У подкасті УТ-2 MVP підприємці й техно-оглядачі Ярослав Ажнюк та Юрій Федоренко говорять про те, що називають «агентною трансформацією» — радикальною зміною способу розробки програмного забезпечення після стрибка в розвитку AI-агентів наприкінці 2025 року. Для них грудень 2025-го — це не просто дата виходу чергових моделей, а квантова точка перелому, після якої програмування перестало бути тим, чим було десятиліттями.
Ця розмова дає рідкісний погляд зсередини: компанія Ярослава, якій близько 2,5 років, від самого старту будувалася як AI-first бізнес, а сам він регулярно спілкується з CTO великих компаній у Кремнієвій долині. На цьому тлі стає видно, як швидко і глибоко змінюється індустрія — і чому нинішня «AI-трансформація» відрізняється від попередніх модних хвиль на кшталт цифрової трансформації, big data чи web3.
Грудень 2025: дата, коли агентне програмування стало масовим
У технологічних дискусіях часто шукають символічні дати — вихід iPhone, запуск AWS, реліз GPT-3. Для агентного програмування такою датою дедалі частіше називають грудень 2025 року. Саме цей момент співрозмовники описують як «дуже конкретну» точку перелому, яку «всі називають», маючи на увазі появу покоління моделей на кшталт умовних «Opus 4.5», «GPT 5.2 Codex» та їхніх конкурентів.
До цього часу про «агентів» говорили вже кілька років, але здебільшого як про перспективний напрямок. Моделі могли допомагати з автодоповненням коду, генерувати фрагменти функцій, писати тести. Проте вони вимагали постійного ручного супроводу, часто помилялися в архітектурі, погано тримали контекст великих проєктів. Їхня користь була відчутною, але не революційною.
Після грудня 2025-го, за оцінкою ведучих, ситуація змінилася якісно. Системи агентного програмування стали достатньо ефективними, щоб їх можна було масово використовувати розробниками у повсякденній роботі. Йдеться не про поодинокі експерименти, а про стабільну, відтестовану практику, яку великі компанії почали впроваджувати в основні процеси розробки.
Ключова відмінність нового покоління агентів — не лише в «розумності» моделей, а в тому, що вони навчилися працювати як повноцінні учасники інженерного циклу. Вони здатні:
підтримувати довгі ланцюжки завдань,
планувати кроки,
повертатися до попередніх рішень,
враховувати структуру великих кодових баз.
Це вже не просто «автокомпліт на стероїдах», а системи, які можуть брати на себе значну частину реальної інженерної роботи.
Коли більшість коду пише ШІ: нова роль програміста
Найяскравіший індикатор масштабу змін — те, що Ярослав чує від технічних директорів великих компаній у Кремнієвій долині. За їхніми словами, сьогодні 90–97% коду в цих компаніях пишуть AI-агенти, а не люди. Ця цифра звучить радикально, але добре описує нову норму: людина перестає бути основним «друкарем» коду.
Сучасний програміст у такій реальності працює інакше. Замість того, щоб власноруч виписувати кожну функцію, він:
формулює задачу для агента,
ставить обмеження й вимоги,
перевіряє результат,
коригує, коли щось іде не так,
переосмислює постановку задачі, якщо агент системно помиляється.
Фактично розробник перетворюється на постановника задач і рев’юера, який відповідає за якість, відповідність бізнес-логіці та інтеграцію в загальну архітектуру. Написання коду як такого — від окремих функцій до цілих модулів і навіть програм — дедалі частіше делегується агентам.
Це не означає, що людина стала зайвою. Навпаки, її зона відповідальності зміщується вище:
розуміння домену,
дизайн систем,
прийняття компромісів між швидкістю, надійністю та вартістю,
етичні та безпекові рішення.
Агенти добре працюють у межах чітко сформульованих цілей, але саме людина визначає, які цілі ставити, що вважати успіхом і де проходять межі допустимого.
