Дизайн має бути зрозумілим. Користувач не оцінить колірне рішення, якщо на сайті базові кнопки розташовані незручно. Ймовірно, людина знайде більш зручний ресурс. Твоя мета — створити привабливий і продаваний товар, не розтратити час і бюджет замовника на нескінченні правки або перероблення з нуля. За результатами дослідження разом із Product Owner можеш побудувати стратегію просування розробки.
Вчені Стенфордського інституту дизайну створили план, за яким ти можеш аналізувати аудиторію і створювати затребуваний дизайн.
Чи складно тобі обирати подарунки? Можливо, батькам сподобається будь-який презент від тебе, навіть банальний. А ось із босом складніше — взагалі нуль ідей. Як бути: знайти додаток для пошуку подарунків або перейти у перший-ліпший інтернет-магазин? Ідеї стартапів іноді виростають із роздумів про повсякденні потреби. Поспілкуйся з людиною або розпитай фокус-групу з п'яти осіб, яких може зацікавити твій майбутній продукт. Так ти краще познайомитися з потенційним користувачем.
Пошуковик Google розуміє нас з півслова. Якщо ми неправильно напишемо запит або зробимо помилку, побачимо люб'язне «Можливо, ви мали на увазі це?». Таких підказок могло не бути, якби не мешканці Індії.
UI/UX Designer Лілія Піддубна розповіла цікавий факт з життя компанії. Історію дизайнерка почула на одному з онлайн-курсів. Одного разу співробітники Google перевіряли внутрішню аналітику й помітили, що в Індії люди рідше користуються їх пошуковою системою. Приїхавши в країну, програмісти стежили за звичками місцевих жителів, запитували про їхні інтереси й просили показати, як вони користуються інтернетом. На той момент якісну освіту у країні мали не всі. Мешканці часто писали запити з граматичними помилками. Після дослідження компанія додала у пошуковик функцію, яка намагається вгадувати слова.

Лілія Піддубна
Спостереження за людиною в її побутовому або робочому середовищі краще, ніж інтерв'ю. Під час бесіди ми іноді говоримо те, чого насправді не робимо. У реальності помітні щирі дії та емоції. Простіший варіант — зателефонувати по відеозв’язку і поставити ті ж самі питання. Нехай співрозмовник поділиться екраном комп'ютера та покаже, як вирішує ту чи іншу потребу.
«Припустимо, тобі потрібно створити дизайн софту для офіціантів. Навідайся до ресторану й подивися, чи користується персонал планшетами, яка програма для контролю замовлень і вільних місць уже є, що в ній подобається, чого не вистачає. Може, їм зручніше користуватися паперовим блокнотом, а технології потрібні для іншого», — радить Лілія Піддубна.
Розробка застосунків — тривалий проєкт. У ньому зазвичай є час і бюджет на дослідження. У випадку з сайтами результат потрібен якнайшвидше, але й тут є спосіб зрозуміти аудиторію.
У підготовці вебдизайну підійде інформація з усіх відкритих джерел — сайти конкурентів, коментарі на форумах, світові й локальні тренди, формати популярного контенту на тему. У чужому досвіді зверни увагу на вдалі рішення, а те, що здається поганим, перероби й додай до свого проєкту. Навіть без тривалого аналізу ти побачиш, що саме ліпше винести на головну сторінку і як залучити користувачів.
Розмови й спостереження записуй на відео або диктофон. Інформацію напиши на наліпках і розподіли їх за категоріями: проблеми, бажання людей, що їм подобається, як вони дають собі раду без цифрових рішень. Є загроза, що вся стіна у твоїй кімнаті буде завішана наліпками, але це класний метод візуалізації ідей. Визнач кроки користувача при взаємодії з майбутнім продуктом. Відзначай, над чим замислюєшся, що відволікає або допомагає отримати бажане.
