Najnowsze wpisy

• Adaptacja treści marketingowych w branży farmaceutycznej

  Demo przygotowane dla globalnego koncernu farmaceutycznego. Problem dotyczy tego, co dzieje się już po zatwierdzeniu kreacji: agencja tworzy materiał wzorcowy, przechodzi on globalną akceptację, a następnie rynki lokalne adaptują go do własnych wymogów regulacyjnych, języka i odbiorcy. Każda adaptacja staje się osobną wersją z własnym identyfikatorem, poza polem widzenia zespołu globalnego, a autonomia rynków sprawia, że efekty potrafią mocno rozjechać się z materiałem źródłowym.

• Agentowa platforma AI dla przedsiębiorstwa

  Organizacje, z którymi pracowałem, przeszły w ostatnich latach ten sam cykl. Najpierw jeden chatbot oparty o RAG. Potem drugi. Potem dziesięć — każdy z własnym uwierzytelnianiem, własnym dostawcą modeli i własnym pomysłem na logowanie. Koszt utrzymania zaczął rosnąć szybciej niż dostarczana wartość.

• Hackathon AI dla koncernu spożywczego w Azji Południowo-Wschodniej

  Celem projektu było przeprowadzenie firmowego programu otwartej innowacji, którego tegoroczna edycja została w całości poświęcona sztucznej inteligencji. Klient — wiodący koncern spożywczo-napojowy działający w kilku krajach Azji Południowo-Wschodniej — organizuje ten program cyklicznie, ale po raz pierwszy potrzebował partnera technologicznego, który wprowadzi uczestników w temat AI i pomoże im dojść od pomysłu do koncepcji gotowej do wyceny.

• Zgodność z AI Act jako element procesu wytwórczego

  AI Act przestał być tematem przyszłościowym — część terminów już minęła, a sankcje sięgają 35 mln EUR lub 7% globalnego obrotu. Jednocześnie większość zespołów inżynierskich nadal traktowała regulację jako sprawę działu prawnego, czyli jako coś, co dzieje się gdzie indziej i po fakcie.

• Voiceboty zamiast GPS — śledzenie ciężarówek bez trackerów

  Klient — duży koncern spożywczy działający na Filipinach — realizuje transport wyłącznie przez zakontraktowanych przewoźników zewnętrznych o bardzo różnym poziomie dojrzałości cyfrowej. Znaczna część floty jest wynajmowana i nie ma zainstalowanych nadajników GPS, z których dałoby się korzystać. Skutek jest taki, że nie istnieje jedno źródło prawdy o postępie dostawy: statusy aktualizowane są ręcznie, terminy wyjazdu i przyjazdu są niedokładne, a opóźnienia rozpoznaje się dopiero po fakcie. Planiści spędzają istotną część dnia na dzwonieniu do przewoźników po informację o statusie — praca, która nie skaluje się w żadnym kierunku.

• Konwersacyjne AI/BI, czyli NL2SQL, który wie czego nie wie

  Klient, globalny koncern z branży napojów, chciał umożliwić menedżerom w kilkudziesięciu rynkach zadawanie pytań o sprzedaż własnymi słowami i otrzymywanie wiarygodnej liczby — zamiast czekania dwóch dni na dostępność analityka.

• Asystent informacji o lekach dla lekarzy oparty o graf wiedzy

  Projekt realizowany dla wiodącej firmy farmaceutycznej. Lekarze potrzebują szybkiego dostępu do rzetelnej informacji o lekach — dawkowaniu, przeciwwskazaniach, interakcjach — a producent potrzebuje sposobu na wprowadzenie ich w nowe leki i terapie. Rynek jest silnie regulowany, a system w rozumieniu AI Act klasyfikuje się jako średniego ryzyka.

• PoC dopasowywania SKU w zakupach — od tygodni do godzin

  Klient, międzynarodowa grupa działająca w obszarze usług gastronomicznych, mierzy się z rosnącą złożonością analizy zakupowej. Katalogi produktowe puchną, a kolejne przejęcia dokładają następne — każde z własnym modelem danych. Menedżerowie kategorii spędzali tygodnie na ręcznym dopasowywaniu i porównywaniu SKU w arkuszach kalkulacyjnych, co opóźniało decyzje o oszczędnościach i wprowadzało niespójność. Dane podstawowe nie były wiarygodne, a między rynkami nie istniał żaden wzorzec złotego rekordu.

• Standardy programowania wspierane przez AI

  Asystenci kodu weszli do zespołów szybciej, niż powstały zasady ich używania. Efektem był rozjazd: różne konfiguracje lokalne, różni dostawcy modeli, różna jakość tego, co ostatecznie trafiało do repozytorium.

• Produktyzacja i wdrożenie modeli ML na 28 rynkach

  Klient, jeden z największych rozlewników napojów na świecie, przeprowadził udany PoC modeli optymalizujących kanał detaliczny i działania marketingowe. Następnie potrzebował partnera do produktyzacji i wdrożenia rozwiązania na 28 rynkach — przy bardzo napiętym harmonogramie i równoległej modernizacji architektury danych, co istotnie podnosiło złożoność dostarczania.

• Monitorowanie jakości danych dla krytycznego silnika predykcyjnego

  Duża, krytyczna biznesowo aplikacja predykcyjna u klienta z branży rozlewniczej zwracała wyniki, którym użytkownicy przestali ufać. Istniejące kontrole jakości danych były punktowe, nieskalowalne i nie odpowiadały na pytanie, dlaczego dzisiejszy wynik różni się od wczorajszego.

• Automatyczna generacja i adaptacja treści merytorycznych

  Klient z sektora ochrony zdrowia produkował duże ilości materiałów merytorycznych, które następnie trzeba było adaptować na wiele rynków, formatów i grup odbiorców. Każda adaptacja oznaczała pracę ręczną i tygodnie opóźnienia.

• Optymalizacja alokacji merchandiserów w skali kraju

  Klient — oddział globalnego koncernu spożywczego na Filipinach — utrzymuje w terenie zespół merchandiserów odwiedzających punkty sprzedaży detalicznej, żeby kontrolować stany i uzupełniać półki. Roczny koszt tego zespołu sięgał miliarda pesos i rósł wraz z otwieraniem kolejnych punktów, a w tle pojawiała się zapowiedziana podwyżka płacy minimalnej. Przydział merchandiserów do sklepów odbywał się bez ustalonego procesu, w oparciu o doświadczenie lokalnych kierowników.

• AutoPilot — orkiestrator operacji magazynowych

  Projekt realizowany dla koncernu FMCG z listy Fortune 500. Celem było zastąpienie pracy „pilotów magazynu” — ludzi, którzy ręcznie decydowali, co, kiedy i przez kogo ma być zrobione — kompletnym orkiestratorem planującym operacje wyjściowe w horyzoncie najbliższych 24 godzin.

• Platforma prognozowania popytu dla globalnego koncernu FMCG

  Klient prognozował popyt w dużej mierze ręcznie. Proces był czasochłonny, kosztowny w utrzymaniu i nie skalował się na kolejne rynki, a problemy z optymalizacją zapasów wracały co kwartał.

• Model elastyczności cenowej jako narzędzie, nie jako analiza

  Klient, globalny producent alkoholi premium, dysponował modelem elastyczności cenowej działającym jako zestaw notatników na Databricks. Model dawał liczby, ale nie dawał procesu: nie rozróżniał elastyczności promocyjnej od regularnej, nie uwzględniał sezonowości i nie skalował się na kolejne rynki.

• Wykrywanie kanibalizacji produktów

  Klient — międzynarodowa sieć handlowa z branży wyposażenia wnętrz — wprowadza na rynek tysiące produktów rocznie. Ocena, które nowości zjadają sprzedaż istniejących pozycji z portfela, opierała się na intuicji kategorii menedżerów. Brakowało też odpowiedzi na pytanie, czy wprowadzenie danego produktu ostatecznie się opłaciło.

• Predykcja zużycia narzędzi w utrzymaniu ruchu

  Narzędzia na linii produkcyjnej wymieniano według stałego harmonogramu. Część trafiała do wymiany zbyt wcześnie, generując zbędny koszt. Część zbyt późno, generując przestój i braki jakościowe.

• KPI explainer dla procesów magazynowych

  Menedżerowie centrów magazynowych mieli komplet dashboardów. W momencie pogorszenia wskaźnika wiedzieli o tym natychmiast — i spędzali kolejne dni na ustalaniu, dlaczego.

• Wyszukiwarka tekstowa dla nieopisanych zdjęć

  Milion fotografii bez metadanych i jedno pole wyszukiwania.

• Rozpoznawanie twarzy i automatyczne kadrowanie

  Redakcyjna drobnica, która zjadała godziny dziennie.

• Silnik rekomendacji treści i wycena potencjału artykułu

  Co czytelnik przeczyta następne — i czy ten tekst warto było napisać.

• Automatyzacja redakcji: generacja artykułów, tagowanie i brand safety

  Siedem wdrożeń i zespół AI zbudowany od zera.

• Portfolio

  Co nieco o projektach, które zrealizowałem.