Чому ChatGPT на сайті — не панацея. Кейси світових компаній і досвід української
У 2023 – 2024 роках Large Language Model став технічним проривом. Бізнеси масово почали інтегрувати штучний інтелект у сайти та мобільні додатки. Думали, що варто лише «додати AI» — і клієнти самі прибіжать, а операційні процеси стануть простішими. Сьогодні, у 2025 році, стало зрозуміло: не все так просто, як ми думали. Багато компаній злили всі бюджети на інтеграцію, але не отримали нічого.
У цій статті Іван Батарін, Leading WordPress Developer у холдинговій IT-компанії Boosta, розповість про успіхи й невдачі впровадження ChatGPT у світових компаніях, а також про те, як його команда інтегрувала AI у WordPress.
Кейси світових гігантів, які використовують ШІ
Чого всі ці гіганти так масово кидаються інтегрувати штучний інтелект у свої сервіси та процеси? Ну, тут усе банально: конкуренція тисне, інвестори штовхають, усі хочуть економити бюджети й робити більше з меншими витратами. На папері виглядає ідеально — впровадив AI, автоматизував, звільнив людей, а ефективність підскочила. Але в реалі життя трохи складніше, ніж у буклетах.
Фішка в тому, що зараз у США вже понад 90% компаній юзають хоча б одну AI-фічу. Найчастіше — щоб різати витрати, автоматизувати підтримку або нарешті зрозуміти, що там у їхніх даних. Декому пощастило отримали фору на ринку. А в інших усе пішло боком: клієнти розчарувалися, репутація просіла, і в підсумку бізнес не сказав «дякую».
Гляньмо, як це працює на конкретних прикладах. Тут не все так райдужно, як малюють у презентаціях.
Duolingo
Тут вирішили: «А навіщо нам стільки редакторів? Давайте AI сам усе пояснюватиме!» Теоретично — кайф, економія, масштабування. Але юзери швидко зрозуміли, що відповіді стали якісь неживі, гумор зник, фірмовий вайб пропав. У результаті — хейт у соцмережах і відтік частини аудиторії. Ну, класика жанру.
Morgan Stanley
У них AI пішов у діло не для креативу, а для аналітики та підтримки клієнтів. І тут прям зайшло: запити обробляють швидше, рішення точніші, витрати нижчі. Плюс клієнти реально це помітили й навіть оцінили. Одним словом, тут AI-залік.
Walmart і Target
Ці хлопці AI юзають для управління складом, прогнозів попиту та логістики. Виграш очевидний: працюють швидше, гнучкіше реагують на зміни й не треба наймати армію нових співробітників. Бізнесу — профіт, клієнтам — зручніше.
Commonwealth Bank of Australia
Тут усе жорсткіше: скоротили 400+ людей і замінили їх автоматизованими системами. Витрати знизили — галочка. Але реакція була так собі: медіа розкритикували, профспілки бунтують, клієнти теж бурчать на сервіс. Не все так просто, коротше.
Criterion Hospitality
Лондонська готельна мережа поставила AI-кіоски для самостійної реєстрації. Персоналу легше, сервіс швидше, гості задоволені. Але фішка ось у чому — якщо щось пішло не так, завжди можна звернутися до людини. І ось це врятувало якість обслуговування.
AI — це не чарівна паличка. Працює тільки там, де реально потрібен і коли не забувають про людей. Починати треба не з «давайте впровадимо щось модне», а із запитання: «Яку проблему ми вирішуємо?» Інакше навіть найкрутіша технологія може все зіпсувати.
Підписуйтеся на наші соцмережі
Як ми впровадили AI у WordPress
ChatGPT на сайті — це не продукт, а лише технологія. А як саме вона вписана у процеси, наскільки продумана логіка використання, чи врахований досвід користувача — ці чинники й визначають, чекати на успіх чи розчарування.
Ідея проєкту
Стартував у нас цей проєкт із простого, на перший погляд, запитання: «А можна зробити так, щоб ChatGPT допомагав учням із домашніми завданнями?» Здавалося, що рішення лежить на поверхні й не займе багато часу чи ресурсу, ніби це типова інтеграція API. Однак уже за кілька тижнів стало зрозуміло, що попереду на нас чекає багато проблем, нюансів і не дуже простих рішень.
Платформа невелика, її мета — дати змогу учням під час навчання завантажувати домашнє завдання будь-якої форми: текст, скриншот або навіть знімок зошита — і отримувати від AI відповідь: перевірку, підказку чи приклад розв'язання. Усі це має працювати легко, що користувач не напружувався, не писав довгі формати, не витрачав багато часу на навчання. Ключова думка: «Закинув завдання — отримав відповідь».
