Фінал у гонці Agent — це не той, хто найрозумніший, а той, хто дає найбільшій кількості людей можливість володіти Agent

Написано: DUMKOPITSKA OULO

Чи ви помічали якусь дивну річ: щоразу, коли просите ШІ виконати ту саму роботу, вам доводиться навчати його знову? Сьогодні він має впорядкувати дані, завтра за таке саме завдання знову потрібно буде пояснити все з початку. ШІ ж ніби стає дедалі розумнішим, то чому ми досі займаємося повторюваною працею?

30 березня 2026 року продуктовий реліз силіконової AI-компанії CREAO дав іншу відповідь. Щойно продукт з’явився, він безперервно 5 годин очолював глобальні гарячі пошукові запити у топ-3 на платформі X, спричинивши масові самовільні обговорення з боку технологічних творців і розробників з Північної Америки, Європи, Південно-Східної Азії, Латинської Америки тощо. Після глибокого дослідження цього продукту я виявив, що вони роблять речі, які не схожі на всі наявні на ринку продукти AI Agent. Ця середньо- та північноамериканська змішана команда з топових гігантів Силіконової долини на кшталт Google і Meta знайшла шлях, який усі ігнорували.

Справжня дилема поточних AI Agent

Спершу скажу чітко: напрям AI Agent у 2025–2026 роках справді став дуже популярним. OpenClaw, Claude Code, Devin і навіть DeepSeek в Китаї — ці продукти дали багатьом людям уперше по-справжньому почати користуватися AI Agent. Але щойно ви починаєте користуватися, виникають нові проблеми — і ця проблема значно серйозніша, ніж здається.

Я сам стикався з подібними сценаріями. Минулого тижня я попросив Claude Code написати мені скрипт для збору даних: пішло приблизно двадцять хвилин розмов туди-сюди, ми підлаштовували деталі, і врешті скрипт запрацював. Цього тижня я хотів використати ту саму логіку, щоб зібрати дані з іншого сайту. Теоретично, достатньо змінити кілька параметрів, але я виявив: мені потрібно щоразу відкривати нове вікно діалогу, заново пояснювати свої вимоги, заново підлаштовувати деталі. AI не пам’ятає, як ми узгоджували попередню взаємодію — він може лише починати з нуля. Саме цей досвід змусив мене усвідомити: ключова проблема нинішніх AI Agent не в тому, що бракує можливостей, а в тому, що кожне використання є одноразовим — “використав і спалив”.

Ще більше мене турбує те, що ці потужні AI Agent часто “шукають роботу, щоб виконувати її”. Я лише хотів, щоб він зібрав цінові дані з трьох сайтів і заніс їх у таблицю. Натомість він почав аналізувати тренди цін, генерувати візуалізації, а інколи навіть сам пропонував написати звіт про аналіз конкурентів. Ці функції звучать дуже круто, але мені вони зовсім не потрібні. AI демонструє межі своїх можливостей, а не фокусується на вирішенні моєї конкретної проблеми. Така “узагальнювальна” спроможність шокуюче вражає під час демонстрацій, але в реальному використанні вона створює величезне ментальне навантаження — мені треба витрачати час, щоб зупиняти те, чого я не потребую, і знову й знову наголошувати, що я хочу лише найпростішу задачу збору даних.

Також це питання “ціни/вигоди” — дуже болюче. Коли ви доручаєте універсальному AI Agent виконати просте повторюване завдання, він щоразу мусить наново зрозуміти ваш намір, наново спланувати шлях виконання та щоразу знову викликати різні інструменти. Цей процес не лише займає час, але й якщо використовуєте API, який тарифікується за token, витрати швидко накопичуються. Я підрахував: якщо використовувати Claude або GPT-4 для виконання простого щоденного синхронізуючого завдання за розкладом, то щомісячні витрати на API-виклики можуть виявитися навіть вищими, ніж якби я найняв стажера і просто керував би ним вручну. Це абсолютно нерозумно.

Я обговорював це питання з кількома друзями-розробниками, і враження в усіх було дуже схожим: можливості AI Agent швидко еволюціонують, але доступність, у певному сенсі, деградує. Раніше ми користувалися Zapier або n8n — інструментами автоматизації. Налаштовувати їх було складно, але після того, як усе налаштовано, вони стабільно працювали без повторних інвестицій. Тепер, з AI Agent, налаштування стало простішим, але кожного разу треба знову налаштовувати. Це не прогрес — це заміна старої складності новою. Ключова суперечність у тому, що проблема не в тому, що звичайні люди не можуть користуватися AI Agent, а в тому, що ними неможливо користуватися стабільно, не вдається втримати цей інструмент, і не можна перетворити один успішний діалог на таку автоматизацію, яку можна повторно використовувати.

