Przejdź do treści

Blog · Opublikowano · Zaktualizowano

Jev 1.13 w firmie: klasyfikacja i routing spraw

Krótka odpowiedź

Jev 1.13 zwraca typowane decyzje z prawdopodobieństwami, więc nadaje się do sprawdzenia przy routingu spraw. Próg pewności decyduje, ile spraw idzie automatycznie, a ile do operatora: w przykładzie po podniesieniu progu 500 z 1000 decyzji przechodzi automatycznie z trafnością 99%. Automatyzacja kosztuje w Syntalith od 12 500 zł netto i przy 1 000 sprawach miesięcznie po 3 minut zwraca się w 7,6 miesiąca.

Jak pracujemySzczegóły ↓

  1. 01Rozmowa30 min z inżynierem, 0 zł
  2. 02Prototypdziałający system na Twoim procesie i Twoich danych, 0 zł
  3. 03Wdrożeniecel i stała cena w umowie, 50% przy podpisaniu
  4. 04Odbiór50% po osiągnięciu celu
model na Twoim serwerze albo w chmurze w UE
wycena po analizie
ta sama praca w aplikacji z modelem w chmurze UE
od 12 500 zł
analiza zadania, danych i sprzętu
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

Przykład: poranna skrzynka zgłoszeń
Agent · gotowy do pracy

Statystyki

Klasyfikacja i AI: statystyki 2026

7,6 mies.

zwrotu automatyzacji za 12 500 zł przy 1 000 sprawach miesięcznie: 3 322 zł pracy dziś, 1 671 zł ze sprawdzaniem i modelem. Scenariusz.

Dane sprawdzone: 22 października 2026

Oddziel pytania, które prowadzą do różnych działań

Kolejka reklamacji zawiera sprawy o opóźnioną dostawę, błędną fakturę i uszkodzony towar, a czasem jedna wiadomość dotyczy wszystkich trzech. Prosta reguła słów kluczowych zaczyna zawodzić, a pytanie dużego modelu o każdą sprawę jest drogie. Jev 1.13 w OpenRouter zwraca typowane decyzje z prawdopodobieństwami. Poniższe scenariusze są propozycją pilotażu.

Dla wiadomości z reklamacją zadajesz osobne pytania: który dział prowadzi, czego brakuje i czy potrzebna jest eskalacja. Każda odpowiedź ma inne znaczenie dla aplikacji: dział kieruje do kolejki, brak dokumentu uruchamia prośbę do klienta. Dopuszczasz sytuację wieloznaczną: jeśli zadanie wymusza jedną kategorię przy wielu problemach, ustalasz priorytet albo rozbijasz sprawę, bo bez tej reguły nawet ludzie nie zgodzą się co do poprawnej odpowiedzi.

Przykład: ile pracy zostaje po podniesieniu progu
Decyzje powyżej progu
500 z 1000, pokrycie 50%
Trafność zaakceptowanych
(500 − 5) ÷ 500 = 99%
Sprawy poza progiem
(1000 − 500) × 3 min = 25 godz.
Wobec progu z 400 odrzuconymi kolejka rośnie o (500 − 400) × 3 min
5 godz.

Wyższy próg to mniej błędów i więcej pracy operatora

Liczby hipotetyczne. Czas poprawy błędnych zaakceptowanych decyzji mierzymy osobno przed wyborem progu.

Pilotaż modelu decyzyjnego
  • Osobne pytania dla działu, braków i eskalacji
  • Reguła dla spraw z kilkoma problemami
  • Próg wybrany na sprawach niewykorzystanych do strojenia
  • Kolejka operatora dla decyzji poniżej progu

Ile to kosztuje i kiedy się zwraca

Scenariusz: 1 000 spraw miesięcznie
Dziś
1 000 spraw × 3 min = 50 godz. (3 322 zł)
Z systemem człowiek sprawdza wynik w 50% czasu
1 661 zł
Model, 1 wywołanie na sprawę, Claude Sonnet 5.5
10 zł
Koszt jednej sprawy
3,32 zł dziś, 1,67 zł z systemem
Oszczędność
1 652 zł/mies.

Zwrot 12 500 zł

7,6 mies.

Wolumen, czas i udział sprawdzania to założenia scenariusza. Godzina pracy 66,45 zł to przeciętne wynagrodzenie według GUS z września 2026 r. z kosztami pracodawcy, 168 godz. w miesiącu. Model: 1 000 tokenów wejścia i 50 wyjścia na wywołanie po stawkach Anthropic, kurs NBP 3,8889 zł.

