LLM-y dla procesów które do tej pory robił człowiek.
Anthropic Claude i lokalne modele Ollama dla trzech konkretnych przypadków: przetwarzanie dokumentów, asystenci RAG nad bazą firmową, automatyzacja workflow. Nowa linia sprzedażowa — szukamy partnerów pilotażowych na 2026.
Zgłoś projekt pilotażowy → O linii biznesowej ↓// STOS AI W NEXUS
Uczciwie: to nowa linia. Technologia — nie nowa.
Nie udajemy że AI to nasza specjalizacja od pięciu lat. To nowa oferta komercyjna na 2026, ale technologie i use case'y które oferujemy — testowaliśmy wewnętrznie i przy istniejących wdrożeniach Odoo.
✓ Co mamy:
- Doświadczenie z Anthropic Claude API w naszych narzędziach wewnętrznych (m.in. tę stronę zbudowaliśmy z Claude jako copilotem)
- Praktyczna znajomość Ollama dla self-hosted modeli (Llama 3.x, Mistral, Qwen) — w naszej infrastrukturze testowej
- Komponenty wielokrotnego użytku: RAG nad PostgreSQL z pgvector, prompty do ekstrakcji danych z faktur, integracje LLM ↔ Odoo
- Spójność z resztą stosu Nexus: AI jako warstwa nad ERP, nie standalone
⏳ Czego szukamy w 2026:
- 3-5 partnerów pilotażowych w obszarach: dokumenty, RAG, workflow — preferencyjne warunki w zamian za case study
- Klientów którzy mają już Odoo Pro EXTREME — AI nakłada się naturalnie na istniejący backend
- Projekty średniej skali (10–100 tys. zł) — gdzie ROI jest mierzalny i widoczny w ciągu kwartału
- Branże z realnym problemem do rozwiązania, nie "fajnie byłoby mieć AI"
Trzy obszary które technicznie ogarniamy.
Nie wszystko co LLM-y mogą robić — tylko to co ma sens biznesowy w kontekście polskich firm z którymi pracujemy. ROI mierzalne, zakres dopowiedziany.
1. Przetwarzanie dokumentów
Faktury, umowy, korespondencja — ekstrakcja danych do ERP zamiast ręcznego przepisywania.
Konkretnie:- OCR faktur zakupowych (PDF/skan) → linie do Odoo
- Ekstrakcja danych z umów (terminy, kwoty, strony)
- Kategoryzacja korespondencji (priorytet, dział, akcja)
- Wyciąganie struktury z dokumentów nieustrukturyzowanych
2. Asystenci wewnętrzni (RAG)
LLM ma dostęp do dokumentacji, procedur i danych firmowych — odpowiada pracownikom konkretnie, nie ogólnikami.
Konkretnie:- Chatbot wewnętrzny dla HR ("jak zgłosić urlop?")
- Asystent sprzedawcy z dostępem do bazy produktów
- Helpdesk wewnętrzny nad bazą dokumentacji IT
- Wyszukiwanie semantyczne w archiwach firmowych
3. Automatyzacja workflow
LLM jako decydent w procesach — kategoryzacja, routing, podpowiedzi dalszych kroków.
Konkretnie:- Kategoryzacja przychodzących emaili (helpdesk, sales, spam)
- Routing leadów do właściwego handlowca po kontekście
- Auto-tagowanie ticketów w helpdesku
- Podpowiedzi dla operatora call center (next-best-action)
Anthropic Claude do większości. Ollama gdy musi być lokalnie.
Nie ma jednego "najlepszego" modelu. Wybieramy po wrażliwości danych, jakości wyniku i budżecie inferencji.
⚡ Anthropic Claude API
Najsilniejsze modele w branży — Claude Opus dla złożonego rozumowania, Claude Sonnet dla codziennej pracy, Claude Haiku dla taniej automatyzacji wolumenowej.
