У подкасті УТ-2 MVP, який ведуть підприємець і засновник AI-first компанії Ярослав Ажнюк та інженер Юрій Федоренко, розмова про штучний інтелект постійно повертається до однієї теми: роль людини. Навіть коли йдеться про військові системи, великі дані чи модні AI-тренди, у центрі все одно опиняються людське навчання, довіра та безпека комунікацій.
Ця розмова показує парадокс епохи штучного інтелекту: з одного боку, нейромережі потребують гігантських датасетів, з іншого — люди здатні вчитися на мізерних вибірках і приймати рішення в умовах невизначеності. А ще — найцінніші дані можуть бути не в дорогих військових платформах, а в наших месенджерах.
Як люди вчаться «з одного жирафа», а нейромережі — з мільйонів картинок
Одна з ключових інтелектуальних пасток сучасної AI-дискусії — спокуса проводити прямі аналогії між тим, як «вчиться» нейромережа, і тим, як вчиться людина. У технічних презентаціях це виглядає зручно: є «дані», є «модель», є «навчання». Але коли подивитися уважніше, подібність виявляється радше метафорою, ніж реальністю.
Показовий приклад — розпізнавання образів. Людині достатньо один раз побачити жирафу, щоб потім впевнено впізнавати її в різних контекстах: на фото, в мультфільмі, у книжковій ілюстрації, навіть у стилізованому логотипі. Дитина не потребує тисяч прикладів жираф у різних позах, ракурсах і освітленні, щоб сформувати стійке уявлення «ось це — жирафа».
Нейромережі працюють інакше. Класичні моделі комп’ютерного зору навчаються на величезних датасетах: десятки, сотні тисяч, а то й мільйони зображень, розмічених людьми. Для того, щоб модель стабільно розпізнавала жирафу, їй потрібні тисячі варіацій: різні фони, відстані, часткові перекриття, інші тварини поруч. І навіть тоді вона може помилятися в ситуаціях, де людина не вагається жодної секунди.
Це не просто технічна деталь, а принципова відмінність. Люди навчаються на екстремально малих вибірках даних — іноді буквально з одного-двох прикладів — і вміють узагальнювати. Мозок «добудовує» картину, спираючись на попередній досвід, контекст, інтуїцію, мову, соціальні сигнали. Нейромережа ж, навіть дуже потужна, залишається статистичною машиною, яка вчиться на масивних вибірках і погано переносить знання в радикально нові ситуації.
Саме тому прямі аналогії на кшталт «дані — це паливо для AI, як досвід — паливо для людини» виявляються оманливими. Людський досвід — не просто «датасет», який можна зібрати, скопіювати й передати. Це інтегрована, тілесна, емоційна й соціальна структура, яка формується роками й не зводиться до набору спостережень.
Війна як «датасет», який неможливо передати
Ця різниця між людським досвідом і машинними даними особливо помітна на прикладі війни. Україна сьогодні має унікальний, трагічний, але стратегічно важливий ресурс: кілька мільйонів людей, які прожили повномасштабну війну в різних ролях.
Це військові на передовій, офіцери й чиновники, які приймали рішення в умовах постійної загрози, волонтери, які будували логістику з нуля, інженери й виробничники, які адаптувалися до обстрілів і блекаутів. У кожного з них — «навчена нейронка» в голові, сформована не теорією, а прожитим досвідом.
Цей досвід не зникає в момент, коли активні бойові дії сповільнюються чи змінюють характер. Він має свій період «амортизації» — поступового зниження релевантності — але це не місяці, а щонайменше десятиліття. Люди, які пройшли через війну, і далі мислять, ухвалюють рішення й будують системи інакше, ніж ті, хто ніколи не стикався з подібними викликами.
У цьому сенсі Україна отримала довгострокову національну конкурентну перевагу, якої ніхто не хоче й не може «відібрати». Це не той «датасет», який можна просто експортувати. Теоретично, українці були б раді, якби хтось інший «повоював з москалями замість нас» і взяв на себе цей досвід. Але в реальності ніхто цього не робить, і саме тому концентрація такого досвіду в Україні є унікальною.