Rachunek liczy pracę wokół sprawy: szukanie, czytanie, pisanie i przekazywanie. Zostaje czas na sprawdzenie wyniku, w scenariuszu 50% dzisiejszej pracy. Przed wyceną mierzymy oba czasy na 20 do 100 sprawach, które zespół już obsłużył, w teście za 0 zł trwającym 5 dni roboczych.

W rachunku zostawiamy 50% dzisiejszej pracy, bo w przykładzie połowa spraw zostaje poniżej progu i trafia do operatora. Model decyzyjny jest tani na sprawę, więc o zwrocie decyduje głównie pokrycie progu.

Kiedy wystarczy reguła albo duży model

Jeśli kategorie wynikają ze stałych pól formularza, wystarczy reguła. Jeśli sprawy są rzadkie i bardzo różne, duży model z instrukcją bywa prostszy w utrzymaniu niż mały model z progiem. Mały model decyzyjny ma sens przy dużej, powtarzalnej kolejce, gdzie koszt i czas odpowiedzi dużego modelu rosną z liczbą spraw. Hugging Face wyjaśnia dobór zbioru i miar oceny, a próg wybierasz na sprawach, których nie użyto do strojenia. Lokalne uruchomienie małych modeli opisuje tekst o modelach inspirowanych Jev.

Reguła, mały model czy duży model
  • Kategorie ze stałych pól

    reguła w systemie zgłoszeń

    konfiguracja

  • Duża, powtarzalna kolejka

    mały model decyzyjny z progiem

    od 12 500 zł

  • Rzadkie, różne sprawy

    duży model z instrukcją i przeglądem

    od 12 500 zł

Od czego zacząć

Pilotaż obejmuje jedną kolejkę, na przykład reklamacje, z porównaniem do obecnego przypisywania. Wybór progu robimy razem z kierownikiem kolejki, bo to decyzja o podziale pracy. Takie wdrożenie budujemy w ramach automatyzacji AI. Na bezpłatną analizę wystarczy opis jednej sprawy z ostatnich tygodni i narzędzi, w których się toczyła. Nie trzeba przesyłać poufnych dokumentów, a plan na piśmie dostajesz w 2 dni robocze.

Przykład z liczbami · Scenariusz

Ile kosztuje Cię dziś szukanie w dokumentach

Ten sam rachunek robimy na bezpłatnej analizie dla Twojego procesu.

11 075 zł

miesięcznie kosztuje praca przy 1 000 pytaniach

Zwrot wersji w chmurze UE: 1,3 mies.

10 min na znalezienie właściwej instrukcji 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 w wersji w chmurze w UE, kurs NBP 3,8889 zł z 21 października 2026 r. Zwrot liczymy dla aplikacji z modelem w chmurze w UE (od 12 500 zł netto). Model na Twoim serwerze wyceniamy po rozmowie, a koszt pracy ludzi jest ten sam.

Zobacz pełny rachunek →

Tak wdrażamy to w firmach

Wszystkie wdrożenia →

Wyniki u klientów.

Wszystkie realizacje →
foap.comobsługa klienta

Obsługa klienta foap.com: 95% odpowiedzi wychodzi automatycznie.

Do foap.com piszą użytkownicy z kilku krajów, w kilku językach. System czyta całą rozmowę i warunki tej osoby, a potem sam wysyła odpowiedź w jej języku. Pytania o pieniądze i wyjątki trafiają do zespołu z gotowym szkicem, więc zostaje je sprawdzić i wysłać.

odpowiedzi wysyła system sam, bez pisania przez człowieka
95%
mija od nadejścia maila do gotowej odpowiedzi (mediana)
30 s
maili, które wymagają odpowiedzi, dostaje gotowy szkic
100%
pracy mniej na każde 1000 odpowiedzi (szacunek)
47 h

Dane z produkcji foap.com, 20–21 października 2026. Szacunek: 3 minuty na ręcznie pisaną odpowiedź.

Jak działa obsługa klienta foap.com →
Przykładowe wiadomości. Sprawy o pieniądze zawsze trafiają do człowieka.