Компонентний підхід у нашому проєкті
У цьому проєкті ми застосували компонентний підхід, який використовуємо майже в усіх своїх рішеннях на WordPress. Але в нашому випадку йдеться не просто про поділ інтерфейсу на частини — кожен компонент у системі реалізований як незалежний функціональний блок, який містить як фронтенд, так і бекенд-логіку.
Іншими словами, кожен блок — це «мінісистема», яка:
- має свій окремий UI (інтерфейс);
- обробляє свої дані;
- взаємодіє з WP або іншими компонентами;
- не залежить від інших блоків.
Чому це працює
Такий підхід дає змогу:
- не створювати моноліт, де одна зміна тягне за собою зміну всього проєкту;
- легко масштабувати: додавати нові блоки без ризику порушити наявну систему;
- перевикористовувати блоки в інших проєктах — не як копію коду, а як окрему частину з чіткою відповідальністю;
- спростити тестування: кожен компонент можна тестувати ізольовано.
Знаєте, скільки разів я чув, що WordPress — це просто блог для чайників? Та ну, це взагалі міф. Якщо підійти з мізками (а не абияк), зробити нормальну структуру, розкласти все по поличках і не забути про адекватний API — можна побудувати таку машину, що у складних інтеграціях WordPress ще фору дасть серйозним фреймворкам. Головне — не лінуйтеся ізолювати компоненти й думати на кілька кроків уперед. Навіть якщо це звичайна CMS, на виході цілком реально отримати стабільну, масштабовану штуку, а не черговий конструктор на пісочному фундаменті.
Особливості роботи
Під час роботи над цим проєктом ми стикнулися з неочікуваними викликами.
1. Багато працювали з картинками
Люди часто кидають нам завдання не текстом, а фотками із зошитів або скрінами презентацій чи тестів. Деякі були неякісними або занадто важкими. Звідси ми ввели попереднє оброблення зображень: оптимізацію, аналіз якості — і тільки потім передавали матеріал до AI.
2. AI відповіді — занадто розлогі
LLM давав не тільки правильну відповідь, а й розповідав багато зайвого. На папері все виглядало класно, але в реальному проєкті люди губились у кількості інформації. Тому ми зробили такий собі фільтр-промпт, щоб він видавав відповіді саме в тому вигляді, як треба: коротко, ясно і з формулами, якщо вони необхідні.
3. Обсяг контенту й навантаження
Коли ми брали великі картинки, часто виникали проблеми з тайм-аутами і обміном даних із LLM. Щоб не бомбити сервер повторними запитами й не створювати велике навантаження, ми спочатку приводимо весь контент до оптимального вигляду, а потім ставимо його в чергу на обробку. Також зробили систему статусів, щоб студент бачив, що його запит обробляється, і знав, коли чекати на результат.
4. Робота в межах WordPress
Попри всі обмеження WordPress як CMS, ми залишилися в цій екосистемі — і реалізували все через кастомні REST endpoint, асинхронну обробку, логіку черг та інтеграцію з API OpenAI. Це дало змогу зберегти керованість, безпеку та зручність для замовника.
Що ж у нас вийшло?
Результати, які ми отримали
Впровадження штучного інтелекту (AI) у WordPress — це не просто встановити плагін за п'ять хвилин чи натиснути кнопку «зробити класно». За кожним впровадженням стоїть серйозна робота: добре продумана структура, компоненти, перевірка різних варіантів, контроль результатів і розуміння, як користувач буде все це використовувати.
Нам вдалося створити систему, що:
- приймає як текст, так і візуальні матеріали;
- визначає, що саме потрібно зробити — перевірити, підказати або пояснити;
- адаптує відповідь GPT під зрозумілий для учня формат;
- показує свій результат у простому й чистому інтерфейсі;
- має структуру, корисну для подальшого розвитку завдяки компонентному підходу.
Просто додати ChatGPT на сайт — недостатньо. Це лише інструмент. І те, як ви його інтегруєте у свій продукт, має критичне значення.
Він може:
- підвищити якість сервісу — або зробити його бездушним;
- зменшити витрати — або створити нові ризики;
- пришвидшити роботу — або ускладнити підтримку.
І тут немає універсального рецепта. Знаєте, зробити ШІ корисним — це не просто накидати модних технологій і чекати дива. Тут усе змішується: і техніка, й логіка, і нормальний дизайн, і банальний здоровий глузд. Просто «запиляти ШІ» — це взагалі не про успіх. Треба реально створювати щось, що працює саме для вашої ситуації, а не просто для галочки.
Замість висновку
Тому якщо ви плануєте інтегрувати AI у свій сайт чи сервіс — не чекайте на диво. Визначайте конкретну ціль, тестуйте з реальними користувачами, адаптуйте відповіді, не бійтеся помилок — і закладайте основу, яка дасть змогу системі розвиватися разом із вашим бізнесом. Це шлях, який вимагає зусиль. Але результат точно того вартий.