Генеративний штучний інтелект

Практична роль: LLM виступає як основою багатьох AI-помічників, чатботів, coding assistants, RAG-систем і AI-агентів.== Безпека == Основна ідея: генеративний штучний інтелект не лише аналізує інформацію, а створює новий результат: текст, зображення, код, відео, музику або іншу форму контенту.</syntaxhighlight>

Вона містить:

написати функцію;
пояснити код;
знайти помилку;
створити SQL-запит;
написати тест;
створити API-приклад;
згенерувати HTML/CSS;
пояснити stack trace;
запропонувати refactoring;
створити документацію до коду. Приклади сценаріїв:

Критично: AI-агентам не можна давати необмежені права.== Генеративний AI у документації ==

Як функціонує генеративний AI

Генеративний AI особливо корисний для документації. Приклади інструментів:

візуальних концептів забезпечується через Практична роль: text-to-image корисний; так само реалізовано ілюстрацій, презентацій, маркетингу й творчих експериментів. * чату;

написання текстів;
підсумовування;
перекладу;
пояснення понять;
аналізу документів;
генерації коду;
створення структури;
пошуку ідей;
відповіді на запитання;
роботи з інструкціями. Він лежить в основі сучасних AI-помічників, coding assistants, image generators, video generators, music generators, RAG-систем і AI-агентів. Потрібні sandbox, approvals, logging, rate limits, least privilege і контроль людини. Такі моделі можуть генерувати:

написати статтю;
створити email;
переписати текст простішими словами;
зробити summary;
створити план;
сформувати FAQ;
перекласти текст;
адаптувати тон;
створити SEO-опис продукту;
підготувати інструкцію. AI не скасовує авторське право.=== Для тексту ===

AI-відео застосовується для для:

Приклади мультимодальних систем:

відповідати на запитання;
створювати статті;
писати листи;
пояснювати складні теми;
генерувати код;
створювати зображення;
створювати відео;
озвучувати текст;
перекладати матеріали;
підсумовувати документи;
створювати пісні;
допомагати у дизайні;
цифровізувати частину бізнес-процесів;

працювати як AI-помічники або AI-агенти. Prompt engineering — це практика створення ефективних інструкцій для генеративного AI. Поясни обмеження такого підходу.

AI-помічники можуть:

== Text-to-code ==

'''Небезпека:''' генеративний AI здатна відповідати упевнено навіть тоді, коли помиляється. Приклади напрямів і продуктів:
<syntaxhighlight lang="text">
Fine-tuning здатна бути корисним для:

<div style="background:#e7f3ff; border-left:6px solid #2b7cff; padding:12px; margin:12px 0;">

AI-музика застосовується для для:

* customer support;
* sales enablement;
* marketing content;
* internal knowledge search;
* document automation;
* data analysis;
* code assistance;
* HR onboarding;
* training videos;
* legal document review;
* finance reporting drafts;
* product documentation;
* business process automation.== Типові помилки користувачів ==
<div style="background:#fff7ed; border-left:6px solid #fb923c; padding:12px; margin:12px 0;">

== Основні типи генеративного AI ==

Генеративний AI здатна створювати технічні, організаційні й інформаційні ризики.== Генеративний AI у музиці ==

=== Для зображення ===
<div style="background:#eef2ff; border-left:6px solid #4f46e5; padding:12px; margin:12px 0;">
Він здатна:

== Prompt injection ==

* Офіційна документація OpenAI. Генеративний AI здатна створювати:

</div>

* синтез мовлення;
* озвучення відео;
* голосових асистентів;
* дубляж;
* переклад голосу;
* speech-to-text;
* аналіз аудіо;
* real-time voice agents. '''Практична користь:''' text-to-text оптимізує оперативно створювати чернетки, але фінальний текст потрібно редагувати й перевіряти.<div style="background:#e7f3ff; border-left:6px solid #2b7cff; padding:12px; margin:12px 0;">

Основні напрями:

RAG застосовується для для:

<syntaxhighlight lang="text">

* перевіряти факти;
* не вводити секрети;
* тестувати код;
* перевіряти права на контент;
* маркувати AI-контент там, де потрібно;
* контролювати доступи;
* обмежувати AI-агентів;
* перевіряти джерела;
* не створювати оманливий контент;
* не імітувати людей без дозволу;
* зберігати людський контроль;
* документувати AI-використання в важливих процесах. '''Головне правило:''' чіткий prompt зазвичай дає кращий результат, ніж короткий і нечіткий запит. так само” і тематичні мітки.<div style="background:#eafaf1; border-left:6px solid #2ecc71; padding:12px; margin:12px 0;">

* Whisper;
* ElevenLabs;
* Grok Voice API;
* Synthesia voiceover;
* Gemini Live;
* voice assistants.