Потім пропиши образи персон — основних і другорядних користувачів продукту. Чим вони займаються, які в них хобі, що їм важливо у сфері твоєї розробки. Типажі й кількість персон залежать від специфіки продукту. Зазвичай, їх не менше двох, кожна — з ім'ям, статтю, віком, характером, реалістичною біографією і потребами. Можна асоціювати персон з їхнім улюбленим брендом і придумати цитату. Головне дізнатися, як вони себе ведуть з подібним продуктом і чого хочуть від нової розробки.

Деякі дизайнери замість методу персон користуються теорією Job to be Done. У людей є завдання й бажаний ефект від їх виконання. Принцип Job to be Done — на кожну «роботу» ми «наймаємо» певний продукт. Наприклад, щоб прибирати у квартирі, потрібен пилосмок. Однак прилад повністю не позбавить приміщення від пилу. Знадобиться вологе прибирання. Записуй задачі й визначай бар'єри для їх вирішення. Так ти дізнаєшся, чи принесе твоя ідея потрібний результат, підбереш декілька варіантів, створиш технічну «начинку» продукту.
Проте з цим методом не зрозуміло, через які візуальні образи говорити з користувачем. Персони дають більше інформації про цільову аудиторію, про очікувану манеру спілкування. Це знадобиться у рекламі розробки.
У дизайні сподіватися на натхнення — погане рішення. Дослідження структурують творчий процес. Придумай образи й колірну гамму, обери шрифти. Розташуй елементи на модульній сітці — системі верстки, в якій усі смуги й розвороти повинні відповідати основам композиції. Приклад дизайну покажи попереднім співрозмовникам.
«Щоб протестувати інтерфейс сайту, можеш попросити користувача знайти ноутбук для навчання, покласти його у кошик і оформити замовлення. Увімкни запис монітору і спостерігай, як він виконує завдання, які труднощі виникають. Попроси коментувати свої дії. Можливо, людина не одразу помітила значок кошика. На стадії інтерв'ю ти можеш не здогадатися, де розмістити цю кнопку. Так ти дізнаєшся, наскільки твій дизайн зрозумілий і зручний, що конкретно потрібно змінити», — пояснює Лілія Піддубна.
У книзі «Дизайн звичних речей» колишній віцепрезидент Apple Дональд Норман описав принципи дизайнерського мислення. Він переконаний: не потрібно одразу вестись на доводи клієнта і миттю вирішувати озвучену ним проблему. Скоріше, це не причина, а наслідок. Дослідження покаже, чому насправді люди рідко користуються сервісом або деякими його функціями.
«Щоб зрозуміти кінцевого споживача, потрібно розвинути в собі дизайнерське мислення, — вважає UI/UX Designer, викладачка курсу UI/UX Design, Аделіна Сузанська. — Можна через особистий досвід використання якогось застосунку, а можна опитати колег або людей, пов'язаних із продуктом. Я додатково аналізую ринок розробки».

Аделіна Сузанська
Розвинути дизайнерське мислення також допоможе спостереження за візуальним мистецтвом. Поглянь, як створювали рекламні постери у 20-х роках минулого століття, якими образами надихалися художники Рафаель, Рубенс, Ван Гог, які фільми створював Кубрик, що знімають сучасні фотографи. Усе нове — це переосмислення старого.
Будь психологом — слідкуй за поведінкою потенційних клієнтів, цікався їхніми «болями» і забаганками, дізнайся враження від використання чужих сервісів. Регулярно спілкуйся з людьми й збагнеш, як твій дизайн задовольнить потреби аудиторії.

У третьому кварталі 2026 року оборонні компанії опублікували на DOU 3942 вакансії. Це близько 20% усіх пропозицій на платформі і рекорд за всі роки. Для hardware-фахівців показник теж рекордний: 704 вакансії за квартал, а на одну вакансію embedded-розробника в середньому припадає 4,6 відгуку (DOU, III квартал 2026). Компанії, які шукають «готового» інженера методами класичного IT, витрачають на це місяці. У статті зібрані дані ринку, цифри з нашого вебінару «Навчати чи наймати» з Мартою Хрип'як, HR Director Lira Engineering, і критерії, за якими варто вирішувати: шукати людину на ринку чи виростити її.
