Як штучний інтелект допомагає аналізувати розвідувальні дані з дронів. Інтерв’ю з Clarity

У вересні 2025 року Михайло Федоров, який тоді очолював Мінцифру, опублікував пост про Clarity – український програмний продукт для аналізу фото- та відеоданих. На той момент проєкт уже зібрав декілька перемог на хакатонах та профільних івентах, зокрема й міжнародному European Defense Tech Hackathon.

Програмно-апаратні рішення компанії допомагають українським військовим швидко і якісно аналізувати розвідувальні дані, зібрані безпілотниками. Штучний інтелект знаходить на фото і відео зачіпки, які може пропустити людина, особливо не дуже досвідчена. А час обробки місії завдяки Clarity скорочується з декількох годин до приблизно 20 хвилин.

Наразі проєкт нарощує кількість клієнтів і розвиває продукт. В межах спецпроєкту Rewiring European Defense Tech, який виходить за підтримки EDTH, Defender Media поспілкувався з засновниками Clarity — Alex’ом та Flame’ом.

Як народився проєкт Clarity?

Flame: Почну з контексту. Мій шлях у війську розпочався у 2015 році, коли я пішов служити добровольцем в ЗСУ в званні молодшого лейтенанта. Службу проходив в тилу на одному із полігонів викладачем артилерії та артилерійської розвідки. Приблизно за рік мене, завдяки моєму досвіду в інформаційних технологіях, долучили до розробки системи управління тактичної ланки “Кропива” — я брав участь у програмуванні модуля для демо медичної евакуації.

Після демобілізації я повернувся до цивільного життя. Згодом у професійній спільноті зустрів колегу, з яким ми потоваришували, а в 2019 році разом заснували компанію в сфері кібербезпеки. Ми залучили невеликі інвестиції за кордоном, пройшли там стартап-акселерацію і шукали product-market fit. У 2022 році ми отримали гранти від двох європейських програм підтримки інновацій у межах Horizon 2020. Все було б добре, якби не повномасштабне вторгнення.

Як початок великої війни змінив вектор вашої роботи?

Flame: Я прийняв рішення повернутися до лав Збройних Сил. Спочатку знову повернувся на полігон, згодом мене підвищили, і я став викладачем одного із вищих військових навчальних закладів.

Переломний момент стався під час відрядження до одного зі штабів вищої ланки. Я став свідком ситуації, коли оператор БпЛА пролетів повз важливу ціль і не помітив її. Поруч стояв офіцер-розвідник, який помітив об’єкт на відеопотоці. Після цього оператор повернувся на дорозвідку і ціль була вражена, а офіцер отримав нагороду.

Це виявилася складна, але критично важлива ціль — вантажівка, яка була частиною високовартісного комплексу РЕБ “Житель”. Від звичайної вантажівки її відрізняла лише антена, винесена на 50 метрів убік.

Тоді виникла ідея, яка лежала на поверхні: машина здатна помічати такі деталі набагато ефективніше за людину, якщо її правильно навчити.

Як ви перейшли від ідеї до реалізації? Чи отримали підтримку від командування?

Flame: Ми обговорили це з цивільними колегами, і Lex створив перше демо. Ми показали його командувачу ракетних військ і артилерії. Він оцінив ідею і сказав: “Класна штука, робіть”.

В моєму підрозділі займатись таким проєктом було неможливо, оскільки якісна підготовка слухачів потребує багато часу, ґрунтовної підготовки викладача і відповідних зусиль. Це демотивувало, але ненадовго. Я зрозумів, що цей продукт може мати значно більший вплив на хід війни, ніж моя служба. На заняттях я можу підготувати обмежену кількість людей, а технологію можна масштабувати на всю лінію фронту, підвищуючи ефективність військ і зберігаючи життя.

Тож ми почали розробку у вільний час, вкладаючи власні сили і кошти. Восени 2023 року я був відряджений до Слов’янська. Парадоксально, але там, попри бойові та організаційні задачі, вільного часу виявилося більше, ніж у тилу. Саме в ті години відпочинку ми з Lex’ом та ще одним колегою створили першу робочу версію. Ми розповсюдили її серед невеликої групи зацікавлених користувачів, зібрали фідбек і почали вдосконалювати продукт. Так ми працюємо вже понад два роки.

