Treść → plan → lekcje → tutor
Każdy etap pamięta poprzedni i prowadzi użytkownika do konkretnej pracy, nie do ogólnej porady.
Wdrożenia
Zespół ma na koncie ponad sto wdrożeń różnego typu — aplikacje, integracje, portale i modele AI.

Case 01 / Soleadea
Publiczny portal, AI Study Planner, logowanie, CMS i baza danych tworzą jeden system — od artykułu po osobisty plan przygotowań do egzaminu CFA. Produkt edukacyjny robi kilka rzeczy naraz: przyciąga treścią, rozumie cel, rozpisuje plan, generuje materiały, wspiera tutorem i pokazuje postęp. Każda przerwa między tymi etapami to utrata kontekstu — więc zbudowaliśmy to tak, żeby kontekst nie ginął.
Każdy etap pamięta poprzedni i prowadzi użytkownika do konkretnej pracy, nie do ogólnej porady.
Plany i lekcje powstają asynchronicznie — ze statusem, wznawianiem i streamingiem do interfejsu.
Gość zaczyna od razu, a po zalogowaniu zachowuje plany, czaty i postęp.
// Zakres systemu
Wdrożenie to nie tylko frontend. Liczy się spójność między treścią, kontem, AI, bazą danych i ekranami, na których użytkownik realnie pracuje.
Treści prowadzą użytkownika od problemu z nauką do rozmowy z AI i wejścia do planera.
Plan nauki, tygodnie, moduły, lekcje, materiały i analityka w jednym miejscu.
Trzy osobne przepływy AI — plan, lekcje i tutor — streamowane wprost do interfejsu.
Użytkownik zaczyna jako gość, a po zalogowaniu zachowuje ciągłość planów, czatów i lekcji.
Panel do postów, tematów, kategorii, tagów i bloków treści dla całego portalu.
Plany, lekcje, wiadomości i postęp to uporządkowane dane produktu, nie luźne pliki.
// Przepływ użytkownika
Soleadea łączy publiczną edukację z aplikacją, która wie, do czego dążysz. Zamiast ogólnej porady prowadzi przez plan, moduły, lekcje i kolejne pytania — a każdy etap pamięta poprzedni.
Artykuł wyjaśnia temat i ustawia kontekst: egzamin, etap przygotowań, pytanie do AI.
Cel, termin i dostępne godziny zamieniają się w strukturę tygodni, tematów i modułów.
Backend na Cloudflare obsługuje plan, lekcje, czat tutora i kolejkę zadań w tle.
Widoki kalendarza, tygodni, timeline i analityki pokazują, co robić dalej.
problem i kontekst
pytanie użytkownika
tygodnie i moduły
materiały do pracy
odpowiedzi w kontekście
analityka i zaległości
// Ekran pracy
Planer ma kilka trybów: tygodnie, kalendarz, timeline, materiały, lekcje, tutor i analitykę. To nie ozdobne zakładki, tylko różne odpowiedzi na jedno pytanie: co dalej z nauką?
// Co to mówi o naszym podejściu
W Soleadei model językowy nie jest dodatkiem. Jest częścią systemu, który ma stan, role, uprawnienia i realne miejsce w pracy użytkownika.
Plan, lekcje, czat i postęp nie mogą żyć osobno. Gdy użytkownik wraca, system odtwarza stan jego pracy.
Generowanie planów i lekcji wymaga kolejek, statusów, streamingu i wznawiania — nie jednego promptu.
Magic link i przeniesienie sesji gościa na konto chronią ciągłość pracy bez męczącej rejestracji.

Case 02 / DoMore.ai
DoMore.ai przeprowadza przez chaos tysięcy narzędzi AI. Wyszukiwarka filtruje po roli, zadaniu, cenie i modelu, społeczność ocenia, a doradcy-eksperci podpowiadają, czego użyć. Obietnica jest prosta: „12x your output”.
Narzędzia przeszukasz po roli, zadaniu, cenie i modelu AI — od studenta po analityka.
Wyspecjalizowani asystenci (retail, finanse, podróże, media) podpowiadają, jakiego toola użyć.
Użytkownicy zgłaszają i oceniają narzędzia, więc katalog rośnie i sam się porządkuje.
// W środku
Wyszukiwarka, filtry, wybór modelu i doradcy AI — wszystko po to, żeby z tysięcy narzędzi wyłowić to jedno właściwe.
Case 03 / Model predykcyjny
Firma z branży szkoleń specjalistycznych online miała tysiące użytkowników, ale sprzedaż i marketing nie wiedziały, kto jest realnie blisko zakupu. Wytrenowaliśmy model, który z surowych danych buduje ranking: każdy użytkownik dostaje score prawdopodobieństwa zakupu w najbliższym czasie — i wiadomo, do kogo odezwać się najpierw.
Bez bogatej, czystej historii model nie ma z czego się uczyć. Im dłużej i staranniej zbierasz dane, tym celniejsze predykcje.
Zdarzenia zamieniamy w ponad 200 zmiennych w 7 typach — od czasowych po kontekstowe.
Każdy użytkownik dostaje score 0–1. Zespół zaczyna od najgorętszych, nie od przypadkowych kontaktów.
// Co widać w modelu
Dwa spojrzenia: które cechy najmocniej napędzają predykcję i jak mocno model koncentruje kupujących w górnych decylach.
Posortowane malejąco po score — sprzedaż zaczyna od D1.
// Co robi data scientist
Model jest tak dobry, jak dane, na których się uczy. Najwięcej pracy dzieje się więc zanim padnie pierwsza predykcja — w zbieraniu i porządkowaniu historii. Im dłuższa i czystsza historia zachowań, tym celniejszy score.
Logujemy zdarzenia, transakcje i profil. Im dłuższa historia, tym lepszy model.
Braki, duplikaty, wartości odstające, spójność typów i stref czasowych.
Eventy, płatności, marketing i profil scalamy w jeden zbiór na użytkownika.
Z surowych danych budujemy 200+ zmiennych w 7 typach.
Etykietujemy: kto kupił w oknie predykcji, a kto nie.
Podział czasowy, walidacja krzyżowa, metryki AUC i lift na górnych decylach.
Każdy użytkownik dostaje score 0–1 i miejsce w rankingu.
Świeże dane, kontrola dryfu i regularny retraining modelu.
// Co to daje biznesowi
Score to nie ozdoba dashboardu, tylko kolejność, w jakiej zespół odzywa się do ludzi.
Zamiast obdzwaniać listę po kolei, zespół zaczyna od górnego decyla z najwyższym score.
Wysokie score → oferta domykająca zakup. Niskie → kampania edukacyjna, która dopiero buduje gotowość.
Wydatki kierujesz na segmenty z realnym prawdopodobieństwem zakupu, nie na wszystkich równo.
// Następny case
Opisz, jakie dane, użytkownicy i decyzje muszą się połączyć. Zaproponujemy pierwszy zakres, który da się realnie uruchomić.
Opowiedz o projekcie