Firma zatrudnia nowego spedytora. Przez pierwszy tydzień co godzinę pyta kolegę: gdzie znajdę formularz zlecenia? Kto odpowiada za klientów z Niemiec? Jak wygenerować raport z poprzedniego miesiąca? Kolega odpowiada – ale traci po 20 minut dziennie na pytania, które są zapisane gdzieś w dokumentach, do których nikt nie zagląda. Asystent AI dla firmy rozwiązuje ten problem: indeksuje wewnętrzną wiedzę i odpowiada na pytania w czasie rzeczywistym, bez angażowania innych pracowników.
Czym jest asystent AI oparty na wewnętrznej wiedzy firmy
Asystent AI dla firmy to system łączący duży model językowy (LLM) z bazą wiedzy opartą na dokumentach wewnętrznych. Mechanizm działa przez RAG (Retrieval-Augmented Generation): zamiast trenować model od zera, indeksujemy dokumenty i przy każdym pytaniu przekazujemy do modelu tylko te fragmenty, które są istotne dla zapytania.
W praktyce: piszesz pytanie „jakie są zasady zwrotu kosztów podróży?”, system przeszukuje politykę podróżną, regulamin firmy i ostatnie e-maile zarządu na ten temat, a model językowy formułuje odpowiedź z dokładnym odwołaniem do źródeł. Nie halucynuje – bo odpowiada na podstawie konkretnych dokumentów, które sam zindeksował.
Jak to działa – wyjaśnienie bez technicznego żargonu
Wyobraź sobie bibliotekę firmową, w której każdy dokument jest rozłożony na akapity i każdy akapit ma przypisany „odcisk palca” – matematyczny opis jego treści. Gdy zadajesz pytanie, system szuka akapitów o podobnym odcisku i podaje je modelowi językowemu. Model czyta te fragmenty i formułuje odpowiedź – jak bibliotekarz, który zna każdy dokument i potrafi zebrać odpowiedź z kilku źródeł jednocześnie.
Ważna różnica między tym a ChatGPT: ChatGPT odpowiada na podstawie wiedzy z internetu, której nie możesz kontrolować. Firmowy asystent AI odpowiada wyłącznie na podstawie dokumentów, które mu dałeś. Jeśli nie ma informacji w bazie wiedzy – powie wprost: „nie znalazłem odpowiedzi w dostępnych dokumentach.”
Na jakich dokumentach działa asystent AI
System obsługuje wszystkie popularne formaty plików:
- PDF (polityki, procedury, umowy, dokumentacja techniczna)
- Word (.docx) – regulaminy, instrukcje, szablony
- Excel/CSV – cenniki, bazy produktów, listy klientów
- PowerPoint – prezentacje szkoleniowe
- E-maile (eksport z Outlook, Gmail)
- Strony wiki (Notion, Confluence, Outline)
- Transkrypcje spotkań
Modele językowe – Claude, GPT, Gemini, lokalne LLM
Asystent AI może korzystać z różnych modeli językowych. Wybór zależy od wymagań dotyczących prywatności i budżetu:
| Model | Dostawca | Prywatność danych | Koszt |
|---|---|---|---|
| Claude (Sonnet, Opus) | Anthropic | API – dane przez serwery Anthropic; Enterprise bez trenowania na danych klienta | $3-15 / mln tokenów |
| GPT-4o, o3 | OpenAI | API – dane przez serwery OpenAI; Enterprise z gwarancjami | $2-60 / mln tokenów |
| Gemini Pro/Flash | API – dane przez serwery Google; Enterprise z gwarancjami | $0.1-7 / mln tokenów | |
| Llama 3, Qwen (lokalne) | Meta, Alibaba (open-source) | Pełna – uruchamiane lokalnie, dane nie wychodzą z firmy | Koszt serwera, 0 za model |
Dla firm przetwarzających dane wrażliwe (kancelarie, kliniki, spółki z tajemnicą handlową) NexaIT rekomenduje lokalne LLM – dane nie opuszczają sieci firmowej. Wdrożenie takiego systemu jest częścią oferty danych AI na własnym serwerze.
Cztery główne przypadki użycia w firmach MŚP
1. Baza wiedzy dla nowych pracowników. Zamiast onboardingu „poczytaj te 20 dokumentów i zapytaj Kasię jak czegoś nie wiesz” – nowy pracownik pyta asystenta o procedury, narzędzia, uprawnienia i kontakty. Asystent odpowiada natychmiast, wskazując konkretne sekcje dokumentów.