Попит на інженерів в оборонці росте швидше, ніж ринок встигає готувати людей. У 2025 році deftech-вакансій було в 2,6 раза більше, ніж у 2024-му. За перше півріччя 2026 року їх опублікували більше, ніж за весь 2025 рік. Кількість вакансій для hardware-фахівців з 2024 року зросла більш ніж ушестеро.
Наймати далі планують усі. У дослідженні Української ради зброярів і CORE Team усі 27 опитаних виробників збираються шукати людей найближчі 6–12 місяців, а майже половина називає найдефіцитнішими інженерів-конструкторів та інженерів з електроніки (AIN). Конструкторів шукають 67% виробників.
Найважче закрити ролі на стику заліза і коду:
Частка embedded-вакансій в оборонці в 6–7 разів вища, ніж в IT (DOU). При цьому бракує не лише стеку. Як підкреслювала на вебінарі Марта Хрип'як-Стеценко, компаніям не вистачає інженерного мислення: уміння ухвалювати рішення в умовах невизначеності й відповідати за продукт.
Звичайну технічну роль в оборонці закривають за 1–2 місяці, критичну інженерну за 3–6 місяців і довше. Такі терміни Марта Хрип'як-Стеценко навела на вебінарі «Навчати чи наймати»:
Кілька цифр, які пояснюють, чому все так довго:
Остання цифра найпрактичніша. Якщо за два тижні у воронці немає жодного близького кандидата, проблема, найімовірніше, у профілі вакансії. Продовжувати пошук з тими самими вимогами означає втрачати ще місяці.
Навіть коли кандидата знайдено, найм часто зривається на фініші. Серед типових причин: контрофер, безпекові перевірки, невизначеність із бронюванням, формат роботи, знижена ставка на випробувальний термін, зміна обов'язків або етапів у процесі і повільне рішення самої компанії.
Більшість вакансій, які не закриваються місяцями, вимагають від однієї людини поєднання кількох рідкісних навичок. Кожну з них окремо на ринку знайти можна. Разом майже ніколи.
«Окремо знайти Senior Embedded — в принципі реально. Окремо знайти людину з досвідом у БПЛА — реально. Окремо знайти людину, яка знає англійську на рівні B2-C1 — реально. Але знайти сеньйора з досвідом БПЛА, з сильним системним дизайном, з англійською мовою і, наприклад, з готовністю працювати в мілтеху... це вже одиниці на всю країну».
Марта Хрип'як-Стеценко, HR Director, Lira Engineering
Перетин вимог лише одна з причин. Спікерка вебінару виділила ще кілька:
Пул IT-фахівців цю проблему не закриває. У класичному IT окремі напрями збирають понад 80 відгуків на вакансію, тоді як у deftech середній показник за перше півріччя 2026 року становив 10,2 (RazomUA за даними DOU). І більшість цих відгуків іде на Project Manager, QA та DevOps.
Кандидатів стало ще менше, а підняття зарплат ситуацію не врятувало. Ось як Марта Хрип'як-Стеценко описала зміни на вебінарі:
Висновок спікерки прямий: головна проблема в браку людей і конкуренції за той самий пул. Ставки тут вторинні.
Бюджет на рекрутера чи агенцію видно одразу. Решту витрат зазвичай не рахують, хоча вони більші:
Оборонні компанії зазвичай пробують шість підходів. Лише один із них збільшує кількість інженерів у галузі.
Марта Хрип'як-Стеценко назвала це канібалізацією талантів. Коли компанія B переманює інженера в компанії A, у галузі як було вісім інженерів, так і лишилося вісім. Чийсь продукт зупинився, а ринкові зарплати піднялися для всіх. Вирощений інженер додає галузі ще одного фахівця. Збільшити пул може тільки навчання.
