Dla kogo

Firma, w której pracownicy ciągle pytają o to samo: procedury, cenniki, warunki umów, instrukcje

Jak działa

Wyszukuje w Twoich dokumentach pasujące fragmenty i dopiero na ich podstawie model AI pisze odpowiedź ze źródłem

Koszt API

Zwykle drobna część budżetu. Więcej kosztuje porządek w dokumentach, budowa i utrzymanie

Czas wdrożenia

Pilotaż na jednym obszarze: zwykle kilka tygodni, z czego większość to przygotowanie dokumentów i testy

Właściciele firm pytają mnie coraz częściej o to samo: „Czy da się zrobić ChatGPT, który zna nasze procedury?”. Da się, ale nie przez „nauczenie” modelu Twoich dokumentów. Model się nie zmienia. Zmienia się to, co dostaje do przeczytania przy każdym pytaniu.

Poniżej wyjaśniam, jak taki asystent działa, co musisz przygotować po stronie firmy, jak go zbudować krok po kroku i od czego zależy koszt. Ceny API podaję według oficjalnego cennika OpenAI, stan na 10 listopada 2026. Jeśli dopiero zaczynasz z AI w firmie, najpierw przeczytaj plan wdrożenia AI w firmie na 30 dni. Asystent na dokumentach to zwykle drugi albo trzeci krok, a nie pierwszy.

Czym asystent na dokumentach różni się od zwykłego ChatGPT

Zwykły czat odpowiada z wiedzy ogólnej, którą model zdobył podczas trenowania. Nie zna Twojego cennika, wewnętrznej procedury reklamacji ani warunków umowy z największym klientem. Jeśli pracownik wklei dokument do czatu, model go przeczyta, ale tylko w tej jednej rozmowie i tylko ten jeden plik.

Asystent na dokumentach robi trzy rzeczy inaczej:

• Sam szuka w całej bazie. Pracownik nie musi wiedzieć, w którym pliku jest odpowiedź.
• Odpowiada tylko na podstawie znalezionych fragmentów. Dobrze ustawiony mówi „nie znalazłem tego w dokumentach”, zamiast zgadywać.
• Podaje źródło. Nazwę dokumentu, a czasem rozdział, żeby człowiek mógł sprawdzić.

Do prostych zastosowań wystarczą gotowe funkcje planów firmowych, np. projekty z plikami w ChatGPT czy podobne funkcje w Copilot i Gemini. Porównuję je we wpisie ChatGPT, Copilot czy Gemini dla firmy. Własny asystent ma sens, gdy dokumentów jest dużo, często się zmieniają, mają być pobierane automatycznie z dysku firmowego, a odpowiedzi mają trafiać tam, gdzie pracują ludzie: do komunikatora, panelu firmowego albo na stronę.

Jak działa RAG prostym językiem

RAG to skrót od retrieval-augmented generation, czyli generowanie odpowiedzi wspomagane wyszukiwaniem. Całość składa się z dwóch przepływów. Pierwszy przygotowuje wiedzę i działa w tle, np. co noc. Drugi uruchamia się przy każdym pytaniu.

Kilka pojęć, które usłyszysz od wykonawcy:

• Fragment (chunk) – kawałek dokumentu, zwykle od kilku zdań do kilku akapitów. Dokumentacja n8n podaje, że małe fragmenty, rzędu 200–500 tokenów, sprawdzają się przy precyzyjnym wyszukiwaniu, a zbyt duże „rozmywają” znaczenie (RAG w dokumentacji n8n).
• Embeddings – zamiana tekstu na ciąg liczb, w którym teksty o podobnym znaczeniu leżą blisko siebie. Dzięki temu pytanie „ile mamy na zwrot” znajdzie akapit o „terminie odstąpienia od umowy”.
• Baza wektorowa – baza, która przechowuje te liczby i szybko znajduje najbliższe. Może to być osobna usługa albo rozszerzenie bazy PostgreSQL.
• Token – jednostka, w której liczy się tekst i koszt. W języku polskim jedno słowo to często więcej niż jeden token.

