Працюючи над продуктом у сфері енергетичної інфраструктури, я вперше побачила, як тонка межа між «є дані» і «є рішення» може визначати наслідки для тисяч людей. Ми мали доступ до прогнозів, моделей, історичних патернів, але між ними й реальною дією завжди залишався людський фактор: чи зрозуміють це інженер? Чи довірятимуть цьому диспетчери? Чи буде рішення ухвалене вчасно? Саме тоді я усвідомила: проблема не лише в точності алгоритмів, а в тому, як ці алгоритми інтегруються в реальний світ.

«Інновація – це не лише кількість та крутість функцій, а й рівень довіри». Зображення надала Катерина Овеченко

Сучасні технології, зокрема ті, над якими я працюю як продакт-менеджерка, уже дозволяють передбачати кліматичні ризики й погодні катастрофи та проєктувати масштаби їхніх наслідків. Проте зазвичай інформація так і не доходить до людей, яким вона потрібна найбільше: ремонтних бригад, аварійних менеджерів чи мешканців у зоні підтоплення. Або ж ця інформація настільки складно сформульованою, що її важко зрозуміти.

Прірва між тим, що технології можуть нам сказати, і тим, на що ми справді можемо реагувати, зростає, особливо в умовах кліматичної нестабільності та перевантажених енергосистем.

Для України це вже давно не гіпотетичний сценарій. Масові відключення електроенергії, робота енергомереж під екстремальним навантаженням, залежність від точних прогнозів і швидких рішень, усе це стало частиною повсякденного досвіду мільйонів людей. Напрошується сумний висновок: це і є нова норма. Порівняно схоже бачення сьогодні і в інших країнах – від повеней у Західній Європі до спеки, що перевантажує енергосистеми в Індії та Великій Британії. Але для українського контексту ці виклики вже давно перестали бути теорією.

Працюючи з командами в Україні та за кордоном, я неодноразово бачила, як складні прогнози залишаються невикористаними просто тому, що вони не були «перекладені» мовою операційних рішень.

Продакт-менеджери можуть закрити цю прогалину за допомогою ШІ, але лише якщо перестануть ставитися до нього як до магічного розв’язання проблеми.

Це інструмент (дуже хороший інструмент) для виявлення закономірностей у складних, великих масивах даних та виявлення ризиків до того, як вони перетворяться на катастрофи. Складна частина – це зробити так, щоб люди довіряли інформації достатньо, аби діяти. Продакт-лідерам недостатньо просто створювати інноваційні системи; вони мають створювати системи, які пояснюють себе, які чітко показують, хто відповідальний, коли щось іде не так. Тому що коли ти кажеш людині евакуюватися або вимкнути лінію електропередачі, пояснення «так сказав алгоритм» – недостатньо.

Що ШІ вже вміє – і де він досі слабкий

ШІ став одним із наших найпотужніших інструментів для розуміння погоди. Він може обробляти радарні дані, супутникові та картографічні зображення, а також показники сенсорів у масштабах, яких жодна людська команда не подужає. За умови належного тренування моделі здатні вловлювати невидимі сигнали: ледь помітні температурні коливання, що передують шторму; зміни вологості ґрунту, що сигналізують про майбутню повінь; або ланцюгову реакцію змін тиску, що призводить до удару блискавки.

Поза межами прогнозування ШІ вже застосовується для передбачення та запобігання збоям у мережах. Наприклад, один скандинавський стартап створив систему, що аналізує вібрації та струм на повітряних лініях, щоб визначити, коли дроти можуть обірватися – через екстремальний холод або зграї птахів, що приземляються на них. Коли такі змішані сигнали з’являються, модель визначає точну причину й місце, дозволяючи ремонтним командам діяти до того, як станеться збій. У віддалених регіонах, таких як Ісландія чи північна Норвегія, де бригади не можуть легко дістатися кожної точки, такий вид прогнозного інсайту – це різниця між тимчасовим попередженням і масштабним відключенням.

