Сховище даних для ШІ: чому без DWH корпоративні агенти фантазують

ШІ-агент у фінансах чи банку працює рівно настільки добре, наскільки чисті та пов’язані дані, які йому дали. Без корпоративного сховища (DWH) з єдиною «правдою», історією і правами доступу агент відповідає впевнено, але не обов’язково правильно. Тому перші гроші на ШІ розумно вкладати не в «ще одного бота», а у фундамент: DWH, вітрини і планування поверх них.

Цифри, які протверезюють

На конференціях ШІ продають як чарівну паличку. У звітах про прибуток паличка поки частіше працює як указка.

  • Gartner: компанії покинуть 60% ШІ-проєктів, які не спираються на «AI-ready» дані. 63% організацій або не мають потрібних практик управління даними, або не впевнені, що мають (Gartner).
  • McKinsey, State of AI 2026: 37% респондентів бачать хоч якийсь ефект ШІ на EBIT. «Вищих виконавців», у кого ШІ дає від 5% EBIT, як і раніше близько 6% (FM Magazine).
  • НБУ, опитування бізнесу: частка українських підприємств, які вже використовують ШІ, зросла з 13,1% у другому кварталі 2025 року до 23,4% у третьому кварталі 2026-го. Серед великих компаній показник сягнув 33,2%, серед малих – 17,7%. Ще 29,8% розглядають таку можливість, а головним викликом бізнес називає безпеку даних (Forbes Ukraine).

Висновок простий. Гроші від ШІ отримують не ті, у кого модель розумніша. А ті, у кого дані в порядку і вбудовані в процеси.

Чому ШІ без сховища «фантазує»

Уявіть нового фінансового директора, якому в перший день видали п’ять Excel-файлів із різною виручкою за один квартал. Людина хоча б запитає: «А яка з них справжня?». ШІ-агент не запитає. Він візьме першу-ліпшу цифру і красиво пояснить, чому вона зросла.

У «фантазій» корпоративного ШІ зазвичай три корені.

  1. Кілька правд. Виручка в ERP, у CRM і в управлінському звіті рахується по-різному. Чисельність у HR-системі не б’ється з ФОП у бухгалтерії. Агент не знає, хто має рацію, і не повинен вирішувати це за вас.
  2. Немає історії та контексту. Прогнозу потрібні три-п’ять років зіставних даних. А в житті план рахунків переробили двічі, філії об’єднали, а довідник номенклатури веде кожен склад сам. Gartner називає ключовою вимогою, щоб дані були репрезентативні для задачі, з усіма помилками і викидами.
  3. Немає правил доступу і походження даних. Якщо не можна показати, звідки взялася цифра і хто має право її бачити, агент або збреше недоказово, або покаже зарплату директора менеджеру із закупівель. Друге навіть гірше.

Сховище даних вирішує всі три задачі одразу. Це не «ще одна база», а домовленість компанії про те, що вважати правдою, записана в коді.

Як виглядає сховище, готове до ШІ

Добре DWH нагадує кухню ресторану: сировина приїжджає від різних постачальників, її миють, розкладають по цехах і тільки потім віддають кухарю. ШІ-агент – це кухар. Пускати його одразу на склад із немитою картоплею не варто.

Робоча архітектура для холдингу або банку виглядає так, знизу вгору:

  1. Джерела. ERP (JD Edwards, SunSystems, успадковані облікові системи), HCM і зарплата, CRM, АБС у банку, Excel філій.
  2. Завантаження й очищення. Регулярні пайплайни, перевірки якості, журнал помилок.
  3. Ядро DWH. Єдині довідники (клієнти, номенклатура, оргструктура, рахунки), історія змін, зв’язка даних із різних систем.
  4. Вітрини. Управлінська, регуляторна, HR-, кредитна – під конкретні питання бізнесу.
  5. Шар метаданих. Бізнес-глосарій («що ми називаємо EBITDA»), лінідж (звідки цифра), ролі та права. Саме цей шар перетворює звичайне сховище на AI-ready.
  6. Планування і BI. IBM Planning Analytics (TM1) для бюджету, форекасту та консолідації; дашборди для керівництва.
  7. ШІ-шар. Агенти та асистенти, які читають вітрини і моделі планування з правами конкретного користувача.

Зверніть увагу: ШІ стоїть на сьомому поверсі. Якщо почати будувати дім із нього, дім буде дуже сучасним і дуже недовгим.

Де тут ШІ

Добра новина: вендори вже будують агентів саме поверх даних і моделей планування, а не «в повітрі». Ось що доступно сьогодні, а не в презентаціях на 2030 рік.