Jak to wygląda w praktyce

Poniżej przepływ zbudowany w n8n. Górna część to czat dla pracowników: wiadomość trafia do węzła „Asystent firmowy”, który ma podłączony model czatu, pamięć rozmowy i narzędzie „Baza wiedzy”. Dolna część uruchamia się co noc o 2:00, pobiera dokumenty z Dysku Google, wczytuje pliki PDF i DOCX, dzieli je na fragmenty i zapisuje w bazie wiedzy.

Ważny szczegół z dokumentacji n8n: do zapisu i do wyszukiwania trzeba użyć tego samego modelu embeddings. Jeśli zmienisz model, całą bazę trzeba zbudować od nowa. Wbudowany prosty magazyn wektorów n8n (Simple Vector Store) trzyma dane tylko w pamięci, traci je po restarcie i według dokumentacji nadaje się do testów, a nie do pracy produkcyjnej. Do firmy wybieram trwałą bazę, np. PostgreSQL z rozszerzeniem pgvector, Qdrant albo Supabase, które n8n obsługuje gotowymi węzłami.

Co musisz przygotować po stronie firmy

Asystent jest tak dobry jak dokumenty, które dostanie. To tu, a nie w technologii, najczęściej rozstrzyga się, czy projekt się uda.

• Jeden folder źródłowy. Asystent czyta tylko to, co jest w ustalonym miejscu, np. w folderze „Baza wiedzy” na dysku firmowym. Nie „cały dysk”.
• Jedna aktualna wersja dokumentu. Jeśli w folderze leżą „Cennik 2025” i „Cennik 2026 FINAL”, asystent może zacytować stary. Archiwum przenieś poza folder źródłowy.
• Pliki z tekstem, a nie skany. Zeskanowany PDF bez warstwy tekstowej trzeba najpierw przepuścić przez OCR, inaczej asystent go nie przeczyta.
• Czytelne nagłówki. Dokument z rozdziałami „Zwroty”, „Gwarancja”, „Dostawa” dzieli się na lepsze fragmenty niż jedna ściana tekstu.
• Właściciel treści. Konkretna osoba odpowiada za to, że procedury w folderze są aktualne.
• Lista 30–50 prawdziwych pytań. Zbierz je od pracowników przed startem. Posłużą do testów.

Wdrożenie krok po kroku

1. Wybierz jeden obszar na pilotaż

   Na przykład obsługę klienta (warunki dostawy, zwroty, gwarancja) albo wdrożenie nowych pracowników (procedury, instrukcje). Jeden obszar to 20–100 dokumentów, które da się przejrzeć ręcznie.

2. Uporządkuj dokumenty

   Usuń duplikaty i stare wersje, zrób OCR skanów, nadaj plikom nazwy, które coś mówią. To zwykle najdłuższy etap i nikt go za Ciebie nie zrobi lepiej niż osoba znająca firmę.

3. Zdecyduj, gdzie działa przepływ i który model go obsługuje

   n8n w chmurze producenta albo na własnym serwerze, model przez API (np. OpenAI), baza wektorowa. Przy danych wrażliwych ustal, gdzie fizycznie są przetwarzane. Wybór platformy opisuję w tekście n8n, Make czy Zapier.

4. Zbuduj indeksowanie

   Pobieranie plików z folderu, podział na fragmenty z zakładką (część tekstu powtarza się na granicy fragmentów, żeby nie ucinać zdań), dopisanie metadanych: nazwa pliku, data, dział. Odświeżanie zaplanuj co noc albo po zmianie pliku.

5. Napisz zasady dla asystenta

   Tak zwany prompt systemowy. U mnie zawsze zawiera: odpowiadaj tylko na podstawie przekazanych fragmentów, podawaj nazwę dokumentu, jeśli odpowiedzi nie ma, napisz to wprost i wskaż osobę do kontaktu, nie podawaj cen, których nie ma w cenniku.

