Як штучний інтелект змінює роль CTO в IT-компаніях
BazaIT завершила освітній проєкт Product Mindset Growth 2.0 — серію розмов із C-level лідерами українських IT-компаній і стартапів.
У межах проєкту ми говорили з CEO, CTO, CPO, COO, CMO, CFO, Head of AI та HRD про бізнес, продукт, команди, управління, AI, маркетинг, фінанси, помилки й рішення, які формують tech-компанії сьогодні.
Фінальний вебінар присвятили темі, яка вже змінює правила гри для технічних команд: ролі CTO в епоху AI.
Спікером став Олександр Краковецький — Ph.D., CEO DevRain, CTO DonorUA, Microsoft AI MVP/RD, автор книг про генеративний штучний інтелект. Також Олександр увійшов до рейтингу Forbes Україна «20 ШІ-лідерів України 2025».
Говорили про те, як AI трансформує розробку, технічне лідерство, команди, процеси й очікування до спеціалістів.
Нижче — головні інсайти з розмови. Повний запис — на YouTube-каналі BazaIT.
Вплив АІ на роль СТО
Раніше роль CTO часто асоціювали з архітектурою, стеком, якістю коду, delivery та вибором технологій.
Технічний лідер мав відповідати на питання: як побудувати продукт, яку екосистему обрати, як забезпечити стабільність, масштабованість і якість розробки.
Це все досі важливо. Але з появою генеративного AI акцент зміщується. Коли інструменти можуть швидко генерувати код, працювати з документацією, аналізувати дані й допомагати з рутинними задачами, головним стає не лише питання «як будувати».
Значно важливішим стає інше питання: що саме ми будуємо і навіщо.
AI може пришвидшити розробку. Але він не відповідає за бізнес-сенс рішення.
Він може допомогти створити багато коду. Але не гарантує, що цей код розв’язує правильну проблему.
Тому CTO в новій реальності має мислити не лише технологіями. Він має мислити бізнес-цінністю, контекстом і наслідками рішень.
Бо швидкість сама по собі не створює цінності. Її створює правильний напрям.
CTO стає зв’язкою між бізнесом, командою і технологіями
У новій ролі CTO поєднує три світи: бізнес, команду й технології.
З одного боку, він має розуміти, де компанія перебуває зараз. Які бізнес-цілі перед нею стоять. Які рішення можуть наблизити її до цих цілей.
З іншого — бачити реальні можливості технологій.
Що вже стало достатньо зрілим. Що можна використовувати сьогодні. Що поки потребує часу. А що ще не готове для практичного застосування.
Це особливо важливо в AI-проєктах.
Їх не можна впроваджувати так само, як класичні software-рішення чи мобільні застосунки. Тут недостатньо просто під’єднати велику мовну модель.
Потрібні якісні дані, інтеграції, доступи, база знань, зрозумілі процеси і готовність компанії змінюватися.
Тому головна проблема AI-проєктів часто не в самій моделі.
Більшість сучасних моделей уже достатньо добре працюють із багатьма рутинними задачами. Значно важливіше інше: чи готова сама організація.
Чи структуровані дані.Чи зрозумілі процеси.Чи є інфраструктура.Чи команда розуміє, як працювати з AI.Чи бізнес знає, для чого саме впроваджує це рішення.
Без цього AI може залишитися не інструментом трансформації, а ще одним експериментом без зрозумілого результату.
СТО буде керувати не лише людьми
Зараз усе рухається до того, що технічним лідерам доведеться керувати не лише командами людей, а й AI-агентами.
AI-агента можна сприймати як окрему роль, функцію або цифрового виконавця.
Це може бути агент-аналітик.Агент для аналізу вимог.Агент для роботи з документами.Агент для клієнтського сапорту.Агент, який працює з внутрішніми базами знань.
Поки що ця концепція залишається новою. Але напрям уже зрозумілий: компанії поступово рухаються до синергії людського й штучного інтелекту.
Це змінює і саме уявлення про команду.
У такій реальності сильна команда — це не обов’язково велика команда.
Це команда, яка розуміє, які інструменти використовувати. Де AI справді підсилює роботу. А де лише створює додатковий шум.