Шукати на ринку варто, коли людина потрібна за тижні або йдеться про унікальну lead-роль. Вирощувати всередині, коли до потреби є 3–6 місяців, у кандидата є суміжна база, а в команді є ментор. Рішення залежить від трьох критеріїв:
Внутрішня підготовка працює, якщо в компанії є наставники з виділеним часом, документація, онбординг і прозора структура росту. Найчастіше бракує часу сеньйорів, плану розвитку ролі, відповідального за L&D і віри керівництва в окупність.
Частину цих прогалин закриває зовнішній освітній партнер. Він бере на себе базову програму, викладачів і практику на залізі, а специфіку продукту людина отримує вже всередині компанії. Кандидатів для такого навчання найкраще шукати серед розробників на C/C++, випускників електроніки, радіотехніки, мехатроніки і у власній команді.
Офлайн-події та профільні медіа дають доступ до кандидатів, яких немає в онлайн-воронці:
Ці канали розширюють охоплення, але кількість інженерів на ринку вони не збільшують.
Beetroot Academy готує інженерів для defence і dual-use. Ключова освітня програма Embedded Development триває п'ять місяців і поєднує заняття з викладачами-практиками з роботою на реальному залізі; команди можна навчати окремими місцями або виділеною групою.
Повний запис вебінару «Навчати чи наймати: як Defence-компанії закривають дефіцит інженерів» і умови для команд є на сторінці для Defence-компаній.

Розробник з embedded чи backend уже має половину того, що потрібно CV-інженеру: впевнений код, Git, розуміння продуктивності й обмежень системи. Добрати доведеться роботу з даними, основи нейромереж і звичку оцінювати модель метриками замість відчуття «наче працює». У зимовому опитуванні DOU частка Computer Vision Engineer серед дата-фахівців за пів року зросла з 2% до 4% (DOU).
Розберемо, що з твого бекграунду переноситься, чого бракує і як виглядає реалістичний маршрут переходу.
Embedded-інженер мислить буферами, тактами й кілобайтами. Для комп'ютерного зору це сильна позиція, бо зображення в пам'яті і є буфером: висота × ширина × канали, тип даних uint8.
Що переноситься напряму:
Саме цього бракує багатьом ML-спеціалістам. У вакансіях CV Engineer у defence-компаніях окремим пунктом стоїть оптимізація моделей під Jetson та інші embedded-платформи, а C++ значиться бажаною навичкою поруч із Python.
Чого бракує: Python як робочого інструменту для експериментів, PyTorch, розуміння того, як модель вчиться і чому помиляється.
Backend-розробник приносить інженерну дисципліну навколо коду: тести, Docker, CI, API, версіонування. У CV цього часто не вистачає: модель натренували в ноутбуці, а як вона житиме в продакшені, ніхто не продумав.
Що переноситься:
Чого бракує: відчуття заліза. Модель, яка видає 30 кадрів на секунду на серверній відеокарті, на пристрої може видати три. Бекендеру доводиться вчитися мислити обмеженнями пам'яті, енергії та нагріву.
Менше, ніж здається. Щоб працювати з детекторами на практиці, вистачить:
Лінійна алгебра й теорія ймовірностей на університетському рівні знадобляться, якщо підеш у дослідження або розробку нових архітектур. Для прикладних задач детекції, трекінгу й оптимізації більшість інженерів обходиться розумінням на рівні інтуїції і добирає глибину, коли конкретна задача цього вимагає.
Для embedded-розробника крок 6 буде найпростішим, а кроки 3–5 найновішими. У бекендера навпаки.
Роботодавець хоче побачити, як ти розв'язуєш задачу від початку до кінця. Висока точність на чужому датасеті цього не показує. Добрий проєкт має чотири складники: власний датасет, дві ітерації тренування з поясненням, що змінилося, таблицю метрик і запуск на реальному пристрої чи хоча б замір швидкості на CPU.
Ідеї, які можна зробити за кілька тижнів:
Опиши проєкт у README так, як описав би технічне рішення колезі: задача, дані, що не спрацювало, що змінив, які цифри отримав.