Це ідеальний сценарій. Реальність, однак, набагато хаотичніша. Дані інфраструктури славляться непослідовністю: сенсори можуть виходити з ладу, супутники можуть бути недоступними, а стандарти звітності відрізняються між країнами. Історичні дані теж не завжди допомагають, бо минуле більше не схоже на майбутнє. Модель, навчена на «нормальній» погоді 1990-х, не знає, як поводитися в умовах сучасної турбулентності.

І навіть коли дані надійні, невизначеність ніколи повністю не зникає.

ШІ не каже нам, що станеться, він каже, що ймовірно станеться. Для операторів мереж це складна дилема: чи перенаправляти енергію із 70% ймовірністю виходу лінії з ладу, чи ризикувати відключенням, якщо ця ймовірність становить лише 40%?

У моїй практиці це завжди має вигляд вічної дилеми між точністю та відповідальністю. Коли система показує конкретний відсоток ризику, хтось має взяти на себе рішення діяти або не діяти. І тут уже важливий не лише алгоритм, а й те, як продукт комунікує рівень невизначеності. Чесність щодо обмежень моделі іноді важливіша за її складність.

І найскладніша частина – інтеграція. Прогнози ШІ мало що значать, якщо вони існують лише в дашбордах. Вони мають переходити в людське прийняття рішень – бути візуалізованими, поясненими і прийнятими людьми в кризових ситуаціях. Якщо система не може зробити свої міркування видимими або завалює користувача цифрами замість сенсу, – це провал, незалежно від того, наскільки система «розумна».

Роль продакт-менеджера в тому, щоб ШІ працював

Більшість моєї роботи була в цьому проміжному просторі – між дата-сайєнтистами, що будують моделі, і людьми, які мають ними користуватися. Із цієї позиції дуже добре видно: справжня проблема не є технічною, вона є практичною.

Більшості організацій не бракує даних. Їм бракує напрямку. Показники сенсорів і журнали технічного обслуговування накопичуються без чіткої прив’язки до рішень, які вони мають інформувати.

Завдання продакт-менеджера – перетворити цю сировину на цінність, використавши ШІ для поєднання реальних болів бізнесу із технологією, здатною їх вирішити.

Робота з технічними MVP навчила мене, що прийняття продуктів майже не залежить від повноти функціоналу. Важливо, чи розв’язують вони критичні проблеми користувачів і чи вписуються у вже існуючий робочий процес, не змушуючи людей змінювати спосіб мислення. Модель, яка вимагає від користувача вивчати новий інтерфейс, інтерпретувати незнайомі метрики або довіряти «чорній скриньці», не буде використовуватися навіть якщо вона технічно краща.

Наприклад, в одному з моїх проєктів ми створили інструмент оцінки ризику удару блискавки, що поєднував структурні характеристики (такі як розмір об’єкта, тип ґрунту, підключені лінії) з історичними даними про блискавки, щоб оцінити ймовірність удару в конкретну точку. Наукова частина працювала, але змусити будівельні компанії, постачальників енергії та нафтові платформи фактично використовувати інструмент у своїх операціях безпеки – це був зовсім інший виклик. Із часом, спростивши інтерфейс і сфокусувавшись на значеннях ризику вище або нижче допустимого рівня, а не на «сирих» ймовірностях, ми завоювали їхню довіру, і система стала частиною їхнього стандартного робочого процесу.

Цей досвід закріпив моє розуміння того, у чому насправді полягає робота продакт-менеджера у сфері кліматичного ШІ. Практично це означає три ключові пріоритети, яких має дотримуватися кожен ШІ-продукт.

Перетворення «сирих» прогнозів ШІ на придатні продуктні функції

ШІ може прогнозувати, коли екстремальний холод може заморозити дроти, або коли масові міграції птахів можуть створити раптове навантаження. Але сам прогноз не корисний, доки не зумовлює операційну реакцію. Для операторів мереж ключове питання – не що може статися, а що нам робити?

Завдання продакт-менеджера – перетворити ймовірності на дії.

Коли ШІ виявляє аномальні вібрації чи падіння температури на конкретних лініях, система має перекласти ці дані в чіткі рекомендації із часовими рамками: оглянути, перенаправити, контролювати.

