Portret Rafała Figla z profilu

Rafał Figiel — AI Implementation Specialist

// AI Implementation
Specialist

Analiza procesu → prototyp → integracja → utrzymanie

Projektuję systemy AI do rozmów, dokumentów i zadań, które dziś wymagają ręcznej obsługi.

Łączę modele, dane firmowe i API w przepływy z określonymi uprawnieniami, logami i punktem zatwierdzenia przez człowieka.

Zobacz architekturę

Model wybieram po analizie danych, zadania i wymaganego poziomu kontroli.

Pięć decyzji
przed wyborem
modelu.

API czy model lokalny?

API obniża próg wejścia.
Model lokalny zwiększa kontrolę nad danymi.

API często daje dostęp do mocniejszych modeli i szybkich aktualizacji, ale wysyła dane na zewnątrz. Local LLM chroni prywatność i przewidywalny koszt, lecz wymaga własnej infrastruktury. Decyzja zależy od klasy informacji, nie od mody.

Dobór modelu do zadania

Research, kod, obraz i szybka odpowiedź nie muszą trafiać do tego samego modelu.

Warstwa routingu kieruje żądanie do właściwego dostawcy na podstawie typu zadania, wielkości kontekstu i limitów. Użytkownik nie musi wiedzieć, który model odpowiada.

Kontekst i pamięć

Pamięć rozmowy wymaga źródeł,
reguł i limitu kontekstu.

Długi kontekst, kompresja pamięci i wyszukiwanie semantyczne zachowują informacje potrzebne w kolejnych rozmowach. Zakres pamięci i źródła są jawnie określone.

Koszt, czas odpowiedzi, prywatność

Czas odpowiedzi i koszt
muszą pasować do zadania.

Warstwa routingu uwzględnia limity, szybkość, cenę i klasę poufności — zanim żądanie opuści organizację. Budżet na zadanie jest definiowany przed wdrożeniem, nie po pierwszym rachunku.

Awaria dostawcy i kontrola

Proces musi działać także
podczas awarii dostawcy.

Redundancja modeli, kolejka fallback i jawne zgody na działania zewnętrzne. W razie awarii system przełącza model albo kolejkuje zadanie według ustalonej reguły.

AI może rozmawiać,
wyszukiwać wiedzę albo wykonać akcję przez API.

01 / VOICE AI

Agent głosowy kwalifikuje rozmowę
i zapisuje sprawę.

Polski dialog, kwalifikacja leadów, przekazanie do człowieka — bez utraty kontekstu.

VAPI, ElevenLabs, Deepgram, Whisper, SIP/VoIP. Recepcja kliniki, infolinia, umawianie wizyt. Rozmowa zbiera kontekst, zapisuje sprawę i kieruje ją do właściwego kanału.

02 / DOCUMENTS + RAG

Wyszukiwarka odpowiada
na podstawie firmowych dokumentów.

Semantyczne wyszukiwanie w PDF, WWW i repozytoriach — z cytowalnym źródłem.

System wyszukuje właściwe fragmenty dokumentów, podaje źródło odpowiedzi i respektuje uprawnienia użytkownika.

03 / API + AUTOMATION

Model przekazuje dane
do systemu przez API.

Model → kalendarz, arkusz, komunikator — z jawnym zakresem uprawnień.

REST, OAuth 2.0, Google Workspace. Zakres odczytu i zapisu pozostaje jawny oraz odwracalny. Automatyzacja nie ukrywa właściciela decyzji.

Sześć etapów
wdrożenia.

Każdy etap kończy się decyzją, testem albo działającym fragmentem systemu.

  1. Diagnozuj

    Proces, dane, decyzje, odpowiedzialność i ryzyko.

  2. Priorytetyzuj

    Wartość, wykonalność, koszt i gotowość organizacji.

  3. Prototypuj

    Mały działający przepływ na prawdziwym materiale.

  4. Integruj

    API, tożsamość, dane, kanały i obsługa błędów.

  5. Zabezpiecz

    Dostępy, guardrails, logi, retencja i zatwierdzenia.

  6. Wdrażaj i mierz

    Standard pracy, szkolenie, użycie, koszt i efekt.

Prototyp pracuje na prawdziwym materiale, ponieważ dopiero wtedy widać jakość danych, wyjątki i koszt utrzymania. Połączenie z API nie jest końcem zadania: potrzebne są limity, timeouty, retry, logi, kontrola uprawnień i zachowanie na wypadek braku odpowiedzi. Dla zespołu powstaje czytelny standard użycia, dokumentacja oraz granice odpowiedzialności. Wynik mierzę przez użycie, jakość decyzji, czas procesu, koszt utrzymania i liczbę wyjątków wymagających ręcznej obsługi.

Po wdrożeniu zespół potrzebuje procedury zgłaszania błędów, aktualizowania źródeł i oceniania jakości. Mierzę liczbę użyć, czas procesu, koszt oraz wyjątki wymagające ręcznej obsługi.

04 / KOMPETENCJE TECHNICZNE

MODELE, DANE, API,
GŁOS I INFRASTRUKTURA.