У вакансіях українських defence-компаній за 2026 рік повторюється приблизно однаковий набір:
Наприклад, у вакансії Frontline Robotics, опублікованій у липні 2026 року, просили від трьох років досвіду в CV або ML. Це типово для ринку: вакансій для новачків у computer vision мало. Тому найреалістичніший шлях лежить через внутрішній перехід: ти лишаєшся розробником у своїй команді, береш CV-задачі, а за рік маєш комерційний досвід саме в цьому напрямі.
Освітня програма Computer Vision розрахована саме на розробників без ML-досвіду: від року програмування будь-якою мовою, 12 практичних занять, власний детектор і запуск на edge. Якщо ти з software і хочеш спершу розібратися із залізом, почни з Embedded Development.

Computer Vision Engineer створює системи для аналізу зображень і відео: від збору даних і тренування моделі до її роботи в продакшені чи на пристрої. Він поєднує машинне навчання з розробкою, тому в українських вакансіях від нього зазвичай чекають і PyTorch, і впевненого Python, і розуміння того, як модель поводиться на реальному залізі.
Нижче про задачі, стек, зарплати й шлях у професію, з опорою на вакансії 2026 року і дані DOU.
Тренування моделі займає меншу частину роботи, ніж здається. Типовий цикл виглядає так:
Останній пункт часто недооцінюють. Модель, яка добре працювала в день запуску, через кілька місяців може гірше впоратися, бо змінилися освітлення, камера чи самі об'єкти. Це називають data drift, і відстежувати його входить в обов'язки CV-інженера.
Ми переглянули вакансії CV Engineer українських компаній за 2026 рік, зокрема Frontline Robotics і «Атлон Авіа». Повторюється такий набір:
У вимогах Frontline Robotics, наприклад, окремо згадано розуміння real-time обмежень: latency, FPS, пам'ять і продуктивність. Це характерно для продуктових компаній, де модель працює на пристрої. В аутсорсі чи хмарних продуктах акцент зміщується на MLOps, API і масштабування.
Окремої медіани для CV-інженерів у публічних дослідженнях немає. Найближчі дані дає зимове опитування дата-фахівців DOU 2026:
Важливі застереження. Вибірка невелика: 332 фахівці на всі дата-ролі. Медіана не розбита за рівнями, тому в неї потрапляють і джуни, і сеньйори. І тренд за пів року був на зниження.
В оборонній галузі картина інша. За зарплатним звітом DOU літа 2026, розробники з Python у DefTech мають найвищу медіану серед мов: $4500 проти $3500 у розробників в ІТ загалом. CV-інженери в defence-компаніях зазвичай пишуть саме на Python, тож орієнтуватися варто на ці цифри, з поправкою на рівень.
У зимовому опитуванні DOU частка CV-інженерів серед дата-фахівців за пів року подвоїлася, з 2% до 4%. Абсолютно це невелика група, але вона росте.
Вакансій CV Engineer для людей без досвіду мало. У переглянутих вакансіях defence-компаній ішлося про три роки досвіду в CV або ML. Тому найчастіше в професію приходять з суміжних ролей.
Початковий рівень зазвичай виглядає як розробник у команді, який бере CV-задачі: підготовку даних, інтеграцію готової моделі, оптимізацію пайплайна.
Middle самостійно веде задачу від даних до розгортання й вміє пояснити, чому модель помиляється.
Senior обирає підхід і архітектуру під обмеження продукту, оцінює ризики й відповідає за якість моделі після запуску.
Найкоротший шлях веде з розробки. Embedded-інженер приносить розуміння заліза й реального часу, backend-розробник приносить продакшен-дисципліну. Обом бракує роботи з даними й нейромережами. Покроковий маршрут ми описали в статті як embedded- або backend-розробнику перейти в computer vision.
Мінімум, з яким можна претендувати на CV-задачі:
Освітня програма Computer Vision у Beetroot Academy веде розробників без ML-досвіду від обробки зображень до власного детектора, його супроводу після деплою і запуску на edge: 12 практичних занять. Загальний огляд напряму є в гайді Комп'ютерний зір: що це і як працює.

