В IT-компанії Forma за допомогою штучного інтелекту скоротили процес тестування продуктів, автоматизували аналіз реклами конкурентів і заощадили в сервісі підтримки клієнтів. Як саме і які вимірювані результати? Розповідає Федір Котяй, CEO Forma, що створює сервіси для роботи з документами
Заощаджуйте, отримуючи 6 журналів за ціною 4
Купуйте річну передплату на шість журналів Forbes Ukraine за 1 799 грн замість 2 400 грн. Читайте головні історії українського бізнесу, ексклюзивні рейтинги та глибоку аналітику в кожному номері.
Швидке зростання в продуктовому ІТ рідко впирається в ідеї чи амбіції команди. Найчастіше обмеження з’являються на операційному рівні: ручні процеси дорожчають, рішення ухвалюються повільніше, а масштабування втрачає темп.
Компанія Forma, що є частиною Universe Group, створює сервіси для роботи з документами. Ними користуються мільйони людей. І ми досить рано зіткнулися з цими обмеженнями. Автоматизація стала для нас способом зростати без нескінченного найму й переводити команду з ручної роботи в режим стратегічних рішень. Нижче три практичні кейси.
ШІ-автоматизація в розробці
Одним із перших вузьких місць зі зростанням бізнесу стало тестування продуктів. Повторювані сценарії та залежність від ручної перевірки швидко перетворили його на гальмо для релізів.
Перший крок – визнати проблему. Ми побачили, що розширення команди тестувальників не вирішує проблему: ручне тестування (QA) дороге, повільне й надто залежне від людського фактору. Тому ми свідомо перейшли від ручного QA до автоматизованого.
Другий крок – формалізувати повторювані сценарії. Описали базові сценарії кожного релізу (ключові функції та оплати) у вигляді чіткої логіки дій і передали їх на автотести. Те, що раніше перевіряли вручну годинами, система почала проганяти за три хвилини.
Третій крок – вбудувати автотести в реліз. Після кожної зміни система автоматично перевіряє критичні сценарії в браузерному середовищі. Якщо тест не проходить, реліз блокується до виправлення. Перевірка перестала залежати від людей і їхнього часу.
Розсилка Forbes AI: штучний інтелект очима тих, хто ризикує грошима
На старті ми надто швидко відмовилися від ручного тестування, коли автоматизоване покриття ще було неповним і до 70% задач виходили з помилками. Це стало ключовим уроком: для бізнесу нашого масштабу оптимальний перехід – близько одного кварталу з паралельною роботою ручного та автоматизованого QA. Сьогодні процес повністю стабілізований.
У результаті цикл від постановки задачі до релізу скоротився на 40%.
Автоматизація в маркетингу
Forma працює на десятках ринків і мов – від США до Південної Африки. За таких масштабів ручний аналіз реклами конкурентів не працює. Даних занадто багато, вони постійно змінюються.
Ми створили власний інструмент для автоматизованого аналізу конкурентної реклами. Він регулярно збирає рекламну видачу в Google і Bing, відстежує появу нових креативів і зміну меседжів конкурентів у різних країнах і різними мовами. Повторюваність формулювань стала для нас непрямим, але стабільним індикатором ефективності.
Усі оголошення структуруються в прикладний формат (заголовок, опис, логіка подачі) і стають базою гіпотез для наших A/B-тестів протягом 2–4 тижнів залежно від ринку.
Технічна складність цього рішення не в самому парсері, а в побудові інфраструктури, що стабільно працює одночасно в багатьох країнах без блокувань. Для цього ми використали ротацію IP та VPN під різні ринки й об’єми запитів.
Точний ефект такої автоматизації складно порахувати, але коли ця ж система працює на масштабі 150 країн і 35 мов протягом тривалого часу, вона починає давати якісні маркетингові рішення з ефектом, що у підсумку відчувається і на рівні P&L.
Автоматизація в сервісі підтримки
Нині рівень автоматизації служби підтримки у Forma дає змогу компенсувати еквівалент роботи близько 80 співробітників, і з масштабуванням бізнесу цей ефект зростає.
У певний момент ми зіткнулися з операційними труднощами з платежами. Аналіз показав простий патерн: якщо клієнт не отримує швидкої відповіді, він миттєво звертається зі скаргою до платіжної системи – інколи вже протягом 1–2 годин. Затримки у відповідях напряму впливають на ризик-метрики та стабільність платежів.
Паралельно бізнес зростав, а кількість звернень у пікові періоди сягала десятків тисяч на місяць. Масштабувати підтримку виключно за рахунок найму означало б постійне зростання витрат без гарантії швидкого ефекту.
Ми почали з аналізу звернень і побачили, що значна частина запитів повторюється: базові продуктові питання, інвойси. Автоматизацію запустили з простих сценаріїв – системи навчилися швидко визначати намір користувача, знаходити релевантну інформацію та готувати відповідь або контекст для агента підтримки. Уже на цьому етапі близько 15% звернень були оброблені швидше.
Далі ми підключили ШІ, щоб підсилити роботу агентів: система почала об’єднувати повторні звернення, підсвічувати термінові кейси та пропонувати чернетки відповідей на основі історії і бази знань. Це дало змогу довести частку опрацьованих звернень до 35–40%, а з часом – перейти до моделі AI Support Ops, де система навчається на історії листувань і пропонує чернетки відповідей.
Результат: сьогодні понад 50% звернень обробляються за допомогою автоматизації. Без цих рішень команда могла би бути приблизно на 30% більшою.
Замість висновків
Ми свідомо рухаємося так, щоб не скорочувати команду постфактум, а будувати операційну модель, де не з’являються ролі, що швидко втрачають ефективність.
Саме тому у 2026-му ми виокремлюємо автоматизацію та ШІ в окрему бізнес-функцію – BizTech. Це внутрішня команда, яка працює з усіма ключовими департаментами й замінює ручну, механічну роботу прикладними рішеннями.
Об’єктивно порахувати точний ефект таких змін складно. Але ми точно знаємо: без цієї стратегії наша команда була б щонайменше вдвічі більшою, бізнес масштабувався б на 30–40% повільніше, а частину рішень і процесів, які сьогодні дають нам конкурентну перевагу, просто неможливо було б відтворити руками.
