Український стартап Prox (useprox.com), що його восени 2025 року прийняли до батча Y Combinator під керівництвом партнера Харджа Таггара, будує AI-підтримку клієнтів — але не для очевидних ринків на кшталт fintech. Клієнти компанії — американські виробники обладнання: сільгосптехніки, будівельних машин, квадроциклів і кондиціонерів, пишуть Dengi.ua.
Один із клієнтів Prox — американський e-commerce-юнікорн ShipBob — щомісяця проганяє через систему понад $1 млн транзакцій клієнтської підтримки. Prox має венчурне фінансування; серед інвесторів — Bloomberg Beta, Y Combinator, SV Angel та інші. У березні 2026 року The New York Times опублікувала про компанію матеріал.
Стратегічне питання для української tech-екосистеми — чому один із найпомітніших українських стартапів Y Combinator продає клієнтам, які виробляють на перший погляд непримітні товари, замість того щоб гнатися за індустріями, куди вкладено найбільше капіталу.
Ми запитали Дмитра Яновського, 25-річного співзасновника і CEO Prox: чому саме «нудні» індустрії — кондиціонери, трактори, квадроцикли — а не fintech; як працює Y Combinator; і яким буде ринок AI-підтримки клієнтів за десять років.
Що було проблемою
Стандартний AI клієнтської підтримки, каже Дмитро, будували для простих категорій. Покупець носить футболку чи купує клавіатуру онлайн; якщо замовлення затримується, відповідає універсальний агент. Цю задачу вирішили пʼятнадцять років тому. Zendesk, Intercom і Front закрили її.
«Ми сфокусовані на категоріях, де біль клієнтської підтримки взагалі не вирішений, — каже Яновський. — Якщо ви продаєте промисловий нагрівач за двадцять тисяч доларів, ваш технік дві години стоїть на лінії з виробником, аби зʼясувати, який термінал зʼєднується з яким проводом. Звичайна AI-модель схему не намалює. Це та категорія, для якої ми будували».
Технічна проблема, пояснює він, у тому, що відповідь на запитання, поставлене виробнику, лежить у схемах проводки на 48 сторінок, у трьох матрицях сумісності і у стосі сервісних бюлетенів — а не у відкритому інтернеті. Тож Prox збудував систему, що завантажує повний технічний каталог виробника у мультимодальний знаннєвий рушій і відповідає голосом, у чаті і через системи кейс-менеджменту. Агенти малюють схеми, діляться CAD-моделями і обробляють відеозаписи з поля у реальному часі.
Чому саме промислове обладнання, а не банки
Дмитро пояснює: спільне у цих індустріях — не складність технології, а складність продукту і ціна помилки в підтримці. Кондиціонер за десять тисяч доларів, трактор за двісті тисяч, квадроцикл за тридцять тисяч — для людини на іншому кінці лінії один неправильний крок дорівнює кільком тижням простою або ремонту на чотиризначну суму.
«Ми обираємо категорії, де AI має реальний фінансовий важіль, — каже Яновський. — Якщо технік невірно зрозумів, який провід куди йде, це не баг у софті. Це згоріла плата і викликаний майстер за двісті доларів на годину».
Друга причина — кадровий розрив. У США різко не вистачає сервісних інженерів у робітничих професіях: монтажники кондиціонерів, агроінженери, механіки важкої техніки, моторні майстри. Дилерські мережі Carrier, Trane, Lennox (це три найбільші у світі виробники кондиціонерів) роками не закривають вакансії, а старі майстри виходять на пенсію швидше, ніж приходять нові. Технічна підтримка від виробника — той вузол, де ця криза найбільш відчутна для кінцевого клієнта.
«Це не та індустрія, куди AI прийшов уперше, — пояснює Дмитро. — Це індустрія, де AI вперше став насправді потрібен. Раніше дзвінок на сорок хвилин коштував незручність. Сьогодні він коштує контракт».
До речі, значну частину клієнтів ми знаходимо саме через LinkedIn, — додає Яновський. — Я регулярно пишу там про те, як AI-агенти працюють у «нудних» індустріях, і часто перша розмова з виробником починається саме звідти». Профіль Дмитра у LinkedIn.
Раніше ми писали, що американський автогігант General Motors широко інтегрує генеративний штучний інтелект у процес проектування автомобілів, щоб кардинально скоротити цикл розробки.
