справді може зростати, але ця різниця більше ніж перекривається обсягом отриманої додаткової цінності. Іншими словами, клієнт платить більше, але й отримує значно більше цінності взамін», — каже Андрій Терлига.

Він додає, що у якісному процесі розробки ШІ рідко створює overhead (додаткові витрати часу або ресурсів, які не дають прямої цінності). Але якщо немає налагодженого використання практик, а архітектура чи документація не дотягують, тоді на перших етапах ШІ може збільшувати навантаження і створювати додаткові перешкоди.

«Тим не менш, навіть для таких проєктів формується roadmap змін, — каже CDO Intellias. — У нашій компанії є окрема група — core AI-assisted engineering експерти, які допомагають командам зрозуміти, як саме найкраще впровадити ШІ у їхніх проєктах і що потрібно змінити».

За словами співрозмовників DOU, найбільший економічний ефект ШІ дає там, де є великий обсяг повторюваної роботи і чітко визначений результат. Водночас економія не гарантована. У SoftServe та EPAM наголошують, що ШІ часто виявляється неефективним у задачах із нечіткими вимогами, складними архітектурними рішеннями або там, де потрібне розуміння контексту.

«Простий приклад — задача на code review для pull request. Якщо передати в контекст весь репозиторій замість тільки змінених файлів, вартість одного code review може вирости в 10–20 разів. А якість відповіді не зросте пропорційно. Те саме стосується вибору моделі: немає сенсу запускати GPT-4o або Claude Opus на задачу, де достатньо швидшої й дешевшої моделі. Один чіткий output instruction у промпті може повністю змінити економіку задачі: без нього вона може коштувати в 3-5 разів дорожче», — пояснює VP of Delivery SoftServe Ярослав Курилів.

Вадим Власенко з EPAM теж наводить кілька прикладів з власних спостережень, коли АІ робить розробку дорожчою або ж дешевшою.

💻 Які АІ-інструменти використовують компанії

Якщо ще кілька років тому компанії переважно експериментували з окремими чатботами на кшталт ChatGPT, то сьогодні вони формують екосистеми AI-інструментів для різних бізнес-процесів. Одні рішення використовують для написання коду, інші — для тестування, роботи з документацією, аналізу даних чи автоматизації внутрішніх процесів.

Найчастіше компанії згадують Claude, ChatGPT, GitHub Copilot, Cursor та Gemini. Водночас дедалі рідше йдеться про використання однієї моделі для всіх задач. Натомість команди поєднують різні інструменти залежно від потреб.

Про такий підхід говорять в EPAM, де використовують як власні рішення, так і продукти різних постачальників.

«Стек багаторівневий. Глобально працюємо на двох власних платформах — AI/Run і DIAL. Обидві використовують LLM з різних клауд-провайдерів, а також on-premise моделі, які ми деплоїмо у власній інфраструктурі. Паралельно використовуємо GitHub Copilot, Microsoft Copilot, продукти OpenAI, Cursor, Anthropic та інші рішення. Це не питання „що краще“, це питання правильного інструмента та запиту клієнта», — каже AI-директор EPAM Україна Вадим Власенко.

Схожий підхід використовують і в Ringostat. У компанії навіть ведуть окремий реєстр ШІ-інструментів, який постійно оновлюється.

«Станом на середину травня в реєстрі було 27 ШІ-інструментів, список постійно змінюється і доповнюється. На рівні команди використовуємо Claude, ChatGPT, Gemini. Є інструменти під окремі департаменти або задачі: Cursor у розробці, Intercom Fin у технічній підтримці, Synthesia AI в маркетингу, Fellow там, де потрібен notetaker», — розповідає CEO Ringostat Олександр Рубан.

Власні ШІ-рішення допомагають працівникам швидше знаходити інформацію, автоматизують рутинні процеси або працюють із внутрішніми даними. Наприклад, у Ringostat є TARS — корпоративний ШІ-асистент, який виконує заплановані завдання, шукає інформацію у внутрішніх системах і відповідає на запитання у форматі чату. Також створили CRM Supervisor, що автоматизує взаємодію сейлз-департаменту з CRM, розповідає Олександр Рубан.

А в SoftServe створили внутрішню ШІ-асистентку SOFI та низку спеціалізованих рішень для корпоративних потреб.

«Вона інтегрована в Microsoft Teams і вже стала невід’ємною частиною щоденної роботи тисяч колег», — каже VP of Delivery Ярослав Курилів.

Окремий напрям — створення внутрішніх платформ, які об’єднують десятки ШІ-функцій в одному середовищі. Такий підхід використовують передусім великі сервісні компанії.

У GlobalLogic розвивають платформу VelocityAI, яка охоплює різні етапи життєвого циклу розробки програмного забезпечення.

«20+ агентів допомагають автоматизувати перевірку коду, аналіз логів, створення тестових сценаріїв та їх виконання, а також прискорюють документування та генерацію технічних звітів. Команди, які комплексно інтегрували ШІ в усі етапи SDLC, досягають оптимізації на рівні 20–40%. Ми плануємо вийти на 50% оптимізації», — зазначають у GlobalLogic.

Водночас роль ШІ давно вийшла за межі генерації коду. Senior Director, Experience Engineering у Ciklum Богдан Погасій каже, що найбільшу цінність ШІ приносить не в окремих задачах, а в прискоренні всього циклу створення продукту.

«ШІ використовують на етапах discovery, проєктування рішень, створення документації, тестування, аналізу та навіть у комунікаційних процесах. Фактично ШІ стає ще одним „шаром“ поверх усього життєвого циклу розробки», — пояснює Богдан Погасій.