У такій конфігурації з’являється новий тип помилок. Якщо раніше основним ризиком були «баги в коді», то тепер дедалі частіше критичними стають «баги в постановці задачі» — нечіткі вимоги, пропущені кейси, недооцінені ризики. Це змушує компанії переосмислювати процеси: більше уваги до специфікацій, тестів, рев’ю, інтеграційних сценаріїв.
AI-first проти «перебудови»: чому молодим компаніям легше
Компанія Ярослава існує приблизно 2,5 роки і від самого початку позиціонувалася як AI-first. Це означає, що вона будувалася вже в епоху, коли великі мовні моделі були даністю, а не екзотикою, і коли було очевидно, що ШІ стане базовим інструментом для більшості процесів.
Для таких бізнесів агентна трансформація виглядає інакше, ніж для традиційних компаній. Їм не потрібно «переламувати» старі процеси, переконувати скептичні команди, переписувати монолітні системи, які створювалися без урахування можливостей ШІ. Вони з самого початку проєктують:
архітектуру продуктів з урахуванням інтеграції агентів,
процеси розробки, де AI — не додаток, а стандартний учасник,
культуру, в якій використання ШІ не потребує окремого «обґрунтування».
Умовно кажучи, якщо для класичної корпорації «AI-трансформація» — це масштабний проєкт зі зміни мислення, інфраструктури й оргструктури, то для AI-first стартапу це радше еволюція: перехід від «моделей, що допомагають», до «агентів, які виконують».
Це не означає, що викликів немає. Навпаки, компанії на вістрі технологій змушені постійно адаптуватися до нових можливостей моделей, перебудовувати пайплайни, шукати баланс між автоматизацією й контролем. Але вони не несуть інерції попередніх десятиліть, коли код писали виключно люди, а ШІ сприймали як щось додаткове.
Цікаво, що навіть для такої компанії, «народженої в колисці штучного інтелекту», грудень 2025 року став відчутною межею. Ярослав наголошує: ще у 2023-му не було того, що є зараз, коли йдеться про кодинг і агентів. Тобто навіть AI-first бізнеси опинилися в ситуації, коли за один сезон довелося радикально оновити уявлення про те, що саме може і має робити ШІ в розробці.
Від «цифрової трансформації» до AI: як змінюються модні хвилі
Щоб зрозуміти масштаб нинішньої хвилі, корисно подивитися на попередні. Ярослав згадує, як ще до нинішнього буму AI його LinkedIn заповнювали запити від «експертів з цифрової трансформації». Це була мода середнього й пізнього 2010-х: компанії масово впроваджували ERP, CRM, хмарні сервіси, автоматизували документообіг, переводили процеси в цифру.
Потім на зміну прийшли інші тренди. У якийсь момент стало модно говорити про big data, будувати аналітичні платформи, збирати «якнайбільше даних», часто без чіткого розуміння, навіщо саме. Пізніше хвиля web3 і криптоекономіки породила армію «експертів з блокчейну», які так само масово додавалися в LinkedIn.
Сьогодні, за спостереженнями Ярослава, ці хвилі змінилися новою — AI-трансформацією. Індикатор простий, але показовий: хто саме додається в контакти й як себе називає. LinkedIn у цьому сенсі працює як неформальний барометр технологічних мод: по тому, які «експерти» з’являються, можна відчути, куди рухається ринок.
Це не означає, що попередні теми зникли. Цифрова трансформація, big data, web3 залишили слід в інфраструктурі, інструментах, регуляції. Але сьогодні саме AI став тим словом, яке найчастіше з’являється в заголовках презентацій, стратегіях корпорацій і описах вакансій.
Важливе уточнення: співрозмовники ставляться до цих хвиль без іронічного знецінення, але й без захопленого хайпу. Вони бачать у них певну циклічність: кожна нова тема обростає консультантами, модними фразами, «експертами», які продають рішення. І водночас у кожній хвилі є реальне ядро змін, яке не зникає, коли мода проходить.
