[10]
PIPELINES AI — ASSECO EXECUTIVES
▓ TIER B · ROK 2026 · STATUS: DZIAŁA · JĘZYKI: PYTHON
Powtarzalne pipeline'y AI dla managerów — template-as-schema, zero halucynacji
[FIG. 1] MISJA
Dla szkolenia AI Executives w Asseco zbudowałem zestaw pipeline'ów, które manager uruchamia na własnych danych projektowych bez wdrożenia IT: audio z daily → notatka, eksport z Jiry → raport czterowymiarowy, SIWZ → mapa ryzyk, budżet → kalkulacja FTE. Inżynieria nie siedzi w kodzie, tylko w kontraktach promptowych: 14 wzorców szablon_*.md działa jako sztywny schemat outputu — agent nie dodaje i nie pomija sekcji — a standard raportów wymusza kolumnę Źródło w każdej tabeli faktów i tag (dane)/(założenie) przy każdej liczbie, bo na tych raportach zapadają decyzje budżetowe. Osobną, deterministyczną gałęzią jest lokalny pipeline transkrypcji: ffmpeg → Silero VAD → Whisper, z automatycznym wyborem backendu per platforma, żeby nagranie spotkania nigdy nie wyjeżdżało do chmury. Całość spakowałem w cztery skille Claude Code plus generatory raportów PDF (ReportLab) i HTML (Chart.js) z własnym design systemem.
[FIG. 2] ARCHITEKTURA
najedź na blok, by zobaczyć opis
[FIG. 3] WYZWANIA
[+][CH-01]
Raporty generowane przez LLM „pływają”: inna kolejność sekcji, inne kolumny, dorzucone albo pominięte fragmenty — a przy 14 różnych outputach generowanych przez wielu uczestników szkolenia to dyskwalifikuje materiał. Rozwiązaniem okazał się kontrakt, nie prośba: każdy prompt zawiera tę samą procedurę trzytaktową — najpierw przeczytaj wzorzec od początku do końca, potem przeczytaj dane, dopiero potem wypełnij wzorzec sekcja po sekcji, z identycznymi nagłówkami, identycznymi kolumnami i metrykami liczonymi tymi samymi wzorami — plus twarde „NIE dodawaj sekcji spoza wzoru, NIE pomijaj sekcji ze wzoru”. Tę klauzulę iterowałem do formy odpornej na kreatywność modelu i powtarzam ją dosłownie w każdym z pięciu case'ów.
[+][CH-02]
Manager podejmuje na tych raportach decyzje budżetowe w złotówkach i etatach — halucynowana liczba albo zmyślony cytat z SIWZ to realne ryzyko biznesowe i prawne. Zaprojektowałem więc standard, w którym raport jest audytowalny wstecz: obowiązkowa kolumna Źródło w każdej tabeli faktów, tag (dane)/(założenie) przy każdej liczbie, wzór z podstawionymi wartościami dla każdej wartości wyliczonej i zasada „nigdy nie pisz przyczyny jako faktu bez dowodu”, a walidator-checklista sprawdza to wszystko przed oddaniem raportu. Halucynacja cytatu jest w tym standardzie zdefiniowana wprost jako najpoważniejszy błąd merytoryczny — nie literówka.
[FIG. 4] WARSTWA AI
AI jest tu produktem, nie dodatkiem: Claude generuje raporty pod dyktando „Zasady wspólnej” i szablonów, a Whisper z Silero VAD transkrybuje audio lokalnie. Moja praca polegała na odebraniu modelowi swobody — template-as-schema wymusza identyczną strukturę przy zmiennych danych, a reguły provenance-first sprawiają, że każdą liczbę w raporcie decyzyjnym da się audytować wstecz do źródła.
[FIG. 5] GALERIA
SCREENY W DRODZE — patrz SHOTS-WANTED