Przejdź do treści

Blog · Opublikowano · Zaktualizowano

Lokalna transkrypcja poufnych spotkań

Krótka odpowiedź

Lokalny model zamienia nagranie poufnego spotkania na tekst w firmowym środowisku, a osoba znająca rozmowę sprawdza nazwy i fragmenty z odsłuchem przed udostępnieniem. Najpierw sprawdź, czy narzędzie do spotkań nie ma dopuszczonej transkrypcji. Lokalne rozwiązanie ma sens, gdy materiały nie mogą trafić do chmury.

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

Transkrypcja i AI: statystyki 2026

6,1 mies.

zwrotu lokalnej aplikacji za 12 500 zł przy 60 spotkaniach miesięcznie: 3 987 zł pracy dziś, 1 931 zł ze sprawdzaniem i serwerem GPU. Scenariusz.

Dane sprawdzone: 22 października 2026

Transkrypcja poufnego spotkania
  1. 01Nagraniezostaje w firmowym środowisku
  2. 02Tekstlokalny model rozpoznawania mowy
  3. 03Korektaosoba znająca rozmowę z odsłuchem
  4. 04Udostępnienietekst po korekcie dla uprawnionych

Jedna litera, inny projekt

Załóżmy, że nagranie wewnętrznego spotkania projektowego zostało zatwierdzone zgodnie z ustaleniami firmy. W rozmowie pada kod projektu P14. Robocza transkrypcja zawiera jednak B14. Osoba sprawdzająca tekst otwiera odpowiadający mu fragment nagrania, odsłuchuje wypowiedź i poprawia oznaczenie przed przekazaniem tekstu zespołowi.

Użyteczna aplikacja łączy tekst z dźwiękiem właśnie w tym miejscu. Recenzent nie musi szukać wypowiedzi w całym pliku. Może przeczytać otaczające zdania, wrócić do audio i zachować poprawkę. Otrzymuje materiał do dalszej pracy, w którym firmowe nazwy i kody zostały sprawdzone przez osobę znającą rozmowę.

Co firma kupuje poza rozpoznawaniem mowy

Syntalith może przygotować aplikację do lokalnej transkrypcji i sprawdzania nagrań. Proponowany zakres łączy przyjęcie zatwierdzonego pliku audio, zamianę mowy na tekst oraz widok do odsłuchu i korekty. Obejmuje również miejsce zachowania sprawdzonej transkrypcji i udostępnienie jej wskazanym osobom.

Nagranie może pochodzić z dopuszczonej platformy spotkaniowej lub narzędzia używanego w sali. Zespół ustala, jak plik trafia do aplikacji i kto rozpoczyna przetwarzanie, uwzględniając firmowe zasady nagrywania oraz informowania uczestników.

Samo rozpoznawanie mowy może działać lokalnie. Projekt whisper.cpp dokumentuje uruchamianie rozpoznawania mowy na urządzeniu, w tym pracę offline. Ta możliwość stanowi punkt wyjścia do aplikacji; jakość zapisu firmowych rozmów i wygodę korekty trzeba ocenić na własnym materiale.

Tekst potrzebuje czytelnika znającego rozmowę

W próbie przydadzą się nagrania dopuszczone do takiego wykorzystania, z typowych spotkań zespołu. Osoba oceniająca zobaczy, ile pracy wymagają polskie nazwiska, skróty i oznaczenia projektów. Fragmenty z cichym mikrofonem lub nakładającymi się głosami warto rozpatrzyć osobno: czy da się je odtworzyć i poprawić, czy trzeba pozostawić informację o nieczytelnej wypowiedzi?

Podział tekstu na wypowiedzi nie musi ustalać, kto mówił. Jeśli zespół potrzebuje nazwisk przy wypowiedziach, trzeba osobno uzgodnić ich potwierdzanie. Recenzent powinien móc pozostawić brak przypisania, zamiast przyjąć niepewne nazwisko.

Przy porównaniu z obecnym sposobem pracy liczy się czas do uzyskania sprawdzonego tekstu, wraz z odsłuchem i poprawkami. Szybko wygenerowana transkrypcja może nadal wymagać długiej redakcji. Takie porównanie pokaże, czy aplikacja ułatwia zadanie konkretnej osobie na wybranym sprzęcie.

Gotowy zapis rozmowy może później posłużyć do przygotowania podsumowania. To osobna praca wymagająca odczytania znaczenia wypowiedzi. Zakres transkrypcji nie obejmuje automatycznego tworzenia decyzji ani listy zobowiązań uczestników.

Najpierw sprawdzić narzędzie używane do spotkań

Jeśli zatwierdzona platforma spotkaniowa już tworzy transkrypcję, pozwala odsłuchać źródło i udostępnić poprawiony tekst właściwym osobom, warto porównać jej możliwości z osobną aplikacją. Zespół może nie potrzebować dodatkowego miejsca na nagrania. Przy rzadkich, krótkich rozmowach wystarczające mogą być ręczne notatki, gdy pełny zapis wypowiedzi nie jest potrzebny.

