Для ринку технологічних послуг це означає фундаментальний зсув. Agentic AI змінює класичну модель бізнесу, де складність проєкту завжди дорівнювала кількості залучених спеціалістів і людино-годин. Змінюється все: структура та чисельність команд, суть продуктів, а головне – фокус оплати. Клієнт усе менше купує час інженерів і все більше – вимірюваний результат.
У цій розмові з віцепрезидентом зі стратегії та технологій GlobalLogic Андрієм Яворським 24 Канал розібрав, як ця трансформація змінює економіку IT-послуг, де формуються нові ринки на сотні мільярдів доларів, та як під впливом Agentic і Physical AI перезбирається сама суть інженерної професії.
Еволюція сервісного бізнесу: клієнту потрібні не людино-години, а результат
Найпомітніше змінилися очікування щодо продуктивності, констатує Андрій Яворський. Раніше технологічні компанії могли говорити про 20 – 25% приросту завдяки автоматизації. З розвитком ШІ очікування зміщуються до 50% і більше. Відповідно змінюється й організація роботи: частину завдань забирають ШІ-агенти, а команди стають більш сфокусованими на senior-експертизі.
Для сервісного ІТ це парадокс: якщо бізнес продає години інженерів, а ШІ прискорює роботу в рази – приріст продуктивності скорочує виторг за традиційною моделлю.
Відповідно, конкуренція на ринку поступово зміщується від кількості доступних інженерів до здатності швидше створити для клієнта результат. Власні ШІ-платформи, готові компоненти та галузева експертиза дозволяють менше прив'язувати цей результат до кількості відпрацьованих годин.
У GlobalLogic, де Андрій Яворський обіймає посаду віцепрезидента зі стратегії та технологій, ця трансформація вже відображається в контрактах: компанія переводить співпрацю з класичної моделі Time & Materials (оплата за людино-години) на Outcomes-Based (оплату за бізнес-результат). Якщо за T&M прискорення розробки зменшує кількість білінгових годин, то за Outcomes-Based використання ШІ дозволяє деліверити швидше й меншим ресурсом, перетворюючи ефективність на зростання маржинальності.
До кінця фінансового року компанія прогнозує зростання частки outcomes-based проєктів до 30%.
Для підтримки цієї моделі розбудовується власна екосистема ШІ-інструментів та внутрішнього навчання. Проєкти переходять на Specification-driven development (SDD) та AI-native DLC, де фахівці не пишуть рутинний код вручну, а оркеструють роботу ШІ-агентів. Близько 60% проєктів компанії вже інтегрують ШІ, а команди, які комплексно впровадили його на всіх етапах розробки, досягають оптимізації на 20 – 40%.
Щоб системно підготувати команди, у компанії діє 3-рівнева програма сертифікації: від базової грамотності для всіх фахівців (яку вже пройшли понад 80%) до просунутого рівня для архітекторів.
Паралельно змінюється й профіль фахівця – розвивається концепція Forward Deployed Engineer (FDE). FDE – це інженери, які працюють на стику технологій та бізнесу: вони занурюються безпосередньо в процеси клієнта, розшифровують його бізнес-потреби, формують архітектуру та впроваджують рішення. Сьогодні в GlobalLogic активно виокремлюють таких спеціалістів усередині компанії.
7 мегатрендів ІТ-послуг: де формуються нові мільярди
Говорячи про вплив ШІ, зазвичай лякають автоматизацією та скороченням робочих місць. Але це лише половина картини. Справді, до 2030 року підвищення продуктивності може "стиснути" близько 400 мільярдів доларів традиційного IT-ринку. Під найбільшим тиском опиняться рутинні напрями – стандартна розробка, підтримка софту та обслуговування інфраструктури.
Водночас стрімко зростають нові сегменти: підготовка даних для ШІ, операційне управління ШІ-агентами, інжиніринг ШІ-систем, оновлення застарілих систем, кібербезпека, а також фізичний ШІ (Physical AI). Їхній сукупний потенціал до 2030 року оцінюється приблизно у 450 мільярдів доларів.
Тому йдеться не про "зникнення IT", а про перерозподіл грошей всередині ринку. Інженерна рутина автоматизується й дешевшає. Натомість дорожчає експертиза: здатність навчати й захищати ШІ-системи, інтегрувати автономних агентів і поєднувати софт із залізом. За такого сценарію глобальний ринок технологічних послуг не скорочується, а зростає – з 1,5 трильйона доларів у 2025 році до майже 2 трильйонів у 2030-му.
Цей зсув чітко видно за напрямами, де формується основне зростання: окрім традиційно сильних для GlobalLogic сфер Mobility, Healthcare та Telecom, компанія розвиває нові високонавантажені вертикалі – енергетику, авіацію, дата-центри та критичну інфраструктуру.
Physical AI: коли штучний інтелект виходить у реальний світ
Найцікавіша зміна відбудеться тоді, коли ШІ остаточно вийде за межі цифрового світу. Йдеться про Physical AI – системи, які замикають повний цикл автономії: Sense – Think – Act (Сприйняття – Аналіз – Дія).
Як це працює на практиці? Наприклад, авто отримує дані з камер, LiDAR і сенсорів (Sense), ШІ миттєво оцінює ситуацію (Think) і система здійснює фізичний маневр або гальмування (Act). Схожа логіка працює у робототехніці, автономних складах чи медичному обладнанні.