Які ключові етапи пройшов проєкт за ці два роки?

Flame: Розповім хронологічно. Ми стартували у квітні 2023 року з першим демо. Тоді ми збирали датасет із відкритих джерел і намагалися обробляти його, спираючись на практичний досвід користувачів. Вже у серпні 2023-го ми переконали першу групу військових спробувати продукт і отримали перший реальний зворотній звʼязок.

Важливий етап відбувся у жовтні 2023 року — ми повністю переробили інтерфейс користувача (UI). Раніше це була примітивна форма: вказав папку, натиснув кнопку “Розпізнати”, отримав результат. Нова версія дозволила переглядати фотографії, редагувати результати та працювати з ними зручніше.

У який момент волонтерський проєкт почав трансформуватися у системну структуру?

Flame: Переломний момент стався у січні 2024 року. Ми найняли перших співробітників — анотаторів. Це фахівці, які розмічають об’єкти на фото та відео, готуючи “їжу” для алгоритмів штучного інтелекту.

Ми зрозуміли, що історія з виключно волонтерськими зусиллями у нашому випадку не працює ефективно. Волонтерів складно менеджити, підтримувати стабільний темп роботи. Тому ми перейшли до найму. Я зробив закритий збір серед знайомих, ми зібрали близько $1000, чого вистачило на перший місяць оплати праці анотаторів. Далі проєкт фінансувався виключно за власні кошти засновників.

Як відбувалося масштабування та впровадження продукту у війська?

Flame: З початку 2024 року і аж до вересня ми постійно випускали бета-версії для підрозділів, які погодилися з нами працювати. Це був цикл: реліз — зворотний зв’язок — розширення датасету — покращення якості розпізнавання.

У вересні 2024 року ми досягли позначки у першу сотню користувачів. А в грудні перемогли на Happy New Fear Hackathon від Brave1, зайнявши перше місце в категорії готових продуктів для глибинної розвідки.

Окремо хочу виділити важливий особистий етап. У жовтні 2024 року мене було переведено на вищу посаду в науково-дослідну установу, що підпорядковується міністерству оборони України. Тепер моє командування повністю підтримує цей проєкт, що дозволяє мені займатися його науково-технічним супроводом в рамках служби.

Коли проєкт перейшов від стадії волонтерської розробки до комерційного продукту?

Flame: Перші продажі відбулися на початку 2025 року. Це був контракт із на той момент невеликим українським виробником БпЛА, але це підтвердило життєздатність бізнес-моделі.

Далі події розвивалися стрімко. У лютому 2025-го ми перемогли в категорії Trailblazers на Defense Tech Innovation Forum у Києві. Навесні здобули перемогу в хакатоні, організованому European Defense Tech Hub спільно з 3-ю Штурмовою бригадою. Тоді ж ми домовилися про тестування нової функції — розпізнавання об’єктів на відео, а не лише на фото.

У травні 2025 року ми уклали контракт на постачання ліцензій нашого ПЗ з одним із провідних виробників безпілотників в Україні. 

У вересні ми перемогли на Brave1 Defense Tech Valley у категорії Trailblazers. Також нещодавно Lex реалізував критично важливу функцію — автоматичне визначення координат об’єктів на фото та їх прив’язку до карти.

Всі ці кроки дозволили нам масштабуватися: в кінці літа 2025 ми досягли позначки у 250 зареєстрованих користувачів, а зараз їх вже понад 800.

Яка ваша дорожня карта на найближчий час? Куди рухається технологія?

Flame: Зараз триває процес інтеграції нашого апаратного модуля безпосередньо на борт безпілотного літального апарату. Ми плануємо завершити цей етап у першому півріччі 2026 року тестами на бойових. Це дозволить обробляти дані прямо в польоті, а не після приземлення. Ми також знаходимось в процесі інтеграції із системою Delta.

