🍪 Ta strona używa cookies. Używamy Google Analytics do analizy ruchu. Polityka prywatności
Nie uczę promptów. Wdrażam AI w zespołach, które dowożą produkcję. Ponad 25 lat prowadzę firmy tech, AI to kolejny stack, nie treść na LinkedIna czy YouTube. Pracujemy na realnych projektach Twojego zespołu, nie na hype'ie z branży.
Mieliśmy 6-miesięczny plan na nowy system biletowy. SZRON wszedł, ustandaryzował workflow AI w zespole i po czterech tygodniach mieliśmy działający produkt w produkcji. Nie chodzi o to, że AI pisze kod, chodzi o to, że ktoś pokazał nam, jak to robić systemowo.
Inicjalizujemy Claude Code w waszym monorepo, podpinamy MCP do Jiry i bazy wiedzy, generujemy CLAUDE.md z konwencji, które już macie. Trzeci tydzień: zespół wysyła PR-y wygenerowane z agentów na realnych ticketach.
$ npx @anthropic-ai/claude-code init
› Wykrywam: monorepo (turborepo), TypeScript, NestJS, Postgres
› Czytam: ADR/, docs/api/, .github/CODEOWNERS
› Generuję CLAUDE.md (12 reguł projektowych)
claude › dodaj endpoint POST /invoices z walidacją VAT-UE
⏱ analizuję routing, schema, testy → patches/3 plików
✓ apps/api/invoices.controller.ts
✓ apps/api/invoices.service.ts
✓ apps/api/invoices.spec.ts (12 testów, mock VIES)
$ pnpm test
✓ 247 passed (12 new) · 11.4sRealny output z wdrożenia w software house, monorepo z 18 mikrousługami. Prompt skrócony.
Kwartał startowy obejmuje trzy miesiące współpracy. Od miesiąca czwartego: comiesięczna faktura, review, aktualizacje. AI zmienia się co miesiąc, my pilnujemy żeby zespół nadążał.
01 · DiagnozaMierzymy punkt wyjścia: stack, procesy, narzędzia.
MVP systemu biletowego z aplikacją mobilną i backendem walidacji. Jeden programista z AI zrobił to, co wcześniej wyceniali na pół roku z 4-osobowym zespołem.
AI generuje konfigurację peryferiów, DMA i przerwań w minuty. Zostaje czas na logikę sterowania.
Przejście na QML z AI pair-programmingiem. Nowy interfejs HMI w 2 tygodnie, z animacjami i responsywnym layoutem.
Nie znalazłeś odpowiedzi? Napisz wprost.
Tak, specjalizujemy się właśnie w trudnych stackach. Qt/QML, C++, STM32, ARM, PHP, legacy Java to nasz chleb powszedni. Dobieramy narzędzia AI pod konkretny kontekst technologiczny, nie odwrotnie.
Pracujemy z lokalnymi modelami AI tam, gdzie to wymagane. Konfigurujemy narzędzia tak, żeby kod nie opuszczał waszej infrastruktury. Podpisujemy NDA przed startem.
Dokumentacja procesów, skonfigurowane narzędzia, wyszkoleni championowie AI w zespole, baseline i raport KPI. Wasz zespół jest samodzielny, ale wracamy z aktualizacjami, bo AI zmienia się co miesiąc.
Szczegóły finansowe omawiamy indywidualnie podczas pierwszej rozmowy. Zaczynamy od zobowiązania kwartalnego (3 miesiące), w których udowadniamy wartość. Potem przechodzimy na model miesięczny.
Mierzymy przed i po. Jeśli po diagnozie widzimy, że AI nie da wam realnego zwrotu, powiemy wprost. Nie sprzedajemy programu na siłę.
Tak. AI doskonale radzi sobie z generowaniem konfiguracji PLC, kodu C dla embedded, dokumentacji protokołów (Modbus, OPC UA) i testów. Mamy case studies ze sterowników silników, paneli HMI i firmware.
Konfigurujemy lokalne modele AI, kod nie opuszcza waszej infrastruktury. Podpisujemy NDA przed startem. Pracujemy z air-gapped środowiskami. Znamy wymagania AI Act, NIS2, PCI-DSS.
Nie. Właśnie w małych zespołach AI daje największy boost. Jeden programista z AI zastępuje 3-4 osobowy team. Nasz case study z systemem biletowym: 1 developer zamiast 4.
25+ lat w tech. Zaczynałem od Delphi, WinAPI i C++. Później web, ARM, embedded, mobile, IoT. Od trzech lat non-stop z LLM i agentami. Wdrażam AI w zespołach inżynierskich, nie uczę promptów.
Więcej o zespole →Bez slajdów, bez pitchu. Konkretna rozmowa o waszym zespole, stacku i procesach. Po niej wiecie, co byśmy zrobili w pierwszym tygodniu.