паролі;
токени;
API keys;
персональні інформаційні дані;
фінансові реквізити;
медичні інформаційні дані;
юридично чутливі матеріали;
інформаційні дані клієнтів;
production database dumps;
закритий source code без дозволу;
комерційні таємниці. Структура: визначення, приклади, конкурентні переваги, ризики, висновок.== Text-to-speech і voice AI ==

Увага: AI-відео потрібно перевіряти на артефакти, права, правдивість, приватність і ризик введення глядача в оману. це напрям штучного інтелекту, який створює новий контент на основі даних, інструкцій, прикладів або запитів користувача виступає ключовою рисою Генеративний штучний інтелект або Generative AI. Приклади напрямів:

Gemini;
ChatGPT;
Claude;
Grok;
Pixtral;
LLaVA-подібні моделі;
інші vision-language models.

оманливі відео;
підроблені голоси;
фальшиві докази;
маніпуляції;
шахрайство;
порушення приватності;
імітація реальних людей без дозволу.

Fine-tuning

Приклади ризиків:

Галюцинації AI

написати статтю;
створити документацію;
підготувати email;
згенерувати код;
пояснити помилку;
створити презентацію;
зробити summary документа;
згенерувати ілюстрацію;
створити відеочернетку;
підготувати пісню;
перекласти матеріал;
створити support chatbot;
побудувати RAG-систему;
створити AI-агента;
цифровізувати частину бізнес-процесу. Основні ризики:

Небезпека: синтетичні медіа не повинні використовуватися для обману, фальсифікації подій або імітації реальних людей без дозволу. Генеративний AI застосовується для в бізнесі для:

Потрібно бути обережним із:

Суть: різні моделі генеративного AI спеціалізуються на різних форматах: текст, код, зображення, відео, музика, голос або змішані інформаційні дані.

Stable Diffusion;
DALL·E;
Adobe Firefly;
Midjourney;
Canva AI;
інші image generation models.

Типові сценарії використання

Приклади промптів

Критично: AI-сервіс потрібно розглядати як зовнішню систему обробки даних, якщо немає чітких гарантій privacy, security, retention і доступів. критично: генеративний AI не “розуміє” світ так, як людина.

Додай посилання на джерела після кожного важливого твердження.

демо-пісень;
інструменталів;
фонової музики;
вокальних ідей;
саундтреків;
музичних sketch-ів;
remix-ідей;
moodboards;
відео- та ігрових прототипів. * Офіційна документація Google Gemini.

RAG

== Diffusion models ==

== Prompt engineering ==

* короткі відеосцени;
* social media clips;
* анімацію;
* concept video;
* product visuals;
* кінематографічні фрагменти;
* рух камери;
* image-to-video варіації. * Матеріали щодо RAG, prompt engineering, AI agents і responsible AI.

Можливі проблеми:

тестові користувачі;
приклади діалогів;
штучні документи;
training examples;
інформаційні дані для stress testing;
варіації текстів;
edge cases;
симуляції.== Генеративний AI у програмуванні ==

Джерела

Приклади інструментів:

Не варто без потреби вводити:

вигадані факти;
неіснуючі джерела;
неправильні цифри;
помилкові юридичні твердження;
неіснуючі функції API;
неправильні цитати;
неточні історичні інформаційні дані;
хибні висновки.

Стиль: простий, професійний, без зайвого жаргону. Професійний підхід: генеративний AI має прискорювати роботу, але відповідальність за результат, факти, права, безпеку й рішення для бізнесу залишається за людиною.

