Asystenci AI i automatyzacja rozmów.
Buduję asystentów AI, którzy odpowiadają na podstawie wiedzy firmowej — dokumentów, procedur, historii spraw — a nie na podstawie tego, co model wymyśli. Oraz systemy, które analizują rozmowy, których nikt nie zdąży przesłuchać.
Chatbot, który zmyśla, jest gorszy niż brak chatbota — w regulowanej branży bywa wprost ryzykiem. Dlatego asystentów buduję zawsze na konkretnym zbiorze wiedzy: odpowiedź musi dać się wskazać w źródle, a tam, gdzie źródła nie ma, system ma powiedzieć, że nie wie.
Druga połowa tego obszaru to rozmowy, które już się odbyły. Wywiady, rozmowy z klientami, zgłoszenia serwisowe — materiał, którego nikt nie analizuje, bo nie starcza godzin. Tam AI odzyskuje wiedzę, która i tak została opłacona.
Co buduję
Asystent oparty na wiedzy firmowej
System odpowiadający na pytania na podstawie Waszych dokumentów, procedur i historii spraw — z odwołaniem do źródła przy każdej odpowiedzi.
Wsparcie zespołów eksperckich
Asystent, który skraca research specjalisty: znajduje właściwy przepis, interpretację albo poprzednią sprawę i przygotowuje wstępną odpowiedź do weryfikacji.
Automatyzacja obsługi klienta
Klasyfikacja i wstępna obsługa zgłoszeń, przygotowanie odpowiedzi dla konsultanta, przekazanie sprawy człowiekowi w momencie, w którym system przestaje być pewny.
Analiza rozmów i wywiadów
Transkrypcja i analiza nagrań: wnioski, powtarzające się wątki, sygnały ryzyka. Także w wariancie w pełni prywatnym, gdzie nagranie nie opuszcza infrastruktury klienta.
Integracja z kanałami, których używacie
Slack, Teams, e-mail, panel wewnętrzny, telefonia i platformy CCaaS — asystent trafia tam, gdzie ludzie już pracują, zamiast być kolejnym oknem.
Dla kogo
- Firmy doradcze i eksperckie, w których wiedza jest rozproszona po dokumentach i głowach ludzi.
- Zespoły obsługi klienta obsługujące dużą liczbę powtarzalnych zgłoszeń.
- Branże regulowane, w których odpowiedź musi dać się uzasadnić źródłem.
- Organizacje, które nagrywają rozmowy i nie mają zasobów, żeby je analizować.
Jak to prowadzę
- 01Zakres wiedzy i granice
Ustalamy, na jakich pytaniach system ma odpowiadać i — równie ważne — gdzie ma odmówić i przekazać sprawę człowiekowi.
- 02Przygotowanie źródeł
Dokumenty trzeba przetworzyć, ustrukturyzować i utrzymać w aktualności. To zwykle większa część pracy niż sam model.
- 03Ewaluacja na realnych pytaniach
Zanim system zobaczy użytkowników, testuję go na zestawie prawdziwych pytań z historii — z oceną trafności, a nie wrażeniem, że „ładnie odpowiada”.
- 04Wdrożenie i nadzór
Uruchomienie w jednym kanale, obserwacja odpowiedzi, korekta zakresu. Rozszerzanie dopiero po tym, jak jakość się ustabilizuje.
Wdrożenia
Od asystenta dla doradców podatkowych po prywatną analizę wywiadów w due diligence — wszędzie tam, gdzie odpowiedź musi być uzasadniona, a dane nie mogą wyciec.
Samoaktualizująca się baza 538 000 interpretacji podatkowych, hybrydowe wyszukiwanie, agent badawczy i drafty opinii. Z ok. 12 godzin pracy do ok. 2 minut.
Czytaj case studyWywiady firmy due diligence automatycznie zamieniane w ustrukturyzowane ustalenia — AI odpowiada na każde pytanie z agendy, waliduje każdą odpowiedź względem transkrypcji i wyłapuje niezadane, kluczowe dla transakcji ujawnienia. Wszystko działa w całości na własnej, krajowej chmurze firmy.
Czytaj case studyBackend REST dla aplikacji mobilnej terapeutów — 40+ workflowów, 30+ endpointów, RAG per metoda terapeutyczna, agent terapeutyczny za warstwą routingu, wejście audio/obraz/PDF. Produkcja bez krytycznych błędów.
Czytaj case studyCzęste pytania
- Skąd pewność, że asystent nie zmyśli odpowiedzi?
- Odpowiedzi budowane są na konkretnych fragmentach Waszych dokumentów i pokazywane razem ze źródłem. System jest też jawnie ustawiony tak, żeby przy braku podstawy odpowiedzieć „nie wiem” zamiast improwizować — i to sprawdzam w ewaluacji przed wdrożeniem.
- Czy nasze dokumenty trafią do zewnętrznego modelu?
- Zależy od wymogów. Da się pracować na modelach komercyjnych z umowami wykluczającymi trenowanie na Waszych danych, albo w pełni lokalnie, na modelach uruchomionych w Waszej infrastrukturze. Przy danych wrażliwych domyślnie proponuję ten drugi wariant.
- Czy to zastąpi zespół obsługi klienta?
- W praktyce przejmuje powtarzalną część i przygotowuje materiał dla człowieka przy sprawach trudniejszych. Zespół zostaje, tylko przestaje odpowiadać po raz tysięczny na to samo pytanie.
- Co z językiem polskim?
- Systemy buduję i testuję po polsku. Polski jest trudniejszy dla wyszukiwania semantycznego niż angielski, więc dobór modelu i sposób przygotowania dokumentów ma tu większe znaczenie — i jest częścią pracy.