Inne wdrożenia

jakotako.design

studio projektowe

−87%

Czas na szukanie nowych klientów, dziennie

4 h → 30 min

ok. 73 h mniej w miesiącu (21 dni pracy)

według studia

Jak działa pętla agentowa →
Signature Estates

nieruchomości

ok. −90%

Czas operatora na przeglądanie portali, dziennie

2–3 h → 20 min

ok. 45 h mniej w miesiącu (21 dni pracy)

szacunek · kontakt ze sprzedającym 5 min po ogłoszeniu

Jak agent łapie ogłoszenia →
Kuba Koziej, CEO i współzałożyciel MoreGrowth oraz członek zarządu Natu.Care

Kuba Koziej

CEO i współzałożyciel MoreGrowth

„Zaczęliśmy od mojego własnego agenta AI. Później podczas szkolenia nauczyłem się samodzielnie budować kolejne aplikacje. Dziś wdrażam ten sposób pracy z AI w swojej firmie. Współpraca z Syntalith dała mi dokładnie taki zestaw umiejętności i narzędzi, jakiego potrzebowałem.”

Zobacz pierwotną opinię po szkoleniu na LinkedIn ↗

Model na Twoim serwerze albo w chmurze w UE, sprawdzony na Twoich zadaniach.Umów bezpłatną analizę (30 min) →

Jak budujemy automatyzacje i agentów

Od rozmowy do działającego systemu w czterech krokach.

  1. 01 · 30 min

    Bezpłatna analiza

    0 zł

    Rozmawiasz z inżynierem. Plan na piśmie dostajesz w 2 dni robocze.

  2. 02 · 5 dni

    Darmowy prototyp

    0 zł

    System pracuje na 20–100 sprawach, które Twój zespół już obsłużył. Widzisz każdy wynik.

  3. 03 · 2–16 tygodni

    Wdrożenie

    50%

    Stała cena i cel zapisane w umowie. Pierwsza rata przy podpisaniu.

  4. 04 · po osiągnięciu celu

    Odbiór

    50%

    Drugą ratę płacisz, gdy system osiągnie cel na Twoich sprawach.

Jak powstaje darmowy prototyp

pon.

Ustalamy cel

Jaki wynik uznajesz za dobry.

wt.–śr.

System pracuje

Przechodzi przez Twoje sprawy, jedna po drugiej.

czw.

Porównujemy

Każdą różnicę sprawdzamy z pracą zespołu.

pt.

Wynik i cena

Lista błędów i stała cena wdrożenia.

Sprawy wybierasz Ty. Na życzenie je anonimizujemy, zostają w UE i usuwamy je po zakończeniu prac.

Na rynku taki prototyp kosztuje zwykle od 3 000 do 8 000 zł.

Umów bezpłatną analizę (30 min)

Prototyp ustalamy podczas bezpłatnej analizy.

Dane sprawdzone 25 października 2026.

„Czy moje dane są bezpieczne?”

Tak. Ty wybierasz, gdzie trafiają: od konta firmowego po model na Twoim serwerze.

  1. 00Prywatne konto pracownika

    Dane klientów i firmy lądują na koncie, którego firma nie widzi i nie kontroluje. Nie ma umowy powierzenia, więc to naruszenie RODO. Gdy pracownik odchodzi, historia czatów odchodzi razem z nim.

  2. 01Konto firmowe ChatGPT lub Claude

    Dostawca nie używa Twoich danych do uczenia modeli. Kopia zapytań zostaje w jego logach do 30 dni.

  3. 02API z zerową retencją (ZDR)

    Dostawca przetwarza zapytanie i niczego nie zapisuje. Wymaga jego zgody, wniosek przygotowujemy razem.

  4. 03Przetwarzanie w UE

    Zapytania są liczone i przechowywane w Europie: OpenAI w regionie UE, Claude przez chmury z regionem w UE.

  5. 04Model u Ciebie

    Otwarty model działa na Twoim serwerze albo w Twojej chmurze w UE. Dane nie wychodzą poza firmę.

Co robimy przy każdym wdrożeniu

  • Umowa o poufności i umowa powierzenia, zanim dostaniemy jakiekolwiek dane.
  • Sprawy do prototypu wybierasz Ty. Na życzenie je anonimizujemy.
  • Dane zostają w UE i usuwamy je po zakończeniu prac.
  • Konta firmowe z administratorem po Twojej stronie.

Gdy dane nie mogą wyjść z firmy

Otwarty model działa na Twoim serwerze albo w Twojej chmurze w UE. Do wyboru:

Bielik
polski model, SpeakLeash i ACK Cyfronet AGH
PLLuM
polski model, konsorcjum HIVE na zlecenie Ministerstwa Cyfryzacji
Qwen
Alibaba
GLM
Zhipu AI
DeepSeek
DeepSeek

Model dobieramy do zadania i sprawdzamy na Twoich sprawach. Uruchamiamy go, dostrajamy i utrzymujemy.

