Відомо, що ера «мати акаунт в Chat GPT» давно минула, адже зараз важливо не лише знати, а й вміти грамотно використовувати технології ШІ та вдосконалювати свої навички щодня. І чим швидше це почати робити – тим вірогідним є те, що ви точно не залишитися «за бортом». Штучний інтелект не просто підвищує ефективність - він посилює розрив між фахівцями. Ті, хто має міцний професійний фундамент і використовує ШІ як інструмент, отримують своєрідний мультиплікатор продуктивності. Натомість ті, хто перекладає мислення на модель і не розвиває власних навичок, ризикують втратити конкурентоспроможність.

Проте які конкретні інструменти й підходи застосовувати фахівцям різних ролей та як імплементувати ШІ в університетських процесах?

Це питання і стало головною темою чергового засідання Клубу Штучного інтелекту,під головуванням ректора ІТ СТЕП Університету Віктора Волошина, де учасники обговорили те, як використовувати інструменти штучного інтелекту для розвитку особистості й професійних навичок (для студентів та працівників різного фаху) та для розвитку університету (а саме - освітніх процесів, внутрішніх бізнес-процесів та розробки цифрової стратегії).
У обговоренні виступили члени Клубу ШІ: проректор з науки та інновацій ІТ СТЕП Університету, доктор технічних наук, професор Анатолій Мельник, доктор технічних наук, доцент, професор ІТ СТЕП університету Тарас Рак а також маркетолог Христина Вершкова.


 

НОВІ ГРУПИ НАВИЧОК: ЧОМУ HARD І SOFT БІЛЬШЕ НЕ ДОСТАТНЬО

Дискусія навколо майбутнього навичок дедалі частіше виходить за межі звичного поділу на hard і soft skills. Олена Занічковська, співзасновниця компанії The Gradient, пояснила, що в умовах стрімких технологічних змін, зокрема активного впровадження штучного інтелекту, цього поділу вже недостатньо. Натомість формується розширене коло компетенцій, яке включає ще два критично важливі елементи - growth mindset і self skills.

Growht mindset стосуються передусім готовності людини жити й працювати в режимі постійних змін. Те, що було актуальним учора, може втратити цінність уже завтра, а отже, ключовою стає не фіксована експертиза, а здатність швидко переосмислювати досвід, навчатися та адаптуватися до змін.

Self skills, своєю чергою, охоплюють суто людські компетенції - ті, що складно або неможливо повністю делегувати алгоритмам. Йдеться про переговори, вибудовування довіри, якісну взаємодію з іншими людьми, емоційний інтелект, креативність і критичне мислення. Саме ці навички дедалі чіткіше окреслюють межу між людиною та ШІ.

За словами Олени, в май бутньому особливу цінність матимуть не технічні операції як такі, а здатність людини формувати стійкі взаємини та довіру:

«Суперскілом буде те, коли я будуватиму довіру».

Якщо ще нещодавно домінувала логіка «один промпт - одна дія», то сьогодні вона швидко витісняється агентними режимами, у яких ШI виконує багатокрокові, складні завдання. Тобто йдеться вже не про генерацію окремих відповідей, а про побудову процесів, у яких модель планує, виконує, перевіряє та коригує дії. У такому середовищі ключовою компетенцією стає не лише prompt engineering, а значно ширше поняття - context engineering.

Context engineering передбачає вміння правильно організувати контекст: задати правила, обмеження, інструкції, логіку перевірок, доступи до інструментів. Саме від цього залежить якість результату й стабільність роботи агентів.

Як підкреслив В’ячеслав Колдовський, доцент IT СТЕП Університету, Competence Manager компанії SoftServe: «Якщо раніше від фахівця вимагалося буквально «читати кожен рядок коду», то сьогодні акцент зміщується на управління системою в цілому - перевірки, тестування та контроль логіки роботи агентів. Ця зміна знижує навантаження на рутинну перевірку, але водночас підвищує вимоги до системного мислення, відповідальності та здатності бачити процес цілісно».

Таким чином, освіта та професійний розвиток сьогодні опиняються перед новим викликом: навчити не лише робити, а й мислити, адаптуватися та залишатися людьми в епоху алгоритмів.
 

ВЛАСНА БАЗА ЗНАНЬ, ЩО СФОРМОВАНА ШІ

У світі, де відповідь можна отримати за секунди, зростає ризик поверхневого ознайомлення з інформацією та випадкових результатів. Саме тому експерти наголосили на зміні підходу: замість нескінченного надсилання абстрактних запитів для пошуку потрібної інформації можна сформувати власну базу знань із провалідованих джерел.