Агент у плануванні

У червні 2026 року IBM випустила Planning Analytics Agent. Він працює в Planning Analytics Workspace 2.1.21 і 3.1.9 та в надбудові для Excel. Функції промовисті: Explain Cell («чому в цій комірці така цифра»), Forecast Insights, Chart Insights. Для власних сценаріїв є понад 30 MCP-інструментів для аналізу, моделювання і звітності. Їх можна підключити до watsonx Orchestrate та інших MCP-сумісних агентів.

На практиці CFO запитує словами: «Чому філія у Львові не добрала маржу в третьому кварталі?». Агент розкладає відхилення за чинниками просто в моделі. Але тільки якщо факт у модель прийшов із DWH чистим і вчасно.

Агент у самому сховищі

21 жовтня 2026 року IBM вивела в загальний доступ агентну інтеграцію даних у watsonx.data integration. Користувач описує потрібний потік даних словами, агент пропонує джерела і схему пайплайна, людина затверджує. Важливіше інше: агент працює з правами того, хто його викликав, а його дії логуються разом із лініджем. Для банку під наглядом регулятора це не дрібниця, а умова допуску.

Що це дає і чим ризикуєте

Сценарій На яких даних Ефект Головний ризик
Пояснення відхилень план/факт Куби Planning Analytics + факт із DWH Аналітик витрачає години на висновки, а не на звірку Агент пояснює помилку завантаження як «ринковий тренд»
Статистичний форекаст 3-5 років зіставної історії Базовий прогноз за хвилини, люди сперечаються про поправки Розриви історії після реорганізацій
Контроль якості даних Пайплайни і журнали завантажень Проблему видно до того, як її побачить правління Хибні тривоги, на які перестають реагувати
Питання правління «людською мовою» Вітрини + бізнес-глосарій Відповідь без заявки в ІТ Плутанина визначень, витік даних повз права

Окремий сигнал ринку: за даними McKinsey, частка великих компаній (від $1 млрд виручки), що масштабують агентів хоча б в одній функції, зросла з 27% до 40%. У компаній менших стоїть на 22%. Розрив будується не на моделях, а на інфраструктурі даних.

Україна: попит є, фундаменту бракує

Україна рухається до регулювання ШІ за європейськими правилами. Мінцифри опублікувало Дорожню карту та Білу книгу з регулювання ШІ, запустило регуляторну пісочницю, а протягом 2026 року робоча група має розробити профільний євроінтеграційний закон, синхронізований з AI Act (PRAVO.UA). Україна також підписала Декларацію Блетчлі та Рамкову конвенцію Ради Європи щодо ШІ.

Фінансовий сектор рухається паралельно. НБУ опублікував дискусійний документ з етичного та відповідального використання ШІ учасниками ринку і збирає з компаній дані про практики застосування ШІ для підготовки Білої книги (Інтерфакс-Україна).

А тепер головне. За опитуванням НБУ, ШІ вже використовує майже чверть українських підприємств, причому серед великих – третина. І головним викликом бізнес назвав не моделі й не бюджет, а безпеку даних. Тобто рівно те, що вирішує сховище: правила доступу, лінідж і єдині визначення.

Окремо: обліковий контур, який доведеться міняти

У багатьох українських компаній джерелом даних для сховища досі є успадкований обліковий контур на 1С або BAS. Указом президента №601/2024 вся лінійка BAS потрапила під санкції, а в січні 2026 року Держспецзв’язку внесла ці продукти до переліку забороненого програмного забезпечення для державного сектору та об’єктів критичної інфраструктури – банки до неї належать. Прямої заборони для приватного бізнесу поки немає, але законопроєкти про поступову відмову від 1С/BAS для всіх суб’єктів господарювання вже внесені.

Для DWH це означає просту річ: будувати фундамент даних на джерелі, яке доведеться міняти, – марна робота. Починати логічно з того контуру, який мігрує найпростіше і дає сховищу найчистіші дані. Кадри, табельний облік і розрахунок зарплати – саме такий випадок: RBC HCM Solutions закриває весь цей контур, має українську локалізацію та україномовний інтерфейс і штатно інтегрується з обліковими системами (SAP S/4HANA, Oracle EBS, JD Edwards, SunSystems, Microsoft Dynamics 365) та з АБС банку. Після такої заміни зарплатні й кадрові дані приходять у сховище з системи, яку не доведеться виводити з експлуатації через рік.

Типові помилки

  • «Спочатку бот, потім розберемося». Демо на трьох красивих питаннях проходить на ура, а на четвертому реальному агент знаходить три різні виручки. Довіра правління втрачається за одну нараду.
  • DWH як ІТ-проєкт. Якщо визначення показників пише саме ІТ, фінанси їх не визнають. Власник даних – бізнес, а не серверна.
  • «Все і одразу». Спроба затягнути у сховище всі системи компанії до першого результату. Через рік проєкт їсть бюджет, а правління їсть керівника проєкту.
  • Планування окремо від факту. Модель бюджету годують ручними вивантаженнями, і форекаст старіє раніше, ніж його затвердять.
  • Права доступу «потім». Агент із сервісним обліковим записом бачить усе. Це пряма дорога до інциденту.

