Майже кожен сьогодні використовує GPT-4. Поява цієї генеративної моделі штучного інтелекту назавжди змінила те, як ми вчимося, працюємо і взаємодіємо з інформацією. До кінця 2025 року очікується реліз більш потужного GPT-5. Вочевидь, нас чекають нові зміни у функціональності й адаптивності.
Команда SharksCode щодня працює із ШІ-технологіями, інтегруючи їх у бекенд, інтерфейси та бізнес-процеси клієнтів. У цій партнерській статті ділимося шістьма ключовими трендами, які визначать майбутнє генеративного штучного інтелекту після виходу GPT-5. Не лише на розробників, а й на бізнеси чекає багато технологічних змін.
- ШІ із просунутою здатністю до логічного «мислення»
Сучасні моделі, такі як GPT‑4.5 або DeepSeek-R1, уже продемонстрували обмежену здатність до логічного мислення. Але це лише початок. Поява GPT-5 та інших більш просунутих моделей 2025 року приведуть нас до reasoning-first ШІ. Ці моделі не просто зможуть генерувати відповіді на основі тренувальних даних, а будуть здатні логічно аналізувати, планувати й розв’язувати складні задачі.
За даними Forbes, GPT-5 об’єднає логічні здібності серії Omni (сюди входить GPT‑4o) з мовними можливостями інших моделей GPT. Це дозволить новій потужній технології не лише генерувати текст, передбачаючи порядок і логіку слів, а й планувати і аналізувати. Завдяки цьому зменшиться частота «галюцинацій» – помилкових відповідей, які є найбільшим головним болем у роботі з наявними моделями генеративного ШІ.
GPT-5 розробляється для вирішення так званих «п’ятигодинних завдань» – складних операцій, що складають загалом до тисячі окремих кроків.
У Sapphire Ventures спрогнозували, що 2025 року з’явиться ще кілька моделей рівня GPT-5 з поліпшеною логікою. У розвиток цього напряму активно фінансують не лише OpenAI, DeepSeek та Alibaba, а й венчурні інвестори.
Зміст
Що це означає для бізнесу з погляду продукту
Володимир Корнієнко, SharksCode СРО:
«На нашу думку, моделі рівня GPT-5 відкривають нову еру продуктового управління: гіпотези формуються не днями, а за хвилини, сегменти користувачів підбираються автоматично, а сценарії “що, якщо” тестуються без залучення цілої аналітичної команди. Це не просто прискорює цикл прийняття рішень, а вшиває аналітику й інтелект у сам продукт. Персоналізовані поради, адаптивні інтерфейси й автономні ШІ-агенти стають не футуризмом, а новим стандартом».
- ШІ-агенти замість примітивних ботів
Прості чат-боти, які стандартно відповідають на найбільш поширені запити, поступаються місцем агентам штучного інтелекту. Останні мають більш просунуті функції, що робить їх цифровими помічниками в повному сенсі. Вони здатні повністю автономно виконувати складні завдання без постійного людського втручання. ШІ-агенти вже можуть автоматизувати деякі процеси на рівні менеджерів чи навіть розробників.
ШІ-агенти здатні приносити користь у сферах клієнтської підтримки, IT, продажів, безпеки та вертикальних застосунків. У 2024 році ServiceNow зекономив $350 млн завдяки ШІ в обслуговуванні клієнтів, ІТ-підтримці, HR-процесах, допомозі розробникам і маркетингу. Компанія вже планує розширити використання цих інструментів.
Цікавіший приклад – ШІ-розробник Devin 2.1 від Cognition. Він здатний самостійно проходити етапи планування, обробки даних та аналізу. Також може самостійно оцінювати свої шанси на виконання завдання, непогано працює з великими базами коду. У будь-який момент Devin 2.1 можна запитати про окрему частину коду, попросити детальне роз’яснення певної реалізації або попросити запропонувати подальші дії. Після цього Devin надасть відповідь, засновану на фрагментах кодової бази. І все це вже інтегровану в Linear і Jira.
Що це означає
Володимир Корнієнко, SharksCode СРО:
«ШІ-агенти стають частиною продуктової логіки – від онбордингу до сапорту, від автоматизації до аналізу зворотного зв’язку. Вони дозволяють зменшити час на розробку, вивільнити ресурси команди і створювати функціонал, що адаптується в реальному часі під дії користувача. Для продактів це новий інструмент впливу на retention, NPS та ефективність команди без залучення додаткових рук».