Саме цей «переклад» робить мережі стійкими. Невеликі прогнози, на які реагують завчасно, запобігають каскадним збоям. Усе залежить від чітких порогів, прозорих рівнів довіри та інтерфейсів, що ведуть користувача до дії без шуму й перебільшень. Коли оператори розуміють, що модель бачить, а що ні, вони можуть діяти швидше і зберігати систему стабільною під тиском.

Створення інтерфейсів і робочих процесів, яким можуть довіряти нетехнічні користувачі

Польові інженери або аварійні планувальники не мають часу розбиратися в довірчих інтервалах чи складних дашбордах. Їм потрібні системи, що подають інформацію в спосіб, який підтримує рішення: чіткий індикатор ризику, лаконічна карта уражених зон і наступний крок, який має сенс у конкретному контексті.

Проєктування такого рівня «зрозумілості» вимагає тестування в тих умовах, де продукт реально використовуватиметься. Продукт, який працює прекрасно в офісі, може поводитися зовсім інакше в диспетчерській під час шторму. Шум, стрес і брак часу, у поєднанні з нестабільним зв’язком, який унеможливлює завантаження важких дашбордів, змінюють те, як люди читають і інтерпретують інформацію. Єдиний спосіб знайти вразливості – це спостерігати, як продукт функціонує в реальних операційних умовах, і вдосконалювати його на основі того, як люди ним користуються.

У деяких продуктах я навмисно спрощувала те, що здавалося «інженерно красивим». Ми прибирали зайві графіки, залишали лише три ключові сигнали, змінювали формулювання рекомендацій. І кожного разу це збільшувало реальне використання системи. Для мене це стало важливим уроком: інновація – це не лише кількість та крутість функцій, а й рівень довіри.

Хороший дизайн природно вписується в існуючі робочі процеси, тому користувачам не доводиться переосмислювати свою роботу. Коли система комунікує ризик у знайомих термінах, чесно визнає невизначеність і поводиться передбачувано, люди вчаться покладатися на неї. Із часом така послідовність формує довіру значно ефективніше, ніж полірування візуалів.

Забезпечення відповідності регуляціям

У регульованих сферах, як-от енергетика та будівництво, відповідність – це умова відповідального дизайну. Рамки на кшталт GDPR та EU AI Act, зокрема в контексті Євроінтеграції, накладаються на існуючі стандарти IEC та будівельні норми, що вже регулюють те, як будуються і утримуються енергосистеми. Разом вони вимагають, щоб системи ШІ залишалися аудитованими та відстежуваними протягом усього життєвого циклу. Дотримання цих вимог означає розуміння того, як прозорість формує і архітектуру, і користувацький досвід.

На практиці це означає побудову ланцюжків аудиту, які фіксують, які дані використовувалися, як вони оброблялися та як система дійшла до певного результату. Це також означає оцінювання мінімальної кількості інформації, необхідної для ефективного надання послуги, без збору чи розкриття зайвого. Проєктування з таким самообмеженням допомагає захищати конфіденційність та зберігати прозорість згідно з регуляційними вимогами.

Мета тут не лише в тому, щоб відповідати закону, а й у тому, щоб зробити логіку системи зрозумілою та гідною довіри.

Коли відповідність стає частиною дизайн-процесу, це зміцнює надійність продукту. Системи, які можуть пояснити свою поведінку, легше підтримувати, покращувати та їм легше довіряти.

Сьогодні, працюючи із ШІ-рішеннями у сфері кліматичних ризиків, я дедалі більше переконуюся: відповідальна інновація починається не з моделі, а з питання «хто і як цим користуватиметься?». Якщо продакт-команда не враховує реальні умови, стрес, нормативні обмеження та людський фактор, навіть найкращий алгоритм залишиться лише прототипом.

Фінальні думки

ШІ вже довів, що він здатен передбачити більше, ніж ми здатні встигнути опрацювати. Наступний виклик – застосування: як вбудувати ці системи в щоденні рішення енергокомпаній і аварійних команд. Створення продуктів, яким люди можуть довіряти і які вони можуть зрозуміти, зробить для стійкості енергомереж більше, ніж будь-який новий алгоритм. Справа не в більш «розумних» моделях; справа в більш «розумному» використанні.