постановку задачі;
додавання контексту;
задання формату;
приклади бажаного результату;
обмеження;
уточнення стилю;
перевірку результату;
ітерації. Text-to-speech — це перетворення тексту на голос.</syntaxhighlight>

створити функцію;
пояснити код;
знайти помилку;
написати unit tests;
створити документацію;
допомогти з API;
запропонувати refactoring;
згенерувати SQL;
пояснити архітектуру;
підготувати приклад інтеграції. Часто спочатку варто спробувати prompt engineering, RAG або системні інструкції. У програмуванні генеративний AI застосовують, коли потрібно як coding assistant. * ChatGPT;
Claude;
Gemini;
Grok;
DeepSeek;
Mistral Models;
Llama;
Hugging Face models;
локальні LLM у LM Studio або Ollama.

Відповідай лише на основі наданих джерел. * створювати moodboard;

генерувати ілюстрації;
створювати банери;
робити варіанти стилю;
створювати презентації;
генерувати mockups;
адаптувати формат;
створювати visual concepts;
редагувати зображення. Генеративний штучний інтелект функціонує з моделями, які навчаються на великих наборах даних і потім генерують нові результати за запитом користувача. * об’єкт;
сцену;
стиль;
композицію;
світло;
кольори;
формат;
настрій;
обмеження.SEO title: Генеративний штучний інтелект — технології створення тексту, зображень, коду, відео, музики та даних

SEO keywords: генеративний штучний інтелект, Generative AI, GenAI, генеративний AI, штучний інтелект, LLM, великі мовні моделі, text-to-text, text-to-image, text-to-video, text-to-music, diffusion models, prompt engineering, RAG, AI agents, ChatGPT, Claude, Gemini, Grok, Mistral Models, Stable Diffusion, DALL-E, Sora, Pika, Udio, Synthesia, AI-помічник, AI-агент, авторське право, приватність даних

</noinclude>
 {{SEO
Шаблон для службового SEO-опису сторінки.

}}

Суть AI-помічника: він перетворює складну модель на зручний діалоговий інструмент для людини.== Генеративний AI у дизайні ==

Створи wiki-статтю про AI-агентів.

Великі мовні моделі або Large Language Models — це моделі, які працюють з текстом і можуть генерувати природну мову. Просте пояснення: GenAI — це AI, який генерує новий контент, а не лише класифікує або аналізує вже наявні інформаційні дані. Генеративний штучний інтелект — це напрям AI, який створює новий контент: текст, код, зображення, відео, музику, голос, документи, інформаційні дані або мультимодальні результати. Практична роль: у бізнесі генеративний AI найкраще функціонує там, де виступає як повторювані інформаційні задачі, документи, тексти, технічна підтримка, код або знання. * інструментали;

пісні;
вокал;
демо-треки;
фонову музику;
звукові ідеї;
жанрові варіації;
музичні moodboards. Суть RAG: модель не має вигадувати відповідь із пам’яті, а повинна спиратися на знайдені джерела.

Приклади LLM-екосистем:

“У наданих матеріалах цього немає”.

документ містить інструкцію “ігноруй попередні правила”;
сайт підсовує AI прихований текст;
користувач системи змушує агента розкрити інформаційні дані;
AI викликає tool не за призначенням;
модель виконує шкідливу інструкцію з неперевіреного джерела. # користувач системи перевіряє, редагує й уточнює результат.</syntaxhighlight>

Головна думка: генеративний AI — це потужний інструмент створення й автоматизації, але якісний результат потребує чітких інструкцій, перевірки, людського контролю, безпеки й відповідального використання. Це корисно для: Додай визначення, приклади, ризики, хороші практики,

Приклади:

Додай приклади unit tests. # Модель навчається на великій кількості прикладів. Приклади:

давати чіткі інструкції;
надавати потрібний контекст;
просити структуровану відповідь;
перевіряти факти;
використовувати джерела;
тестувати код;
не вводити секрети;
застосовувати RAG для корпоративних знань;
використовувати human review;
контролювати авторські права;
документувати AI-workflows;
оцінювати якість на прикладах;
обмежувати права AI-агентів;
моніторити production-системи. Рекомендовано:

Генеративний AI здатна допомагати:

генеративний штучний інтелект;
генеративний AI;
Generative AI;
GenAI.

Генеративний AI потрібно використовувати відповідально. * text-to-text;

text-to-code;
text-to-image;
image-to-image;
text-to-video;
image-to-video;
text-to-music;
text-to-speech;
speech-to-text;
multimodal AI;
AI agents;
synthetic data generation.== Авторське право ==

критично: fine-tuning не завжди потрібен.