Більше коду не означає більше цінності
AI змінює і те, як компанії мають оцінювати продуктивність технічних команд.
Раніше її часто намагалися вимірювати кількістю годин, рядків коду, комітів або закритих задач.
В умовах AI ці метрики втрачають сенс. Команда може генерувати багато коду. Розробник може часто комітити зміни. AI може пришвидшити створення технічних артефактів. Але це не означає, що бізнес отримує більше цінності.
Набагато важливішими стають інші питання.
Як швидко команда створює бізнес-цінність.Як швидко ухвалює рішення.Як швидко перевіряє гіпотези.Як швидко експериментує.І чи справді рішення розв’язує проблему користувача або бізнесу.
AI не зменшує вартість поганих рішень.
Навпаки. Він може їх масштабувати.
Якщо команда рухається в неправильному напрямі, AI допоможе швидше створити більше непотрібного.
Тому швидкість має сенс лише тоді, коли команда рухається в правильному напрямі.
А відповідальність CTO — допомогти цей напрям визначити.
AI-рішення мають бути адаптивними
У класичних software-проєктах бізнес часто хоче розуміти вартість рішення, підтримку й розвиток на кілька років уперед.
У випадку AI це значно складніше.
Тому CTO має фокусуватися не лише на конкретному інструменті. А на концепціях та інфраструктурі.
Інструменти можуть змінюватися швидко. Але базові підходи змінюються повільніше.
Йдеться про розуміння prompt engineering, RAG, fine-tuning, context engineering, агентних підходів, роботи з даними й інтеграціями.
Але головна думка не в самих термінах.
CTO має думати не лише про те, який інструмент використати сьогодні. Він має думати про те, як побудувати систему, яку можна буде швидко змінити завтра.
Завдання технічного лідера — будувати архітектуру так, щоб компанія могла адаптуватися.
Замінювати окремі частини системи.Переходити на нові підходи.Не перебудовувати все з нуля щоразу, коли на ринку з’являється нова технологія.
Саме тому для CTO важливою стає гнучкість.
Він має бути готовим переглядати рішення. Відмовлятися від старих підходів. І не триматися за технологію лише тому, що команда вже витратила на неї кілька місяців.
AI-проєкти потрібно вимірювати з самого початку
У багатьох компаній проблема починається ще на етапі формування технічного завдання.
Бізнес хоче впровадити AI. Але не завжди може чітко сформулювати, для чого саме це робиться і за якими критеріями буде оцінюватися успіх.
Якщо результат не вимірюється, його важко оцінити.
Тому ще до старту AI-проєкту потрібно визначити, що саме компанія хоче змінити.
Скоротити час обробки документів.Пришвидшити сапорт.Зменшити кількість ручних операцій.Підвищити adoption інструменту.Дати команді швидший доступ до знань.
Метрики залежать від типу кейсу.
Для корпоративного AI-інструменту важливо дивитися на adoption: хто користується, як часто, у яких командах і яка динаміка.
Для операційного кейсу можна вимірювати економію часу, кількість оброблених запитів, швидкість відповіді або зниження ручної роботи.
Без постійного трекінгу AI-рішення швидко перетворюється на експеримент без зрозумілого результату.
А для CTO важливо не просто запустити інструмент. Важливо довести, що він справді змінює роботу бізнесу.
AI-literacy стає базовою навичкою
Одна з головних претензій до AI-інструментів — вони можуть помилятися, вигадувати відповіді або давати неточну інформацію.
Але ці ризики можна зменшити, якщо команда розуміє, як працюють великі мовні моделі.
Наприклад, модель не знає всього, що сталося вчора, якщо не має доступу до актуальних джерел. Якщо вона шукає інформацію в інтернеті, якість відповіді залежить від того, які джерела вона знайде.
Якщо дані неточні або застарілі, результат також може бути неправильним.
Важливо розуміти і поведінку моделей.
Вони можуть погоджуватися з користувачем, якщо запит сформульований як підтвердження власної думки.
Тому замість прохання «підтверди, що я правий» краще просити модель розкритикувати позицію, знайти слабкі місця або показати контраргументи.
Для простих задач AI може працювати більш автономно.
