У серпні 2026 року Артем Мороз в інтерв'ю виданню Speka назвав оборонні технології одним з головних напрямів зростання українського венчурного ринку — і пояснив, чому інвестори тепер платять за перевірені бойові результати ШІ-продуктів, а не за презентації про майбутнє війни.

Теза не нова для тих, хто стежить за українським defense tech ще з перших років повномасштабної війни, але вона показова саме зараз: після понад чотирьох років бойових дій ринок пройшов шлях від хаотичного волонтерського виробництва дронів до структурованої індустрії з держзамовленнями через кластер Brave1, приватними раундами та експортними ліцензіями. Штучний інтелект — комп'ютерний зір для наведення, автономна навігація в умовах РЕБ, аналітика розвідданих — перестав бути маркетинговим словом у пітч-деку і став критерієм, за яким фонди відбирають, кому дати гроші.

За даними Speka, Мороз описує ринок defense tech в Україні як простір, де гроші йдуть за доведеним зростанням, а не за обіцянками інновацій. Для AI-білдерів, які думають про вихід у цей сегмент, це міняє правила гри: технологічна новизна більше не продає сама себе.

Чому інвестори раптом повірили в український оборонний ШІ?

Бо ринок нарешті дає перевірювані метрики. Ще два роки тому оборонний стартап міг залучити гроші під демо на полігоні — сьогодні фонди хочуть бачити відсоток збитих цілей, кількість підрозділів, що реально користуються системою, і що важливіше — повторні закупівлі від Міноборони чи окремих бригад. Це та сама логіка, яку венчур застосовує до SaaS: retention та revenue growth важать більше за красиву демку.

Кожен з цих напрямів вимагає інженерів, які вміють працювати з edge-inference — моделі мають працювати на слабкому «залізі» дрона без стабільного інтернету, а не в хмарі з необмеженою обчислювальною потужністю. Це вужча й складніша ніша, ніж типовий SaaS на GPT-обгортці — і саме тому вона менш перенасичена конкурентами.

Кому реально варто заходити на цей ринок?

Практично — командам із досвідом у computer vision, robotics та embedded ML, а не тим, хто хоче обгорнути готову LLM у новий інтерфейс. Легкі моделі для швидкого інференсу — якраз той клас рішень, що підходить для роботи на бортовому «залізі» без датацентру поруч.

Другий момент, про який рідше говорять публічно: оборонний контракт в Україні — це довгий цикл продажів (сертифікація, тестування на полігоні, узгодження з військовими користувачами), і команда без запасу часу на пів року-рік ризикує вигоріти ще до першого держконтракту. Венчур це розуміє і закладає в оцінку компанії довший горизонт окупності, ніж у цивільному B2B SaaS.

У чому головний ризик — і чому «наш погляд» тут не формальність?

Розробники оборонних ШІ-систем працюють із даними, витік яких коштує не репутації, а життів. Координати підрозділів, маршрути логістики, персональні дані військовослужбовців, відео з розвідувальних дронів — усе це потенційна ціль для розвідки супротивника, і жодна MVP-культура «спершу запустити, потім захистити» тут не працює.

Практичний мінімум для команди, що будує оборонний AI-продукт:

Це не бюрократія заради бюрократії — це вимога галузі, яка вже не раз показувала, що недбалість з геоданими коштує реальних втрат на фронті.

Висновок AiiN

Наша теза проста: захист даних в оборонному ШІ — це не compliance-чекліст, який відкладають на «після MVP», а частина продуктової архітектури з першого дня, так само як latency чи точність моделі. Команда, яка на пітчі показує security-by-design поруч із метриками точності наведення, отримує перевагу над тією, що показує лише красиву демку, — бо саме так тепер відбирають переможців інвестори, про яких говорить Мороз.

Скільки коштує вхід у defense tech для невеликої AI-команди?

Точна сума залежить від напряму, але поріг входу вищий, ніж у цивільному AI-стартапі: потрібне тестове «залізо» (дрони, edge-пристрої), доступ до полігонних випробувань і час на сертифікацію, тому команди з двох-трьох інженерів рідко заходять у сегмент без профільного гранту чи участі в програмах на кшталт Brave1.

Чи можна будувати оборонний AI-продукт без спеціального доступу до військових даних?

Так, частина продуктів — аналітика супутникових знімків, симуляційні платформи для тренування алгоритмів, інструменти логістики — розробляється на відкритих або синтетичних даних і лише на пізніших етапах переходить до роботи з чутливою інформацією під наглядом профільних органів.