   Jesteś asystentem pracowników firmy. Odpowiadasz wyłącznie na podstawie
   fragmentów dokumentów z narzędzia "Baza wiedzy". Na końcu odpowiedzi podaj
   nazwy dokumentów, z których korzystałeś. Jeśli fragmenty nie zawierają
   odpowiedzi, napisz: "Nie znalazłem tego w dokumentach firmy" i zaproponuj
   kontakt z działem obsługi. Nie zgaduj cen, terminów ani warunków umów.

6. Przetestuj na prawdziwych pytaniach

   Przepuść przez asystenta listę 30–50 pytań i oceń każdą odpowiedź: poprawna, częściowo poprawna, błędna, „nie wiem” słusznie albo niesłusznie. Błędne odpowiedzi prawie zawsze wynikają z dokumentów (brak, sprzeczność, stara wersja) albo z podziału na fragmenty. Popraw i powtórz test.

7. Pilotaż z kilkoma osobami

   Daj dostęp 3–5 pracownikom na 2–4 tygodnie. Zbieraj pytania, na które asystent nie odpowiedział. To gotowa lista braków w dokumentacji firmy.

8. Ustal utrzymanie

   Kto dodaje nowe dokumenty, kto sprawdza raz w miesiącu logi i koszty, co robimy, gdy dostawca modelu wycofa używany model. Bez tego asystent po pół roku odpowiada według starych procedur.

Ile kosztuje firmowy asystent AI

Koszt składa się z czterech części. Tylko jedna z nich zależy od liczby pytań.

Przykład obliczeniowy kosztu API

Ceny z oficjalnego cennika OpenAI API, stan na 10 listopada 2026, poziom Standard, za milion tokenów:

Założenia przykładu, nie dane z konkretnej firmy: 20 pracowników zadaje średnio po 10 pytań dziennie przez 21 dni roboczych, czyli 4200 pytań miesięcznie. Każde pytanie to około 8000 tokenów wejścia (zasady, historia rozmowy i 5 fragmentów dokumentów) i 600 tokenów odpowiedzi. Daje to 33,6 mln tokenów wejścia i 2,52 mln tokenów wyjścia miesięcznie.

Wnioski z tego przykładu, które potwierdzają się w praktyce:

• Embeddings są prawie darmowe. Zaindeksowanie kilku tysięcy stron to ułamek dolara.
• Model decyduje o rachunku. Do odpowiedzi z procedur zwykle wystarcza model średni, a często tani. Najmocniejszy model ma sens przy trudnych dokumentach, np. umowach, i warto go testować na tej samej liście pytań.
• Długość kontekstu ma znaczenie. Przekazywanie 15 fragmentów zamiast 5 to trzy razy wyższy koszt wejścia, a często gorsza odpowiedź.
• Przetwarzanie w Europie kosztuje więcej. OpenAI oferuje rezydencję danych w Europie dla kwalifikujących się klientów API: ustawia się ją przy tworzeniu nowego projektu, a istniejącego projektu nie da się przestawić (informacja OpenAI o rezydencji danych w Europie). Według cennika API zapytania przez regionalne punkty końcowe kosztują 10% więcej w przypadku modeli wydanych od 5 marca 2026.

Alternatywą dla własnej bazy wektorowej jest gotowe narzędzie wyszukiwania w plikach po stronie dostawcy modelu. W cenniku OpenAI (stan na 10 listopada 2026) to 2,50 USD za 1000 wywołań narzędzia i 0,10 USD za GB dziennie przechowywania, z 1 GB bez opłat. Mniej budowania, ale dokumenty leżą u dostawcy, a Ty masz mniejszy wpływ na podział i filtrowanie.

