[ 00 ] — AI Engineering · Data Architecture

Działające systemy AI.
Nie slajdy.

Projektujemy i wdrażamy systemy agentowe, platformy LLM i produkcyjne pipeline’y danych. Reprodukowalne, audytowalne — z IP po Twojej stronie.

9+
lat w Data Science / ML
6 231
kompetencji w autorskiej taksonomii (3 modele, głosowanie)
414
haseł w słowniku AI (22 modele, 3 rundy)
modele w metodyce multi-model consensus

[ 01 ] — USŁUGI

Cztery sposoby, w jakie dowozimy — plus stała współpraca.

Nazwany zakres, określony czas, konkretny efekt. Wycena po rozmowie o Twoich danych.

PAKIET 01 · 4–6 tygodni

RAG / Agent Proof-of-Value

Dla firm, które chcą dowodu wartości zanim zainwestują w platformę.

Co dostajesz
  • Działający demonstrator na Twoich danych
  • Dashboard ewaluacji jakości odpowiedzi
  • Raport decyzyjny go/no-go

Metrykę biznesową definiujemy w tygodniu 1 — żeby Twój pilotaż nie zasilił statystyki 95% projektów bez ROI. Jeśli wynik nie broni metryki, dostajesz uczciwy raport dlaczego i co dalej.

Porozmawiajmy →
PAKIET 02 · 2–3 tygodnie

LLM Observability Sprint

Dla zespołów z LLM w produkcji, bez wglądu w jakość i koszty.

Co dostajesz
  • Observability (Langfuse / OpenTelemetry)
  • Ewaluacja LLM-as-a-Judge z audit trail
  • Koszt per zapytanie

Audit trail i ewidencja ewaluacji zgodne z wymogami EU AI Act (obowiązki dla systemów wysokiego ryzyka od 08.2026). Dostarczamy stronę inżynierską zgodności — interpretację przepisów zostawiamy prawnikom.

Porozmawiajmy →
PAKIET 03 · 2 tygodnie
Najczęstszy punkt startu

AI Architecture Blueprint

Dla zarządów i CTO przed decyzją inwestycyjną.

Co dostajesz
  • Dokument docelowej architektury
  • Backlog wdrożenia
  • Szacunek TCO

Audyt niezależny: dostajesz dokument, backlog i szacunek — możesz wdrażać z kimkolwiek. Nie sprzedajemy sobie wdrożenia „przy okazji".

Porozmawiajmy →
PAKIET 04 · od 3 tygodni

PoC-to-Production

Dla zespołów DS z notebookami, które muszą dowozić powtarzalnie.

Co dostajesz
  • Reprodukowalne pipeline’y (Kedro / MLflow)
  • Walidacja danych i CI/CD dla ML
  • Pełna audytowalność

Z pilotażu na produkcję: prawie połowa PoC nigdy tam nie dochodzi — domykamy tę drogę.

Porozmawiajmy →
PAKIET 05 · retainer, 2–4 dni / mies.

AI Engineer w Twoim zespole

Dla firm potrzebujących seniora GenAI na stałe, elastycznie.

Co dostajesz
  • Stały dostęp do seniora AI
  • Przeglądy architektury i kodu
  • Mentoring zespołu

Maks. 2–3 klientów równolegle — ekskluzywność zamiast skali agencji. Piotr sam buduje, nie tylko doradza.

Porozmawiajmy →

Nie wiesz, od czego zacząć? Umów 30 minut →

[ 02 ] — DLA KOGO

Dla kogo pracujemy

01

Mid-market i scale-upy z utkniętym pilotażem

Macie PoC GenAI, który halucynuje albo nie dowozi ROI. Doprowadzamy go do produkcji albo uczciwie zabijamy.

02

Software house’y i integratorzy

Dopisaliście AI do oferty, ale brakuje seniora GenAI na produkcyjnym poziomie. Wnosimy warstwę AI pod Waszą marką — podwykonawstwo projektowe, nie wynajem ludzi.

03

Firmy z systemami wysokiego ryzyka (EU AI Act)

HR-tech, scoring, fintech — potrzebujecie inżynierskiej strony zgodności: logowania, dokumentacji, ewaluacji i audit trail.

[ 03 ] — PROCES

Przyrostowo. Płatność po odbiorze etapu.

01

Rozmowa

Bezpłatna konsultacja. Definiujemy problem i kryteria sukcesu.

02

Blueprint

Architektura, kamienie milowe, estymacja. Wiesz, za co płacisz.

03

Build

Każdy etap kończy się działającym produktem. Odbierasz — płacisz.

04

Handover

IP, dokumentacja i reprodukowalne pipeline’y zostają u Ciebie.