Філософія “дресирування” CREAO

Коли я вперше побачив демонстрацію продукту CREAO, моя перша реакція була така: ось те, що я давно шукав. Вони дали цьому продукту дуже цікаве позиціонування: Agent Harness, китайською це можна зрозуміти як “дресирування Agent”. Це слово точно описує те, що вони роблять: не зробити AI сильнішим, а зафіксувати й “втихомирити” його можливості, щоб ними міг керувати звичайний користувач.

Ключовий досвід у CREAO дуже прямий. Ви описуєте природною мовою робочий процес, наприклад: “кожного понеділка зранку о 9-й годині скануй зміни цін на трьох сайтах конкурентів, записуй у Google Sheets, і якщо коливання перевищує 10%, повідом мене в Slack”. Система робить таке: розуміє ваш намір, автоматично пише виконуючий код, під’єднує потрібні вам інструменти (Gmail, Google Sheets, Slack, Feishu тощо — у них уже інтегровано понад 300 платформ), а потім — найважливіший крок: ви можете одразу зберегти весь цей процес як Agent, встановити графік для періодичного запуску, і далі він виконуватиметься у заданий час автоматично, без участі AI. Це повністю детерміноване виконання.

Останній крок — душа всього продукту. Після завершення діалогу система все ще працює. Ця фраза звучить просто, але вона вирішує проблему, яку весь індустріальний світ обходить стороною. ChatGPT, Claude та інші розмовні AI-продукти — якщо закрити вікно, то “все зникло”. OpenClaw, Claude Code та інструменти для розробників — хоча вони здатні виконувати складні задачі, вам потрібно самим розгортати й підтримувати їх. Те, що робить CREAO, — це поєднати гнучкість AI з детермінованістю традиційних інструментів автоматизації, щоб один успішний AI-діалог перетворився на автоматизацію, що довго працює.

Мені особливо подобаються ті компроміси, які вони роблять технічно. Багато продуктів AI Agent прагнуть зробити AI розумнішим, більш універсальним і здатним обробляти ще складніші задачі. CREAO обирає інший шлях: вони хочуть, щоб згенерований AI робочий процес міг існувати незалежно від AI та працювати сам. Це означає, що їм потрібно вирішити проблему детермінованості генерації коду — код, згенерований AI, має бути достатньо стабільним і здатним безперервно виконуватися без втручання AI. Також їм треба розв’язати питання стабільності оркестрації між кількома інструментами: коли робочий процес задіює Gmail, Sheets, Slack тощо — як гарантувати, що передавання даних між ними не зламається через формати. У традиційній автоматизації ці проблеми вже вирішені, але в контексті AI Agent їх треба розв’язати заново, тому що робочий процес більше не конфігурує людина вручну — його генерує AI на основі природної мови.

Я спробував це на практиці, і реальний досвід справді відрізнявся від інших продуктів. Я описав запит природною мовою: “кожного дня о 17:00 автоматично підсумуй мої листи в Gmail, позначені як важливі. Витягни відправника та тему, запиши в таблицю Google Sheets. Якщо є лист від клієнта — @гадай мене у групі Feishu”. Увесь процес налаштування зайняв менше 5 хвилин. Я міг в режимі реального часу бачити, як CREAO генерує код, тестує підключення, перевіряє логіку. Після завершення налаштування я натиснув кнопку “Save as Agent”, встановив виконання щодня о 17:00 і більше не керував цим. Наступного дня о 17:00 я реально отримав повідомлення у групі Feishu; відкрив Google Sheets — дані вже були впорядковані відповідно до моїх вимог. Ключ у тому, що мені не потрібно о 16:55 щоразу відкривати діалог у CREAO й знову описувати мої вимоги. Це як “дресирований” асистент: він знає, що має робити щодня, і сам це робить.

Важливою перевагою продукту є також нативна інтеграція понад 300 платформ. Це означає, що для більшості типових сценаріїв робочих процесів у CREAO вже є готові конектори: користувачеві не треба самостійно шукати документацію API, налаштовувати авторизацію або обробляти перетворення формату даних на рівні “деталей”. Ви кажете “запиши дані в Google Sheets” — система вже знає, як це зробити. Ви кажете “надішли повідомлення в Slack” — система теж уже знає, як це зробити. Така плавність взаємодії недосяжна для самостійного написання коду або використання традиційних інструментів автоматизації. Я вважаю, що це і є розуміння CREAO споживчого продукту: знизити витрати на налаштування, щоб звичайні люди могли швидко зібрати власну автоматизацію.