🏹 Як ШІ змінює команди: скорочення чи трансформація

Одним із найпомітніших наслідків розвитку АІ-інфраструктури в компаніях стала поява нових ролей і зміна підходів до організації команд. Якщо раніше штучний інтелект був інструментом для окремих фахівців, то зараз компанії створюють нові тайтли й команди, відповідальні за інтеграцію АІ в продукти та внутрішні процеси. Зокрема в компаніях з’явилася роль Head of AI.

У SoftServe додалися ролі Intelligence Engineer та Intelligence Architect. Перша передбачає роботу з агентами та їх інтеграцію в процеси розробки, друга — проєктування архітектури таких рішень і контроль їхньої роботи.

В EPAM перелік нових спеціалізацій ще ширший. Компанія розвиває ролі AI Native Engineer, AI Solutions Engineer, Forward Deployed Engineer, AI Champion та AI Governance Lead.

«Готових спеціалістів такого рівня на ринку майже немає. Їх або виховують самі компанії, або переманюють в інших гравців», — зазначає AI-директор EPAM Україна Вадим Власенко.

Водночас не всі компанії створюють окремі ШІ-посади. У GlobalLogic вважають, що штучний інтелект поступово стає частиною кожної спеціалізації.

«Ми не створюємо посад на кшталт „ШІ-інженер“. Натомість кожна роль у компанії адаптується та стає AI-enabled», — пояснюють у GlobalLogic.

Паралельно команди стають меншими, адже частину рутинних завдань беруть на себе ШІ-агенти.. За словами співрозмовників, це не означає скорочення людей, але змінює розподіл відповідальності.

«Типова команда у клієнта має 13–14 спеціалістів. Наш підхід полягає в тому, щоб сформувати команду 7–8 AI Native інженерів, які виконують той самий обсяг роботи, а часто й більший», — каже Вадим Власенко з EPAM.

У результаті роль інженерів поступово зміщується від виконання рутинних операцій до постановки задач, контролю якості, архітектурних рішень та управління роботою ШІ-систем.

«Паралельно бачимо рух від вузької технологічної спеціалізації до ширших профайлів. ШІ знижує бар’єр входу в суміжні домени», — говорить VP of Delivery в SoftServe Ярослав Курилів.

🔮 Майбутнє Junior-фахівців

ШІ перебирає на себе завдання, з яких раніше починався кар’єрний шлях розробників, кажуть у компаніях. Йдеться насамперед про написання простого коду, виправлення багів, створення тестів, роботу з документацією та інші повторювані задачі.

«Роль джуна змінюється, бо цінність уже не в тому, щоб писати код, а в умінні ставити ШІ чітку задачу й перевіряти результат. Фактично Junior одразу працює як рев’юер», — вважає Сергій Саута, CAIO FRACTAL.

Схожу тенденцію бачать і в Ciklum. Там зазначають, що традиційний шлях входу в професію через прості технічні завдання поступово змінюється.

Водночас компанії не говорять про зникнення попиту на початківців. Навпаки, більшість наших співрозмовників наголошує, що їхні компанії й надалі потребуватимуть нових спеціалістів, але вимоги до них будуть іншими.

«У нас завжди були високі очікування від джунів і ми ніколи не шукали просто людину-кодера. Тому я б не сказав, що ШІ сильно вплинув на наш план щодо найму Junior-фахівців. Торік appflame найняла 45 початківців, у планах на 2026 рік приблизно стільки ж. І якось так органічно склалося, що всі кандидати, яких ми наймаємо на Junior-позиції, уже використовують ШІ. З ним вони й онбординг проходять швидше, бо використовують для ознайомлення з проєктом, і так само надалі збільшують свою продуктивність», — розповідає Дмитро Піддубний з appflame.

SoftServe у першому кварталі 2026 року найняла понад 80 спеціалістів початкового рівня — приблизно стільки ж, як і торік.

«ШІ справді бере на себе частину рутинних задач, але це не скасовує потреби в спеціалістах початкового рівня. Натомість це підвищує вимоги до їхньої AI-fluency, здатності швидше переходити від базового виконання до більш осмисленої інженерної роботи», — зазначає Talent Operations Director SoftServe Олександра Толох.

Про збереження попиту на молодих спеціалістів говорять і в найбільших сервісних компаніях. У GlobalLogic цього року планують залучити до тисячі junior і trainee-фахівців.

«Сьогоднішній junior — це завтрашній senior, і ми маємо вкладатися у розвиток цих спеціалістів. Навички роботи з ШІ-інструментами важливі, але просто копіпастити код недостатньо. Спеціаліст має розуміти, як інструменти працюють під капотом, як їх правильно інтегрувати в SDLC, як валідувати результати й виправляти помилки», — пояснюють у GlobalLogic.

В EPAM торік найняли понад 600 джуніорів і планують найняти стільки ж у 2026 році. Компанія зберігає програми підготовки початківців (EPAM Campus), але водночас перебудовує їх під роботу в ШІ-середовищі.

«AI-fluency для джунів перестає бути бонусом — це вже базовий рівень входу. Кандидат, який вміє написати чисту специфікацію, критично прочитати агентський output і поправити те, що агент згенерував не так, — це цінний спеціаліст. А той, хто пише „правильний“ код без ШІ, але робить це повільно, на сучасному ринку менш конкурентний», — говорить AI-директор EPAM Україна Вадим Власенко.

Читайте также: NightCity Dnipro: Городские Тайны и Популярные Запросы Его Жителей

Все про українське ІТ в телеграмі — підписуйтеся на канал DOU