Nordvik Serwis · AI w firmie B2B · wdrożenie on-premise

Firma serwisowa tonie w PDF-ach? Odpowiedź może znać w 10 sekund.

Nordvik serwisuje maszyny przemysłowe: 40 techników, tysiące stron dokumentacji, klienci czekający na odpowiedź. Koncept pokazuje, jak układam takie wdrożenie: baza wiedzy, automatyzacja zgłoszeń i AI, które nie wysyła danych poza firmę.

parametry referencyjne wzorca · Nordvik to marka fikcyjna

15 min → 10 s

czas znalezienia odpowiedzi w dokumentacji

0 zł za tokeny

modele lokalne zamiast abonamentu za chmurę - dane nie wychodzą z firmy

~90%

zgłoszeń może dostawać automatyczny draft odpowiedzi

6 tygodni

od audytu do działającego systemu

punkt wyjścia

Trzy problemy, które zna każda firma serwisowa

Wiedza w PDF-ach

3 400 kart serwisowych, instrukcji i protokołów w folderach sieciowych. Odpowiedź znał zwykle jeden człowiek - i właśnie był w terenie.

Zgłoszenia ręcznie

Każdy e-mail od klienta ktoś czytał, klasyfikował i przepisywał do systemu. Średnio 22 minuty zanim zgłoszenie w ogóle trafiło do technika.

Dane nie mogą wyjść

Dokumentacja objęta NDA producentów. Chmurowe AI odpadało na starcie - warunek brzegowy: wszystko on-premise.

architektura

Od dokumentu do odpowiedzi

  1. 01

    Źródła

    PDF-y, e-maile, historia zgłoszeń, notatki techników. Ingest indeksuje nowe pliki automatycznie - bez ręcznego wrzucania.

  2. 02

    Baza wiedzy

    Dokumenty pocięte na fragmenty, osadzone lokalnym modelem embeddingowym, przeszukiwane semantycznie. Pytasz po ludzku, nie po nazwach plików.

  3. 03

    Agent + automatyzacje

    Nowe zgłoszenie: klasyfikacja, priorytet, dopasowanie do maszyny i historii, draft odpowiedzi z odnośnikami do źródeł. Człowiek zatwierdza, nie pisze od zera.

  4. 04

    Ludzie

    Technik pyta w Slacku i dostaje odpowiedź z cytatem strony instrukcji. Zero nowych aplikacji do nauczenia - AI przychodzi tam, gdzie już pracują.

efekt

Co się zmienia w codziennej pracy

przedSzukanie w folderach po nazwach plików

poPytanie po polsku, odpowiedź z cytatem źródła

przed22 min ręcznego przepisywania zgłoszenia

poKlasyfikacja i draft w kilkanaście sekund

przedWiedza w głowach pojedynczych seniorów

poWiedza w systemie, dostępna dla całego zespołu

przedAbonament za każde zapytanie do chmury

poLokalne modele: koszt stały, dane na miejscu

lokalne LLMRAG + baza wektorowan8nintegracja Slack + e-maildashboard zgłoszeńon-premise

Nordvik Serwis to marka fikcyjna - ten case study to koncept pokazowy. Architektura, pipeline i rzędy wielkości pochodzą z systemów, które realnie buduję. Dane klientów zostają u klientów, dlatego pokazuję wzorzec, nie wdrożenie.

Masz firmę, która tonie w dokumentach i zgłoszeniach?