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 konsultanta w firmie doradczej po prywatną analizę wywiadów w due diligence — wszędzie tam, gdzie odpowiedź musi być uzasadniona, a dane nie mogą wyciec.
Samoaktualizująca się baza ponad pół miliona dokumentów, hybrydowe wyszukiwanie, agent badawczy i drafty analiz. 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 studyPrzewodniki
Ile kosztuje minuta rozmowy i w którym momencie własny agent głosowy zaczyna bić gotową recepcjonistkę AI.
Voicebot, agent głosowy czy recepcjonistka AI: co wybrać i ile to kosztuje?
Gotowa recepcjonistka AI kosztuje od 29 dolarów miesięcznie i da się ją uruchomić w kilka godzin. Własny agent głosowy na GPT-Live z telefonią Twilio kosztuje około 0,065 dolara za minutę plus kilkanaście dolarów stałych opłat, ale trzeba go zbudować. Poniżej około 50 rozmów miesięcznie wygrywa gotowa usługa, powyżej 500 własny agent zwraca się w kilka miesięcy. W obu wariantach rezerwacje, CRM i wyceny obsługuje n8n, wywoływany przez agenta w trakcie rozmowy.
Czytaj przewodnikCzym jest AI Agent w n8n i jak działa?
AI Agent w n8n to węzeł, w którym model językowy dostaje instrukcję (system message) i zestaw narzędzi, a potem sam decyduje, których użyć, żeby wykonać zadanie. Bez narzędzi to zwykły czat. Z narzędziami, najczęściej sub-workflowami, agent potrafi odczytać dokument, sprawdzić dane w arkuszu i podjąć decyzję, której zwykła reguła nie obsłuży. Od sierpnia 2026 n8n ma też osobną kategorię Agents: agentów z własną pamięcią, kanałami i skillami, działających poza pojedynczym workflowem.
Czytaj przewodnikCzęste 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.