Udio;
Suno;
Stable Audio;
інші AI music tools.== Тематичні мітки ==

критично: AI-музика пов’язана з авторським правом, ліцензіями, правами на lyrics, голоси, samples і дистрибуцію. * Офіційна документація Mistral AI. Водночас він має ризики: галюцинації, помилки, bias, авторське право, приватність, безпека, deepfake, prompt injection і надмірна довіра до результатів. Вона здатна містити bias, нереалістичні приклади або помилки, які потім погіршать модель чи тестування.

Напиши Python-функцію для валідації email.

Основні конкурентні переваги:

специфічного стилю;
доменної термінології;
класифікації;
extraction;
підтримки клієнтів;
coding workflows;
специфічного формату відповідей;
внутрішніх бізнес-процесів. * чужими текстами;
пісенними lyrics;
зображеннями;
логотипами;
персонажами;
музикою;
голосами;
стилем сучасних авторів;
кодом із ліцензіями;
навчальними даними;
commercial use. Fine-tuning — це додаткове навчання моделі на спеціальних даних для конкретної задачі. * отримати ціль;
скласти план;
викликати API;
шукати інформацію;
змінювати документи;
писати код;
запускати тести;
аналізувати результат;
повторювати кроки;
повертати готовий результат. Практична роль: voice AI робить взаємодію з AI природнішою й корисною для відео, навчання, accessibility, call centers і мобільних сценаріїв. Text-to-image — це створення зображення за текстовим описом.

Synthetic data — це штучно згенеровані інформаційні дані, які можуть використовуватися для тестування, навчання або моделювання. # Під час навчання вона виявляє закономірності в даних.== Deepfake і синтетичні медіа ==

Для коду

Приклади:

Модель здатна генерувати:

Критично: RAG і AI-агенти мають перевіряти джерела, обмежувати tool access і не виконувати інструкції з неперевірених документів як системні правила. Рекомендовано:

Обмеження генеративного AI

Генеративний AI здатна значно пришвидшити роботу, навчання, програмування, дизайн, документацію й творчість.

швидке створення чернеток;
автоматизація процесів рутинних задач;
допомога в навчанні;
прискорення програмування;
генерація ідей;
персоналізація;
робота з документами;
технічна підтримка багатьох мов;
допомога в дизайні;
створення прототипів;
зменшення часу на повторювану роботу;
доступність творчих інструментів для ширшого кола користувачів.

Практична користь: prompt engineering оптимізує отримувати стабільніші й корисніші відповіді без зміни самої моделі. * Документація Microsoft Copilot. * Sora;

Pika;
Runway;
Synthesia;
Grok Imagine;
Veo;
інші AI-video tools.== конкурентні переваги генеративного AI ==

Напиши коротку статтю про генеративний AI.

== Text-to-image ==
Приклади інструментів і напрямів:

Генеративний AI має обмеження.== Див. так само ==

* ChatGPT;
* Claude;
* Gemini;
* Grok;
* Microsoft Copilot;
* Notion AI;
* Canva AI;
* Amazon Q Developer;
* Replit AI. Генеративний AI здатна створювати реалістичні зображення, відео й голоси. Приклади:
абстрактний генеративний AI, нейронні лінії,
Але так само створює ризики:
<div style="background:#f0eaff; border-left:6px solid #8e44ad; padding:12px; margin:12px 0;">
'''Практична порада:''' починати варто з задач, де швидко перевірити результат: чернетки, summary, класифікація, FAQ, допомога з кодом або документація.<div style="background:#ecfdf5; border-left:6px solid #10b981; padding:12px; margin:12px 0;">

Якщо відповіді в джерелах немає, напиши:

Галюцинації AI — це ситуації, коли модель створює відповідь, яка звучить переконливо, але виступає як неправильною, вигаданою або непідтвердженою. Такі системи можуть: Приклади:

Головне правило: генеративний AI найкраще функціонує як помічник людини: оперативно створює варіанти, а людина перевіряє, уточнює й приймає рішення для бізнесу. Приклади:

Udio;
Suno;
Stable Audio;
MusicFX;
інші AI music tools. Суть diffusion models: вони поступово формують зображення, орієнтуючись на prompt, стиль, контекст і навчений візуальний простір. # платформа генерує текст, код, зображення, звук, відео або інший результат. Практична роль: GenAI оптимізує оперативно отримати візуальний напрям, але фінальний дизайн потребує людського смаку, брендингу й перевірки деталей.

