Технічний директор фінтеху зазвичай приходить з одним питанням: ми хочемо ШІ, але не хочемо проблем з регулятором, з даними клієнтів і з власною командою безпеки. Консультант зі штучного інтелекту в такій ситуації не пише модель за вас. Він допомагає ухвалити вісім рішень у правильному порядку, поки код ще не написано і помилка коштує годину розмови, а не квартал переробки.
Коротко. ШІ-консультант для CTO фінтеху сортує сценарії за ризиком, порівнює хмарні й локальні моделі за регіоном даних та умовами договору, описує, що йде в запит до моделі, а що ні, і складає план перевірки якості. Ми в Lytvynov Production робимо це в трьох форматах: fractional AI CTO за 2 500 або 4 500 USD на місяць, технічний аудит за 3 500 USD і AI Sprint за 10 000 USD на 4 тижні. Антон Литвинов, засновник компанії, працює саме як fractional CTO для команд, які будують продукти зі ШІ.
Одразу про межі. Ми не юристи і не заміняємо ваш комплаєнс: усе про вимоги регуляторів нижче це орієнтири з первинних документів із посиланнями, а не юридична консультація. І ми не публікуємо ШІ-проєктів для банків: клієнтів, яких у нас немає, ми не вигадуємо. Що в нас є, написано в розділі про досвід.
Вісім рішень, з якими приходить CTO фінтеху
Порядок важливий. Кожне наступне рішення спирається на попереднє, тому консультація зазвичай іде саме так.
Який сценарій брати першим
У фінтеху чотири сценарії трапляються найчастіше: підтримка клієнтів, розбір документів для KYC, пояснення антифрод-спрацювань для аналітика і внутрішній асистент по регламентах. Відрізняються вони ціною помилки. Помилка асистента по регламентах коштує хвилину часу працівника. Помилка в розборі паспортних даних може коштувати відмови клієнтові або, гірше, пропущеного ризику. Тому першим беремо сценарій, де результат перевіряє людина, а дані не виходять з вашого контуру. Скоринг і блокування операцій лишаємо на другий етап.
Хмарна чи своя модель
Хмарна модель (OpenAI, Claude, Gemini, найчастіше через Azure, Amazon Bedrock або Google Cloud) дає найкращу якість і запускається за дні. Своя модель (Llama, Mistral, Qwen на ваших серверах) дає повний контроль над даними, але вимагає GPU, команди для супроводу і, як правило, дає нижчу якість на складних задачах. Правило, яке ми застосовуємо: якщо у запиті немає персональних і банківських даних, беремо хмарну модель. Якщо є, спершу питаємо, чи можна їх прибрати, і лише потім вирішуємо між хмарою з нульовим зберіганням і локальною моделлю. Порівняння хмарних варіантів нижче в таблиці.
Де лежать дані і що летить у запит
Це рішення вагоміше за вибір моделі. Модель може бути з нульовим зберіганням, а застосунок однаково відправляє туди повну картку клієнта, бо так простіше писати код. Ми описуємо для кожного сценарію, які саме поля потрібні, маскуємо решту і зберігаємо власний журнал запитів у вашому контурі. Принцип мінімізації даних прямо названий серед принципів дискусійного документа НБУ: використовувати лише ті дані, які необхідні й релевантні для мети.
Як пояснювати рішення моделі
Для моделей, що оцінюють клієнтів, використовують методи на кшталт SHAP і LIME: вони показують, які ознаки найбільше вплинули на результат. Це доречно для класичних моделей на табличних даних, наприклад скорингу чи антифроду. Для мовної моделі, яка відповідає на запитання, пояснення виглядає інакше: відповідь з посиланням на документ, з якого її взято, і можливістю перевірити. Обираючи метод, ми дивимося, чи рішення стосується клієнта, чи лише працівника.
| Сценарій | Що потрібно показати | Як це робимо |
|---|---|---|
| Внутрішній асистент по регламентах | Звідки взято відповідь | Посилання на документ і фрагмент, оцінка від працівника |
| Чат-бот підтримки | Що сказано клієнтові і коли передано людині | Повний журнал розмови, маркування відповіді як згенерованої ШІ |
| Антифрод-спрацювання для аналітика | Чому система підняла прапорець | Вплив ознак за SHAP чи подібним методом, остаточне рішення за людиною |
| Кредитний скоринг | Чому клієнт отримав таку оцінку | Пояснення для клієнта, перегляд за запитом, валідація на упередженість і документація моделі |
Чим вище в таблиці, тим легше. Чим нижче, тим більше роботи й тим більше вимог, зокрема за AI Act, про які нижче.
