Služby

Produkční chatboty, od začátku do konce.

Pomáhám týmům nasadit AI na míru jako kontraktorka — postavené na vašich datech, s context engineeringem, mantinely a nasazením od prvního dne.

Domluvit bezplatný scoping call

Proč chatboty

Co to vlastně je — a co to řeší

Chatbot není trik ani generický ChatGPT wrapper. Je to asistent postavený na vašich dokumentech, vašich pravidlech, vašem produktu — který odpoví během vteřin, ukáže, kde odpověď našel, a umí říct „nevím“. Ty užitečné jsou ukotvené v datech, otestované a nasazené — ne jednou předvedené a zapomenuté.

Odpověď existuje — někde

Směrnice, manuály, tickety, Confluence, PDF. Váš tým ví, že ta znalost existuje. Najít ji včas je ale jiná písnička.

Stejné otázky, každý týden

Vaši nejlepší lidé se stávají živými vyhledávači — vyrušovaní, opakující se, dělající práci, která nepotřebuje člověka.

Noví lidé se zapracovávají měsíce

Znalosti žijí v hlavách a roztroušených dokumentech. Onboarding znamená obcházet lidi a doufat, že si někdo vzpomene.

Reálné příběhy

ScioBot

Školství · 60 000 učitelů

Předtím

Čeští učitelé potřebovali metodiky a materiály schované v milionech článků a interních zdrojích. Hledání trvalo déle než příprava hodiny.

Potom

Asistent, který prohledá 8 milionů článků za pár vteřin — se zdroji, srozumitelně. Přijalo ho 3 000 škol. AI Awards 2024. Odhadem 11+ let manuální práce ušetřeno učitelům.

60 000 uživatelů

hanakahleova.com

Zdraví · postaveno s mámou

Předtím

Lékařka desítky let zkoumala cukrovku 2. typu a obezitu. Důkazy existovaly — v článcích, přednáškách a poznámkách — ale dostaly se jen k pacientům v její ordinaci.

Potom

Platforma a AI asistent postavené na jejím výzkumu, které pomáhají mnohem víc lidem, než kdy zvládne jedna ordinace. Důkaz, že správný bot není o technologii — je o tom dostat znalosti k lidem, kteří je potřebují.

Rodinný projekt

Tohle je ten vzorec: znalosti, které vaše organizace už má, doručené lidem, kteří je potřebují — bez další porady, dalšího hledání nebo dalšího „koho se na tohle mám zeptat?“. Jestli to zní jako váš problém, pojďme si promluvit.

Co stavím

AI agenti na míru

Autonomní systémy, které plánují, směrují a vykonávají — od interních procesních botů po asistenty pro zákazníky, s mantinely a evaluacemi uvnitř.

Enterprise RAG

Retrieval pipeline ve velkém — hybridní dense-sparse vyhledávání, strategie chunkingu, citace a evaluační smyčky, díky nimž odpovědi zůstávají spolehlivé i v produkci.

Extrakce dat

Web mining s Playwrightem, strukturované pipeline a čisté předání do vaší znalostní báze — datová vrstva, kterou váš bot doopravdy potřebuje.

S kým pracuji

Týmy s dokumenty, tickety nebo znalostními bázemi, které nikdo nedokáže dost rychle prohledat
Firmy, kterým chatbot z dema přestává stačit a potřebují něco produkčního
Podniky, které potřebují on-prem nebo air-gapped LLM řešení, ne jen SaaS nadstavby

Typická spolupráce

Scoping call

30 min · zdarma

Popíšete problém, já se ptám na těžké otázky. Odejdeme s jasnou představou, jestli jsem ten správný člověk a jak by mohl vypadat první krok.

Prototyp

2–4 týdny

Tenký vertikální řez s reálným retrievalem, citacemi a evaluační sadou — abychom měřili dřív, než začneme škálovat.

Produkce

Průběžně

Mantinely, nasazení, monitoring a hodnoticí smyčky. Dostanete bota, který se zlepšuje, ne který postupně ztrácí směr.

Jak pracuji

Scoping

Co má bot vědět, kdo ho používá, jak vypadá „dobře“? Evaluace definuju dřív než prompty.

Stavba

RAG pipeline, orchestrace agentů, mantinely — váš stack (.NET nebo Python), vaše data.

Nasazení

Nasazení, monitoring, hodnoticí smyčky v produkci. Dostanete bota, který se zlepšuje, ne který postupně ztrácí směr.

Časté dotazy

RAG, nebo fine-tuning — co potřebuju?: Většinou napřed RAG. Když má bot znát váš obsah, retrieval vyhraje nad přetrénováním pokaždé, když se změní dokument.
Jak zabráníte tomu, aby si bot vymýšlel?: Každou odpověď ukotvím v nalezených pasážích, naučím ho explicitní „nevím“ a otestuju ho, než se nasadí.
Umíte pracovat on-prem nebo s našimi vlastními LLM?: Ano — on-prem LLM infrastrukturu jsem nasazovala v OKlabu. Air-gapped nebo hybridní setup můžeme naplánovat od prvního dne.
Co od nás potřebujete, abyste mohla začít?: Vzorové dokumenty nebo datové zdroje, člověka, který zná use-case, a jasno v tom, kdo jsou uživatelé. Architekturu i nasazení řeším já.
Jak dlouho trvá, než něco běží?: Funkční prototyp za 2–4 týdny je běžný. Produkce závisí na rozsahu, integracích a tom, jak chaotická jsou zdrojová data.

Vyzkoušet živé demo Začít projekt Číst blog

Nebo napište přímo: aneta.kahleova@gmail.com