[ 04 ] — REALIZACJE

Wybrane realizacje

Niezależny dorobek Datarmination — metodyki i narzędzia własne.

Taksonomia kompetencji zawodowych

Problem
Brak spójnej, przeszukiwalnej struktury kompetencji z ogłoszeń o pracę.
Podejście
Taksonomia 6 231 kompetencji w 21 kategoriach, zbudowana metodą multi-model consensus — 3 modele, głosowanie większościowe.
Stack
SFIA v9 / ESCO / O*NET / SCOR / BABOK, Python
Wartość
Audytowalna, hierarchiczna taksonomia z przejrzystym głosowaniem, mapą relacji i wyszukiwaniem semantycznym.

Słownik pojęć AI 2022–2026

Problem
Rozproszona, niespójna terminologia AI bez powiązań między pojęciami.
Podejście
414 haseł zsyntetyzowanych z 22 modeli w 3 rundach, z grafem 104 relacji i weryfikacją źródeł.
Stack
synteza wielomodelowa, graf wiedzy (Graphviz), Python, React
Wartość
Reprodukowalny słownik referencyjny: 358 zweryfikowanych źródeł, oceny dojrzałości pojęć, łańcuchy ewolucji i interaktywne wizualizacje.

Narzędzia LLM

Problem
Brak wglądu w projekty i koszty pracy z modelami LLM.
Podejście
Tracker projektów LLM (FastAPI + React, interaktywny graf milestones) oraz pipeline analizy konwersacji z modeli LLM → SQLite → tagowanie taksonomią fasetową i eksport do Obsidian.
Stack
FastAPI, React (React Flow), SQLite, Python
Wartość
Centralny wgląd w postęp i organizację pracy z modelami LLM.

Deep-research orchestration

Problem
Pojedynczy model badawczy halucynuje i pomija źródła.
Podejście
Równoległe odpalanie wielu modeli deep-research, triangulacja wyników (fakt z ≥2 torów = pewny), reżim anty-halucynacyjny (cytowania URL, jawne oznaczanie niepewności), scalanie w raport konsensusowy.
Stack
meta-prompt orkiestracji, wiele modeli DR, triangulacja
Wartość
Reużywalny szablon researchu z udokumentowanymi źródłami i rozbieżnościami.

[ 05 ] — PIERWSZA ROZMOWA

Jak wygląda pierwsza rozmowa

  1. 0130 minut, bez zobowiązań.
  2. 02Definiujemy problem i kryterium sukcesu.
  3. 03Wychodzisz ze szkicem zakresu i rekomendacją pakietu.

[ 06 ] — FAQ

Częste pytania

Dlaczego bez cen?+

Bo uczciwa wycena zależy od Twoich danych i skali. Stałą cenę podajemy po 30-minutowym scopingu — z góry, nie „w trakcie".

Co, jeśli projekt przerośnie jedną osobę?+

Zakres każdego etapu jest jasny i skończony. Rdzeń buduję sam; na przeciążenia mam model konsorcjalny i sprawdzonych partnerów.

Czyje jest IP?+

Twoje. Kod, prompty i pipeline’y w całości — dostarczamy reprodukowalnie, uruchamiasz samodzielnie.

Jak się rozliczamy?+

Po odbiorze każdego kamienia milowego. Nie płacisz za etap, którego nie odebrałeś.

NDA i bezpieczeństwo danych?+

NDA standardowo, przed rozmową o danych. Pracujemy na Twojej infrastrukturze tam, gdzie dane nie mogą jej opuścić.

Co dzieje się po Proof-of-Value?+

Albo hardening do produkcji (PoC-to-Production), albo stała współpraca w modelu retainer.

Jak mierzycie jakość odpowiedzi LLM?+

Zbiór testowy + LLM-as-a-Judge + metryki zdefiniowane z góry. Bez tego „działa" to opinia, nie fakt.

[ 07 ] — KONTAKT

Kontakt

Porozmawiajmy o projekcie — od analizy wykonalności po działający demonstrator.

Odpowiadam w ciągu 24 h w dni robocze.

O Datarmination

Datarmination prowadzi Piotr Pytlarz — inżynier AI i architekt danych z ponad 9-letnim doświadczeniem w Data Science / ML. Pełnił kluczową rolę w wewnętrznym zespole ML/AI jednej z największych firm IT consulting w Polsce (7 500+ specjalistów), gdzie projektował systemy agentowe RAG i platformy LLM dla zastosowań korporacyjnych. Wcześniej Data Science Team Leader i Data Scientist Lead. Datarmination realizuje projekty samodzielnie i w konsorcjach.

piotr@pytlarz.pl

+48 572 759 900

LinkedIn ↗


Datarmination Piotr Pytlarz

NIP 9680843592

ul. Chłapowskiego 13, 02-787 Warszawa