Use case'y które robimy
- Asystent sprzedaży — chat na sklepie który pomaga klientowi wybrać produkt, zna pełen katalog (RAG), proponuje upsell
- Generowanie opisów produktów — z parametrów technicznych → SEO-optymalizowany opis w sekundach (PL+EN+inne)
- Klasyfikacja kategorii — automatyczne przypisanie produktów hurtowni do kategorii sklepu
- Tagowanie i atrybuty — ekstrakcja kolorów, rozmiarów, materiałów ze zdjęć i opisów
- Tłumaczenia — kontekstowe tłumaczenia opisów, recenzji, FAQ na wiele języków
- Moderacja treści — filtrowanie recenzji, komentarzy, zdjęć
- Optymalizacja reklam — AI generuje warianty kampanii Google Ads / Facebook Ads, A/B testuje, optymalizuje
- Analityka rozmów — sentyment, kategoryzacja zgłoszeń supportu, automatyczne odpowiedzi na powtarzalne
- OCR i ekstrakcja — z faktur, zamówień, zwrotów → strukturalne dane (JSON, CSV)
- Voice agents — telefoniczne AI dla obsługi klienta (po stronie call center)
Stack i best practices
- Claude API (Anthropic) — modele Opus 4.7, Sonnet 4.6, Haiku 4.5 — odpowiedni model do odpowiedniej roboty
- Prompt caching — cache statycznych promptów (system, instrukcje, RAG context) → 90% taniej + 5x szybciej
- Batch API — async processing dla operacji nie-realtime (klasyfikacja, opisy) → 50% taniej
- Structured outputs — JSON schema z guarantee, zero parsing errors
- RAG pipelines — chunk + embed + vector DB (pgvector, Qdrant, Pinecone) + retrieval
- Tool use — model wywołuje twoje API (sprawdza stan magazynu, tworzy zamówienie)
- Memory — long-term context dla asystentów (rozmowy z tym samym klientem przez wiele sesji)
- Observability — logi promptów + odpowiedzi + costs w Sentry / Honeycomb / własny dashboard
Dlaczego Claude (nie GPT)
Pracujemy z obydwoma — Claude i OpenAI. Wybór zależy od use case:
- Claude — lepszy w długim kontekście (1M tokens window), bardziej naturalny w polskim, mocne reasoning, prompt caching daje 90% redukcji kosztów na powtarzalnych zapytaniach
- OpenAI GPT-4o — szybsze, świetne function calling, lepsze API tooling
- Open source (Llama 3.1, Qwen, DeepSeek) — gdy klient chce hostować na własnej infrastrukturze (compliance, RODO)
Realne ROI
Z naszych wdrożeń:
- Asystent sklepu — wzrost konwersji o 8-15%, średni czas odpowiedzi z 4h → 30 sek
- AI opisów — generowanie 1000 opisów dziennie dla nowych produktów, koszt ~50 zł vs 8000 zł copywritera
- Klasyfikacja — automatyczne przypisanie 170k produktów z hurtowni do kategorii, 2 dni vs 2 miesiące ręcznie
Cena
Pojedyncza integracja AI od 250 zł / moduł. Pełen asystent z RAG na własnych danych — wycena indywidualna (zwykle 5-25k zł zależnie od skali). Plus koszty API (Claude/OpenAI) — pomagamy oszacować i zoptymalizować.