Sztuczna inteligencja, która działa na Twoich danych — i jest zgodna z prawem
Projektuję i wdrażam systemy AI dla firm: wyszukiwanie po dokumentach firmowych (RAG), dostrajanie modeli i automatyzacje procesów. Modele uruchamiam lokalnie — na Twoim serwerze albo na moim sprzęcie w Polsce. Zgodność z AI Act i RODO projektuję razem z systemem, nie dopisuję po wdrożeniu.
Trzy rzeczy, które najszybciej zwracają się w firmie
Nie sprzedaję „transformacji cyfrowej". Wdrażam konkretne systemy, które skracają czas pracy zespołu — i mówię wprost, czego dzisiejsze modele nie potrafią.
RAG — pytania do firmowych dokumentów
System, który odpowiada na pytania w oparciu o Twoje umowy, procedury, dokumentację techniczną czy bazę zgłoszeń — z podaniem źródła każdej odpowiedzi. Pracownik pyta zwykłym językiem zamiast przekopywać się przez segregatory.
Fine-tuning — model pod Twoją branżę
Dostrajanie modelu językowego do słownictwa i formatów, których używa Twoja firma: nazewnictwo produktów, szablony pism, żargon branżowy. Efekt: mniej poprawiania po modelu i przewidywalny format odpowiedzi.
Automatyzacje procesów
Łączenie AI z tym, czego firma już używa: poczta, arkusze, CRM, API dostawców. Segregowanie maili, wyciąganie danych z faktur, przygotowywanie odpowiedzi do akceptacji przez człowieka — z zachowaniem kontroli na każdym kroku.
Zgodność z AI Act — zanim stanie się problemem
Rozporządzenie 2024/1689 (AI Act) obowiązuje w całej Unii, a obowiązki wchodzą etapami do 2028 roku. Dotyczą nie tylko twórców modeli — także firm, które AI wdrażają u siebie. Kary sięgają 35 mln euro lub 7% światowego obrotu. Pomagam ustalić, co realnie Was dotyczy, i przygotować dokumentację, zanim zapyta o nią klient, audytor albo ubezpieczyciel.
Klasyfikacja ryzyka systemu
Ustalenie, do której kategorii AI Act trafia Wasz system: zakazany, wysokiego ryzyka, ograniczonego czy minimalnego — oraz czy jesteście dostawcą, czy podmiotem stosującym. Od tego zależy cały zakres obowiązków, a błędna kwalifikacja bywa kosztowna w obie strony.
Dokumentacja i nadzór
Dokumentacja techniczna, rejestrowanie zdarzeń, opis danych treningowych, nadzór człowieka i informowanie użytkowników, że rozmawiają z AI. Buduję to razem z systemem, nie po fakcie — dopisywanie zgodności do gotowego wdrożenia kosztuje wielokrotnie więcej.
AI a RODO i tajemnica firmy
Ocena, czy dane osobowe i informacje poufne mogą trafić do wybranego modelu, i zaprojektowanie architektury, w której nie opuszczają organizacji. Tu wdrożenie lokalne zwykle rozwiązuje problem u źródła, zamiast go obudowywać zapisami w umowie.
Dlaczego akurat u mnie
Zgodność najczęściej doradzają albo prawnicy bez zaplecza technicznego, albo inżynierowie bez znajomości regulacji. Pracuję po obu stronach: recenzuję międzynarodowe publikacje naukowe i oceniam wnioski jako ekspert, a równocześnie sam wdrażam modele produkcyjnie. Analizę licencji, regulamin i zgodność z AI Act oraz DGA przeprowadziłem dla własnego serwisu gnss.day — to nie jest wiedza wyłącznie z prezentacji.
Działający system, nie prezentacja
Zaprojektowałem i uruchomiłem publiczny serwis danych naukowych — od pozyskania danych, przez backend z kluczami API, po zgodność prawną i dokumentację w trzech językach. Możesz go sprawdzić teraz.
gnss.day — parametry orientacji Ziemi przez API
Serwis udostępnia parametry orientacji Ziemi (EOP) — dane wykorzystywane w precyzyjnym pozycjonowaniu satelitarnym, unikaniu kolizji satelitów i nawigacji misji kosmicznych.