У випадку AI-трансформації таким ядром стає саме агентне програмування — не як модне слово, а як практична зміна того, як створюється софт.
Переоцінені датасети й справжні вузькі місця AI-систем
На тлі розмов про агентів Ярослав робить ще одну важливу ремарку: важливість датасетів у сучасних AI-системах часто перебільшена. Це звучить майже єретично в епоху, коли роками повторювали мантру «дані — це нова нафта» і будували бізнес-моделі навколо накопичення масивів інформації.
Його позиція нюансована. Датасети можуть бути критичними в окремих задачах, але в реальних імплементаціях AI-систем вузьким місцем зазвичай є не вони. Проблеми частіше виникають:
у постановці задачі,
в інтеграції з існуючими процесами,
в якості інтерфейсів для користувачів,
у відсутності чітких метрик успіху,
у культурі прийняття рішень на основі рекомендацій ШІ.
Щоб пояснити, чому фетишизація датасетів може бути хибною, Ярослав наводить приклад із жирафою. Людині достатньо одного прикладу, щоб навчитися розпізнавати жирафу в майбутньому. Нейромережам традиційно потрібні тисячі чи мільйони зображень. Це показує, що людське навчання працює інакше, ніж класичне машинне — і що не завжди «більше даних» означає «краще рішення».
У випадку агентного програмування це особливо помітно. Коли агенти вже вміють писати код на основі загальних моделей, додаткові корпоративні датасети не завжди дають пропорційний приріст якості. Натомість критично важливими стають:
структура кодової бази,
наявність тестів,
якість документації,
чіткість API-контрактів.
Саме ці речі визначають, наскільки ефективно агент зможе працювати в конкретному проєкті. І це знову повертає нас до ролі людей: вони мають будувати системи так, щоб агенти могли в них працювати, а не просто «заливати більше даних».
Цікаво, що скепсис щодо фетишизації датасетів перегукується з ширшою критикою модних наративів. Як колись було з «роями дронів» чи «дані — це нова нафта», так і зараз частина дискусій про AI зводиться до простих, зручних для презентацій формул. Але в реальних проєктах усе складніше: вузькі місця часто виявляються там, де їх не очікували.
Висновок: агентна трансформація як нова нормальність
Якщо спробувати підсумувати, що саме змінилося після грудня 2025 року, картина виглядає так.
По-перше, агентне програмування перестало бути експериментом і стало масовою практикою. Системи досягли рівня, коли їх можна безперервно використовувати в щоденній роботі розробників, а не лише в пілотних проєктах.
По-друге, роль програміста змінилася. Люди дедалі рідше пишуть більшість коду вручну. Натомість вони формулюють задачі, перевіряють результати, відповідають за архітектуру й бізнес-логіку. За оцінками CTO великих компаній у Кремнієвій долині, 90–97% коду вже сьогодні створюють AI-агенти.
По-третє, AI-first компанії, такі як бізнес Ярослава, проходять цю трансформацію інакше, ніж традиційні гравці. Вони не «перебудовуються», а еволюціонують, інтегруючи нові можливості агентів у вже спроєктовані під ШІ процеси.
По-четверте, нинішня хвиля AI-трансформації вписується в довгу історію технологічних мод — від цифрової трансформації до big data й web3. Але за модними словами стоїть реальна зміна виробничої моделі в софтверній індустрії, яка навряд чи зникне разом із хайпом.
І нарешті, дискусія про агентів оголює важливий зсув у фокусі: від фетишизації датасетів до уваги до процесів, архітектури й людських рішень. У світі, де більшість коду пише ШІ, саме люди визначають, що саме цей код має робити, як його перевіряти і які наслідки матимуть помилки.
Агентна трансформація — це не лише про інструменти. Це про новий розподіл ролей між людьми й машинами в розробці. І, схоже, грудень 2025 року увійде в історію як момент, коли цей розподіл став незворотним.
Джерело
AI-трансформація. Чому люди все ще важливі. mvp #11, 2 сезон — УТ-2