2. Obsługa klienta – wewnętrzna baza FAQ. Agent customer support nie musi pamiętać 300 artykułów pomocy – wpisuje pytanie klienta do asystenta i dostaje gotową, precyzyjną odpowiedź z powołaniem na politykę. Czas obsługi skraca się o 30-50%.
3. Analiza umów i dokumentów prawnych. Prawnik lub manager wgrywa umowę i pyta „czy jest tu klauzula kar umownych?” lub „porównaj ten paragraf z naszym standardem.” Asystent analizuje dokument w kilka sekund zamiast godzin.
4. Automatyzacja odpowiedzi na e-maile z zapytaniami ofertowymi. Asystent AI zintegrowany z pocztą firmową analizuje zapytanie, przeszukuje bazę produktów i cennik, i proponuje draft odpowiedzi. Handlowiec weryfikuje i wysyła.
Kwestia bezpieczeństwa danych – kiedy dane idą do zewnętrznych API
Przy API (Claude, GPT, Gemini): treść pytania i fragmenty dokumentów trafiają do serwera dostawcy modelu. Anthropic i OpenAI oferują plany Enterprise z gwarancjami braku trenowania na danych klienta. Dane są szyfrowane w transporcie i co do zasady nie są przechowywane między sesjami.
Przy lokalnych LLM (Llama, Mistral, Qwen): model działa na serwerze firmowym. Żadne dane nie opuszczają sieci. To jedyne rozwiązanie dające pełną gwarancję poufności – stosowane przez NexaIT dla klientów z branż regulowanych.
Co firma musi przygotować przed wdrożeniem
Asystent AI jest tak dobry jak dokumenty, które mu dałeś. Przed wdrożeniem warto przygotować:
- Inwentarz dokumentów: jakie dokumenty istnieją, gdzie są przechowywane, kto jest właścicielem – bez tego etapu często odkrywamy, że „dokumentacja” firmy to luźne pliki na dyskach i skrzynkach mailowych poszczególnych pracowników.
- Czyszczenie i aktualność: stare dokumenty z nieaktualnymi cenami lub procedurami trują bazę wiedzy. Asystent będzie podawał stare informacje z pełną pewnością. Przegląd i oznaczenie nieaktualnych plików przed indeksowaniem jest konieczny.
- Definicja zakresu: które dokumenty mają trafić do bazy, a które nie (np. umowy z klientami mogą nie być przeznaczone dla wszystkich pracowników). System RAG obsługuje uprawnienia dostępu – można skonfigurować, że dział handlowy widzi tylko swoje dokumenty.
- Kanał dostępu: przez Slacka, MS Teams, przeglądarkę czy dedykowaną aplikację – decyzja wpływa na architekturę integracji.
Jak wygląda wdrożenie asystenta AI przez NexaIT
Wdrożenie asystenta AI realizowane przez NexaIT przebiega w pięciu etapach: warsztat analityczny (identyfikacja przypadku użycia i zakresu dokumentów), indeksowanie dokumentów (pipeline przetwarzania Docling lub Azure Document Intelligence + baza wektorowa Qdrant), konfiguracja modelu językowego, integracja z narzędziami firmy (Slack, Teams, przeglądarka), szkolenie i utrzymanie. Koszt wdrożenia jest wyceniany indywidualnie po warsztacie – dla prostego przypadku użycia (jedna baza wiedzy, kilkudziesięciu użytkowników) całość zajmuje 4-8 tygodni.
Najczęstsze pytania o asystent AI dla firmy
Czy asystent AI może się mylić i podawać błędne informacje?
System RAG znacząco redukuje ryzyko halucynacji – model odpowiada na podstawie konkretnych fragmentów dokumentów i cytuje źródło. Przy braku pewności informuje o tym zamiast wymyślać. Kluczowe decyzje biznesowe zawsze powinny być weryfikowane przez człowieka.
Co z bezpieczeństwem danych – czy dokumenty trafią do OpenAI lub Anthropic?
Przy API: treść zapytania trafia do dostawcy modelu. Anthropic i OpenAI oferują plany Enterprise z gwarancjami braku trenowania na danych klienta. Dla pełnej poufności wdrażamy lokalne LLM – model działa na serwerze firmowym, żadne dane nie opuszczają sieci.
Jak asystent radzi sobie z aktualizacją dokumentów?
Konfigurujemy automatyczne re-indeksowanie przy zmianie dokumentów. Gdy aktualizujesz politykę w Notion lub wgrywasz nowy plik, system automatycznie aktualizuje bazę wektorową. Asystent odpowiada na podstawie aktualnej wersji dokumentu, nie starej kopii.