Lex: Наші бізнес-цілі — вийти на точку беззбитковості в першому півріччі 2026 року. Технологічно ми фокусуємося на вдосконаленні алгоритмів обробки відеопотоку, щоб вивести якість розпізнавання на стабільно високий рівень. Глобальна бізнес-мета — міжнародна експансія та експорт наших рішень до країн НАТО та ЄС.

Щодо співпраці з виробниками дронів — чи можете ви назвати компанії, з якими працюєте?

Flame: У нас підписані договори, які обмежують розголошення. Без їхнього дозволу ми не можемо називати партнерів. Це питання конкурентної переваги для них — використання нашого софту робить їхні продукти ефективнішими, тому вони зацікавлені в збереженні комерційної таємниці. Однак дві компанії нам все ж таки дозволили вказати їхні назви – це компанії Mara Drone та 2021 Solutions, яка випускає фотоліт під назвою BZIK.

Поясніть, будь ласка, яку проблему вирішує ваш продукт? Чому наявний процес розвідки потребував автоматизації?

Lex: Суть в тому, що існують так звані “фотольоти” — дрони, які роблять серії фотографій. Вони дешеві, а якість знімків дуже висока — 6К, 9К. Це набагато краще за відеопотік чи супутникові знімки.

Але є проблема: за годину роботи такий літак робить 1000–2000 фотографій. Файли “важкі”, тому вони не передаються через радіоканал у реальному часі. Після польоту екіпаж змушений вручну дешифрувати цей масив даних. Це може займати до 8 годин. За цей час втрачається актуальність розвідувальної інформації, а люди втомлюються і можуть пропустити важливі деталі.

Наш основний продукт — це десктопний застосунок, який автоматизує цей процес. Сценарій виглядає так: літак приземляється, флешку вставляють у комп’ютер, завантажують папку з фото, і система починає розпізнавання.

Що саме система здатна знайти на знімках?

Lex: Алгоритм знаходить не лише техніку. Ми виявляємо непрямі ознаки присутності ворога.

Процес складається з трьох кроків:

• Розпізнавання: ШІ аналізує фото і виділяє об’єкти.
• Геолокація: Система автоматично визначає координати знайдених цілей.
• Експорт: Дані формуються у звіт і завантажуються в систему ситуаційної обізнаності «Дельта».

Завдяки цьому ми скорочуємо час обробки місії з 6 годин до, наприклад, 20 хвилин. Це колосальна економія часу.

Як фізично виглядає процес роботи з вашим софтом? Чи потрібно везти флешку з даними до штабу або на командний пункт?

Lex: Не тільки, все може відбуватися на рівні екіпажу. Ми працюємо з чутливими даними, тому принципово не завантажуємо їх у хмару чи на наші сервери.

Обробка відбувається локально (on-premise) на ноутбуці. Зазвичай це той самий компʼютер, який використовується як наземна станція керування дроном — головне, щоб там була відеокарта. Екіпаж може отримати дешифровані дані та координати цілей прямо в машині, поки повертається з позиції на базу. Також софт використовують дешифрувальники і аналітики розвідки в штабах.

Зі швидкістю все зрозуміло — це економія годин часу. А як щодо якості розпізнавання порівняно з людським оком?

Flame: Ми проводимо точні вимірювання на серії польотів, щоб мати верифіковані цифри у відсотках.

Суб’єктивна оцінка, що базується на відгуках, така: система працює краще, ніж  оператор, який щойно закінчив курси. Для таких фахівців наш застосунок стає основним інструментом дешифрування.

Якщо ж говорити про досвідчених військових, які воюють по чотири і більше років, то для них це скоріше потужний допоміжний інструмент (second opinion). Професіонали здатні помічати неймовірні речі, які ШІ поки що складно інтерпретувати — наприклад, за розташуванням дротів у посадці вирахувати вузол зв’язку ворога. Але навіть їм програма допомагає не пропустити очевидні цілі через втому.

На чому базується ваше рішення? Це класичний Computer Vision?

Lex: Це моделі штучного інтелекту, навчені на відкритих даних. Ми не хотіли б заглиблюватися в деталі технічного стеку, але скажу відверто: в самому машинному навчанні немає нічого надскладного. ШІ знаходить те, що йому показують.