Не робити найсильнішим, робити найпростіше “дресирувати”

Під час дослідження CREAO я постійно думав над одним питанням: чому інші компанії, які роблять AI Agent, не обрали цей шлях? Пізніше я зрозумів: це конкуренція двох абсолютно різних філософій продукту.

Подивіться на Claude Code, який випустила Anthropic, або Devin від Cognition — їхня мета створити найсильніші універсальні Agent. Ці продукти хочуть, щоб AI розумів будь-які запити, виконував будь-які задачі, навіть ухвалював самостійні рішення без чітких інструкцій. Це шлях “зробити Agent розумнішим”. У цьому підході цінність продукту походить від здатності AI до узагальнення: він може справлятися з різноманітними складними проблемами, приймати правильні рішення за різних рівнів невизначеності, і якнайбільше наближатися до способу роботи людського розробника. Цей напрям, безумовно, має цінність, але він природно орієнтований на розробників і професійних користувачів, тому що лише вони потребують і можуть управляти такою гнучкістю.

CREAO обрав інший шлях: не робити найсильніший Agent, а створити Agent, якого найлегше “дресирувати” звичайним людям. Цінність їхніх продуктів полягає не в тому, наскільки розумний AI, а в тому, наскільки легко звичайним користувачам зафіксувати можливості AI у власні спеціалізовані інструменти. У філософії CREAO хороший Agent — це не той, який “вміє все”, а той, який стабільно робить одну річ і який можна повторно використати. Саме ця “зосередженість”, навпаки, є тією рисою, яка найбільше потрібна споживчим продуктам.

Мені спало на думку дуже влучне порівняння. Універсальний AI Agent схожий на універсального консультанта: коли в тебе проблема, можна звернутися до нього — він дасть багато порад, але тобі щоразу доведеться пояснювати фон, описувати потребу, обговорювати рішення. CREAO створює тренувального помічника: ви навчаєте його один раз, як робити конкретну задачу, а потім він сам регулярно виконуватиме її без того, щоб вам доводилося постійно керувати. Перший показує широту можливостей, другий — ефективність використання. Для звичайних користувачів ефективність значно важливіша за можливості.

Різницю в філософіях продукту вже підтвердила реакція ринку. У день релізу CREAO понад 50 провідних технологічних KOL по всьому світу одночасно опублікували матеріали з глибоким досвідом користування, охопивши ринки кількох мов — англійською, іспанською, португальською, корейською тощо. Така самовільна багатомовна “вірусність” трапляється дуже рідко: це означає, що CREAO вирішує глобальну, міжкультурну проблему. Незалежно від того, де ви — у Північній Америці, Європі, Південно-Східній Азії чи Латинській Америці, якщо ви звичайний користувач, який має повторювані робочі процеси, — цей продукт вас зацікавить. Ринок уже проголосував ногами: людям потрібен не більш потужний AI, а більш керований AI.

Я також помітив цікаве зіставлення. Якщо подивитися на продукти, які прагнуть універсальних Agent, їхні демонстраційні кейси зазвичай звучать так: “AI допоміг виконати складне завдання розробки” або “AI автономно проаналізував бізнес-проблему та дав план”. Такі приклади вражають, але їх складно відтворити. Звичайні користувачі після перегляду думають: “вау, як круто”, але не розуміють, як застосувати це у своїй роботі. Натомість сценарії використання CREAO дуже конкретні: моніторинг цін конкурентів, синхронізація даних у таблицю, регулярне надсилання звітів, впорядкування листів, керування списком завдань. Це все речі, які кожен щодня робить, просто тепер їх можна автоматизувати. Різниця в позиціонуванні продукту робить CREAO природно привабливішим для ширшої аудиторії.

Між діалоговим AI та традиційними системами автоматизації CREAO знайшов вдалий баланс. Він зберіг простоту діалогового AI — описуєте потребу природною мовою, не треба вчити програмування або досліджувати складні інтерфейси налаштувань. Також він успадкував надійність автоматизаційних систем: після налаштування він виконує завдання детерміновано, без несподіваних результатів через випадковість AI. Цей баланс дуже рідкісний, бо більшість продуктів “хитаються” між цими крайнощами: або надто гнучко — і стає нестабільно, або надто фіксовано — і не вистачає розумності. CREAO дозволяє користувачеві насолоджуватися гнучкістю AI на етапі конфігурації, а на етапі виконання — детермінованістю автоматизації.

