Blog · Opublikowano · Zaktualizowano
Baza wiedzy AI bez RAG: kiedy naprawdę jej nie potrzebujesz (2026)
Krótka odpowiedź
Przy korpusie poniżej około 200 tys. tokenów, czyli mniej więcej 500 stron, najpierw przetestuj cały materiał w kontekście modelu, a dopiero potem buduj wyszukiwanie (RAG). Tak radzi Anthropic. Przy 100 pytaniach dziennie i korpusie 150 tys. tokenów to około 2 567 zł miesięcznie bez pamięci podręcznej i 180 zł z nią. Uprawnienia do dokumentów wymagają pełnej architektury przy każdej wielkości.
Jak pracujemySzczegóły ↓
- 01Rozmowa30 min z inżynierem, 0 zł
- 02Prototypdziałający system na Twoim procesie i Twoich danych, 0 zł
- 03Wdrożeniecel i stała cena w umowie, 50% przy podpisaniu
- 04Odbiór50% po osiągnięciu celu
- netto za aplikację, stała cena przed umową
- od 12 500 zł
- od podpisania umowy do odbioru
- 4–10 tygodni
- darmowy prototyp na Twoich dokumentach
- 0 zł
Należymy do programów partnerskich OpenAI i Anthropic, twórców ChatGPT i Claude, i uczymy się z ich oficjalnych kursów. Co to znaczy ↓
Autor: Syntalith · 3 min czytania
Statystyki
Bazy wiedzy AI: statystyki 2026
200 tys.
tokenów, czyli około 500 stron: poniżej tego progu Anthropic radzi najpierw wstawić cały korpus do kontekstu modelu zamiast budować RAG.
11 z 13
Według badania NoLiMa (2025) przy 32 tys. tokenów kontekstu 11 z 13 modeli spada poniżej połowy skuteczności, którą mają przy krótkim kontekście.
49%
Według Anthropic (2024) połączenie kontekstowych osadzeń i wyszukiwania BM25 zmniejszyło liczbę nieudanych wyszukiwań o 49%, a z rerankingiem o 67%.
62%
Według ESET i DAGMA (2026) 62% osób pracujących przy komputerze używa AI w pracy.
Źródło: ESET i DAGMA, Cyberportret polskiego biznesu 2026 (2026) ↗
17,8%
Według GUS (2026) technologie AI wykorzystuje 17,8% polskich przedsiębiorstw, dwa razy więcej niż rok wcześniej.
Źródło: GUS, Społeczeństwo informacyjne w Polsce w 2026 r. (2026) ↗
Dane sprawdzone: 22 października 2026
Decyzja przy korpusie do 200 tys. tokenów
Anthropic w publikacji Contextual Retrieval pisze wprost: jeśli baza wiedzy ma mniej niż około 200 000 tokenów, czyli około 500 stron, można wstawić cały korpus do kontekstu modelu bez wyszukiwania. To heurystyka na start, którą sprawdzasz na własnych dokumentach. O wyborze decydują też uprawnienia, zmienność dokumentów, koszt tokenów i wynik na pytaniach zespołu.
Kilkadziesiąt dokumentów, rzadkie zmiany, jeden dział
porządek w plikach i wyszukiwarka, którą już masz
0 zł
Korpus mieści się w kontekście, wszyscy widzą wszystko
cały korpus w kontekście z pamięcią podręczną
koszt tokenów
Korpus przerasta kontekst albo próba wypada słabo
wyszukiwanie hybrydowe z rerankingiem
od 12 500 zł
Różne role widzą różne dokumenty
RAG z uprawnieniami przed modelem
12 500–75 000 zł
Ostatni szczebel jest jedynym, w którym wielkość korpusu przestaje decydować. Decyduje ryzyko, że zamknięty dokument wpłynie na odpowiedź dla osoby bez dostępu.
Ile to jest 200 tys. tokenów u Ciebie
Polszczyzna zużywa więcej tokenów niż angielski, bo tokenizatory dzielą polskie słowa na więcej kawałków. Tabele i cenniki po eksporcie do tekstu zajmują wielokrotnie więcej niż na ekranie, a skany po odczycie dokładają szum.
- 01PróbkaWeź 20 reprezentatywnych dokumentów.
- 02LicznikPrzepuść je przez licznik tokenów swojego dostawcy.