Zakres technologii zależy od procesu, danych, kosztu i wymaganego poziomu kontroli.

01 / WIEDZA

LLM + DANE FIRMOWE

RAG, PDF-y, repozytoria wiedzy, embeddings i wyszukiwanie semantyczne. Kontrola dostępu i cytowalne źródło są ważniejsze niż płynna, ale niepewna odpowiedź.

02 / ARCHITEKTURA

API CZY MODEL LOKALNY

Wybór zależy od jakości, kosztu, prywatności, czasu odpowiedzi, okna kontekstu i kontroli danych. Ollama, LM Studio i self-hosting stosuję, gdy wymagają tego dane lub infrastruktura.

03 / PRZEPŁYW

INTEGRACJE

REST API, OAuth 2.0, Google Workspace, arkusze, kalendarze, komunikatory, browser automation i scraping łączą odpowiedź z kolejnym działaniem.

04 / ROZMOWA

VOICE AI

VAPI, ElevenLabs, Deepgram, Whisper oraz SIP/VoIP: rozmowa po polsku, zbieranie kontekstu, kwalifikacja i jawne przekazanie do człowieka.

05 / KONTROLA

GOVERNANCE

Separacja kontekstu, reguły dostępu, whitelisty, zatwierdzenia, logi, audytowalność, retencja i RODO. Każda akcja ma przypisanego właściciela i ślad audytowy.

06 / UTRZYMANIE

INFRA / DEV

Ubuntu VPS, Node.js, Python, Bash, nginx, systemd, Syncthing i automatyzacja przeglądarki. System ma uruchamiać się ponownie i dawać się diagnozować.

Systemy, które zbudowałem
i utrzymuję.

01 / 2026 — obecnieRafał Figiel przy pracy

Własne środowisko AI do codziennej pracy

Środowisko obsługuje komunikację, analizę plików, automatyzacje i zadania. Korzysta z OpenAI/Codex, Claude, Kimi, GLM, DeepSeek i modeli obrazowych. Routing uwzględnia koszt, czas odpowiedzi, kontekst i limity. System pracuje z głosem, PDF-ami, stronami WWW, plikami, komunikatorami i Google Workspace.

02 / Redford + West HomePortret redakcyjny Rafała Figla

AI Implementation Lead

Analizuję procesy sprzedażowe, operacyjne i dokumentowe w firmie budowlanej. Projektuję asystenta do komunikacji, leadów, researchu, dokumentów i zadań. Automatyzuję analizę firm i ofert oraz ustalam zasady dostępu, zgód i działań zewnętrznych.

03 / Praktyka wdrożeniowa

Prototypy, integracje i dokumentacja

Buduję chatboty i voice agents, systemy RAG, integracje API oraz automatyzacje procesów. Sprawdzam jakość odpowiedzi, bezpieczeństwo, koszt utrzymania i możliwość przekazania rozwiązania zespołowi.

04 / Operacje

Plan Viewer i koordynacja

Przy rozwoju Plan Viewer łączę pracę nad produktem z koordynacją operacyjną. Każda funkcja ma właściciela, koszt, następny krok i sposób sprawdzenia rezultatu.

05 / Governance w praktyce

Uprawnienia, logi i zgody na działania

Utrzymuję środowisko z pamięcią projektową, która pozwala odtworzyć przebieg pracy. Oddzielam kontekst prywatny od grupowego. Whitelisty, guardrails i tryb read-only ograniczają zakres działania, a operacje zewnętrzne wymagają zatwierdzenia. System obsługuje również analizę obrazu i wideo, web scraping oraz automatyzację przeglądarki.

Modele i narzędzia,
z których korzystam.

Dobieram je pod zadanie, koszt, dane i wymagany poziom kontroli.

OpenAI
OPENAI / CODEX
Anthropic
CLAUDE
Gemini
GEMINI
Hermes
HERMES
Ollama
OLLAMA / LOCAL
LM Studio
LM STUDIO
Google
WORKSPACE
Pi
PI
KIMI · GLM · DEEPSEEK · VAPI · ELEVENLABS · DEEPGRAM · WHISPER · REST · OAUTH 2.0 · SIP / VOIP · 
PRAKTYKA Z MODELAMI GENERATYWNYMI OD 2022 ROKU

Zaczynałem od GPT-3 w OpenAI Playground i GitHub Copilot. Przy wyborze narzędzia sprawdzam jakość wyników, koszt, zachowanie na wyjątkach i nakład pracy potrzebny do utrzymania.

Pełne CV / PDF ↗

Porozmawiajmy
o konkretnym procesie.

Jeśli chcesz uporządkować proces, udostępnić wiedzę z dokumentów albo sprawdzić konkretny use case AI, zacznijmy od diagnozy. Pracuję B2B, w Warszawie i Ołtarzewie, hybrydowo lub zdalnie. Mogę przejąć analizę procesu, przygotować prototyp i poprowadzić integrację. Zakres może obejmować pojedynczy proces albo dłuższy rozwój firmowej warstwy AI. Dokumentuję sposób działania, uprawnienia i operacje wymagające zgody.