Прозріння команди з Силіконової долини

Мені цікаво, яка саме команда могла створити такий продукт. Поглиблено розібравшись, я дізнався: штаб-квартира CREAO розташована в американській Силіконовій долині, а ключова команда зібрала китайських AI-елітаріїв з топових гігантів Силіконової долини на кшталт Google і Meta, а також технічних лідерів від провідних стартапів у сфері великих моделей в Китаї та зіркових інтернет-компаній. Це справді змішана команда “США + Китай”.

Я вважаю, що бэкграунд цієї команди дуже важливий. Інженери, які вийшли з великих корпорацій Силіконової долини, глибоко розуміють базові технології — вони знають, як будувати стабільні та надійні системи. Натомість продакт-менеджери та інженери з китайських інтернет- та AI-компаній мають сильну чутливість до UX для C-користувачів — вони знають, які рішення дизайну продукту реально знижують поріг використання. Поєднання цих “генів” породило проект на кшталт CREAO — і з технічною глибиною, і з продуктовим “теплом”.

З того, що мені відомо, команда CREAO витратила кілька місяців, щоб спеціально вирішити одну проблему: як зробити так, щоб вихід AI залишався живим після завершення діалогу. На перший погляд це проста задача, але за нею стоїть дуже багато технічних викликів. Код, згенерований AI, за замовчуванням має випадковість: навіть за однаковим описом потреби два рази згенерований код можуть бути абсолютно різними. Як гарантувати, що такі коди достатньо стабільні і можуть безперервно працювати без втручання людини? Як обробляти виняткові ситуації — якщо якийсь API-виклик провалиться, система повинна повторити спробу, виконати деградацію чи повідомити користувача? Як гарантувати, що передавання даних між кількома інструментами не зупиниться через проблеми форматів? Це все інженерні задачі, які традиційні інструменти автоматизації вже вирішили за десятки років, але в сценарії AI Agent ці питання потрібно заново осмислити й розв’язати, тому що спосіб генерації робочого процесу змінився.

Особливо мене вражає те, що команда CREAO не обрала просте рішення. Вони могли зробити, як багато інших AI-продуктів: зберегти згенерований робочий процес, а користувач щоразу вручну запускатиме його. Тоді технічна складність була б значно менша, але користувацький досвід сильно просів би. CREAO обрав справжню автоматизацію — регулярні запуски за розкладом, автономне виконання, обробка винятків, ведення логів. Усі стандартні функції традиційних автоматизаційних систем є в CREAO, і всі вони реалізовані на основі робочого процесу, згенерованого AI. Це вимагає точного балансу між гнучкістю AI та стабільністю системи, а також великого інженерного накопичення і ретельного “допилювання” продукту.

Ще одна річ, яку я особливо відзначив, — архітектура, “execution engine” і інтеграційні протоколи CREAO побудовані власноруч. У нинішньому середовищі AI-стартапів багато компаній обирають швидке “обгортання” — беруть API OpenAI або Anthropic, додають фронтенд-інтерфейс і так можна швидко випустити продукт. Цей підхід швидко валідовує ринок, але складно побудувати справжні технологічні бар’єри для конкурентів. Команда CREAO обрала складніший шлях: почали знизу, побудувавши все від бази, і гарантують, що кожен елемент системи під їхнім повним контролем. Такі технічні інвестиції можуть не проявити перевагу в короткостроковій перспективі, але в довгостроковій — це єдиний спосіб створити бар’єри конкуренції.

Окремо варто згадати, що протягом року CREAO послідовно завершила три раунди фінансування на суми десятків мільйонів доларів США і більше, і після релізу продукт привернув значну увагу з боку ринків капіталу. Це означає, що інвестори також побачили цінність цього напряму: у ніші AI Agent не перемагає той, чиї моделі найбільші, і не перемагає той, чий Agent найрозумніший. Перемагає той, хто зможе реально перетворити можливості AI на продукт, яким користуватися звичайним людям. Саме він і займе позицію лідера на ринку.

Фінальна розв’язка на ринку Agent

Після дослідження CREAO у мене з’явилося кілька нових думок про ринок AI Agent. Я вважаю, що фінальна “розв’язка” в ніші Agent — це не те, у кого найрозумніший Agent, а те, кому вдасться дати найбільшій кількості людей доступ до “власного Agent”. Це докорінна зміна в розумінні.