Dane, bezpieczeństwo i RODO

Asystent wysyła fragmenty Twoich dokumentów do dostawcy modelu. Zanim wrzucisz do bazy umowy czy dane klientów, sprawdź te punkty:

• Trenowanie na danych. Według dokumentacji OpenAI o kontroli danych w API dane przesyłane przez API domyślnie nie służą do trenowania modeli. Dziennik nadużyć jest przechowywany do 30 dni, chyba że uzyskasz zgodę na inne ustawienia retencji.
• Umowa powierzenia. Jeśli w dokumentach są dane osobowe, dostawca modelu przetwarza je w Twoim imieniu. Potrzebna jest umowa powierzenia przetwarzania i wpis w rejestrze czynności. Szczegóły ustala inspektor ochrony danych albo prawnik.
• Minimalizacja. Do bazy wiedzy wrzucaj procedury, cenniki i instrukcje. Umowy z danymi osobowymi, kadry i dane zdrowotne zostaw poza nią, dopóki nie masz przemyślanych uprawnień.
• Dostęp do czatu. Czat asystenta nie może być publicznym adresem bez logowania. W n8n wyzwalacz czatu można zabezpieczyć uwierzytelnianiem albo osadzić za logowaniem w panelu firmowym.
• Zasady dla pracowników. Co wolno wklejać do czatu, a czego nie. Gotowy wzór znajdziesz w tekście polityka korzystania z AI w firmie.

O szerszych zagrożeniach piszę we wpisie AI a cyberbezpieczeństwo firmowe. Interpretację przepisów RODO w Twojej sytuacji zawsze potwierdza prawnik.

Najczęstsze błędy

• „Podłączmy cały dysk”. Asystent znajduje wtedy stare wersje, robocze notatki i pliki, których część pracowników nie powinna widzieć.
• Brak testów przed startem. Pierwsze złe odpowiedzi zniechęcają ludzi na długo. Lepiej opóźnić start o tydzień.
• Asystent bez prawa do „nie wiem”. Jeśli zasady tego nie przewidują, model chętnie dopowie coś prawdopodobnego.
• Brak właściciela treści. Technicznie wszystko działa, ale po kwartale odpowiedzi opierają się na nieaktualnym cenniku.
• Testowy magazyn wektorów w produkcji. Po restarcie serwera baza wiedzy jest pusta, a nikt tego nie zauważa.

Kiedy lepiej to zlecić

Jeśli masz kilkanaście dokumentów i jeden plan firmowy ChatGPT, Copilot albo Gemini, spróbuj najpierw wbudowanych funkcji pracy z plikami. Własne wdrożenie warto zlecić, gdy:

• dokumentów są setki i zmieniają się co tydzień,
• źródeł jest kilka: dysk, system firmowy, baza produktów,
• różne działy mają widzieć różne dokumenty,
• odpowiedzi mają trafiać do komunikatora, panelu firmowego albo do klientów,
• potrzebujesz kontroli kosztów, logów i miejsca przetwarzania danych.

Takie przepływy buduję w ramach usługi automatyzacji procesów w firmie: od uporządkowania dokumentów, przez budowę i testy, po utrzymanie.

Chcesz, żeby pracownicy dostawali odpowiedzi z Waszych dokumentów?

Opisz, jakie dokumenty macie i kto najczęściej o nie pyta. Zaproponuję zakres pilotażu, platformę i model, a wycenę dostajesz przed rozpoczęciem pracy. Pracuję zdalnie w całej Polsce, a w Sieradzu i okolicach mogę przyjechać.

Zapytaj o asystenta AI 605 498 162

Najczęstsze pytania

Powiązane wpisy

• Jak wdrożyć AI w firmie: plan na 30 dni krok po kroku
• Agent AI do automatyzacji: n8n, Make czy Zapier
• AI odpowiada na zapytania ofertowe: sortowanie maili i szkice odpowiedzi
• Polityka korzystania z AI w firmie: wzór
• Jak działają chatboty na stronach firmowych

Grzegorz Wojterzak – informatyk z Sieradza, od ponad 10 lat w marketingu i analityce online, dziś buduje dla firm automatyzacje w n8n i Make oraz programy na zamówienie. Asystentów AI zaczyna od porządku w dokumentach, a kończy na testach na prawdziwych pytaniach pracowników.