Stosujemy gdy:- Dane przetwarzane nie są wrażliwe (publiczne, marketingowe)
- Wymóg najwyższej jakości wyniku (umowy, analiza tekstu)
- Niskie wolumeny pozwalają na koszt per-token
- Anthropic ma siedzibę w EU/US, RODO-compliant Data Processing Agreement
🔒 Ollama (samohostowany)
Otwarte modele (Llama 3.x, Mistral, Qwen) na Twoim serwerze. Dane nie opuszczają infrastruktury. Wolniejsze, słabsze niż Claude — ale całkowicie pod kontrolą.
Stosujemy gdy:- Regulacje branżowe (medycyna, prawo, finanse) zabraniają cloud
- Dane wrażliwe pacjentów, klientów, kontrahentów
- Wysokie wolumeny — tańsze niż API per-call
- Wymóg pełnej kontroli nad modelem (audyt, dostrajanie)
Mix — Claude API dla zadań ogólnych (komunikacja zewnętrzna, kategoryzacja, asystenci) + lokalny Ollama dla danych wrażliwych (akta osobowe, dokumenty kontrahentów, finanse). Decyzja per workflow, nie per cała firma.
Czym łączymy LLM z resztą stosu.
LLM bez orchestracji to demo. Cztery narzędzia w naszym warsztacie — dobieramy do skali i poziomu integracji.
🔧 n8n
Self-hosted automation. Wizualne workflows, 400+ integracji, własny serwer. Większość naszych workflow tutaj.
na VPS klienta☁️ Make.com / Zapier
Gdy klient już używa i nie chce migrować. Proste workflows bez własnego hostingu.
cloud SaaS🐍 Python + cron
Gdy workflow jest zbyt złożony dla n8n. FastAPI service + scheduler + logi w Postgres.
production-grade⚙️ Odoo Workflows
Automated actions, server actions, scheduled actions natywnie w Odoo. LLM wywoływane z kodu Pythona modułu.
w Odoo Pro EXTREMEAI nie jest dla każdego procesu. Powiemy gdzie ma sens.
Często to co klient widzi jako "AI problem" jest tak naprawdę problemem konfiguracyjnym w istniejącym ERP. Nie sprzedajemy AI gdy wystarczy reguła w Odoo.
✓ AI ma sens gdy:
- Proces wymaga rozumienia treści naturalnej (tekst, dokumenty, mowa) — nie tylko reguł "if-then"
- Dane wejściowe są nieustrukturyzowane (PDF-y od dostawców, maile, pisma)
- Występuje wolumetria — setki/tysiące podobnych przypadków miesięcznie
- ROI jest mierzalny (oszczędność godzin, redukcja błędów, czas reakcji)
- Klient ma już działający ERP — AI nakłada się na istniejące dane
— AI nie ma sensu gdy:
- Problem da się rozwiązać regułą w ERP (np. routing emaili po nadawcy/temacie — to filtr, nie AI)
- Wolumetria jest niska (kilkanaście przypadków miesięcznie) — koszt AI wyższy niż ręczne
- Wynik wymaga 100% dokładności (LLM-y się mylą, zawsze) — np. wyliczenia podatkowe, decyzje finansowe
- Klient nie ma jeszcze ERP — najpierw porządek w danych, potem AI nad danymi
- Cel jest "mieć AI bo trendy", a nie rozwiązać konkretny problem biznesowy
AI to warstwa nad istniejącym backendem.
Sam LLM bez danych firmowych jest nieprzydatny. Najlepsze wyniki gdy AI ma dostęp do ERP, telefonii, dokumentów.
Pytania, które padają przed pilotażem.
"Nowa linia" — czy to znaczy że jesteście niedoświadczeni?
Linia sprzedaży AI jest nowa. Technologie znamy od ponad dwóch lat — Anthropic Claude wykorzystujemy codziennie w naszych narzędziach wewnętrznych (m.in. ta strona powstała z Claude jako copilotem). Ollama testujemy w naszej infrastrukturze. Co znaczy "nowa linia": nie mamy jeszcze 10 case studies do pokazania na stronie — szukamy pilotów którzy będą pierwsi. To uczciwe pozycjonowanie, nie sprzedaż na "5 lat doświadczenia".