Źródło: Bielik i PLLuM, ACK Cyfronet AGH ↗ · PLLuM, Ministerstwo Cyfryzacji ↗

Masz dużo własnych danych? Dostroimy mały model.

  1. 1 Twoje przykłady
  2. 2 dostrajanie
  3. 3 test na nowych sprawach
  4. 4 model w Twojej firmie

Gdy masz tysiące podobnych maili, dokumentów albo zgłoszeń, uczymy mały otwarty model na tych przykładach. Działa w Twojej firmie, odpowiada szybko i kosztuje mniej w utrzymaniu niż duży model. Jakość mierzymy na sprawach, których model nie widział w trakcie nauki.

Przemysław i Piotr robili to w dużych firmach programistycznych i doradczych. Artem robił to wcześniej i robi dziś w Syntalith. Chodzi o modele na własnej infrastrukturze, dostrajanie i test jakości.

Poziom ochrony wybierasz na rozmowie. Umowę powierzenia podpisujemy, zanim zobaczymy jakiekolwiek dane.Umów bezpłatną analizę (30 min) →

Prywatne modele AI

Model na Twoim serwerze albo w chmurze w UE, sprawdzony na Twoich zadaniach.

Dobieramy model i sprzęt do zadania, uruchamiamy go i mierzymy jakość na Twoich przykładach, zanim cokolwiek kupisz. Dane zostają w firmie albo w chmurze w UE. Wdrożenie, sprzęt albo hosting i opiekę wyceniamy osobno po analizie.

Zobacz prywatne modele AI →
model na Twoim serwerze albo w chmurze w UE
wycena po analizie
ta sama praca w aplikacji z modelem w chmurze UE
od 12 500 zł
analiza zadania, danych i sprzętu
0 zł

Pytania

  • Do czego firma może użyć modelu Jev?

    Do decyzji o skończonej liczbie odpowiedzi, na przykład routingu zgłoszeń, wykrywania braków w dokumentach i eskalacji. Zwraca typowane decyzje z prawdopodobieństwami, więc da się ustawić próg pewności.

  • Jak wybrać próg pewności?

    Na sprawach niewykorzystanych do strojenia. Wyższy próg daje mniej błędów wśród decyzji automatycznych, ale więcej spraw dla operatora, więc wybór to decyzja o podziale pracy.

  • Ile kosztuje taka automatyzacja?

    W Syntalith od 12 500 zł netto. Przy 1 000 sprawach miesięcznie po 3 minut zwrot to 7,6 miesiąca. Integracje i utrzymanie ustalamy przed wyceną, a model kosztuje 10 zł miesięcznie.

Porozmawiajmy

Po prostu napisz, zadzwoń albo wybierz termin.

Pracujemy szybko, bo nie znosimy korporacyjnej waty. Nie mamy handlowców ani kierowników od pilnowania kierowników. Rozmawiasz od razu z inżynierami, którzy potem budują Twój system. Szanujemy swój czas i Twój też.

Do końca roku przyjmiemy jeszcze 3 firmy.

pon.–pt. 9–17

Co Ci daje, że jesteśmy partnerem OpenAI i Anthropic?

OpenAI robi ChatGPT, a Anthropic robi Claude. Należymy do programów partnerskich obu firm, więc pracujemy z ich narzędziami na co dzień i uczymy się od samych twórców.

OpenAI Select PartnerClaude Partner Network
01Dobierzemy narzędzie do zadania
Wdrażamy i ChatGPT, i Claude. Oba sprawdzamy na Twoich dokumentach, a Ty wybierasz to, które robi mniej poprawek i oszczędza więcej czasu.
02Wiedza prosto od twórców
Uczymy się z oficjalnych kursów i materiałów OpenAI i Anthropic. Twój zespół poznaje funkcje i ustawienia, które działają dziś.
03Licencje bez naszej marży
Przy wdrożeniu ChatGPT, Claude albo Copilota licencje kupujesz bezpośrednio u OpenAI, Anthropic albo Microsoftu i od nich dostajesz fakturę. Do licencji nic nie doliczamy.
04Certyfikowani inżynierowie
W zespole mamy certyfikat AWS z uczenia maszynowego i certyfikat Anthropic z architektury systemów na Claude.

Udział w programach nie oznacza, że OpenAI albo Anthropic polecają nasze usługi.