Йдеться про системну роботу з матеріалами: добірки книг, PDF-документів, відео, перевірених посилань, з якими користувач працює не напряму, а через інструменти штучного інтелекту. У такій моделі ШI не шукає «десь в інтернеті», а аналізує лише ті джерела, які свідомо обрав користувач.

Олена Занічковська зазначила, що така модель є особливо перспективною для освіти. Вона дозволяє зменшити кількість випадкових відповідей і змістити фокус із пошуку «швидкого результату» на глибоку роботу з матеріалом, аналіз і осмислення інформації.

Фактично - це означає якісну зміну підходу до роботи з інструментами: замість «запитати ChatGPT про все» - будувати персональні або командні бази знань, яким можна довіряти, і працювати з ними через ШI, як із інструментом аналізу. Для освіти це відкриває важливу можливість: навчити студентів використовувати штучний інтелект не як генератор випадкових відповідей, а як помічника у структурованому мисленні.

ВАЙБ-КОДИНГ І ПРОТОТИПУВАННЯ: «ІДЕАЛЬНИЙ ІНСТРУМЕНТ» ДЛЯ НЕТЕХНІЧНИХ РОЛЕЙ

Доступність інструментів прототипування відчутно змінює правила гри. Експерти відзначили: те, що ще нещодавно вимагало повноцінної команди розробників, сьогодні стає досяжним для нетехнічних фахівців і малих команд. Йдеться не лише про створення прототипів, а про запуск повноцінних продуктів і навіть бізнесів.

Найдинамічніший прогрес останніх місяців учасники пов’язують із розвитком вайб-кодингу та швидкого прототипування. Цей підхід не замінює класичну розробку, але дозволяє різко скоротити шлях від ідеї до працюючого демо. Як зазначила Олена Занічковська,

«для дизайнерів, для продакт-менеджерів - це неймовірні можливості прототипувати свої продукти».

Фокус цієї зміни - не в технічній досконалості, а в швидкості мислення й здатності бачити продукт цілісно. Експерти підкреслили: найкращі результати часто досягають не ті, хто застрягає в деталях реалізації, а ті, хто чітко розуміє, що саме має працювати і для кого. Саме тому ключова думка дискусії звучала так: найуспішніші проєкти дедалі частіше створюють не класичні розробники, а люди з ясним продуктовим баченням.

В’ячеслав Колдовський також навів кейс воркшопів у продуктовій компанії, де за певний короткий час команди зробили десятки проєктів, а найсильніші результати часто показали саме продакти та бізнес-аналітики.

Однак, попри стрімкий розвиток вайб-кодингу та інструментів швидкого прототипування, ключовим обмеженням залишається не технологія, а людина. Юрій Костюченко, CBDO UBOS, звернув увагу на критичний аспект - здатність користувача чітко сформулювати бажаний результат і розуміти, як система має працювати в цілому.

За його словами, саме на цьому етапі найчастіше виникають труднощі:

«В цій ситуації так званим ботлнеком буде людина, бо вона має знати, що хоче мати в кінцевому результаті».

Юрій навів приклад із практики, де очікування «побудувати агента самостійно» не відповідали реальному рівню компетенцій команди. Формально інструменти були доступні, але відсутність розуміння архітектури процесу, ролей агентів і критеріїв якості призвела до розриву між очікуванням і результатом.

Як можна відслідкувати, коли технічний бар’єр знижується, на перший план виходять саме навички постановки задач, системного мислення та продуктного бачення. Без них навіть найпотужніші інструменти не здатні дати очікуваний результат.

У цьому контексті вайб-кодинг і агентні підходи і висвітлюють головний  виклик - потребу в освітній роботі та супроводі. Не достатньо лише надати доступ до інструментів; необхідно навчити мислити результатами, формулювати вимоги й управляти системами. Саме тут освіта, менторство й методологічна підтримка стають критично важливими елементами впровадження ШI-рішень.

ШІ ДЛЯ УНІВЕРСИТЕТУ: СИСТЕМНІСТЬ І ЦИФРОВА СТРАТЕГІЯ

Олена Занічковська запропонувала концепт, який суттєво змінює підхід до впровадження штучного інтелекту в освіті. Йдеться про відмову від фрагментарного мислення - коли рішення починається з питання «який сервіс обрати» - на користь формування цифрової стратегії університету, вибудуваної на рівні процесів і цілей.

Ця логіка передбачає, що ШI має бути не окремим елементом чи надбудовою, а частиною цілісної трансформації. Саме тому ключова рекомендація, що прозвучала, - будувати впровадження ШI не від переліку сервісів, а від розуміння процесів університету та його стратегічних завдань.