Головна відмінність від традиційного ШІ – частина обчислень переноситься безпосередньо на сам пристрій, а не у хмару. Якщо перед автомобілем з'являється перешкода, він не може чекати кілька секунд, поки сигнал дійде до хмарного сервера й повернеться назад. Рішення приймається на місці й за частки секунди.
Ринок послуг Physical AI поки значно менший за традиційний IT, але може зрости з $5–10 млрд у 2025 році до $60 – 70 млрд у 2030-му. Найбільш перспективні напрями: автомобільна галузь і мобільність ($19 – 21 млрд), виробництво ($12 – 15 млрд), медичні технології ($9 – 10 млрд) та енергетика ($8 – 10 млрд).
Частина цих сценаріїв уже цілком конкретна:
- В автомобільній галузі є автономне керування, управління автопарками, моделювання та роботизоване виробництво.
- У промисловості – адаптивне керування роботами, автономне переміщення матеріалів, контроль якості за допомогою ШІ та прогнозне технічне обслуговування.
- У медичних технологіях – роботизована хірургія, автономні лабораторії тощо.
До прикладу, у синергії з Hitachi компанія GlobalLogic реалізує такі проєкти для критичної інфраструктури, енергетики та транспорту. Один із практичних кейсів – створення цифрового двійника для атомної електростанції, що дозволило на 20% скоротити потребу у фізичних виїздах інженерів на об'єкт та вдвічі прискорити доступ до технічної документації. Інший напрям – автономний моніторинг інфраструктурних об'єктів за допомогою дронів і комп'ютерного зору.
Нещодавно ці та інші розробки представили у демозоні Physical AI в Кракові для нинішніх та потенційних партнерів компанії.
Зворотний бік автономності: чому кібербезпека стає головним викликом епохи ШІ
Зростання автономності агентів створює не лише нові можливості для бізнесу, а й нові безпекові ризики. Звіт Anthropic Threat Intelligence за вересень 2026 року фіксує якісний зсув: ШІ еволюціонував від асистента в чаті до автономного оркестратора кібератак.
Аналітики Anthropic підкреслюють головний тренд – складна атака більше не вимагає висококваліфікованого нападника. Завдяки публічним багатоагентним фреймворкам розрив у навичках та інструментарії між хакерськими угрупованнями й поодинокими зловмисниками фактично зник. Автономний ШІ бере на себе розвідку, написання інструментів, експлуатацію класичних вразливостей і вивантаження даних. Оператори тепер здатні самостійно спричинити паралельні збої десятків організацій за 2 – 3 години.
У світі Physical AI ціна таких атак стає критичною. Адже мова йде про захист не лише даних, а й фізичної інфраструктури, виробництв і транспортних мереж.
Саме тому напрямок захисту ШІ-систем та складного ПЗ стає одним із сегментів, що зростають найшвидше на ринку. Вирішальну роль тут відіграє доступ до технологій аналізу вразливостей найвищого рівня.
Наприклад, у межах стратегічного партнерства Hitachi та Anthropic компанія стала учасником програми Project Glasswing. Це дає доступ до передової моделі Claude Mythos Preview – інструменту, розробленого для тестування безпеки, виявлення вразливостей та захисту критичної інфраструктури від автономних ШІ-загроз. За даними Anthropic, серед усіх випадків зловживань модель класу Mythos виявилася єдиною, яку хакерам не вдалося залучити для шкідливих кібероперацій.
Менше виконавців – більше інженерів, які розуміють "навіщо"
Усі ці зміни неминуче впливають і на людей, які працюють у технологічній індустрії. Якщо частину типових задач виконують ШІ-агенти, конкурентною перевагою інженера стає не швидкість кодингу. Зростає цінність спеціалістів, здатних бачити систему цілісно: поставити правильну задачу, оцінити бізнес-контекст, спроєктувати архітектуру, ефективно керувати ШІ та перевіряти, чи створює рішення реальну цінність.
Через це змінюється й поріг входу в професію. Модель, де junior-інженер роками виконував просту механічну рутину, відходить у минуле. Оскільки сьогоднішні джуни – це завтрашні сеньйори, вимоги до них зростають вже зі старту: компаніям потрібні фахівці з базовим розумінням системної архітектури, бізнес-логіки та вмінням працювати у зв'язці з ШІ-інструментами. IT-бізнес переорієнтовується на донавчання та вирощування таких кадрів.
А з розвитком Physical AI до цього додається ще один вимір. Інженеру дедалі частіше потрібно розуміти не лише софт, а й локальні обчислення, вбудовані системи, сенсори та фізичне середовище.
Тому головною зміною наступних років стане суттєве підвищення рівня задач, за які відповідає людина.
У підсумку технологічний ринок чекає не скорочення, а перерозподіл вартості. Нові напрями компенсують стискання рутини, а глобальний ІТ-сектор зросте майже до 2 трильйонів доларів. Змінюється механіка: компанії переходять на гнучкі моделі оплати за результат, а інженери стають архітекторами й стратегами. Ринок вимагатиме менше повторюваних дій, але значно більше інтелекту – і саме тут формується майбутнє галузі.