Przejdź do treści

Za każdym systemem w produkcji stoi nazwisko.

Syntalith to zespół inżynierów. Rozmowę o Twoim procesie prowadzi inżynier, który potem projektuje system, buduje go i odpowiada za jego działanie.

lata doświadczenia zespołu w tworzeniu oprogramowania
22+
inżynierów: dwóch założycieli i dwóch audytorów zewnętrznych
4
zespół buduje i utrzymuje systemy produkcyjne
od 2018

Kto buduje systemy AI w Syntalith?

Krótka odpowiedź

Systemy projektują i wdrażają założyciele Syntalith, Artem Lisovtsov i Serhii Ivanchatenko. Artem buduje systemy produkcyjne od ponad 6 lat. Serhii ma ponad 7 lat komercyjnego doświadczenia. Przy złożonych projektach architekturę niezależnie sprawdzają Przemysław Markiewicz i Piotr Łach. Zespół ma łącznie ponad 22 lata doświadczenia w tworzeniu oprogramowania.

Gdzie pracowali inżynierowie Syntalith?

2017–2021: Artem, Przemek i Piotr studiują razem informatykę na Politechnice Lubelskiej.

Serhii Ivanchatenko7+ latLinkedIn ↗CRM i systemy PLM dla globalnych firm
Artem Lisovtsov6+ latLinkedIn ↗od backendu do architektury AI
Przemysław Markiewicz5+ latLinkedIn ↗lider techniczny zespołu GenAI
Piotr Łach4 lataLinkedIn ↗backend i RAG w systemach o dużym ruchu

Artem i Serhii projektują i budują każdy system.

Obaj są współzałożycielami i inżynierami. Razem odpowiadają za architekturę, budowę i działanie każdego systemu.

Artem Lisovtsov, Współzałożyciel · Applied AI/ML Architect

Artem Lisovtsov

Współzałożyciel · Applied AI/ML Architect

LinkedIn ↗

Ponad 6 lat w systemach produkcyjnych: backend, AI/ML, FinTech i MediaTech

Współzałożyciel Syntalith. Projektuje architekturę każdego wdrożenia i odpowiada za to, co dzieje się po uruchomieniu: kiedy system pyta człowieka, jaki ślad zostawia i jak działa, gdy klient zmieni cennik albo dostawca zmieni API. Pierwszą stronę napisał w 2009 roku w czystym HTML-u, a zawodowo pracuje od 2019 roku, najpierw przy sklepach internetowych i systemach CRM, potem przy backendzie platformy reklamowej o dużym ruchu. W dużej firmie programistycznej przeszedł drogę od Senior Backend Engineera do architekta systemów AI. Budował tam systemy dla brokera forex i jednego z największych nadawców telewizyjnych w UE, a potem platformę RAG do wyszukiwania w dokumentach, agentów LLM korzystających z narzędzi i prywatne wdrożenia modeli. Z modelami językowymi pracuje od 2022 roku.

W Syntalith
architektura każdego wdrożenia i warstwa AI/ML
Doświadczenie
od 2019 r.: e-commerce, CRM, reklama online, FinTech i MediaTech
AI i LLM
RAG i wyszukiwanie semantyczne, agenci z narzędziami, fine-tuning i prywatne wdrożenia modeli
Certyfikaty
Claude Certified Architect, Foundations (Anthropic, 2026); AWS Certified Machine Learning, Specialty
Kursy Anthropic
Claude Code in Action, Model Context Protocol, agent skills, subagenci i Claude Cowork
Szkolenia
pięć indywidualnych szkoleń AI, w tym dla Kuby Kozieja
Imienna referencja
Kuba Koziej, CEO i współzałożyciel MoreGrowth oraz członek zarządu Natu.Care: szkolenie 1:1, osobisty operator AI i wprowadzenie AI do pracy zespołu.
  • Python
  • Golang
  • AWS
  • AI/ML
  • Voice AI
  • Agenci AI
Serhii Ivanchatenko, Współzałożyciel · backend systemów AI

Serhii Ivanchatenko

Współzałożyciel · backend systemów AI

LinkedIn ↗

Ponad 7 lat komercyjnego .NET: PLM, CRM i systemy wewnętrzne

Współzałożyciel Syntalith. Buduje backend systemów AI: integracje z CRM i kalendarzami, wyszukiwanie wektorowe w Qdrant, przepływy w n8n i komponenty MCP, przez które agent korzysta z narzędzi firmy. Odpowiada za to, żeby system działał, kiedy nikt na niego nie patrzy: za obsługę błędów, kolejki, wydajność i ślad działań, który da się sprawdzić po fakcie. Zbudował też backend telefonii w odbierze.ai, marce voicebotów Syntalith. W .NET pracuje od 2018 roku. Zaczynał od wewnętrznego CRM dla ponad stu pracowników inżynierii, sprzedaży i produkcji. Od 2021 roku rozwija systemy PLM dla globalnych producentów żywności i dóbr konsumenckich.