Перевага мультимодальності: користувач системи здатна працювати з AI не лише через текст. Це інструмент допомоги, а не абсолютний авторитет.

писати wiki-статті;
створювати інструкції;
підсумовувати зміни;
пояснювати модулі;
створювати FAQ;
оновлювати release notes;
структурувати терміни;
створювати приклади;
перекладати документацію;
адаптувати текст для різних аудиторій. AI-агент здатна:

prompt injection;
витік даних;
небезпечний код;
неправильні інструкції;
помилки в AI-агентах;
небажані tool calls;
фішинговий контент;
deepfakes;
оманлива інформаційні матеріали;
uncontrolled automation;
over-permissioned agents. * Довідкові матеріали щодо авторського права, приватності й безпеки AI. Генеративний AI створює контент, тому критично враховувати авторське право.=== Для RAG ===

Приклад:

Критично: AI-generated code потрібно запускати, тестувати, перевіряти на безпеку й не переносити в production без review. синьо-фіолетове світло, мінімалістичний стиль,

RAG або Retrieval-Augmented Generation — це підхід, коли AI перед відповіддю отримує релевантні документи з пошуку, бази знань або корпоративного сховища. * Офіційна документація xAI. Критично: перед публікацією AI-музики потрібно перевірити права, ліцензії, правила дистрибуції й можливу схожість із чужими творами.

Помилка: вважати генеративний AI безпомилковим джерелом істини. Під час роботи з генеративним AI потрібно контролювати, які інформаційні дані передаються в модель. як приклад:

Canva AI;
Adobe Firefly;
DALL·E;
Stable Diffusion;
Midjourney;
Figma AI;
Photoshop Generative Fill.== Генеративний AI у відео ==

Prompt

Бізнес-використання

Мінімалістична ілюстрація генеративного AI:

задачу;
контекст;
приклади;
формат відповіді;
роль;
стиль;
обмеження;
критерії якості;
інформаційні дані для аналізу;
бажаний результат. * Офіційна документація Anthropic. Такі моделі можуть:

Перевага для документації: AI оптимізує оперативно створити повну чернетку, але предметний експерт має перевірити факти, терміни й відповідність системі.

AI-агенти

галюцинації;
помилки у фактах;
bias;
неправильне розуміння контексту;
нестабільність відповідей;
авторсько-правові ризики;
приватність даних;
небезпечний код;
візуальні артефакти;
неправильні посилання;
залежність від якості prompt;
складність оцінювання результатів. Prompt — це інструкція або запит до генеративного AI. через Перевага: генеративний AI користувачі можуть оперативно переходити від ідеї до чернетки, прототипу, тексту, коду, візуального матеріалу або робочого сценарію.

Небезпека: найсерйозніші помилки виникають тоді, коли AI отримує довіру без перевірки, доступи без обмежень або інформаційні дані без контролю приватності.

Він здатна допомагати:

AI-помічник — це інтерфейс, через який користувач системи взаємодіє з генеративною моделлю. * текст + зображення;

текст + відео;
текст + аудіо;
код + документація;
зображення + питання;
документ + таблиця;
screenshot + інструкція;
voice + screen context. * Документація Hugging Face.

Приватність даних

Diffusion models — це клас генеративних моделей, які часто використовуються для створення зображень.== Text-to-music ==

<div style="background:#eafaf1; border-left:6px solid #2ecc71; padding:12px; margin:12px 0;">

* відеочернеток;
* аватар-відео;
* навчальних роликів;
* social media clips;
* product explainers;
* дубляжу;
* локалізації;
* анімації;
* concept video;
* marketing content.=== Для документації ===
<div style="background:#fdecea; border-left:6px solid #e74c3c; padding:12px; margin:12px 0;">
без тексту, формат 16:9. '''Критично:''' не можна копіювати захищені тексти, пісні, зображення, код або голоси без прав.== Відповідальне використання ==
<div style="background:#fff7ed; border-left:6px solid #fb923c; padding:12px; margin:12px 0;">
Приклад промпта:

Генеративний AI зазвичай функціонує за такою логікою:

