Автономна аналітика та ШІ-асистент для продуктових менеджерів. SoftServe оголосив переможців хакатону AgentForge

ЛЬВІВ, Україна (23 лютого, 2026) — Днями завершився хакатон AgentForge, масштабна подія від SoftServe, присвячена розробці AI-агентів. Після інтенсивного онлайн-етапу відбувся офлайн-фінал у львівському офісі компанії. Програма фіналу, окрім пітчингу проєктів, включала також панельну дискусію про майбутнє та виклики Agentic AI за участі експертів галузі. Журі визначило переможців, які розділили між собою призовий фонд у 10 000$.

Хакатон об’єднав розробників, ML-інженерів, Data Science спеціалістів і дослідників, які працюють із новим поколінням штучного інтелекту — автономними агентами, здатними самостійно планувати дії, аналізувати дані та виконувати складні процеси з мінімальним втручанням людини. Подію організували технічні команди SoftServe — команда Gen AI лабораторії та відділ Data Science.

Команда CognitiveOps++ виборола перше місце і отримала приз в розмірі 5000$, презентуючи свій проєкт ADW (Agentic Data Workflow) — це production-ready AI-платформа, яка перетворює бізнес-запит у сертифіковану аналітику без участі великих BI-команд. Мета проєкту — скоротити time-to-insight з тижнів до хвилин. ADW поєднує AI, data engineering та аналітику в єдину керовану платформу для реального бізнес-впливу. Рішення допомагає бізнесу швидше отримувати інсайти з даних, а data-командам — переходити від операційної підтримки до стратегічної ролі.

За словами журі, проєкт вирізнявся практичною цінністю, зрілою архітектурою та чіткою демонстрацією того, як автономні AI-агенти можуть автоматизувати складні data-процеси в реальних бізнес-сценаріях.

Друге місце і 3 000$ отримала команда No More Tokens з проєктом AI Product Manager Colleague. AI-агент здатен аналізувати «сирі» документи (PDF, специфікації, презентації), розуміти наявну кодову базу та надавати аргументовані відповіді. Він не просто генерує текст, а допомагає оцінити технічну складність, знайти точки дотику в коді та сформулювати чіткі вимоги до продукту. АІ-агент допомагає писати продуктові вимоги та перевіряє, чи код їм відповідає. Команда намагалася автоматизувати складну та хаотичну частину процесу — узгодження технічної та нетехнічних команд.

Команда Shalena Bdzhilka здобула третє місце і виграла 2 000$ зі своїм проєктом Machine Learning & Data Analytics Agent. Команда створила інструмент для структурування ML-експериментів. Система використовує кілька спеціалізованих агентів, що працюють разом, щоб пояснювати результати, підтримувати порядок у процесах і допомагати користувачам вирішувати ML-задачі.

Загалом, за перемогу в хакатоні змагались 35 команд та 6 соло-учасників, які протягом кількох днів розробляли ШІ-агентів, слідуючи кільком вимогам — від технічних особливостей рішень до можливостей їх практичного застосування.