Цей людський вимір важливий і в дискусіях про співпрацю з технологічними компаніями на кшталт Palantir. Коли в публічному просторі з’являються запитання: «На яких умовах ми передаємо дані? Чи не віддаємо ми надто багато?», — часто мається на увазі саме страх втратити цю перевагу.
Однак навіть у випадку з Palantir найбільш цінним може бути не сам масив бойових даних — координати, таймлайни, результати уражень, — а те, як українські військові користуються системою. Які запити формують, коли перепитують, коли довіряють, а коли ігнорують рекомендації. Як змінюється їхня поведінка після певних подій, як вони верифікують інформацію.
Це вже не просто «дані», а сліди людського мислення в реальному часі. Для розробників складних систем підтримки рішень це може бути важливішим за самі бойові логи. І водночас це ще раз підкреслює: головна цінність — у людях, а не в таблицях.
Чому «дані — це нова нафта» — зручний, але хибний наратив
Популярний у 2010-х слоган «дані — це нова нафта» досі живе в презентаціях, стратегіях і пітчах. Він зручний: легко пояснює, чому потрібно збирати все, що тільки можна, і чому компанії з великими масивами інформації нібито мають непереборну перевагу.
Але в реальних AI-системах важливість датасетів часто перебільшують. У багатьох проєктах вузьким місцем виявляється зовсім не брак даних, а інші речі: архітектура системи, інтеграція в бізнес-процеси, якість постановки задачі, відсутність зворотного зв’язку від користувачів, організаційна інерція.
Звісно, є задачі, де дані критичні: наприклад, розпізнавання рідкісних захворювань чи моделювання специфічних фізичних процесів. Але загалом фетишизація датасетів працює радше як маркетинговий інструмент. Легко вийти на сцену й сказати: «У нас мільярди записів, це наш захисний рів». Складніше пояснити, як саме ці дані перетворюються на реальну цінність, і чому без людей — користувачів, операторів, аналітиків — система не працюватиме.
Цей же механізм працює й у військовій сфері. Легко уявити, що головний актив — це «масив бойових даних», який можна «злити» чи «вкрасти». Набагато важче побачити, що справжня цінність — у тому, як люди взаємодіють із системами, як вони комбінують машинні підказки з власним досвідом, як адаптуються до помилок алгоритмів.
У цьому контексті твердження про «перебільшену важливість датасетів» звучить не як заперечення ролі даних, а як нагадування: без людського виміру вони мало що варті. І саме тому спроби звести все до «зберемо більше даних — виграємо» виглядають небезпечно спрощеними.
WhatsApp, Signal і тіньова цінність приватних чатів
Якщо подивитися на те, де насправді зосереджена критично важлива інформація, картина стає ще цікавішою. Військові платформи на кшталт Palantir, безумовно, працюють з чутливими даними. Але щоденне життя, прийняття рішень, неформальні домовленості, політичні й бізнесові інтриги — усе це часто відбувається в месенджерах.
Твердження, що в WhatsApp і Signal може міститися більше важливої інформації, ніж у Palantir, на перший погляд звучить провокативно. Але якщо згадати, як саме люди комунікують, воно стає логічним. У чатах — живі розмови, неформальні обговорення, емоційні реакції, спонтанні ідеї. Там фіксується не лише «що сталося», а й «як ми до цього прийшли».
Це стосується не тільки приватного життя, а й політики, бізнесу, війни. Від координації волонтерських ініціатив до узгодження позицій між відомствами — значна частина цього відбувається в зашифрованих (або нібито зашифрованих) каналах.
Саме тому питання довіри до месенджерів стає не технічною, а політичною й культурною темою. У технічних колах у США, за спостереженнями Ярослава, WhatsAppу часто не довіряють, натомість Signal вважають безпечним. І це при тому, що в обох використовується один і той самий протокол шифрування, розроблений криптографом Moxie Marlinspike.