- Мультимодальність як новий стандарт
Світ ШІ виходить за межі тексту. Мультимодальність – це здатність моделі працювати з кількома типами даних одночасно: текстом, PDF-документами, зображеннями, відео й аудіо. І робити це в одному інтерфейсі, у реальному часі. Уже зараз моделі на кшталт GPT-4o, Claude 3 чи Granite 3.2 демонструють такі навички, але GPT-5 обіцяє зробити із цього не просто фічу, а стандарт.
Уявіть собі продукт, де ШІ одночасно читає текст, розпізнає зображення, розуміє мову, переглядає відео й одразу робить висновки. Він зможе взяти графік продажів, відгуки клієнтів у відео, статистику кампанії – і в єдиному аналізі вказати, де слабке місце та як це виправити. Більше не потрібно поєднувати десятки інструментів – усе обробляється в одному ШІ-ядрі.
Що це означає для бізнесу з погляду продукту
Володимир Корнієнко, SharksCode СРО:
«Продукти з мультимодальним ШІ перетворюються на повноцінних аналітиків, дослідників і стратегів. Це відкриває новий клас можливостей: від автоматизованого UX-аудиту й модерації до генерації звітів з різних форматів в один клік. Для продактів це шанс створювати функції, які бачать і розуміють продукт так само, як користувач».
- Спеціалізовані ШІ-моделі та малі мовні моделі (SLM)
Компанії все частіше переходять від універсальних великих мовних моделей (LLM) до спеціалізованих, навчених для виконання конкретних завдань або роботи в певних галузях. Це економить час і ресурси, оскільки не потрібно використовувати всі можливості великої моделі.
Microsoft пропонує Phi – адаптацію невеликої мовної моделі до конкретних потреб організації за допомогою широких можливостей кастомізації.
Модель Orca 2 доступна як частина Windows SDK і випускається у двох версіях: на 7 млрд і 13 млрд параметрів. Orca 2 має продуктивність, порівнянну або навіть вищу за більші у 5–10 разів моделі. І добре зарекомендувала себе в завданнях, що вимагають логічного мислення (reasoning) без попереднього навчання на конкретних прикладах.
Очікується, що малі мовні моделі (SLM) і моделі з відкритим кодом, такі як Mistral та LLaMA 3a, поступово забиратимуть частку ринку у провідних великих LLM. Вони дешевші для локального розгортання і пропонують вищу приватність і безпеку даних. Це дуже важливо для юридичних або медичних організацій.
Що це означає для бізнесу з погляду продукту
Володимир Корнієнко, SharksCode СРО:
«Малі і спеціалізовані моделі дозволяють вбудовувати ШІ глибше й адресніше – у конкретні функції продукту, без зайвих витрат на інфраструктуру. Це дає змогу запускати швидші, дешевші та безпечніші фічі – наприклад, локальні AI-асистенти, кастомні пошукові системи, або модулі перевірки ризиків. Для продуктів у чутливих галузях, як-от медицина чи фінанси, це шанс впроваджувати ШІ без передачі даних зовнішнім системам».
- ШІ як платформа – із власними застосунками та маркетплейсами
ШІ стає чимось значно більшим, ніж звичайним інструментом. Він перетворюється на платформу для створення кастомних агентів і застосунків. Такі платформи, як OpenAI GPTs, Google Gems і Hugging Face Agents, дозволяють розробляти власні ШІ-рішення навіть без глибоких технічних знань. А в GPT Store або AI Agent Store розробник може монетизувати свій застосунок. Маркетплейси нативно зрозумілі та використовують рейтингову систему, схожу на ту, що використовується в магазинах мобільних застосунків, таких як Apple App Store або Google Play.
З іншого боку, великі компанії отримали змогу швидко створювати власних ШІ-агентів для автоматизації внутрішніх процесів на кшталт обробки запитів клієнтів або аналітики даних.
Наприклад, американська фармацевтична та біотехнологічна компанія Moderna створила понад 750 GPTs для внутрішнього використання та оптимізації різних завдань.