Журнал і аудит
Для кожного виклику моделі пишемо: хто і коли звернувся, яка версія моделі й інструкції відповіла, які поля пішли у запит (з масками), що повернулося і що зробила людина. Це потрібно не лише регуляторові. Коли після оновлення моделі поведінка змінилася, тільки журнал показує, коли саме. Журнал має жити у вас, а не лише у постачальника.
Як оцінювати якість
Збираємо набір реальних прикладів, зазвичай від 30 до 100, із правильними відповідями від ваших фахівців і проганяємо модель перед кожною зміною. Для фінтеху додаємо окремі перевірки: чи не розкриває модель зайвого, чи не виконує інструкцій, прихованих у тексті документа, чи однаково працює для різних груп клієнтів. Дискусійний документ НБУ очікує, що учасники ринку розглядатимуть тестування й валідацію моделей як мінімум раз на квартал, а також перевірку в нестандартних умовах: при збоях і неповноті даних, при масштабуванні.
Скільки це коштує
Складових чотири: розробка, токени моделі, хмара чи сервери, супровід. Розробку фіксуємо: AI Sprint 10 000 USD. Токени залежать від обсягу, і ми показуємо розрахунок на ваших реальних запитах, а не на загальних цифрах. Хмара для невеликого сервісу рідко стає головною статтею, а от супровід, тобто оновлення моделей, перевірка якості й підтримка інтеграцій, варто закладати в бюджет з першого дня.
Хто в команді
Для першого сценарію зазвичай вистачає одного бекенд-розробника, людини з боку продукту, яка знає процес, і представника комплаєнсу або безпеки, який бачить опис системи до запуску. ML-інженер потрібен, коли ви тренуєте або донавчаєте власні моделі. Для чат-бота чи асистента на готовій моделі він часто зайвий. Якщо такої команди немає, її роль на старті виконує консультант, а далі ми допомагаємо найняти потрібних людей, не залишаючи вас із компанією, від якої неможливо піти.
Які хмарні моделі підходять для даних клієнтів
Таблиця зібрана з офіційних документів постачальників і перевірена 19.11.2026. Умови змінюються, тому перед рішенням відкрийте першоджерело. Ціни в таблицю ми не виносимо свідомо: у всіх варіантів оплата йде за токени або за обчислювальні ресурси, а тарифи змінюються частіше, ніж умови про дані. Останній стовпець це наша інженерна оцінка, а не висновок регулятора.
| Варіант | Регіон даних | Договір про обробку даних | Оплата | Придатність для персональних даних (наша оцінка) | Джерело |
|---|---|---|---|---|---|
| OpenAI API | Є окрема сторінка про data residency, регіони дивіться там | Підписується в обліковому записі | За токени | Для знеособлених даних так. Для персональних потрібні нульове зберігання за окремим схваленням і юридична оцінка. Логи до 30 днів | developers.openai.com |
| Claude API (Anthropic) | Уточнюйте в умовах вашого тарифу | Входить у комерційні умови | За токени | Аналогічно: за замовчуванням не навчається на ваших даних, видалення протягом 30 днів, нульове зберігання за угодою | privacy.claude.com |
| Gemini через Google Cloud (Vertex AI) | Регіональний ендпоінт тримає кеш у вибраному регіоні, глобальний може обслуговувати з будь-якого | Умови Google Cloud | За токени | Прийнятно, якщо вже працюєте в Google Cloud і обрали регіональний ендпоінт | docs.cloud.google.com |
| Azure OpenAI (Microsoft Foundry) | Географія ресурсу, DataZone для ЄС обробляє дані в межах ЄС | Microsoft Products and Services DPA | За токени | Найкоротший шлях, якщо ви вже на Azure і маєте там договори | learn.microsoft.com |
| Amazon Bedrock | Регіон AWS, який ви обрали | Умови AWS, окрема сторінка про GDPR | За токени | Аналогічно Azure: для тих, хто вже в AWS | aws.amazon.com/bedrock/faqs |
| Локальна модель (Llama, Mistral, Qwen через vLLM) | Ваш дата-центр чи хмара | Не потрібен, але перевірте ліцензію моделі | За обладнання й супровід | Найвищий контроль над даними, найвищі витрати на супровід | vLLM |
Усі п'ять хмарних варіантів при бізнес-використанні за замовчуванням не навчаються на ваших даних. Відрізняється те, що відбувається після запиту: скільки днів журнали лежать у постачальника, хто може їх прочитати і в якому регіоні обробляється запит. Докладніше про це, про маскування і про 15-пунктний чек-лист ми писали в гайді про конфіденційні дані і ШІ.
Що написано в документах регуляторів
Нижче лише те, що ми прочитали в первинних документах і перевірили 19.11.2026. Це орієнтири для розмови з вашим юристом.
НБУ: дискусійний документ про ШІ
Національний банк опублікував дискусійний документ з етичного та відповідального використання ШІ учасниками ринку фінансових послуг (файл на bank.gov.ua, датований 24.03.2026). Це консультативний документ, а не обов'язкова норма: він, за власним формулюванням, спрямований на подальше формування політики, зокрема Білої книги. Що в ньому важливе для CTO.
Спеціального закону про ШІ в Україні немає, і документ прямо це визнає: використання ШІ регулюється опосередковано, через вимоги до управління ризиками, захисту прав споживачів та інформаційної безпеки. За опитуванням НБУ у листопаді 2025 року, в якому взяли участь 208 учасників ринку, 64% повідомили про використання рішень на ШІ чи машинному навчанні, і 23% з них про активне використання.
Принципів десять. Для технічного директора найкорисніші такі: ризик-орієнтований підхід (класифікувати системи ШІ за рівнями ризику самостійно), мінімізація даних, чіткі договірні умови з постачальниками, що забороняють несанкціоноване використання даних чи навчання моделей, нагляд людини, коли результат може мати правові чи фінансові наслідки, і права клієнтів: знати, коли ШІ істотно впливає на рішення, отримувати пояснення і вимагати перегляду. Окремо документ радить мати процедури зупинення або виведення системи з експлуатації та оцінювати критичність постачальників ШІ, включно з можливістю їх заміни.
Пропозиції та зауваження НБУ просить надсилати на [email protected].
НБУ: постанова про хмарні обчислення
Постанова Правління НБУ від 25.08.2025 № 99 затвердила Положення про порядок застосування технології хмарних обчислень. Вона набрала чинності 1 листопада 2025 року, текст опубліковано на сайті НБУ. Вимоги поширюються на банки, надавачів фінансових послуг, оператори платіжних систем та інших, хто користується хмарними послугами. Що з неї випливає для ШІ.
Установа може користуватися хмарою у форматах IaaS, PaaS, SaaS і SECaaS, обираючи постачальника самостійно, у приватній, публічній, колективній або гібридній моделі. Заборонено залучати постачальників, які є резидентами держави-агресора, мають таких бенефіціарів чи обробляють дані в центрах обробки даних на території держави-агресора або тимчасово окупованій території, а також підсанкційних. Заборона діє і для ланцюгових послуг через партнерів постачальника. Договір має містити, зокрема, щорічне надання сертифікатів відповідності стандартам інформаційної безпеки, умови повернення і безпечного видалення даних, повідомлення про зміну партнерів постачальника і право установи розірвати договір в односторонньому порядку, якщо така зміна підвищує ризики. Установи, що вже користувалися хмарою, мали шість місяців від набрання чинності, щоб надати НБУ інформацію про діючий договір і привести його у відповідність.
Для ШІ це означає просту річ: коли ви підключаєте OpenAI, Claude чи Gemini до продукту регульованої установи, постачальник моделі це хмарна послуга, і договір з ним мають перевірити на ці пункти. Чи підходить саме ваш договір, вирішує комплаєнс. Наше завдання, щоб архітектура дозволяла замінити постачальника без переписування продукту.
EU AI Act і GDPR
Якщо у вас є клієнти в ЄС, діє AI Act. Для фінтеху головне: ШІ-системи для оцінки кредитоспроможності фізичних осіб належать до високого ризику за додатком III регламенту (перелік сфер на AI Act Service Desk). За графіком, який діє після Digital Omnibus (Регламент (ЄС) 2026/1744), правила для таких систем застосовуються з 2 грудня 2027 року, а вимоги до прозорості для чат-ботів уже діють. Чат-бот підтримки, внутрішній асистент чи пошук по документах належать до легших рівнів. Повний розбір дат і обов'язків ми зробили в гайді про EU AI Act.
GDPR (Регламент (ЄС) 2016/679) стосується вас, якщо ви пропонуєте послуги людям в ЄС або обробляєте дані за дорученням європейської компанії. Постачальник моделі тоді ваш обробник, і з ним потрібен договір обробки даних. Для України ще діє закон «Про захист персональних даних» від 01.06.2010 № 2297-VI (zakon.rada.gov.ua): стаття 29 регулює передачу даних за кордон, і це питання поставте юристам до того, як запит із персональними даними піде на сервер постачальника за межами України.
Як ми працюємо з фінтех-командами
Формат залежить від того, на якому етапі ви зараз.