Як приклад можливого напрямку Олена навела ідею централізованої бази знань університету, про що вже частково було згадано раніше. Така база працює виключно з перевіреними матеріалами й дисциплінами, створюючи спільний інтелектуальний простір для студентів, викладачів і адміністрації. Ця база:

•                 спирається на матеріали курсів і викладачів,

•                 дає рекомендації у логіці програм,

•                 уніфікує підхід до якості й джерел.

Тобто фактично стає перевіреною внутрішньою системою, яка працює по перевірених матеріалах і дисциплінах.

Окремо експертами також було запропоновано обміркувати впровадження ШI у двох взаємопов’язаних напрямах.

Перший напрям - університет як організація. Йдеться про бізнес-процеси: маркетинг, HR, продажі, фінанси, операційну діяльність. У цьому ключі ШI може допомагати оптимізувати рутинні процеси, пришвидшувати прийняття рішень, знижувати витрати та підвищувати якість управління.

Другий напрям - університет як освітнє середовище. Тут фокус зміщується на навчальний процес: створення та оновлення навчальних матеріалів, оцінювання, взаємодію зі студентами, роботу з базою знань. Саме в цьому напрямі вирішується ключове питання - як зберегти академічну якість і водночас інтегрувати нові технології.

Говорячи про практичне впровадження штучного інтелекту в університетському середовищі, Віктор Кльоба, Senior Innovation Implementation Manager, Raiffeisen Bank Aval, звернув увагу на дві критично важливі умови, без яких навіть найкраща цифрова стратегія ризикує залишитися лише хорошим планом «на папері».

Перший принцип - аналітика використання. За словами Віктора, університет має чітко бачити, хто саме і як реально застосовує інструменти штучного інтелекту: які сценарії використовуються, з якою частотою і з яким ефектом. Без цих даних неможливо ані оцінити вплив, ані коригувати підхід до впровадження.

Другий принцип - навчання через практику. Формальні презентації чи разові лекції не створюють змін у поведінці. Якщо студенти та персонал не мають змоги одразу спробувати інструменти в реальних робочих завданнях, більшість із них просто не доходить до впровадження.

Ці спостереження підкреслюють розрив між інтересом і реальною зміною процесів. Саме тому Віктор запропонував починати не зі складних інтеграцій чи агентних систем, а з базових, зрозумілих сценаріїв, які одразу дають відчутну користь.

Те ж стосується і студентів. Університет повинен сприяти опановуванню ними новітніх технологій, але аж ніяк не стояти на заваді цьому. Проте, роль університету полягає у створенні можливостей, середовища та доступу до практики, однак мотивація й відповідальність за результат залишаються персональними. Жодна, навіть найсучасніша інфраструктура не здатна замінити внутрішній вибір людини вчитися й розвиватися.

В’ячеслав Колдовський сформулював цю думку максимально прямо, окресливши межу між інституційною підтримкою та особистою відповідальністю студента:

«Я даю своїм студентам безліч ресурсів та можливостей. Хто вчиться, той виграє. Хто не вчиться – його власний вибір».

У дискусії також прозвучало застереження щодо так званої «штучної мотивації». Примус, формальні вимоги або зовнішній контроль можуть створити ілюзію залученості, але рідко приводять до реального засвоєння навичок. Університет може задати правила гри, забезпечити доступ до інструментів, менторів і практичних кейсів, проте відповідальність за використання цих можливостей лежить на студентах.

ПІДСУМОК

Штучний інтелект вже давно перестав бути окремим інструментом чи експериментом - він стає середовищем, у якому фокус зсувається від hard і soft skills до mindset та self skills, від окремих промптів - до агентних систем, від пошуку - до роботи з власними базами знань.

Ключовим фактором у роботі з ШI залишається людина - її здатність мислити системно, формулювати цілі та усвідомлено працювати з інструментами. Саме тому роль університетів полягає не у простому наданні технологій, а у сприянні опануванню: через вибудувану цифрову стратегію, навчання через практику та розвиток культури відповідального використання ШI.

Університет формує середовище, можливості й зрозумілі правила гри, які допомагають студентам і викладачам навчитися мислити разом із технологіями.

ДОДАТОК

Корисні сервіси, якими поділилися експерти:

1. Cursor - сильний інструмент для більш глибокої розробки, коли треба швидко виконувати комплексні задачі з багатокроковим виконанням;

2. Lovable - для швидкого прототипування, особливо зручно для менш технічних користувачів;

3. Fathom AI - як рішення для нотаток зустрічей: транскрипт зустрічі та підсумки надсилаються одразу після дзвінка