Протягом останніх двох років уся індустрія “закручувала гайки” на модельні можливості, на фреймворки Agent та на розробницькі інструменти. Усі змагаються: хто зможе змусити AI виконувати складніші задачі, хто здатен досягти вищого рівня автономності за меншої кількості ручного втручання. Така логіка конкуренції має попит у технічній спільноті, бо вона відповідає естетиці інженерів — прагнути меж, кидати виклик, ламати “неможливе”. Але з погляду бізнесу та продукту це може бути не головне поле бою. Справді важливе поле бою звучить так: як знизити поріг використання, як підвищити повторюваність, як дати звичайним людям можливість отримати вигоду з AI Agent у вигляді підвищення ефективності.

Шлях, який уособлює CREAO, по суті полягає у прагненні “знизити поріг дресирування”, а не “підвищити універсальність можливостей”. Ці два напрями не є протилежними — вони обслуговують різні сегменти ринку. Для розробників і професійних користувачів, звісно, потрібні більш потужні універсальні Agent, адже їхні потреби самі по собі складні й змінні. Але для звичайних людей, які становлять понад 90% користувачів, їм потрібен спеціальний Agent, який стабільно вирішує конкретні задачі, а не універсальний помічник, що робить усе, але кожного разу вимагає заново пояснювати. Саме на ці “90% ринку” і спрямований фокус CREAO.

Я особливо погоджуюся з однією тезою: повторюваність є наступним полем бою для споживчого AI. Зараз на ринку будь-які AI-продукти — чи то ChatGPT, Claude, чи різні інструменти Agent — загалом є одноразовим споживанням: користувач ставить запит, AI дає відповідь, і цінність цієї взаємодії закінчується разом із діалогом. Навіть якщо AI дав дуже хороше рішення, наступного разу при подібній проблемі користувач знову має ставити запит, знову чекати, знову перевіряти. У такій моделі цінність AI зростає лінійно: користування 10 разів і 100 разів дає лише просте додавання загальної цінності. А якщо вихід AI можна повторно використати — наприклад, один раз налаштував і він може працювати безперервно — тоді цінність зростає експоненційно: конфігуруєте один раз, використовуєте сто разів, і кожного разу не потрібно вкладатися знову. CREAO саме і перетворює одноразове споживання на повторюваний актив.

Це нагадує мені класичний поворот в індустрії програмного забезпечення. На ранньому етапі розробки ПЗ кожну функцію доводилося писати з нуля. Пізніше з’явилися бібліотеки функцій, фреймворки та компоненти — розробники змогли повторно використовувати код, написаний іншими, і ефективність різко зросла. А потім прийшли low-code та no-code платформи — навіть ті, хто не вміє програмувати, змогли збирати застосунки. Еволюція AI Agent може бути подібною: спочатку кожна розмова починається з нуля, потім з’являються Agent, яких можна зберігати й повторно використовувати, а врешті може виникнути ринок Agent, де люди зможуть ділитися й обмінюватися тими Agent, яких вони вже “дресирували”. Те, що робить CREAO зараз, — це ключовий стрибок від першої стадії до другої.

Моя оцінка така: AI Agent розділиться на кілька різних форм продукту, які будуть обслуговувати різні сегменти користувачів і сценарії використання. Будуть Agent, що прагнуть максимальної універсальності — для розробників і професійних користувачів; будуть Agent, сфокусовані на конкретних вертикальних сферах, наприклад правова, медична, фінансова; і будуть платформи для споживчої автоматизації на кшталт CREAO. Ці напрямки не є конкурентами між собою — вони співіснують і разом формують повноцінну екосистему AI Agent. А в межах цієї екосистеми споживчий сегмент, який обирає CREAO, — це, ймовірно, той, у якому найширша база користувачів і найбільший комерційний потенціал.

Від “найсильнішого Agent” до “Agent для найбільшої кількості людей” — це не лише зміна позиціонування продукту, а й переосмислення цінності AI. Цінність AI не повинна проявлятися лише в тому, що він може виконувати найскладніші задачі — вона має проявлятися в тому, скільком людям він допомагає підвищувати ефективність, вирішувати проблеми та покращувати життя. Продукти на кшталт CREAO показують мені можливість, як AI реально рухається назустріч масам. Коли кожна людина зможе мати власного спеціального Agent і коли щоденні повторювані, дрібні та виснажливі завдання можна автоматизувати — саме тоді AI справді виконає свою місію: не замінювати людей, а звільняти їх від механічної праці, щоб вони могли займатися більш творчим і цінним.