Michał Grom
Co-founder · rozwiązania AI, produkty webowe i integracje
Wdrażam AI tam, gdzie zamienia się w konkretny biznes: aplikacje generujące przychód, agentów zastępujących ręczną pracę zespołu, dane, które faktycznie napędzają decyzje. Nie robię demo — robię rzeczy, które działają na produkcji i się utrzymują.
Co robię
1. Produkty AI, które sprzedają się jako SaaS
Buduję aplikacje, w których AI nie jest dekoracją, tylko fundamentem oferty — użytkownik płaci właśnie za to, że model zrobi za niego coś, czego wcześniej nie dało się zautomatyzować. Parsowanie dokumentów (PDF/DOCX/obrazy z fallbackami), analiza treści, generowanie outputu w stylu klienta — od uploadu pliku po gotowy dokument, fakturę i email potwierdzający. Multi-tenant, multi-język, kalibracja jakości modelu na realnych danych klienta, nie na syntetycznych testach.
2. Agenci AI, którzy przejmują pracę zespołu
Nie chatboty do FAQ, tylko agenci wykonujący zadania: triaż i naprawa błędów, generowanie treści, obsługa lejka, follow-upy oparte o realny wynik konwersji, a nie o klikalność. Buduję też serwery MCP (Model Context Protocol), które pozwalają wielu instancjom Claude/GPT dzielić pamięć i zadania — czyli zespół, w którym każdy pracuje z LLM równolegle, przestaje sobie nawzajem duplikować robotę.
3. Dane → decyzje (BI napędzane AI)
Pipeline zdarzeń z frontendu przez GTM/sGTM do BigQuery + domknięcie lejka: reklama → wizyta → konwersja → LTV, z atrybucją per województwo/segment. GA4, Google Ads, Meta Ads, DV360, Cookiebot z Consent Mode v2, dashboardy w Lookerze. Do tego learning loop: produkt zbiera realne wyniki (nie kliknięcia), które trafiają jako sygnał treningowy do modeli — atrybucja karmi AI, AI podnosi konwersję.
4. Unit economics — z AI jako pozycją kosztową
Zanim uruchomimy produkt, liczę czy się spina — z kosztem AI wpisanym w formuły, nie w komentarz. Interaktywne modele w Excelu: scenariusze worst/avg/best, break-even per forma prawna (CEIDG vs sp. z o.o.), analiza wrażliwości na cenę tokena i mix planów. Bez tego wdrożenie AI to ślepy strzał.
5. AI zgodne z RODO — bez odklejenia od praktyki
Pełny consent flow: banner cookies, gate zgód po logowaniu, dziennik z wersjonowaniem, mechanizm wycofywania. Podpisywalne DPA z dostawcami AI, Zero Data Retention u Anthropic/OpenAI, checkbox dla danych szczególnej kategorii (art. 9 RODO). Klient dostaje AI, które da się pokazać kancelarii i audytorowi.
6. Infrastruktura, która nie kosztuje więcej niż produkt
Cloud Run, Cloud SQL, BigQuery, Workload Identity Federation, Secret Manager. Deploy z GitHub Actions bez kluczy w repo, monitoring kosztów i alerty przy anomaliach. Osobne serwisy dla renderowania, parsowania i API — żeby jeden szpik AI nie kładł całej aplikacji. Płatności (Autopay, Stripe), fakturowanie (Fakturownia, Wfirma), zwroty zgodne z Ustawą o prawach konsumenta.
Podejście
Małe, świadome commity — nic nie idzie na produkcję bez zielonego światła. Wszystko udokumentowane w repozytorium: regulaminy, checklisty prawne, TODO w markdownie. Model liczbowy przed każdą większą decyzją. Testy na realnych danych, nie na mockach.
Przy projektach wymagających oceny prawnej lub cyberbezpieczeństwa zakres prac dobieram do ryzyka i angażuję specjalistów posiadających kwalifikacje właściwe dla danego zagadnienia. Nie przedstawiam się jako kancelaria prawna ani jako podmiot świadczący doradztwo finansowe.
Z czym pracuję na co dzień
AIOps jest marką prowadzoną przez Hot Leads Filip Kędziora.
Chcesz porozmawiać o wdrożeniu AI w Twojej firmie?
Umów się na rozmowę