«Нам потрібен ML-інженер». Цю фразу я чую від кожного третього CEO українського AI-стартапу. У 9 з 10 випадків я ставлю одне просте питання — «навіщо?» — і у 7 з тих 9 виявляється, що насправді ML-інженер не потрібен. Я не проти ML-команд. Я проти ML-команд, найнятих з причини «бо так роблять інші». У 2026 році це найдорожча помилка ранніх стартапів.
Реальна вартість ML-команди
Один senior ML-інженер в Україні у 2026 році — це $5,500-8,000 на місяць (gross). Junior — $2,500-3,500, але одного junior без senior — це просто marketing на LinkedIn, не команда. Реальна мінімальна ML-команда: 1 senior + 1 mid + 1 junior = $11,000-15,000 на місяць тільки в зарплатах.
Плюс обчислення. Тренування власної моделі або файнтюнінг великої — це AWS/GCP-рахунки $2,000-15,000 на місяць. Плюс інфраструктура для MLOps (Weights & Biases, інструменти експериментування) — ще $500-1,500. Плюс окрема production-інфраструктура для inference — ще $1,000-5,000.
Загалом — мінімум $15,000-25,000 на місяць. $180,000-300,000 на рік для трьох людей з обчисленнями і інфраструктурою.
Що ви отримуєте за ці гроші
За $200K на рік ви отримуєте можливість: a) файнтюнити open-source моделі під ваш домен; b) тренувати дрібні embedding-моделі; c) робити власний research; d) не залежати від цінової політики OpenAI/Anthropic.
За ці ж $200K ви могли б купити API від OpenAI або Anthropic на ~10-20 мільйонів запитів на місяць. Це 300-600 тис. запитів на день. Для середнього SaaS з 5,000 активних користувачів це у 5-10 разів більше, ніж вам потрібно.
Коли власна ML-команда виправдана
Три сценарії, де my-own-ML дійсно потрібна, з тих що я бачила в українських командах.
1. Дуже специфічний домен. Якщо ваш продукт працює з медичними зображеннями, юридичними документами українською мовою, або складними індустріальними сенсорами — велике API не дасть достатньої якості. Файнтюн власної моделі чи навіть тренування з нуля може бути єдиним шляхом.
2. Compliance або privacy-вимоги. Якщо ваш клієнт не може передавати дані третьому AI-провайдеру (банки, державні структури), власна модель у вашій інфраструктурі — це не вибір, це необхідність.
3. Якщо ваші витрати на API перевищують $30,000 на місяць. Це поріг, де власна команда починає бути дешевшою за API. Раніше — ні.
Альтернатива
Замість ML-команди — один AI engineer. Це не ML researcher. Це людина, яка добре знає, як використовувати API великих моделей, будувати prompt engineering, RAG-системи, fine-tuning через сервіси провайдерів (OpenAI fine-tuning, Anthropic Claude tuning). Один такий інженер коштує $4,000-6,000/міс і покриває потреби 90% українських AI-стартапів у 2026.
Дуже частий шлях у успішних кейсах — один AI engineer перші 18-24 місяці, потім, якщо продукт виходить на $30K+/міс API costs і має чітку специфіку — додавати ML-команду. Це економічна гігієна, про яку у нас не пишуть достатньо.
