Що я можу збудувати для AI-стартапу з напрямків Y Combinator

Це третя стаття серії. У першій я розібрав AI-напрямки, які Y Combinator шукає на батч Winter 2027. У другій пояснив, як YC фінансує компанії і чому саме в перші місяці після прийняття стартапу найбільше потрібна швидка інженерна робота. Тут без теорії: що конкретно я можу зробити для засновника, який будує продукт в одному з цих напрямків.

Я Дмитро Завада, Senior Full-Stack AI Engineer з Києва, 11+ років у розробці, магістр комп'ютерних наук. Основний стек: TypeScript, React і Next.js, Node.js і NestJS, Python і FastAPI, PostgreSQL. З ШІ працюю як з частиною продукту, а не як з демо-чатом: LLM-інтеграції (OpenAI, Anthropic), RAG на pgvector, AI-агенти з tool calling, власні MCP-сервери, автоматизація процесів, синтез мовлення. Окремий пласт досвіду це фінтех: остання велика робота була продуктом з віртуальними й фізичними картками, через який пройшло понад $1,5 млн.

Саме ці блоки я будую. Нижче як вони лягають на конкретні напрямки.

Найпрактичніший запит списку. Перш ніж компанія зможе «володіти» моделлю, їй потрібні евали з реальних сценаріїв, щоб чесно порівняти орендовану фронтирну модель з відкритою; маршрутизація між провайдерами, де відкрита модель обробляє рутину, фронтирна складні випадки, а при збоях є автоматичне перемикання; і збір даних з продакшну: логування запитів, оцінки користувачів, черга на розмітку. Маршрутизацію між кількома LLM-провайдерами з автоматичним fallback я вже будував у власному AI-асистенті (OpenAI, Gemini, OpenRouter, Groq, плюс RAG і стрімінг через SSE), і той самий підхід масштабується на корпоративний продукт.

Банку, лікарні чи оборонному підряднику потрібен продукт, який повністю працює в їхньому контурі. Моя частина: упакувати бекенд, векторну базу, UI і модель у Docker і Kubernetes, щоб усе розгорталося без зовнішніх викликів; зробити локальний RAG на PostgreSQL і pgvector; додати те, без чого служба безпеки не підпише: ролі, аудит-логи, зберігання даних лише всередині.

Тут продукт це робоче місце людини, яка веде складний кейс (податки, страхування, медичний білінг) з підказками ШІ: агент, що веде по кейсу і пропонує наступний крок; RAG по нормативній базі з посиланнями, щоб оператор міг перевірити кожну відповідь; витягування даних з документів у структуровані поля; інтерфейс перевірки, де правки експерта стають прикладами для покращення системи.

Обидва напрямки про державу, і обидва впираються в інтеграції та довіру до даних: портал для заявника, який одразу пояснює, чого бракує; кабінет інспектора з чергою кейсів і підказками ШІ; API-шар для перевірених даних з джерел зі згодами користувача й журналом доступу; MCP-сервери, через які ШІ-агенти можуть безпечно подавати заявки й отримувати дані. Фінтех-досвід тут доречний: перевірка особи, робота з чутливими даними й аудит у державних системах влаштовані дуже схоже на платіжні.

Кредитори й лізингові компанії для роботів і GPU потребують класичного фінтеху з новим джерелом даних: кабінети позичальника й інвестора, платежі, звітність і телеметрія обладнання як вхід для оцінки ризику. Це поєднання, з яким я працюю найдовше.

Тут ядро робить ML-команда, а я будую все навколо: API інференсу і SDK, щоб клієнти могли вбудувати модель за день; інструменти для оцінки з попарними порівняннями відповідей і збором вподобань; продукт поверх моделі, як-от редактор для авторів, дашборди прогнозів чи голосовий інтерфейс. З синтезом мовлення я працював на StyleTTS2.

Ви працюєте зі мною напряму, а не з менеджером агенції, який передає задачі джунам. Я веду весь шлях від даних до інтерфейсу: модель даних, API, ШІ-логіка, фронтенд, CI/CD і деплой. Працюю довгостроково: запускаю першу версію і лишаюсь на продукті, ретейнер на місяці й роки, а не передача коду через два тижні. Підписую стандартну NDA до того, як ви покажете код чи продукт. І працюю віддалено з Києва: вечір у Києві збігається з першою половиною робочого дня в США, тож щоденні синки з командою в Сан-Франциско чи Нью-Йорку реальні.

Типовий старт: ви надсилаєте короткий опис задачі, ми обговорюємо архітектуру і перший етап, а далі фіксована ціна за етап або погодинна оплата.

Вас прийняли в YC або інший акселератор, гроші вже є, а до Demo Day треба показати працюючий продукт. Є MVP, але він не витримує перших корпоративних клієнтів, і потрібні безпека, ролі, on-prem розгортання. Ви хочете перейти з орендованої моделі на власну і не знаєте, з чого почати вимірювати. Або вам потрібен ШІ-агент, який реально працює з вашими системами, а не відповідає на питання в чаті.

Напишіть мені через форму контактів або на zavada.dmitry@gmail.com. Інші статті серії: які AI-напрямки шукає YC у 2027: https://zavada.dev/ua/blog/y-combinator-ai-startup-ideas-2027 і як YC фінансує стартапи: https://zavada.dev/ua/blog/how-y-combinator-funding-works.

Напрямки взято з Y Combinator Requests for Startups, Winter 2027, https://www.ycombinator.com/rfs; умови фінансування з YC Standard Deal, https://www.ycombinator.com/deal. Дані перевірено 31 жовтня 2026.