Przejdź do treści

Blog · Opublikowano · Zaktualizowano

Kolejka zgłoszeń: jak działa ten proces

Krótka odpowiedź

Model przypisywania zgłoszeń mieszkańców w naszym demonstratorze osiągnął macro-F1 0,828, poniżej progu jakości 0,850, więc bramka routingu nie została zaliczona. Publikujemy ten wynik, bo pokazuje, dlaczego dyspozytor zatwierdza przydział, a pilne i niejednoznaczne sprawy zostają w ręcznej kolejce. Automatyzacja kosztuje w Syntalith od 12 500 zł netto i przy 1 000 zgłoszeniach mieszkańców miesięcznie po 4 minut zwraca się w 4,7 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
analiza z inżynierem i darmowy prototyp
0 zł
zespół w ChatGPT albo Claude, do 10 osób
od 4 900 zł
automatyzacja, agent albo aplikacja dla jednego procesu
od 12 500 zł

Należymy do programów partnerskich OpenAI i Anthropic, twórców ChatGPT i Claude, i uczymy się z ich oficjalnych kursów. Co to znaczy ↓

Autor: Syntalith · 2 min czytania

Przykład: poranna skrzynka zgłoszeń
Agent · gotowy do pracy

Statystyki

Zgłoszenia i AI: statystyki 2026

4,7 mies.

zwrotu automatyzacji za 12 500 zł przy 1 000 zgłoszeniach mieszkańców miesięcznie: 4 430 zł pracy dziś, 1 795 zł ze sprawdzaniem i modelem. Scenariusz.

Dane sprawdzone: 22 października 2026

Kiedy podobne zgłoszenia opisują jedną awarię

Zgłoszenia mieszkańców trzeba połączyć z właściwą sprawą i zespołem. Kilku mieszkańców zgłasza tę samą awarię windy innymi słowami i różnymi kanałami. Błędne przypisanie pilnego problemu może być gorsze od pozostawienia go do ręcznego przeglądu. Demonstrator łączy powtórne zgłoszenia, ustala priorytet według bezpieczeństwa i terminów i przekazuje decyzję dyspozytorowi: nie kontaktuje wykonawców i nie zamyka spraw.

Publiczny przebieg objął 400 zgłoszeń z 40 obiektów i 24 miesiące historii. Model przypisywania osiągnął macro-F1 0,828 przy progu 0,850. Po przebiegu dodaliśmy korektę taksonomii i wysokoprecyzyjne reguły graniczne, ale nie przeszły one jeszcze nowej oceny na żywo, więc obowiązującym wynikiem zostaje niezaliczenie.

Kolejka zgłoszeń w demonstratorze Syntalith
Archiwalny ekran demonstratora, sierpień 2026 r.
Scenariusz odbioru na 100 zgłoszeniachWynik
Propozycje przydziału80 ze 100, pokrycie 80%
Zaakceptowane przez recenzenta73 z 80, poprawność 91,25%
Wykryte pilne sprawy18 z 20, czyli 90%
Pominięte pilne sprawy2, do poprawy przed uruchomieniem
Dlaczego publikujemy słabszy wynik
  • Bramka jakości ma sens tylko wtedy, gdy jej niezaliczenie jest widoczne
  • Pominięta pilna sprawa jest ważniejsza niż średnia trafność
  • Poprawki bez nowej oceny nie zmieniają wyniku
  • Klient widzi, czego oczekiwać od pilotażu

Ile to kosztuje i kiedy się zwraca

Scenariusz: 1 000 zgłoszeń mieszkańców miesięcznie
Dziś
1 000 zgłoszeń mieszkańców × 4 min = 66,7 godz. (4 430 zł)
Z systemem człowiek sprawdza wynik w 40% czasu
1 772 zł
Model, 1 wywołanie na sprawę, Claude Sonnet 5.5
23 zł
Koszt jednej sprawy
4,43 zł dziś, 1,80 zł z systemem
Oszczędność
2 635 zł/mies.