Для критичних задач потрібен контроль людини. Рівень контролю залежить від ризику й важливості рішення.
Тому AI-literacy — це вже не додаткова перевага. Це базова навичка для людей, які працюють із сучасними інструментами.
Досвід важливий. Але його вже недостатньо
AI змінює і те, як компанії оцінюють технічних спеціалістів.
Раніше seniority часто була головним сигналом: більше досвіду, більше складних задач, глибше розуміння систем.
Це залишається важливим. Але вже не єдиним фактором.
З’являється новий тип спеціаліста — людина, яка швидко вчиться, адаптується й ефективно використовує AI-інструменти. Умовно це можна назвати «суперджун».
Це фахівець із меншим досвідом, але з високою здатністю вчитися, експериментувати й підсилювати себе за допомогою AI.
Такий спеціаліст не завжди буде сильнішим за досвідченого інженера. Але в окремих задачах може бути ефективнішим, ніж людина з більшим досвідом, яка категорично не довіряє AI, не хоче тестувати нові підходи й працює лише у старій парадигмі.
Водночас у цього підходу є ризики.
Junior без достатнього досвіду може не вміти якісно перевіряти результат AI.
Senior може краще бачити помилки, але користуватися AI занадто обережно або не використовувати його взагалі.
Тому найсильніша комбінація — це досвід плюс готовність працювати з AI.
Компаніям будуть потрібні люди, які не просто знають технології. А вміють швидко переходити між екосистемами, тестувати інструменти, критично оцінювати результат і не триматися за старі підходи лише тому, що вони звичні.
CTO має бачити не тренд, а швидкість змін
Для CTO важливо не просто знати, які AI-інструменти популярні сьогодні.
Значно важливіше — розуміти, з якою швидкістю розвиваються технології у його сфері.
Ще кілька років тому зображення, згенеровані AI, було легко впізнати за помилками. Багато хто вважав, що моделі ніколи не зможуть створювати візуали на рівні людини.
Але з кожним роком кількість речей, які AI «ніколи не зможе», стає меншою.
Для CTO це означає, що потрібно бачити не лише поточний стан технології, а й траєкторію її розвитку.
Які задачі вже стали commoditized. Які ще потребують людської експертизи. Що варто будувати всередині компанії. Що краще купувати або віддавати назовні. Які навички потрібно вирощувати в команді.
Саме це розуміння допомагає ухвалювати стратегічні рішення.
AI-трансформація — це не лише про технології. Це також про культуру, закупівлю експертизи, розвиток талантів і готовність компанії перебудовуватися.
CTO першим має бути готовим до змін
AI-трансформація складна не лише технічно.
Вона складна організаційно.
Навіть зміна одного бізнес-процесу може бути болісною для компанії.
Потрібно об’єднувати системи. Структурувати бази знань. Змінювати звички команд. Пояснювати нову логіку роботи. І долати опір людей, які не завжди готові змінюватися.
Тому, коли ми говоримо про те, як AI трансформує технічне лідерство, першим має змінитися сам CTO.
Він має бути готовим переглядати підходи, вчитися, тестувати нові інструменти, відмовлятися від старих рішень і вести за собою організацію.
Поки що немає єдиного правильного способу впроваджувати AI у компаніях.
Частина бізнесів створюватиме окремі AI-напрями. Частина змінюватиме організаційну структуру. Частина перебудовуватиме процеси всередині наявних команд.
Кожна компанія зараз шукає свій шлях.
Але очевидно одне: CTO більше не може залишатися лише технічним експертом.
У новій реальності це лідер, який має розуміти бізнес, технології, людей, дані й готовність організації до змін.
Що це означає для tech-команд
AI не забирає відповідальність із технічного лідера.
Навпаки — робить його роль ще більш стратегічною.
CTO в епоху AI має бачити не лише код. Він має бачити систему.
- Бізнес-цілі.
- Команду.
- Дані.
- Процеси.
- Архітектуру.
- Ризики.
- І швидкість, з якою змінюється технологічний ландшафт.
AI може написати код. Але зрозуміти, що саме будувати і навіщо, — досі задача людей.
І саме тому технічне лідерство стає не менш важливим, а значно глибшим.