Czy nasze dane firmowe trafią do Anthropic / OpenAI?
Zależy od konfiguracji. Anthropic Claude API ma Data Processing Agreement (DPA) zgodne z RODO — dane przetwarzane są tylko do odpowiedzi, nie trafiają do treningu modeli, Anthropic ma serwery w EU/US (decyzja per request). Dla naprawdę wrażliwych danych (akta medyczne, dokumenty prawne, finanse osobowe) używamy Ollama lokalnie — wtedy żaden bit nie opuszcza Twojego serwera. Decydujemy per workflow, nie per cała firma.
Ile kosztuje API Anthropic Claude w skali firmy?
Zależy od wolumenu i modelu. Claude Haiku (do prostej klasyfikacji) — kilka groszy za 1000 wywołań. Claude Sonnet (do większości zadań) — kilkadziesiąt groszy. Claude Opus (do złożonych analiz) — kilka złotych. Realny rachunek dla firmy 50-osobowej z aktywną automatyzacją workflow: zwykle 200-1000 zł miesięcznie. Konkretną wycenę robimy po analizie wolumenów. Dla bardzo wysokich wolumenów (10k+ przetwarzań dziennie) Ollama lokalny staje się tańszy w ujęciu rocznym.
A co z EU AI Act i RODO?
Nasza zasada: AI nie podejmuje decyzji ostatecznych dotyczących osób fizycznych bez nadzoru człowieka — to wymóg art. 22 RODO i kluczowa zasada EU AI Act dla systemów high-risk. Konkretnie: LLM proponuje kategoryzację, sugeruje routing, generuje draft odpowiedzi — człowiek zatwierdza. Audytujemy każdy workflow pod kątem klasyfikacji systemu w EU AI Act (minimal/limited/high risk) przed wdrożeniem. Jeśli przypadek byłby high-risk — informujemy klienta i nie wdrażamy bez odpowiedniej dokumentacji compliance.
Co jeśli LLM się pomyli na produkcji?
LLM-y się mylą. To fakt techniczny, nie wyjątek. Nasza architektura zakłada że każda decyzja AI jest weryfikowalna — logujemy prompt, response, confidence score, action taken. Każdy workflow ma "fallback do człowieka" — gdy LLM nie jest pewny (low confidence) lub gdy wynik jest poza oczekiwanym zakresem, zgłoszenie idzie do operatora. Nie używamy AI tam gdzie wymagana jest 100% dokładność (księgowanie, decyzje finansowe, identyfikacja osób).
Czemu jako pilot powinniśmy iść z Nexus a nie z dużym integratorem AI?
Trzy powody. (1) Mamy już Twój ERP — jeśli jesteś klientem Pro EXTREME, AI nakłada się na istniejący backend bez integracji od zera. (2) Preferencyjne warunki dla pierwszych pilotów — szukamy 3-5 case studies na 2026, więc dostajesz lepszą cenę w zamian za referencje. (3) Bezpośredni kontakt — nie konsultant trzeciego poziomu, tylko ten sam zespół który stawia Twój ERP i 3CX. Jeśli AI nie jest dla Ciebie krytyczne dziś — możesz poczekać aż mamy 5+ case studies. Powiemy wprost gdy pasujesz a kiedy nie.
Zgłoś projekt pilotażowy AI.
Szukamy 3-5 partnerów pilotażowych na 2026. Preferencyjne warunki w zamian za case study. Bez wciskania AI gdy wystarczy reguła w Odoo — uczciwa rozmowa techniczna na początek.
Automatyzacja AI — Obszar 4 / 7 · Nexus Digital · Linia w pilotażu 2026
Anthropic Claude · Ollama · n8n · pgvector · Strona: nexus-digital.pl