Що це означає для бізнесу з погляду продукту
Володимир Корнієнко, SharksCode СРО:
«ШІ-платформи відкривають можливість створювати нові продукти не з нуля, а на базі готових екосистем – з кастомними агентами, інтеграціями і власним маркетплейсом. Продуктові команди можуть запускати MVP у лічені дні, швидко тестувати гіпотези, монетизувати окремі фічі як незалежні застосунки та масштабуватися без перевантаження розробки. Це нова модель продуктового мислення – коли ШІ стає не інструментом, а основою всієї продуктової архітектури»
- Етика, енергоефективність і регуляція
Зі зростанням можливостей ШІ моделі потребуватимуть не тільки більшої потужності, а й розв’язання питань етики, енергоефективності й регулювання. Тренування GPT-4 потребувало 25 тис. графічних процесорів NVIDIA A100, що працювали протягом приблизно 90–100 діб. Споживання електроенергії оцінили від 51 773 до 62 319 МВт-год. Це еквівалентно енергоспоживанню невеликого міста протягом року і призвело до значного навантаження на енергомережу. А викиди вуглекислого газу під час тренування GPT-4 (залежно від джерела енергії) оцінюються у 1035–14 994 метричних тонн CO2. Просто цифра: якщо навчальний GPT-4 викидав понад 15 тис. метричних тонн CO2e, то це стільки ж, скільки й річні викиди 938 американців.
Саме тому 2025 року фокус зміститься на енергоефективні моделі та «зелені» центри даних. Чипи (ASIC), спеціалізовані для роботи із ШІ, пропонують вищу ефективність, як порівняти з універсальними GPU. Наприклад, Google TPU та AWS Inferentia енергоефективніші при інференсі.
Google, Microsoft та Amazon активно інвестують у створення «зелених» дата-центрів, які використовують відновлювані джерела енергії та ефективні системи охолодження. Наприклад, у 2024 році Google інвестував додатковий мільярд євро в поліпшення свого дата-центру в Хаміні, Фінляндія, де для охолодження використовують морську воду.
Щодо регулювання та етики, то в ЄС уже діє AI Act. Він класифікує ШІ-системи за рівнем ризику: від неприйнятних (заборонених) до мінімальних. Високоризикові системи підлягають суворим вимогам щодо безпеки, прозорості і якості. Також вимоги ввели до прозорості ШІ загального призначення, зокрема відкритих моделей.
В Україні уже підписали рамкову конвенцію про штучний інтелект і права людини. А у Великій Британії розглядають поправку до закону про дані, яка зобов’язує компанії, які є розробниками ШІ, розкривати використання захищеного авторським правом контенту. У Японії, до речі, уже виникли проблеми з пошуком балансу між впровадженням ШІ в систему охорони здоров’я та захистом конфіденційності пацієнтів. Нові реформи мусять стандартизувати обмін даними та дозволи на вторинне використання частково анонімізованих медичних даних.
Що це означає для бізнесу з погляду продукту
Володимир Корнієнко, SharksCode СРО:
«Продуктові команди повинні враховувати не лише можливості ШІ, а і його наслідки: енерговитрати, прозорість алгоритмів і дотримання етичних норм. Це означає вибір більш енергоефективних моделей (SLM, on-premise-рішення), впровадження логів і пояснень до рішень ШІ всередині продукту, а також відповідність локальному регулюванню, особливо в юрисдикціях ЄС або країн із жорсткими нормами щодо даних. Продукти, які демонструють прозорість і повагу до користувача, матимуть конкурентну перевагу вже у 2025 році».
Висновки
Володимир Корнієнко, SharksCode СРО:
«Світ продуктів входить у нову фазу – еру розумного ШІ, який не просто відповідає на запити, а думає, адаптується і працює як повноцінний член команди. Це вже не футуризм, а реальність, яку бізнес може використовувати просто зараз: від гіперперсоналізованих рішень до автономних агентів, що самі навчаються і діють у складних середовищах.
У SharksCode ми вже будуємо продукти, де ШІ оптимізує процеси, скорочує витрати і прискорює запуск нових фіч.
Майбутнє не за більшими моделями, а за тими, що працюють точніше, швидше та дешевше. І ті, хто зробить ставку на розумну інтеграцію вже у 2025 році, не просто виграють конкуренцію, а зададуть нові правила гри.
Готові до впровадження ШІ? Ми в SharksCode – так».
Повідомити про помилку
Текст, який буде надіслано нашим редакторам: