Дата-аналітикиня, випускниця Оксфорду Вікторія Олійник на власні очі побачила стрімкий розвиток ШІ за останнє десятиліття — від перших моделей машинного навчання до сучасних автономних ШІ-систем.
З 2018 року вона допомагає компаніям ефективно впроваджувати ШІ в роботу, її клієнти — Європейське космічне агентство, оператори мобільного зв’язку в Індії та розробники передових чипів для техніки. Сьогодні Вікторія працює в OpenAI над складними технічними викликами, для яких ще не винайшли рішення.
Журналістка Yellow Blue Софія Коротуненко поговорила з Олійник про її кар’єру, найзахопливіші проєкти і стрімкий розвиток ШІ.
Про Вікторію Олійник |
|
|
|
|

Що вас зацікавило в машинному навчанні?
Коли я закінчила школу у 2011 році, ще не було штучного інтелекту, машинного навчання та навіть аналізу даних. Ці поняття лише починали з’являтися в інфопросторі, і один з моїх вчителів порекомендував послухати лекції знаменитого стенфордського професора Ендрю Іна про машинне навчання.
Я одразу закохалася в цю тему. По-перше, це все виглядає математично красиво. По-друге, цю математику можна застосувати до реальних речей, наприклад, передбачити, як формуються ціни або як змінюється температура в певній частині світу. Для мене це було чимось магічним. Так і почалася моя любов до машинного інтелекту, що триває вже понад десять років.
У 2018 році ви почали працювати в компанії QuantumBlack, що була частиною міжнародної консалтингової компанії McKinsey & Company. Як так вийшло? Що саме ви робили?
За QuantumBlack я стежила давно, а вперше почула про них у 2014 році. Це був дуже класний стартап, що працював із «Формулою-1» і розраховував для них оптимальні траєкторії боліда, — ці розрахунки застосовували, коли команда готувала гоночний трек. Уявити щось крутіше за співпрацю з «Формулою-1» було важко.
Коли я закінчила магістратуру у 2018-му, то обирала: або продовжити навчання і здобути PhD, або піти працювати в індустрію. Відкрита вакансія в QuantumBlack переконала обрати друге. McKinsey вже придбала QuantumBlack, але в проєкті залишився стартапівський вайб: вони мали багато свободи, сиділи в окремому лондонському офісі з лабораторією, використовували провідні технології й водночас мали доступ до реальних бізнесів — клієнтів McKinsey.
Всі мої проєкти були міжнародними — ці компанії розташовувались у Великій Британії, Індії, Німеччині, Норвегії та інших країнах. Ми з командою оптимізували виробництво ліків, щоб механізм точно наповнював баночки пігулками, розвантажили банківських працівників від монотонної роботи, покращили роботу 3G-зв’язку в Індії та допомогли інженерам Європейського космічного агентства керувати Міжнародною космічною станцією та іншими космічними апаратами.
Вісім років тому все, що зараз пов’язано з мовними моделями, тільки починало розвиватися як окрема галузь — Natural Language Processing. Тож моя команда застосовувала ШІ як алгоритм, який аналізував дані й виокремлював у них цікаві спостереження або робив прогноз. Наприклад, у банкінгу він передбачав ризики, пов’язані з певними клієнтами, та чи можна давати їм позику.
Коли ми працювали в Індії над 3G-зв’язком, то ШІ аналізував фактори, які впливають на якість зв’язку навколо певної вежі: її висоту, середню кількість людей навколо тощо. Алгоритм допомагав зрозуміти, що треба змінити, аби вежа працювала краще. Наприклад, підняти або опустити її на 10 сантиметрів.
Можете детальніше розповісти про один з проєктів у QuantumBlack? Наприклад, про співпрацю з Європейським космічним агентством (ЄКА)?
Ми з командою провели багато часу в операційному центрі в Німеччині, де стежать за перебігом місії на Міжнародній космічній станції. Нові групи астронавтів регулярно вирушають на орбіту, щоб вивчати космос і його вплив на людину. А команда інженерів стежить із Землі за показниками станції та інших космічних апаратів, якими користується команда, дистанційно лагодить помилки в системі або дає інструкції астронавтам.
Якщо з апаратом щось не так, система про це сповіщає — в інженерному центрі буквально блимає червона лампочка і лунають оголошення з відсилками до «Зоряних війн». Тут треба швидко з’ясувати, що відбувається, — тож вони діставали громіздкі друковані мануали на 500 сторінок з інструкціями на всі можливі випадки і вручну шукали рішення. Ми зробили для них асистента — цифрову модель, в яку інженер вводив параметр, з яким виникла проблема, а алгоритм шукав у мануалах пов’язані з ним сторінки і видавав потрібну інструкцію.
Тоді ми запропонували дуже базове рішення, а тепер з новими можливостями ШІ ми могли б зробити потужнішу систему, за складністю на рівні космічного літака. Наприклад, автономну ШІ-систему, яка сама стежитиме за показниками, передбачатиме збій і даватиме інженерам інструкцію, як йому запобігти. Мені було б цікаво повернутися туди і заново зробити цей проєкт, але гадаю, що в ЄКА це вже зробили. Мені було надзвичайно цікаво спілкуватися з людьми, які віддали своє життя космосу. У цих інженерів горять очі, коли вони розповідають про чорні діри та інші космічні штуки. Це неймовірно.
З червня 2025 року ви працюєте в британському департаментів OpenAI і створюєте ШІ-системи для бізнесів. Чому обрали цю роботу? Якими проєктами ви тут займаєтесь?
Я закінчила MBA і шукала нового виклику. Саме тоді OpenAI почала набирати людей у нову команду інженерів, що впроваджуватимуть ШІ в компаніях. Мені одразу сподобався її підхід до технологій, зокрема те, що їх треба пристосувати до реальних завдань. А також сподобались люди, що вже були в команді, — вони розумні, ініціативні й відповідальні, але водночас скромні та без «корони на голові». На старті нас було п’ятеро, а тепер у команді понад 160 людей, які живуть майже у всіх частинах світу.
Моя робота тут схожа на те, чим я займалася в QuantumBlack, але ще цікавіша — ми працюємо над проблемами «Zero to One» — тими, що ніхто у світі ще не вирішив за допомогою ШІ. Ми жартуємо, що нас «висаджують» на завдання, як морських котиків, і ми одразу маємо зорієнтуватися, що за проблема в компанії, як ми їй можемо допомогти та як наша ідея працюватиме на практиці. Треба завжди мислити нестандартно і помічати, яких даних і інструментів нам бракує, щоб запропонувати справді ефективне рішення.
Який проєкт був для вас першим в OpenAI?
Це була компанія, яка займається дизайном напівпровідників — CPU- і GPU-чипів. Перший — «внутрішній мозок» багатьох пристроїв, включно з побутовою технікою, а другий — графічний процесор і один з найважливіших компонентів для прогресу ШІ, бо він потрібен вченим, щоб тренувати ШІ-моделі.
Моїм завданням було допомогти інженерам працювати із цифровою версією чипа, яку вони тестують перед тим, як пустити його у виробництво. Коли в чипі є проблема, симуляція видає помилку, і дослідники мають, як Шерлоки Голмси, «розплутувати» код, аби з’ясувати, що взагалі трапилося. Ми мали створити систему, яка зробить це за них.
Ця сфера — вузькоспеціалізована, і єдине джерело інформації — інженери компанії, до яких треба було якомога швидше знайти правильний підхід. Ми провели дводенний воркшоп із лекціями та семінарами, де фахівці компанії пояснювали, що вони роблять, з якими проблемами стикаються та як їх зараз розв’язують.

Тоді я лише базово розуміла, як влаштовані чипи, і коли вся ця інформація звалилася на мене, я подумала: «Боже, що відбувається?». Зрештою, ми створили потрібну їм систему, і я багато дізналася про чипи. Це робота, на якій постійно вчишся і все швидше сприймаєш нову інформацію.
Зараз в OpenAI я знову працюю над проєктом, де треба знайти вразливості та баги в нових чипах, які ще не почали виробляти. Нам поставили вельми серйозну й амбітну ціль: щоб у фіналі в чипі не було жодного багу. Усі розуміють, що це неможливо. Але ми намагаємося впоратись і залучаємо сотні агентів, які шукають проблеми і пропонують суперкреативні ідеї, щоб їх розв’язати. Це також дуже цікаво.
Якими ще проєктами займається ваша команда?
У нас був великий проєкт з компанією John Deere, що виробляє трактори, інженерні інструменти й програмне забезпечення для автоматизації роботи фермерів. Треба було оптимізувати те, як вони використовують добрива і хімічні засоби. Як завжди, потрібно було швидко зануритися у всі нюанси їхньої роботи, і ми багато спілкувалися з менеджерами, які супроводжують клієнтів John Deere. У результаті наша система зменшила обсяг розпорошення цих засобів на 60–70 відсотків без втрати ефективності.
Можете пояснити, як виглядають ваші системи? Це щось на кшталт спеціалізованого ШІ-агента, як ChatGPT?
Не зовсім, бо ми вже вийшли на новий рівень. Агенти — це моделі штучного інтелекту, з якими користувач спілкується в чаті і дає їм завдання. Тепер їхні можливості зросли. Наприклад, ChatGPT з дозволу користувача може отримати доступ до Gmail і писати листи від його імені та відправляти їх. Або зробити покупку: знайти потрібну річ за запитом, самостійно заповнити всі дані й оформити замовлення.
Наша команда вже перейшла від чат-інтерфейсів до автономної інфраструктури, яку в нашій галузі називають Harness. Наприклад, для проєкту з інженерами ми побудували систему, яка автоматично й цілодобово перевіряє роботу цифрового чипа. Умовно, вночі інженер спить, а Harness виявляє помилки і «йде» їх досліджувати ― такий глибокий аналіз займає дуже багато часу. Вранці інженер прокидається, а система вже видала звіт про все, що пішло не так, надала ідеї, як це вирішити, — і він одразу має з чим працювати.
Чи ми можемо назвати ці системи Artificial General Intelligence (AGI) штучним загальним інтелектом, який може одночасно виконувати багато різних завдань не гірше за людину?
Термін AGI дуже широкий, але зазвичай він описує такий рівень інтелекту, що може виконувати будь-яку економічно корисну роботу, яку зараз може робити людина. Це більше, ніж ШІ-агент чи Harness-система, бо ті налаштовані на роботу з певними інструментами і можуть робити лише дії, які погодив користувач.
Питання, чи ми вже досягли AGI, спекулятивне, і ніхто в індустрії не може дати на нього конкретної відповіді, бо це абсолютно нова галузь. Різні люди мають різні думки, але загалом ми бачимо, що наближаємося до цього. Наприклад, президент OpenAI Грег Брокман каже, що ми вже стоїмо на порозі AGI.
У OpenAI є декілька ініціатив з допомоги Україні. Можете про них розповісти? До яких ви дотичні?
OpenAI у вересні надала Міністерству цифрової трансформації України доступ до нашої програми для фахівців з кіберзахисту Daybreak. Ця ініціатива допомагає усувати наслідки кібератак і запобігати їм, а також ідентифікувати вразливості у власному програмному забезпеченні. Тепер Україна зможе ефективніше відповідати на кіберзагрози. Я беру участь у цій ініціативі, і вона має для мене велике значення.

Також приємно знати, що OpenAI підтримує Україну кількома способами. Наприклад, у нас також є ініціатива з підтримки незалежних українських медіа через AIRPPU, бо ми розуміємо, в яких важких умовах працюють журналісти під час повномасштабного вторгнення. Тепер вони мають доступ до інструментів ШІ та інструкцій, як їх ефективно використовувати, щоб покращити й полегшити свою роботу.
Паралельно з роботою в OpenAI ви маєте власний благодійним проєкт для підтримки українських біженців — освітній дитячий табір DooBeeGood у Румунії. Як виникла ідея цього проєкту?
DooBeeGood я заснувала разом зі своєю близькою подругою та колегою з QuantumBlack Діаною Мурґлец у квітні 2022 року. Діана румунка, на початку повномасштабного вторгнення її батьки прихистили мою родину й багато допомагали іншим українським біженцям у Румунії.
Ми з Діаною давно цікавилися проблемами освіти і ще до великої війни разом запустили в Україні освітній проєкт про гендерну нерівність. Ми планували більш амбітні проєкти, але ніяк не наважувалися на них. У квітні 2022 року я відчула, що відкладати вже нікуди, і запропонувала організувати табір для школярів-біженців у Румунії. Діана погодилася, і понеслося.
Кошти на перші заїзди ми зібрали серед наших друзів, колег і знайомих. Мене дуже вразило, скільки допомоги і підтримки ми отримали. Багато наших колег із QuantumBlack не тільки допомогли донатами, а й приєдналися до табору як волонтери.
До наступних заїздів долучилися батьки Діани та їхні друзі, мої однокласники й однокурсники з MBA, мами дітей, які вже побували в таборі. У 2024 році ми організували особливий і дуже важливий заїзд з організацією «Діти Героїв» — для дітей, які втратили одного або обох батьків через війну Росії проти України. Це була величезна відповідальність. За кожним нашим заїздом стоїть дуже багато роботи.
Скільком дітям ви вже допомогли?
За чотири роки роботи проєкту ми прийняли понад 350 дітей. Це українські біженці, а також діти з [малозабезпечених] ромських спільнот у Румунії. Загалом ми зібрали понад $66 000 — це донати від нашого з Діаною нетворку й гранти від румунських компаній.
Я дуже вдячна всім небайдужим людям, завдяки яким це стало можливим. Війна забрала в дітей можливість нормально вчитися, спілкуватися з однолітками та пробувати нове. Мені хочеться, щоб якомога більше дітей бачили для себе майбутнє навіть у таких обставинах.
Тепер я думаю про те, як розвивати DooBeeGood далі. За ці чотири роки обставини і потреби дітей змінилися, тож нам важливо зрозуміти, який формат буде для них найкорисніший. Мені хочеться, щоб наш табір дав їм підтримку й можливості, які залишаться з ними надовго.
DooBeeGood — завжди буде благодійною ініціативою чи табір може стати прибутковим проєктом у майбутньому?
DooBeeGood — це насамперед благодійна ініціатива, і ми не плануємо комерціалізувати проєкт у найближчому майбутньому.
Повертаючись до вашої роботи зі штучним інтелектом. Коли ви тільки починали свою кар’єру, чи могли ви уявити, що ця галузь так стрімко розвинеться і стане такою масштабною?
Коли я працювала з логістичними регресіями й дуже примітивними алгоритмами, я не могла уявити, що у 2026 році ми робитимемо такі неймовірні речі зі штучним інтелектом і бачитимемо такі результати, що іноді зриває дах. Все змінилося за дуже короткий проміжок часу, і це неймовірно. Це унікальна можливість ― бачити, як відбувається масштабна технологічна трансформація.
Найбільше, що мене вразило, ― спостерігати, як спрацювали закони масштабування, про які науковці говорили ще п’ять років тому. Тобто якщо збільшити розмір ШІ-моделі, обсяг її обчислень, кількість параметрів і час її тренування, — ми отримаємо набагато розумніші моделі. Я не очікувала, що цей закон так точно передбачить розвиток, — і він продовжує працювати й для подальшого розвитку ШІ.
На вашу думку, що найважливіше треба вміти, щоб ефективно працювати й розвиватися в добу ШІ?
Вміти швидко адаптуватися й продовжувати вчитися. Світ стає більш непередбачуваним, і ніхто не знає, що на нас чекає попереду. Важливо помічати зміни, що вже відбулися, і ті, що тільки назрівають, аби швидко коригувати свій рух відповідно до них.
Також не менш важливо відділити ті речі, що не зміняться незалежно від технологічного прогресу. Наприклад, бізнесу завжди треба розуміти, що насправді потрібно людям, і будувати довіру з клієнтом. Мені здається, що саме на таких речах варто будувати довгострокову стратегію і бути гнучким, коли обираєш способи й інструменти для її реалізації.
Яким ви бачите своє майбутнє в OpenAI і в сфері штучного інтелекту?
Я багато думаю над цим. Наша команда зростає, особливо в європейських відділах, і ми постійно шукаємо нові індустрії, з якими співпрацюватимемо. Незабаром у нас буде багато цікавої роботи у сфері наук про життя й машинобудування, і це дуже захопливо.
Загалом я шукаю нових викликів — складніших завдань в інженерії. Є ще багато невирішених питань, і вони можуть бути ще складнішими, ніж робота з чипами. Це дасть мені багато задоволення.