Терміни і гроші: порядок величин

Оцінки нижче – орієнтир для розмови, а не прайс: усе залежить від кількості джерел, ліцензій і стану даних.

Етап Обсяг Термін
Діагностика даних Карта джерел, 20-30 ключових показників, оцінка якості 3-6 тижнів
Перша вітрина + планування 2-3 джерела, управлінська вітрина, модель бюджету в Planning Analytics 3-5 місяців
ШІ-пілот поверх неї Один сценарій: пояснення відхилень або форекаст 6-10 тижнів
Масштабування Інші домени, регуляторні вітрини, агенти для різних ролей 9-18 місяців, хвилями

За грошима правило просте: діагностика і пілот зазвичай вкладаються в десятки тисяч доларів, повноцінне сховище для холдингу або банку – у сотні тисяч. Найдорожче обходиться не проєкт, а ще рік рішень за цифрами, яким ніхто не вірить.

Що робити власнику: 5 кроків

  1. Поставте одне грошове питання. Не «впровадити ШІ», а «закривати місяць і оновлювати форекаст за 5 днів замість 15» або «бачити маржу по кожній філії щотижня».
  2. Призначте власників показників. У виручки, маржі, чисельності та ФОП має бути одна людина з іменем, а не «відділ».
  3. Замовте діагностику даних до вибору ШІ-інструмента. Які джерела, скільки років історії, де розбіжності, хто що має право бачити.
  4. Будуйте вітрину під питання, а не сховище під усе. Перша вітрина плюс модель планування – і тільки потім агент поверх.
  5. Вимірюйте агента як співробітника. Точність відповідей, заощаджені години, кількість помилок, спійманих людиною. Немає метрики – немає масштабування.

Висновок

ШІ у фінансах і банкінгу – це не про те, чий чат-бот розумніший. Це про те, у кого цифри сходяться з першого разу. Сховище даних і планування на IBM Planning Analytics дають агенту те, чого йому бракує від народження: пам’ять, правила і совість у вигляді лініджу. Хто закладе фундамент у 2026-2027 роках, той отримає віддачу від агентів, коли конкуренти все ще звірятимуть Excel.

Якщо хочете тверезо оцінити, чи готові ваші дані до ШІ, і з якої вітрини почати, – команда RBC Group Solutions працює з DWH, IBM Planning Analytics і ШІ-шаром поверх них в Україні, Казахстані та Узбекистані. Почнімо з розмови про ваше головне грошове питання.

Часті запитання

Чи потрібне сховище даних, щоб впровадити ШІ в компанії?

Для іграшкового чат-бота – ні. Для ШІ, який відповідає на питання про гроші, людей і ризики, – так: йому потрібні єдині визначення, історія і права доступу. Gartner прогнозує відмову від 60% ШІ-проєктів без AI-ready даних.

Що таке AI-ready дані?

Це дані, які повно описують конкретну задачу, забезпечені метаданими і постійно контролюються за якістю. Це не разове чищення, а постійна практика.

Що вміє ШІ в IBM Planning Analytics?

Planning Analytics Agent відповідає на питання звичайною мовою, пояснює значення комірок, допомагає з прогнозами і графіками. Понад 30 MCP-інструментів дозволяють підключати моделі планування до інших агентів.

Скільки часу займає перший результат?

Орієнтовно: діагностика даних – 3-6 тижнів, перша вітрина з моделлю планування – 3-5 місяців, ШІ-пілот поверх неї – 6-10 тижнів.

Які ризики у ШІ-агентів у фінансах?

Впевнені неправильні відповіді на брудних даних і доступ повз права користувача. Лікується лініджем, рольовою моделлю і людиною, яка затверджує рішення.

Чи готовий український бізнес до ШІ?

Попит є: ШІ використовує 23,4% підприємств, серед великих – 33,2%. Але головним викликом бізнес називає безпеку даних, а це питання сховища, а не моделі.

Джерела

  1. Gartner: Lack of AI-Ready Data Puts AI Projects at Risk – лютий 2025.
  2. FM Magazine: огляд McKinsey State of AI 2026 – вересень 2026.
  3. Forbes Ukraine: опитування НБУ про використання ШІ підприємствами – листопад 2026.
  4. Інтерфакс-Україна: НБУ готує Білу книгу щодо ШІ у фінсекторі – 2026.
  5. PRAVO.UA: в Україні готують профільний закон про ШІ за стандартами ЄС – 2026.
  6. IBM Community: IBM Planning Analytics Agent – червень 2026.
  7. IBM: агентна інтеграція даних у watsonx.data integration – жовтень 2026.



Залишити відповідь