Цей парадокс показує, що безпека сприймається не лише як питання алгоритмів, а як питання власності, репутації й історії компанії. WhatsApp належить Meta, яка неодноразово опинялася в центрі скандалів навколо приватності й використання даних. Signal — незалежна некомерційна організація, яка з самого початку позиціонувала себе як проєкт, орієнтований на приватність і мінімізацію збору метаданих.
Технічна спільнота довіряє не лише коду, а й людям, які стоять за ним. І в цьому сенсі ім’я Moxie Marlinspike, автора протоколу, стає своєрідним маркером довіри. Якщо він розробляв протокол для Signal, а потім цей же протокол ліг в основу шифрування в інших сервісах, це ще не означає, що всі ці сервіси однаково безпечні. Важливо, як саме вони реалізують протокол, які метадані збирають, як реагують на запити держав, як змінюють політики з часом.
Тут знову повертаємося до ролі людини: безпека — це не лише криптографія, а й культура, інституції, етика. І саме тому вибір месенджера стає не просто технічним, а світоглядним рішенням.
Від Skype до Teams: як платформи зникають, а звички лишаються
Ще один показовий сюжет — доля Skype. Для багатьох користувачів, особливо старшого покоління інтернету, Skype був синонімом онлайн-дзвінків. Сьогодні ж він фактично зник як масовий інструмент, поступившись місцем Microsoft Teams.
Фраза «Skype закрили, тепер Microsoft Teams» звучить для когось майже як культурний шок. Це не просто зміна бренду, а маркер того, як швидко змінюються платформи комунікації й як це впливає на наші звички.
Технічно Teams — корпоративний продукт, інтегрований в екосистему Microsoft 365. Але на рівні користувацького досвіду це означає інше: розмови, які раніше відбувалися в «напівприватному» просторі Skype, тепер живуть у більш формалізованому, керованому середовищі. Для бізнесу це може бути зручно, для приватності — не завжди.
Цей перехід показує ще одну важливу річ: платформи приходять і йдуть, але людські патерни комунікації залишаються. Люди все одно шукають способи створити «свої» простори — додають кастомні емодзі в Slack, переносять жарти й меми з однієї платформи на іншу, будують неформальні канали поверх формальних інструментів.
Технологічні компанії можуть змінювати інтерфейси, політики, протоколи. Але вони не контролюють повністю те, як люди насправді спілкуються, довіряють одне одному, ухвалюють рішення. І в цьому сенсі навіть тотальна домінація певного месенджера не гарантує повного контролю над інформаційними потоками.
Чому люди залишаються центром у світі AI і зашифрованих чатів
Якщо звести ці сюжети докупи — навчання з одного прикладу, воєнний досвід, перебільшену роль датасетів, довіру до Signal і недовіру до WhatsApp, смерть Skype і прихід Teams, — вимальовується одна лінія: люди залишаються ключовим елементом у системах, де, здавалось би, все вирішує технологія.
Людський мозок вчиться інакше, ніж нейромережі, і саме тому не піддається простому «копіюванню» через дані. Воєнний досвід мільйонів українців — це не масив, який можна експортувати, а жива тканина суспільства, яка формуватиме рішення ще багато років. Датасети важливі, але без розуміння контексту й поведінки користувачів вони перетворюються на інертні таблиці.
Месенджери стали новими «полями бою» за приватність і вплив, але й тут усе впирається в довіру до людей і інституцій, а не лише в протоколи шифрування. Платформи зникають і народжуються, але люди вперто відтворюють свої способи комунікації, жартів, неформальних домовленостей.
Епоха AI не скасовує людський фактор — вона радше загострює його значення. Чим потужнішими стають моделі, тим важливішими стають питання: хто їх навчає, на чому, як вони вбудовані в реальні процеси, хто контролює канали комунікації, де ухвалюються рішення.
І поки люди здатні впізнати жирафу з одного погляду, а месенджери залишаються головними носіями живих розмов, роль людини в цій системі навряд чи зменшиться.
Джерело
AI-трансформація. Чому люди все ще важливі. mvp #11, 2 сезон — УТ-2