Zwrot 12 500 zł

4,7 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: 2 000 tokenów wejścia i 200 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 40% 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 40% dzisiejszej pracy, bo dyspozytor zatwierdza każdy przydział i przegląda sprawy bez propozycji. Pełny zapisany przebieg 24 zgłoszeń kosztował w demonstratorze 0,010717 USD.

Co z tego wynika dla pilotażu

Model z wynikiem poniżej progu nie przypisuje zgłoszeń sam. Dyspozytor zatwierdza przydział i przegląda sprawy bez propozycji, a pilne przypadki i niejednoznaczne adresy zostają w ręcznej kolejce. Liczby ze scenariusza odbioru są założeniami ćwiczenia: dwie pominięte pilne sprawy na dwadzieścia wymagają poprawy przed uruchomieniem. Anthropic w poradniku o ocenie agentów zaleca oceniać wynik w środowisku i powtarzać próby, bo pojedynczy przebieg łatwo myli.

Ręczna kolejka, propozycje czy routing
  • Mało zgłoszeń, dyspozytor nadąża

    wspólna kolejka bez modelu

    bez budowy

  • Wiele zgłoszeń, powtórne opisy tej samej awarii

    propozycje przydziału zatwierdzane przez dyspozytora

    od 12 500 zł

  • Model przeszedł bramkę na danych zarządcy

    automatyczny routing spraw niepilnych

    wycena po analizie

Od czego zacząć

Pilotaż zaczyna się od oceny rekomendacji przez dyspozytora na zgłoszeniach z etykietami zatwierdzonymi przez pracownika. Zakres dla zarządców opisuje AI dla zarządców nieruchomości. 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

Tak liczymy zwrot: zgłoszenia mieszkańców

Ten sam rachunek robimy na bezpłatnej analizie dla Twoich budynków.

5 316 zł

miesięcznie kosztuje ręczna obsługa 800 zgłoszeń mieszkańców

Zwrot: 2,8 mies.

6 min na przyjęcie, przypisanie i odpowiedź na zgłoszenie 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: odczyt dokumentu w naszym systemie kompletowania spraw (około 0,00089 zł) plus opis braków (Claude Sonnet 5.5, około 2 000 + 300 tokenów), kurs NBP 3,8889 zł z 21 października 2026 r.

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 ↗

Zacznij od procesu, który co tydzień zabiera najwięcej czasu.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) →

Wdrożenie AI w firmie

Zacznij od procesu, który co tydzień zabiera najwięcej czasu.

Inżynier wybiera z Tobą jeden proces i liczy, ile dziś kosztuje. Potem budujemy darmowy prototyp na 20⁠–⁠100 sprawach, które Twój zespół już obsłużył. Cel i stałą cenę zapisujemy w umowie.

Zobacz wdrożenie AI →
analiza z inżynierem i darmowy prototyp
0 zł
zespół w ChatGPT albo Claude, do 10 osób
od 4 900 zł
automatyzacja, agent albo aplikacja dla jednego procesu
od 12 500 zł

Pytania

  • Dlaczego publikujecie wynik poniżej progu?

    Bo bramka jakości ma sens tylko wtedy, gdy jej niezaliczenie jest widoczne. Wynik macro-F1 0,828 przy progu 0,850 oznacza, że model nie przypisuje zgłoszeń sam, a dyspozytor zatwierdza przydział.

  • Co jest ważniejsze od średniej trafności przy zgłoszeniach?

    Pominięte pilne sprawy. W scenariuszu odbioru dwie z dwudziestu pilnych spraw zostały pominięte, co wymaga poprawy przed uruchomieniem niezależnie od średniego wyniku.

  • Ile kosztuje taka automatyzacja?

    W Syntalith od 12 500 zł netto. Przy 1 000 zgłoszeniach mieszkańców miesięcznie po 4 minut zwrot to 4,7 miesiąca. Integracje i utrzymanie ustalamy przed wyceną, a model kosztuje 23 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.