Комп'ютерний зір (computer vision, CV) є галуззю штучного інтелекту, яка вчить програми знаходити й розпізнавати об'єкти на зображеннях і відео. Камера дає лише масив чисел. Завдання CV полягає в тому, щоб перетворити ці числа на відповідь: що на кадрі, де саме і що з ним відбувається.
Нижче про те, як це працює, які задачі розв'язує комп'ютерний зір, де його вже використовують і як увійти в напрям, якщо ти пишеш код або працюєш із залізом.
Для програми фото є таблицею чисел. Кольорове зображення 640×480 пікселів зберігається як масив 480×640×3: висота, ширина і три канали кольору. Кожне значення від 0 до 255 описує яскравість червоного, зеленого або синього в одній точці.
З цим масивом можна працювати двома способами.
Класичні алгоритми. Інженер сам описує правила: розмий шум, знайди краї, виділи контури, порахуй об'єкти. Цим займається бібліотека OpenCV. Такий підхід швидкий, передбачуваний і добре працює там, де умови стабільні: однакове освітлення, однаковий фон, однакові деталі на конвеєрі.
Нейромережі. Правила не пишуть вручну. Модель показують тисячі розмічених прикладів, і вона сама підбирає фільтри, які відрізняють один клас від іншого. Згорткова мережа (CNN) по суті робить те саме, що й класичний фільтр, тільки її ядра налаштовуються на даних. Сучасні детектори на кшталт YOLO та RT-DETR будуються на цьому принципі.
На практиці ці підходи поєднують. Нейромережа знаходить об'єкт, а класичний алгоритм уточнює його межі чи рахує розміри.
Найчастіше в продуктах трапляються детекція і трекінг. Саме з них зазвичай починають навчання, бо результат видно одразу: рамка або з'являється на правильному місці, або ні.
Споживчі продукти. Фільтри, які накладають маски на обличчя, розумні камери, що відрізняють людину від кота, сканери документів у банківських застосунках. Частина таких продуктів створена в Україні: у програмі Computer Vision Beetroot Academy окремо розбирають кейси Looksery (згодом Snapchat), Reface, Ajax Systems і Petcube.
Промисловість. Контроль якості на лінії, де камера шукає подряпини й відколи швидше за людину. Підрахунок продукції, перевірка маркування, моніторинг безпеки на виробництві.
Агро. Виявлення хвороб рослин за фото листя, оцінка стану посівів з аерознімків, сортування врожаю.
Медицина. Допомога лікарю в аналізі рентгенівських і МРТ-знімків. Остаточне рішення тут ухвалює людина, а модель підсвічує ділянки, на які варто подивитися.
Робототехніка й dual-use. Автономні роботи, складські системи, аналіз аерофото і тепловізійних даних. Для інженера це ті самі алгоритми, тільки дані інші: кадр знято згори, об'єкти дрібні, а тепловізор дає одноканальне зображення замість кольорового.
Штучний інтелект є найширшим поняттям. Машинне навчання є його частиною: програми, які вчаться на даних замість прописаних правил. Комп'ютерний зір є прикладною областю, де машинне навчання застосовують до зображень і відео.
Звідси практичний висновок для кар'єри. CV Engineer зазвичай знає ML-основи, але глибоко працює з одним типом даних і з обмеженнями заліза, на якому модель має працювати. Детальніше про роль ми написали в статті Computer Vision Engineer: хто це і що робить.
Базовий набір, з яким працюють у більшості команд:
Для старту достатньо Python і Google Colab: GPU для тренування Google надає безкоштовно, тож власна відеокарта на першому етапі не потрібна.
Найкоротший шлях має той, хто вже програмує. Досвіду з machine learning для старту не треба. Вища математика теж не є обов'язковою умовою: щоб працювати з детекторами, вистачить розуміння масивів і матриць, а складніші речі засвоюються на практиці.
Типова послідовність виглядає так:
Один із цих кроків ми розібрали у окремій статті, як embedded- або backend-розробнику перейти в computer vision.