W Syntalith
backend systemów AI: integracje, Qdrant, n8n, komponenty MCP, obsługa błędów i kolejek
Voice AI
backend telefonii odbierze.ai: obsługa połączeń, integracje z kalendarzem i CRM, monitoring rozmów
Doświadczenie
.NET od 2018 r.: CRM, PLM i systemy rozproszone
Domeny
PLM dla producentów żywności i dóbr konsumenckich, CRM, systemy rozproszone w Azure
Ewaluacja
zestawy przypadków testowych, analiza śladów wykonania i poprawa promptów oraz narzędzi
Kursy Anthropic
Building with the Claude API i Claude Code in Action (2026)
  • .NET
  • Voice AI
  • Agenci AI
  • LLM evals
  • MSSQL/Oracle
  • Qdrant

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 →

Kto niezależnie sprawdza złożony audyt lub architekturę

Na co dzień prowadzą produkcyjne systemy LLM w dużych organizacjach. Znamy się ze studiów na Politechnice Lubelskiej, z tego samego roku i grupy informatyki. Przy złożonym audycie mogą niezależnie sprawdzić architekturę i podpisać się pod swoją oceną.

Przemysław Markiewicz, Lider techniczny GenAI · audytor zewnętrzny

Przemysław Markiewicz

Lider techniczny GenAI · audytor zewnętrzny

LinkedIn ↗

Od kwietnia 2026 roku jest liderem technicznym zespołu GenAI w dużej firmie doradczej, w której wcześniej pracował jako inżynier ML. Przez ponad cztery lata pracował w dużej firmie programistycznej, ostatnio jako główny inżynier oprogramowania. Prowadził tam zespół, projektował architekturę nowych rozwiązań i uruchamiał otwarte modele LLM na własnych serwerach, razem z dotrenowaniem i ewaluacją. Buduje systemy RAG, od prostych wdrożeń po rozwiązania wieloagentowe, oraz mikroserwisy w Pythonie na Kubernetes. Informatykę skończył na Politechnice Lubelskiej, jako inżynier i magister.

Teraz
lider techniczny zespołu GenAI
Doświadczenie
ponad 5 lat w IT: tester, inżynier, architekt rozwiązań i lider zespołu
Systemy GenAI
RAG i systemy wieloagentowe: LangChain, LangGraph, LlamaIndex, Qdrant
Modele
otwarte modele LLM na własnych serwerach, dotrenowanie i ewaluacja
Infrastruktura
Python, Kubernetes, Terraform, Helm, CI/CD, AWS i Azure
  • Python
  • RAG / multi-agent
  • LLMOps
  • Kubernetes
  • Terraform/Helm
  • AWS/Azure
Piotr Łach, Backend & AI Engineer · audytor zewnętrzny

Piotr Łach

Backend & AI Engineer · audytor zewnętrzny

LinkedIn ↗

Inżynier oprogramowania. Przez cztery lata budował backend w dużej polskiej firmie programistycznej: API w FastAPI, asynchroniczne przetwarzanie danych w Celery i RabbitMQ oraz platformę czatową RAG z wyszukiwaniem w Qdrant i modelami OpenAI i Anthropic. Utrzymywał serwis o dużym ruchu, który musiał wytrzymać cykliczne szczyty obciążenia. Napisał też pipeline, który sam wdraża lokalne modele vLLM na Kubernetes i przydziela im zasoby.

Backend
Python, FastAPI, Pydantic, PostgreSQL i Django ORM
Systemy AI
RAG z Qdrant, LangChain, LangGraph i MCP, modele OpenAI, Anthropic i lokalne
Przetwarzanie i monitoring
Celery, RabbitMQ, Prometheus, testy jednostkowe i integracyjne
Wdrożenia
Kubernetes, Terraform, Helm, GitLab CI, AWS, Azure i vLLM
  • Python
  • FastAPI
  • RAG/Qdrant
  • Kubernetes
  • Celery/RabbitMQ
  • vLLM

Kto odpowiada za pierwszy kontakt

Daria zwykle odpowiada za pierwszą wiadomość, wstępną kwalifikację i umówienie rozmowy. Rozmowę techniczną oraz analizę procesu prowadzi inżynier.

Daria Sandach, Business Development

Daria Sandach

Business Development

LinkedIn ↗

W Syntalith od sierpnia 2025 roku. Szuka firm, którym możemy pomóc, sprawdza, czy ich proces nadaje się do automatyzacji, i umawia bezpłatną analizę. Z właścicielami rozmawia o tym, gdzie zespół traci czas albo informacje. Z wykształcenia: psychologia w biznesie.

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.