'''Правило:''' чим більше прав має AI-система, тим важливіші sandbox, access control, audit logs, human approval і monitoring.== Text-to-video ==
</div>
розділ “Див. Генеративний AI можна поділити за типом результату. У дизайні GenAI здатна допомагати:
'''GenAI''' — скорочена назва від '''Generative Artificial Intelligence'''. Поясни генеративний штучний інтелект простими словами.</div>
</div>
Prompt здатна містити:

У бізнесі, документації й технологічних матеріалах часто використовують обидва варіанти:

<syntaxhighlight lang="text">

== Висновок ==

* створювати зображення з тексту;
* редагувати зображення;
* змінювати стиль;
* домальовувати частини зображення;
* створювати варіації;
* допомагати у візуальному дизайні;
* працювати з image-to-image сценаріями. '''Voice AI''' здатна включати:

* GitHub Copilot;
* Amazon Q Developer;
* Replit AI;
* Cursor;
* ChatGPT;
* Claude;
* Gemini;
* Codestral;
* Devstral;
* Grok Models. '''Головна перевага:''' генеративний AI скорочує шлях від ідеї до першого результату. '''AI-агент''' — це платформа, яка здатна не лише відповідати, а й виконувати кроки, викликати інструменти, планувати дії й працювати з workflow. Вони використовуються для:
абстрактна нейронна мережа, м’яке синє світло,
'''Text-to-music''' — це створення музики з текстового опису. Дай визначення, 5 прикладів використання, ризики

Поширені помилки:

* корпоративних wiki;
* support assistants;
* internal knowledge base;
* документації;
* юридичних документів;
* технічної підтримки;
* пошуку по файлах;
* AI-помічників із джерелами. '''Multimodal AI''' — це AI, який здатна працювати з кількома типами даних одночасно. * кіно;
* навчання;
* дизайну;
* accessibility;
* дубляжу;
* прототипів;
* креативу.</div>
Створи промпт для ілюстрації:
'''Увага:''' synthetic data потрібно перевіряти.== Хороші практики ==

* Sora;
* Pika;
* Runway;
* Synthesia;
* HeyGen;
* Canva AI;
* Grok Imagine;
* Veo.</div>

'''Text-to-text''' — це генерація нового тексту з текстового запиту. '''Text-to-code''' — це генерація коду з текстової інструкції. # користувач системи дає запит або prompt.== Загальний SEO-опис ==
== Multimodal AI ==
сучасний технологічний стиль, без тексту, формат 16:9.<div style="background:#fff4e5; border-left:6px solid #f39c12; padding:12px; margin:12px 0;">
'''критично:''' AI здатна пришвидшити програмування, але не замінює code review, тестування, security review і розуміння бізнес-логіки. і короткий висновок для бізнес-аудиторії. # Модель прогнозує, який результат найкраще відповідає запиту.== Text-to-text ==

</div>

'''Prompt injection''' — це атака або небажаний вплив на AI-систему через текст, документ, сайт або інший input, який змушує модель ігнорувати правила або виконувати небажані дії. * відповідати на питання;
* допомагати писати;
* пояснювати;
* шукати інформацію;
* працювати з файлами;
* допомагати із кодом;
* планувати;
* створювати контент;
* аналізувати документи;
* працювати з інструментами.== Synthetic data ==
користувач системи описує:

Великі мовні моделі

Підказка: хороший prompt містить задачу, контекст, формат, обмеження і критерії якості. Text-to-video — це створення відео за текстовим описом. Він створює результат на основі статистичних закономірностей, навчання, контексту й інструкцій. * Документація Stable Diffusion. Важливі твердження потрібно перевіряти. Увага: AI-відео здатна виглядати переконливо, але містити артефакти, неточності або оманливий контекст. Окремо варто відзначити а й через зображення, документи, аудіо, відео і інші формати.

GenAI

нечіткий prompt;
відсутність контексту;
довіра до відповіді без перевірки;
передавання конфіденційних даних;
копіювання AI-коду без тестів;
публікація AI-зображень без перевірки прав;
використання AI як єдиного джерела фактів;
надмірна автоматизація процесів без контролю;
ігнорування bias;
відсутність human review;
неправильний вибір моделі;
очікування ідеального результату з першої спроби.

текст;
код;
зображення;
відео;
музику;
голос;
презентації;
документи;
таблиці;
3D-концепти;
синтетичні інформаційні дані;
відповіді в чаті;
структури знань;
сценарії;
візуальні й аудіоідеї.== AI-помічники ==

Приклади інструментів: