Usługi
Od ponad 10 lat tworzymy projekty finansowe oparte na blockchainie: scentralizowane i zdecentralizowane giełdy kryptowalut, boty krypto, bramki płatnicze, tokenizację nieruchomości oraz projekty DeFi i NFT.
AI & ML
Od 2023 roku tworzymy AI dla biznesu: rozwój AI i LLM na zamówienie, agenci AI, chatboty i AI dla przedsiębiorstw zintegrowane z Twoimi danymi, produktami i procesami.
Tworzymy aplikacje generatywnej AI, które pomagają ludziom wyszukiwać informacje, przygotowywać dokumenty i wykonywać pracę w systemach biznesowych. Od wewnętrznych asystentów po funkcje AI dla produktów SaaS — zajmujemy się rozwojem, integracjami, testami i wdrożeniem.
Przyjdź z określonym projektem lub procesem, który chcesz usprawnić. Pomożemy ustalić zakres, ocenić dane i wybrać praktyczny punkt startowy.
Zanim zdecydujemy się na pełną budowę, analizujemy proces, dostępne dane i oczekiwany rezultat. Na etapie analizy określamy, co system ma robić, które działania wymagają zatwierdzenia przez człowieka i jak będzie oceniana jego skuteczność. Ukierunkowany prototyp sprawdza założenia, od których inwestycja zależy najbardziej.
Tworzymy aplikacje dopasowane do Twoich użytkowników i procesów biznesowych. Nasza praca obejmuje interfejs, backend, integrację modelu, dostęp do danych i narzędzia administracyjne. Zakres może sięgać od wewnętrznego asystenta do dokumentów po produkt dla klientów z kontami, subskrypcjami i wieloma rolami użytkowników.
Usługi tworzenia AIŁączymy aplikacje AI z dokumentami i bazami danych firmy za pomocą generowania wspomaganego wyszukiwaniem (RAG). Praca obejmuje przygotowanie treści, konfigurację wyszukiwania, zachowanie odnośników do źródeł i stosowanie reguł dostępu. Określamy też, jak aktualizowane są informacje, aby aplikacja odróżniała aktualne wytyczne od nieaktualnych materiałów.
Tworzymy copiloty wspierające pracowników oraz agentów wykonujących określone zadania za pomocą zatwierdzonych narzędzi. Mogą pobierać rekordy, przygotowywać odpowiedzi, uzupełniać pola i koordynować kroki między aplikacjami. Uprawnienia, punkty weryfikacji i obsługa wyjątków są częścią procesu.
Tworzenie agentów AIOceniamy, czy zadanie wymaga lepszych instrukcji, skuteczniejszego wyszukiwania, innego modelu czy fine-tuningu. Gdy fine-tuning jest uzasadniony, określamy potrzebny zbiór danych i proces oceny. Wybór zależy od oczekiwanego zachowania i dostępnych danych, na których można je sprawdzić.
Tworzenie LLMŁączymy generatywną AI z istniejącymi produktami i systemami operacyjnymi firmy. Obejmuje to uwierzytelnianie, API, przetwarzanie w tle, monitoring i wdrożenie. Po uruchomieniu wsparcie może obejmować błędy, zmiany w źródłach danych, aktualizacje modeli i usprawnienia oparte na rzeczywistym użyciu.
Odpowiadają na rutynowe pytania na podstawie zatwierdzonych informacji o produkcie, zasad i dokumentacji wsparcia. W razie potrzeby łączą uwierzytelnione zapytania z systemami klienta i przekazują rozmowę pracownikowi, gdy dostępne informacje nie wystarczają lub sprawa wymaga weryfikacji.
Pomagają pracownikom wyszukiwać informacje firmowe i przygotowywać odpowiedzi z odnośnikami do źródeł. Dostęp może odpowiadać zakresom odpowiedzialności zespołów i uprawnieniom użytkowników, dzięki czemu każdy otrzymuje informacje istotne dla swojej pracy.
Wyodrębniają informacje z przychodzących plików, wykrywają brakujące pola i przygotowują podsumowania lub wersje robocze dokumentów. Pracownicy mogą przejrzeć źródło obok wyniku, zanim go zaakceptują lub przekażą do kolejnego etapu.
Pomagają w zadaniach takich jak przygotowywanie odpowiedzi dla klientów, podsumowywanie aktywności na koncie i tworzenie raportów. Copilot zbiera potrzebne informacje w narzędziach, z których pracownicy już korzystają, z weryfikacją przed istotnymi działaniami.
Dodaj do swojego produktu wyszukiwanie, generowanie, analizę dokumentów lub funkcje konwersacyjne. Tworzymy interfejs, uprawnienia, kontrolę użycia i usługi backendowe, aby funkcja pasowała do Twojej aplikacji i modelu biznesowego.
Stworzyliśmy asystenta dla procesu dyspozycji i fakturowania przewoźnika. Czyta potwierdzenia stawek, zbiera dokumenty dostawy, pobiera pozycje pojazdów i przygotowuje rekordy oraz wiadomości do zatwierdzenia przez dyspozytora.
W ciągu czterotygodniowego pilotażu czas od dostawy do faktury skrócił się z trzech–pięciu dni do jednego dnia. Zespół dyspozytorów odzyskał 22 godziny tygodniowo. Działania wychodzące nadal wymagały zatwierdzenia przez człowieka.
Przeczytaj case study AI dla transportu
Opracowaliśmy POC wspierający decyzje, który łączy sześciu wyspecjalizowanych agentów LLM, modele numeryczne i pamięć wektorową. System zbiera informacje rynkowe i prezentuje sygnały z uzasadniającą analizą w dashboardzie oraz w powiadomieniach Telegram.
Zakres obejmował historię decyzji, narzędzia oceny i obserwację w paper tradingu. Automatyczne wykonywanie transakcji pozostało poza początkowym zakresem.
Przeczytaj case study systemu tradingowego AI
Aplikacja łączy się z dokumentami, rekordami i zewnętrznymi źródłami potrzebnymi do jej zadania. Określamy, które informacje powinny trafić do przeszukiwalnej bazy wiedzy, a które zapytania wymagają aktualnych danych z systemu biznesowego.
Przypisujemy generowanie języka, wyszukiwanie, obliczenia i inne operacje odpowiednim komponentom. Dzięki temu zespół może oceniać sam wynik niezależnie od sformułowania, które widzi użytkownik.
API i usługi działające w tle pozwalają aplikacji pobierać informacje oraz przygotowywać lub aktualizować rekordy. Każda integracja wymaga określonych uprawnień, zweryfikowanych danych wejściowych i reakcji na awarie.
Określamy, które wyniki wymagają weryfikacji, a które działania system może wykonywać samodzielnie. Ekrany weryfikacji powinny pokazywać wystarczający kontekst, aby pracownik mógł zatwierdzić, poprawić lub odrzucić wynik.
Tworzymy scenariusze oceny na podstawie zadań, z którymi zetknie się aplikacja. Testy obejmują niepełne informacje, sprzeczne źródła, nieoczekiwane dane wejściowe i awarie integracji. Kryteria akceptacji uzgadniamy pod konkretny przypadek użycia.
Określamy, do czego ma dostęp każdy użytkownik i każdy komponent AI. Informacje wrażliwe, uprawnienia narzędzi, dane uwierzytelniające i wymagania dotyczące przechowywania wpływają na architekturę i wybór sposobu wdrożenia.
Aplikacja potrzebuje określonej reakcji, gdy brakuje danych lub zadanie wykracza poza jej zakres. W zależności od procesu może poprosić o doprecyzowanie, pokazać źródła lub przekazać pracę pracownikowi.
Monitorujemy czasy odpowiedzi, awarie, użycie modeli i koszty operacyjne. W produkcie subskrypcyjnym koszt wykonania typowego zadania użytkownika wpływa także na limity użycia i ceny.
Rozmawiamy z osobami wykonującymi pracę, przeglądamy reprezentatywne dane wejściowe i określamy kroki, które będzie wspierać aplikacja. Wspólnie ustalamy zakres, ograniczenia i kryteria sukcesu.
Budujemy prototyp, aby sprawdzić najważniejsze założenia techniczne i produktowe. Ten etap pomaga ustalić, czy dostępne dane i wybrane podejście mogą dać użyteczny wynik.
Budujemy aplikację, łączymy potrzebne systemy oraz wdrażamy uprawnienia i procesy weryfikacji. Demonstracje dają Twojemu zespołowi możliwość oceny postępów i rozwiązywania pytań w trakcie prac.
Testujemy według uzgodnionych scenariuszy, usuwamy problemy i przygotowujemy dokumentację wdrożeniową i operacyjną. Etapowe wdrożenie pozwala użytkownikom sprawdzić system w kontrolowanych warunkach przed szerszym użyciem.
Po uruchomieniu analizujemy błędy, poprawki użytkowników, zmiany w źródłach i wydajność. Te wnioski wyznaczają aktualizacje wyszukiwania, promptów, integracji i zachowania aplikacji.
Wycena zależy od procesu, gotowości danych, integracji oraz wymagań dotyczących wdrożenia i weryfikacji. Dzielimy zakres na rezultaty, aby było widać, co obejmuje każdy etap.
| Zakres projektu | Typowy zakres prac | Główne czynniki wpływające na wycenę |
|---|---|---|
| Ukierunkowany prototyp | Jeden kluczowy scenariusz, dane przykładowe, podstawowy interfejs, ocena | Jakość danych wejściowych, przydatność modelu, złożoność zadania |
| Aplikacja biznesowa | Interfejs użytkownika, uprawnienia, integracje, testy, wdrożenie | Liczba procesów, dostęp do systemów, wymagania dotyczące weryfikacji |
| Szersze wdrożenie | Wiele zespołów lub procesów, wspólne usługi, kontrola operacyjna | Własność danych, zależności integracji, potrzeby wdrożeniowe i wsparcia |
Dobieramy stack do Twojego istniejącego środowiska, wymagań dotyczących danych i oczekiwanego obciążenia.
Możemy porozmawiać o określonym projekcie lub stałym wsparciu w rozwoju. Obowiązki zespołu, rezultaty i warunki wsparcia ustalamy w ofercie.
Porozmawiajmy o projekcieNasza praca obejmuje wszystko, co sprawia, że funkcja AI jest użyteczna: interfejsy, logikę biznesową, dostęp do danych, integracje i wdrożenie. To szczególnie przydatne, gdy aplikacja ma działać w ramach istniejącego produktu.
Dzielimy projekty na etapy z określonymi rezultatami. Twój zespół może ocenić prototyp, przejrzeć integracje i porównać wyniki z uzgodnionymi kryteriami przed rozszerzeniem zakresu.
Nasze projekty obejmują dokumenty, systemy zewnętrzne, wiele ról użytkowników i weryfikację przez człowieka. Uwzględniamy te zależności, określając, co aplikacja może niezawodnie robić.
Pierwszy etap współpracy może skupić się na jednym konkretnym procesie. Szersze wdrożenie, dodatkowe integracje i nowe funkcje mogą pojawić się po ocenie pierwszej wersji.
„Merehead poświęcił czas, aby zrozumieć, jak nasz zespół obsługuje roszczenia ubezpieczeniowe, zanim zbudował agenta AI. Pomaga nam przeglądać przychodzące dokumenty, znajdować szczegóły polis i przygotowywać odpowiedzi, które sprawdzają nasi pracownicy. Doceniliśmy, że zespół wcześnie zadawał praktyczne pytania i razem z nami przeanalizował wyjątki. Agent wpisuje się w naszą codzienną pracę, a decyzje pozostają w rękach naszych ludzi.”
Koszt zależy od zakresu, stanu danych, integracji i wymagań wdrożeniowych. Przygotowujemy wycenę na podstawie konkretnych rezultatów i osobno określamy koszty cykliczne. Jeśli ważne założenia nie zostały jeszcze sprawdzone, ukierunkowany etap analizy lub prototypu pomoże ustalić pełny zakres.
Wąski pilotaż i aplikacja biznesowa mają różne wymagania. Porządkowanie danych, zatwierdzanie dostępów i integracje mogą wpływać na harmonogram tak samo jak prace programistyczne. Harmonogram proponujemy po analizie tych zależności i kryteriów akceptacji.
Tak. Najpierw analizujemy architekturę aplikacji, dostępne API, uwierzytelnianie i dostęp do danych. W zależności od produktu funkcjonalność AI można wprowadzić jako osobną usługę lub zintegrować z istniejącymi komponentami.
Wiele aplikacji może korzystać z istniejących modeli z instrukcjami i wyszukiwaniem w informacjach firmy. Fine-tuning to osobna decyzja. Na początku potrzebujemy reprezentatywnego zestawu zadań, odpowiednich materiałów źródłowych i przykładów akceptowalnych wyników.
RAG dostarcza odpowiednie informacje ze źródeł w momencie zapytania. Fine-tuning zmienia zachowanie modelu na podstawie przykładów treningowych. Najpierw oceniamy problem: brak wiedzy, niespójne odpowiedzi i wyspecjalizowane zachowanie mogą wymagać różnych rozwiązań.
Określamy, jakie dane wykorzystuje system, gdzie są przetwarzane, kto ma do nich dostęp i które usługi zewnętrzne je otrzymują. Kontrola dostępu, przechowywanie, logowanie i wymagania wdrożeniowe są następnie uwzględniane w implementacji.
Własność, dostęp do repozytorium, dokumentacja i warunki przekazania są określone w umowie. Oferta wskazuje także usługi zewnętrzne i zależności oprogramowania potrzebne do działania aplikacji.
Tak. Wsparcie może obejmować monitoring, analizę incydentów, zmiany integracji, aktualizacje modeli i planowane usprawnienia. Zakres i obowiązki uzgadniamy przed rozpoczęciem okresu wsparcia.
Napisz, co chcesz stworzyć lub który proces wymaga usprawnienia. Podaj zaangażowane systemy, dostępne dane i ewentualne wymagania dotyczące terminów lub wdrożenia.
Przeanalizujemy zapytanie i omówimy zakres, opcje techniczne oraz kwestie, które trzeba rozstrzygnąć przed wyceną.