Własne rozwiązanie zasługuje na rozważenie, gdy firma wymaga lokalnego przetwarzania albo korekta i udostępnianie obecnego wyniku wiążą się z przenoszeniem plików między narzędziami. Decyzja powinna dotyczyć całej pracy od otrzymania nagrania do udostępnienia sprawdzonego tekstu.

Lokalne przetwarzanie nie usuwa potrzeby ustalenia, gdzie pozostają audio i transkrypcje. Z administratorem trzeba uzgodnić dostęp do plików, ich kopie zapasowe i okres przechowywania, a także odpowiedzialność za aktualizacje aplikacji. Tekst zawiera treść spotkania tak samo jak nagranie, więc powinien być objęty uzgodnionym sposobem postępowania z tymi materiałami.

Pracę po przygotowaniu tekstu opisuje oferta notatek ze spotkań z AI: przegląd ustaleń, poprawki oraz przekazanie zatwierdzonych zadań.

Pierwszy zakres do oceny

Pracę można rozpocząć od jednego rodzaju spotkań, z osobą znającą treść rozmów i administratorem środowiska. Pierwsza oceni poprawność zapisu i nakład korekty, drugi ustali sposób przyjęcia, przechowywania i przekazania materiałów. Porównanie z zatwierdzonym narzędziem pokaże, które części procesu wymagają osobnej aplikacji oraz jakiej obsługi będzie ona potrzebować.

Opowiedz nam, do jakiej wypowiedzi zespół ostatnio musiał wrócić i co utrudniło jej odnalezienie lub zapisanie. To pozwoli omówić transkrypcję wraz z pracą osoby sprawdzającej. Informacje o wycenie znajdują się w cenniku.

Ile to kosztuje

Scenariusz: 60 spotkań miesięcznie
Dziś
60 spotkań × 60 min = 60 godz. (3 987 zł)
Z aplikacją pracownik sprawdza wynik w 25% czasu
997 zł
Sprzęt w firmie, w scenariuszu liczony jak najem serwera GEX45, 214 €
934 zł
Oszczędność
2 056 zł/mies.

Zwrot 12 500 zł

6,1 mies.

Wolumen, czas i udział sprawdzania to założenia scenariusza, które mierzymy w próbie. Godzina pracy 66,45 zł to przeciętne wynagrodzenie według GUS z września 2026 r. z kosztami pracodawcy, 168 godz. w miesiącu. Cena serwera GEX45 z 24 GB pamięci GPU według strony Hetznera z 22 października 2026 r., bez jednorazowej opłaty 209 €, kurs NBP 4,3641 zł.

Co uzgodnić z IT poza samym modelem
  • Skąd aplikacja pobiera dokumenty i gdzie zapisuje wyniki
  • Co zostaje w dziennikach, kopiach zapasowych i historii pytań
  • Kto ma dostęp do pytań, odpowiedzi i opracowań
  • Kto aktualizuje model, aplikację i zbiór dokumentów

Od czego zacząć

Na bezpłatnej analizie wybieramy jedno zadanie i 20 do 100 dokumentów, które zespół już opracował, a w 2 dni robocze dostajesz pisemne podsumowanie z ceną. Lokalny model wdrażamy w ramach prywatnych modeli LLM, a aplikację wokół niego w ramach aplikacji AI.

Przykład z liczbami · Scenariusz

Tak liczymy zwrot: transkrypcja spotkań

Ten sam rachunek robimy na bezpłatnej analizie dla Twojego zespołu.

3 322 zł

miesięcznie kosztuje pisanie notatek po 150 spotkaniach

Zwrot: 2,9 mies.

20 min na notatkę i listę zadań po spotkaniu i sprawdzanie w 25% 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. Licencja ChatGPT Business albo Claude Team: około 79 zł netto za osobę miesięcznie przy płatności rocznej (20 USD), po kursie NBP 3,9542 zł z 27 października 2026 r. Całą licencję liczymy tu na notatki, choć zespół używa jej też do innych zadań. Wdrożenie: od 4 900 zł do 10 osób, od 9 800 zł dla 11 do 40 osób.

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

  • Jak transkrybować poufne spotkania bez chmury?

    Lokalnym modelem rozpoznawania mowy w firmowym środowisku, z odsłuchem przy tekście i korektą osoby znającej rozmowę przed udostępnieniem.

  • Czy lokalna transkrypcja jest dokładna?

    Myli się na nazwach i skrótach, na przykład jednej literze w nazwie projektu. Dlatego tekst przed udostępnieniem czyta osoba, która była na spotkaniu.

  • Ile kosztuje aplikacja na lokalnym modelu?

    W Syntalith od 12 500 zł netto plus sprzęt GPU, na przykład serwer Hetzner GEX45 z 24 GB za 214 € miesięcznie, czyli 934 zł. Przy 60 spotkaniach miesięcznie zwrot to 6,1 miesiąca.

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.