- 03ŚredniaWylicz średnią na dokument.
- 04CałośćPomnóż przez liczbę dokumentów w katalogu.
Ile kosztuje cały korpus w każdym pytaniu
Koszt tokenów płacisz przy każdym pytaniu osobno. Pamięć podręczna promptu zmienia rachunek najbardziej.
- Tokeny wejścia dziennie
- 100 × 150 000 = 15 mln
- Bez pamięci podręcznej, Sonnet 5.5 (2 USD za milion)
- 2 567 zł/mies.
- Z pamięcią podręczną (0,10 USD za milion przy odczycie)
- 180 zł/mies.
Różnica
2 387 zł/mies.
22 dni robocze, bez tokenów odpowiedzi. Pamięć podręczna 1-godzinna, odświeżana przez kolejne pytania, zapis raz dziennie po 4 USD za milion. Stawki Anthropic dla Claude Sonnet 5.5, kurs NBP 3,8889 zł. Liczba pytań i wielkość korpusu to założenia scenariusza.
Dlaczego długi kontekst nie wystarcza na zawsze
Okna kontekstu rosną, ale jakość nie rośnie równo z nimi. Badanie NoLiMa (ICML 2025) sprawdziło 13 modeli: przy 32 tys. tokenów 11 z nich spadło poniżej połowy skuteczności z krótkiego kontekstu, gdy pytanie i szukana informacja nie dzielą słownictwa. Nawet GPT-4o spadł z 99,3% do 69,7%.
Uprawnienia przed modelem
Jeśli różne osoby widzą różne dokumenty, filtr uprawnień musi działać przed modelem, bo instrukcja „nie pokazuj dokumentów kadrowych” niczego nie blokuje. Model dostaje tylko fragmenty, do których pytający ma dostęp. Dzięki temu nawet błędna odpowiedź nie ujawni treści zamkniętego dokumentu. Ten wymóg sam w sobie przesądza o architekturze, nawet przy kilkudziesięciu plikach. Test robimy na koncie osoby z najmniejszym dostępem.
Nasza własna baza wiedzy
Wiedza operacyjna Syntalith żyje jako wersjonowany Markdown w repozytorium. Usługa utrzymuje deterministyczne wyszukiwanie pełnotekstowe, a warstwę semantyczną mamy dziś wyłączoną. Przy kilkudziesięciu plikach dodawałaby zmienność bez zysku. Tego rozwiązania nie kopiuj bez sprawdzenia, bo Twój korpus wygląda inaczej.
Kiedy odradzamy wdrożenie
- Korpus jest mały i stabilny, a wszyscy widzą wszystko
- Dokumenty są w stanie, którego żadne wyszukiwanie nie uratuje
- Problem jest jednorazowy, na przykład raz na kwartał 40 umów
- Pracownicy pytają kolegów, bo dokument nie istnieje, a decyzja jest w czyjejś głowie
Zbierz 20 realnych pytań pracowników i sprawdź, ile z nich obsługuje wyszukiwarka, którą już masz. Zapisz przy każdym pytaniu dokument, który zawiera odpowiedź. Ten sam zestaw posłuży potem do porównania pełnego kontekstu z wyszukiwaniem. Jeśli próba uzasadni osobne rozwiązanie, zakres opisuje strona własnego ChatGPT dla firmy.
Przykład z liczbami · Scenariusz
Tak liczymy zwrot: pytania zespołu do dokumentów
Na bezpłatnej analizie liczymy też, czy RAG jest w ogóle potrzebny.
7 088 zł
miesięcznie kosztuje szukanie odpowiedzi na 800 pytań w dokumentach
Zwrot: 2,1 mies.
8 min na znalezienie odpowiedzi w dokumentach albo zapytanie kolegi i sprawdzanie w 15% dawnego czasu to nasze założenia. Godzina pracy 66,45 zł to nasze wyliczenie z przeciętnego wynagrodzenia według GUS z września 2026 r. (9 266,48 zł) z kosztami pracodawcy, 168 h w miesiącu. Koszt modelu: Claude Sonnet 5.5, około 6 000 + 500 tokenów na odpowiedź z dokumentów, kurs NBP 3,8889 zł z 21 października 2026 r.
Zobacz pełny rachunek →