Тому наша основна цінність — це не код і навіть не сам датасет, а вміння правильно знаходити об’єкти для навчання. Наше завдання — навчити машину бачити те, що пропускає людське око.

Ви згадували про наступний етап розвитку продукту. Що це буде?

Lex: Зараз наш основний продукт — десктопний застосунок для постобробки. Наступна стадія — інтеграція модуля безпосередньо на борт літака.

Проблема розвідки за допомогою “фотольотів” у тому, що вони працюють не в реальному часі (дешифрування відбувається після посадки). Саме через цю затримку такий клас дронів не дуже популярний, наприклад, у країнах НАТО.

Ми вирішуємо цю проблему: наш модуль розпізнаватиме цілі прямо під час польоту і надсилатиме готові координати в реальному часі. Це фактично модернізація всієї індустрії: ми перетворюємо дешевий засіб з якісною оптикою на інструмент розвідки в реальному часі (Real-time intelligence). Це усуває головний недолік “фотольотів”.

Чи плануєте ви залучати венчурні інвестиції зараз? Якщо так, про яку суму йдеться і які терміни закриття раунду?

Lex: Ми завжди раді поспілкуватись з тими, хто нам може допомогти, в тому числі з інвесторами. Щодо конкретних сум і термінів ми публічно не коментуємо.

Ви згадували про перехід до обробки відео. У чому головна технічна складність порівняно з фото?

Lex: Головна відмінність — це кут зйомки. “Фотольоти” зазвичай роблять знімки під кутом 90 градусів (в надир). Відео з розвідувальних дронів має зовсім інші, змінні ракурси. Сама технологія розпізнавання залишається тією ж, але для коректної роботи з відео нам потрібно зібрати і розмітити значно більше специфічних зображень. Над цим ми зараз і працюємо.

Розкажіть про роль European Defense Tech Hub (EDTH) у розвитку вашого продукту. Чим саме вони допомогли?

Flame: Сам по собі хакатон був корисним у тому плані, що для нас це був крок уперед в напрямку “хардверної” історії. До цього ми мали чисто програмне рішення. Спілкуючись із нашими військовими, ми отримували фідбек, що для них важливо, щоб софт запускався на наявному залізі. Але концептуально, після спілкування з виробниками, ми зрозуміли: якщо немає обмежень у коштах, то глобально дуже перспективна історія — це додаткове залізо, яке працює там, де найкраща якість, тобто на борту БпЛА.

Відповідно, ми зробили перші кроки: взяли апаратний модуль, який нам надали організатори (з їхнього боку це була допомога залізом для експериментів) — це була Raspberry Pi Zero 2 W. У нас також був власний модуль Jetson Nano. Ми почали експериментувати. Результатом нашого хакатону стало те, що ми запустили наші моделі на цих міні-комп’ютерах, подивилися, як вони “перформлять” і чи достатньо буде обчислювальної потужності.

Результат експерименту був успішним. Ми провели заміри і зрозуміли, що конкретно ці міні-комп’ютери не підходитимуть, але у нас сформувалося бачення: як це зробити, куди рухатися. І згодом ми це реалізували. Тобто це був серйозний крок уперед для нас.

Також EDTH допомагає з інтро до інвесторів, контактами й нетворкінгом. Загалом це унікальне середовище: ти бачиш ентузіастів, у яких горять очі, які приїздять сюди з усього світу, щоб нам допомогти. А з іншого боку — бачиш військових, які потребують вирішення своїх проблем.

Моя рекомендація всім фаундерам, інженерам, тим, хто думає про цей напрямок або експериментує: обов’язково йдіть і спілкуйтеся з військовими. Одне з найкращих місць для цього — саме такі хакатони. Я бачив людей, які приїхали з іншого кінця планети, і у них повністю перевернулося уявлення. Вони міняли свій продукт і пітчили вже зовсім інші речі.