Якщо ШІ-стратегії ще немає, а команда не знає, з чого почати, підходить fractional AI CTO: 2 500 USD на місяць за базового формату чи 4 500 USD за глибшого залучення. Ми складаємо порядок сценаріїв, обираємо моделі, описуємо потоки даних, сидимо на розмовах із комплаєнсом і допомагаємо найняти команду. Орієнтовні перші 90 днів і розрахунок вартості описані в окремій статті скільки коштує fractional CTO.
Якщо вже є план чи прототип і хочеться незалежної оцінки, беремо технічний аудит за 3 500 USD: дивимося архітектуру, потік даних, вибір моделі, журнал і тести, і даємо письмовий звіт із ризиками та пріоритетами. Усе, що ми пишемо у звіті, спирається на факти з вашого коду й документів, а не на припущення.
Якщо вибір зроблено і потрібен робочий результат, береться AI Sprint: 4 тижні, 10 000 USD, один сценарій із вимірюваною метрикою. Загальний огляд послуг: ШІ-консалтинг.
Які бувають чесні причини не звертатися до консультанта. Якщо у вас уже є досвідчений ML-лід, який розуміє вимоги регулятора, консультант вам лише ще одна розмова. Якщо ваш сценарій це скоринг на власній моделі, вам, скоріше, потрібен фахівець з валідації моделей, а не ми.
Що вже робила наша команда
Про досвід скажемо прямо і без прикрас. Банківських ШІ-проєктів у нашому портфоліо немає. Є два пов'язані напрями. Перший: платіжна і криптовалютна частина. Для бельгійського клієнта ми зробили цифрову платформу з маркетинговими дослідженнями в ігровому форматі, конвертацією між фіатними коштами й токеном та захищеним криптогаманцем, веб і мобільні застосунки на Android та iOS, з підтримкою понад 10 мов (кейс). Це не ШІ-проєкт, але це досвід роботи з грошима, ролями й безпекою користувача.
Другий: ШІ у продуктах. Наша команда розробила AI Resume Master, окремий продукт зі ШІ, а для клієнтів ми будуємо агентів і інтеграції з моделями для клієнтів. Також ми зробили ERP для американської компанії з обслуговування літаків, де є ролі, журнали дій і контроль відповідності, і саме такі речі потрібні фінтеху довкола ШІ.
Помилки, яких найлегше уникнути на старті
Перша: починають з вибору моделі. Команда тиждень порівнює бенчмарки, а потім з'ясовується, що в сценарій не можна відправляти ті поля, без яких він не працює. Порядок має бути зворотний: спершу дані й ризик, потім модель.
Друга: пілот без вимірюваної цілі. «Подивимося, що вийде» у фінтеху не працює, бо будь-який результат потім доведеться пояснювати комплаєнсу, а пояснювати нічим. До початку роботи записуємо одну метрику й поріг: наприклад, скільки з тестових запитів асистент закриває правильно і без небезпечної дії. Дискусійний документ НБУ прямо каже, що застосування ШІ не має бути формальним чи експериментальним, а тільки обґрунтованим і перевіреним.
Третя: прив'язка до одного постачальника. Моделі змінюються швидше за договори. Якщо промпти, формат відповідей і перевірки розкидані по коду, перехід на іншу модель стає окремим проєктом. Ми ставимо між продуктом і моделлю тонкий шар, через який постачальника можна замінити, а набір тестів прогнати на новій моделі за день. Це відповідає тому, що НБУ радить щодо можливості контролю чи заміни постачальника ШІ.
Четверта: журнал, який веде лише постачальник. Коли треба показати, що сталося з конкретним зверненням клієнта три місяці тому, власний журнал дає відповідь, а запит до чужого сервісу може її не дати.
П'ята: співробітники з особистими акаунтами. Заборона на ChatGPT без альтернативи не працює. Працює офіційний інструмент із правилами, що можна вставляти, а що ні, і з журналом.
З чого почати цього тижня
Заплануйте розмову на 30 хвилин із комплаєнсом і безпекою, а не тільки з розробкою. Складіть список із п'яти кандидатів на перший сценарій і поставте проти кожного три відповіді: чи є там персональні дані, чи перевіряє результат людина, чи можна виміряти успіх за місяць. Перегляньте договір з вашим хмарним постачальником на пункти постанови № 99. І запишіть, хто в компанії відповідає за результат ШІ-системи. Якщо хочете пройти це разом, напишіть нам.
Автор: Антон Литвинов, засновник Lytvynov Production. Матеріал не є юридичною порадою: вимоги регуляторів змінюються, перед рішенням звіряйтеся з офіційними джерелами й консультуйтеся з юристом. Дата оновлення: 19.11.2026.