Неможливо створити defence-продукт без розуміння реальності фронту. Часто розробники з тилу намагаються нав’язати бійцям своє бачення: “Робіть так, це спрацює”. А військові з передової відповідають: «Ні, це так не працює». Парадокс у тому, що дехто роками ігнорує цей фідбек. Розробникам треба наважитися розбити свої ілюзії.

Скільки вас в команді зараз і кого ви шукаєте для масштабування?

Lex: Зараз у команді 9 людей: це розробники та анотатори. Щодо розширення, у нас є специфічний виклик. Ми не можемо просити діючих військових донавчати модель, оскільки працюємо з чутливими даними і не можемо передавати їх на свої сервери.

Рішення, яке ми знайшли — наймати ветеранів, які вже мають досвід бойової роботи з БпЛА-розвідниками. Це win-win стратегія: з одного боку, ми отримуємо фахівців, які точно знають, що і як розмічати. З іншого — ми інтегруємо в команду реальний фідбек від користувачів. Тож якщо серед читачів є ветерани з досвідом пілотів БпЛА, дешифрувальників чи аналітиків розвідки і є цікавість працювати над рішенням для фронту — напишіть нам на hello@clarity.army.

Також нам потрібні спеціалісти з машинного навчання, розробники програмного забезпечення, інженери контролю якості продуктів, операційник, спеціалісти з продажів, спеціалісти по роботі з користувачами — від технічної підтримки і збору зворотного звʼязку до навчання військових користувачів, і за потреби виїздів на бойові застосування.

Як саме військові можуть отримати доступ до вашого продукту? І чи відрізняється версія, яку використовують вони, від тієї, що ви пропонуєте виробникам дронів?

Flame: Військовим безпосередньо в частини доступ ми надаємо безкоштовно. У системі «Дельта» є месенджер Element або Red, куди військові можуть написати на мій ID «Flame», ми їх верифікуємо і надамо доступ.

Загалом у нас є дві ліцензії. Перша — безкоштовна, вона трохи простіша. Друга — та, яку ми надаємо виробникам БпЛА. Вона більш просунута: там вже є глибша інтеграція з літаком, робота з логами польоту та розширені можливості геолокації. Софт встановлюється на базову станцію і постачається разом із комплексом (БпАК). Для цієї ліцензії ми встановили ціну $2000 на рік. Ми вважаємо, що це доступна ціна, яка дозволяє суттєво підвищити цінність їхнього продукту.

Держава зараз декларує активну підтримку галузі. Чи є якісь системні речі, які б ви хотіли додати від себе?

Flame: Так, є важлива ідея.  Хотілося б, щоб держава більше сприяла виробникам AI-систем. І тут питання не у фінансуванні. Головна проблема — відсутність правового фреймворку для передачі даних для навчання від військових до розробників.

У світі — в США, Китаї, Британії — доступ до таких даних розглядається як стратегічний актив. Саме це дозволяє створювати системи озброєння нового покоління. Всі за цим полюють. В Україні ж це питання досі не врегульоване.

За рахунок цього масиву даних Україна могла б отримати стратегічну перевагу на світовому ринку оборонних технологій і унікальні оборонні спроможності. Дуже важливо, щоб ми всі розуміли цінність цього ресурсу і не віддали доступ до нього іноземним гравцям “за скляні буси”, як тубільці свою землю колонізаторам, так і не розвинувши власну індустрію.

Тому мій заклик до відповідних органів: нам потрібно прискорити розробку законодавчої та нормативної бази. Бо зараз маємо парадокс: Brave1 виділяє кошти, є бажаючі працювати, є військові, які розуміють перспективність і потенціал таких систем і готові були би надавати зображення ворожої техніки. Але коли доходить до справи, вони кажуть: «Ми не надамо дані, бо не знаємо чи можемо це робити». Це треба вирішувати.

Це не абстрактна проблема: росіяни активно працюють над автономними системами, що не матимуть стримуючих факторів, як-от захист цивільного населення. Вони воюють на території, де для них всі вороги, і цінність нашого життя для них нульова. На мою думку, інші тиранічні режими по всьому світу мають такий самий підхід до автономної зброї. Ми маємо їх випередити.