- Automatyczne pobieranie i przetwarzanie danych źródłowych co 6 godzin
- Backend z kontami użytkowników, kluczami API i limitami dobowymi
- Dane historyczne od 1973 roku, interpolacja na dowolną epokę
- Zgodność prawna: analiza licencji źródeł, regulamin, AI Act, DGA
- Dokumentacja i interfejs w trzech językach (EN / PL / DE)
GET /api/eop?date=2026-08-07
{
"mjd": 61259.0,
"x_pole": 0.1842,
"y_pole": 0.3271,
"ut1_utc": 0.0113,
"lod": 0.0009,
"source": "USNO"
}
Ten sam schemat pracy stosuję w projektach komercyjnych: dane → przetwarzanie → API → dokumentacja → zgodność prawna.
Dlaczego lokalnie, a nie w chmurze
Wysłanie dokumentów firmowych do zewnętrznego modelu oznacza, że opuszczają one Twoją infrastrukturę — co przy danych osobowych, umowach czy dokumentacji technicznej bywa problemem wobec RODO i polityki bezpieczeństwa klienta. Modele uruchamiane lokalnie rozwiązują to u źródła: dane nie wychodzą poza serwer, nie ma opłat za każde zapytanie i nie ma zależności od zmian cennika dostawcy. Dysponuję sprzętem (RTX A5000 48 GB i RTX PRO 5000 Blackwell 48 GB), który pozwala trenować i uruchamiać modele bez wysyłania czegokolwiek na zewnątrz.
dr inż. Bartłomiej Oszczak
Pracownik naukowy Katedry Geodezji Satelitarnej i Nawigacji na Wydziale Geoinżynierii Uniwersytetu Warmińsko-Mazurskiego w Olsztynie, związany również z Lotniczą Akademią Wojskową w Dęblinie.
Specjalizuję się w algorytmach pozycjonowania, nawigacji satelitarnej GNSS i przetwarzaniu danych — czyli w dziedzinach, gdzie błąd obliczeniowy ma bezpośrednie konsekwencje. To podejście przenoszę na projekty AI: liczy się poprawność i mierzalny wynik, nie efektowne demo.
Dwukrotnie, jako jedyny reprezentant Polski, prezentowałem wyniki badań na konferencji ION GNSS+ w Stanach Zjednoczonych. Współpracowałem z Kanadyjską Agencją Kosmiczną w Montrealu i Europejską Agencją Kosmiczną.
Recenzuję artykuły w międzynarodowych czasopismach naukowych i występuję jako ekspert oceniający. Ta praca polega na weryfikowaniu, czy deklarowane wyniki rzeczywiście wynikają z przedstawionych danych — nawyk, który przydaje się przy ocenie obietnic składanych wokół AI.
- UWMKatedra Geodezji Satelitarnej i Nawigacji, Wydział Geoinżynierii
- LAWLotnicza Akademia Wojskowa, Dęblin
- Recenzentmiędzynarodowe czasopisma naukowe
- Ekspertocena wniosków i projektów
- 2013ION GNSS+, USA — prezentacja wyników badań
- 2014ION GNSS+, USA — druga prezentacja
- CSAKanadyjska Agencja Kosmiczna, Montreal
- ESAEuropejska Agencja Kosmiczna
Na czym pracuję
Sprzęt i narzędzia, którymi dysponuję — istotne, bo przekładają się na to, co da się zrobić bez wysyłania danych na zewnątrz.
AI tam, gdzie nie ma serwerowni
Nie każde wdrożenie potrzebuje chmury i stałego łącza. Buduję układy, w których model działa bezpośrednio na urządzeniu w terenie — na hali produkcyjnej, w maszynie, na dronie. Dane są przetwarzane na miejscu, na zewnątrz idzie tylko wynik.
Małe modele na własnym sprzęcie
Uruchamiam i trenuję modele językowe na urządzeniach klasy Jetson Orin Nano — bez chmury i bez abonamentu za zapytania. Sprawdzam empirycznie, co taki układ faktycznie udźwignie, zamiast obiecywać parametry z karty katalogowej.
GNSS i precyzyjne pozycjonowanie
Odbiorniki geodezyjne i RTK we własnym laboratorium: u-blox ZED-F9P (GPS, GLONASS, Galileo), NovAtel FlexPak6 OEM628 i FlexPak3. Korekty różnicowe, NTRIP, obliczenia pozycji — łącznie ponad 100 GB własnych danych pomiarowych.
Prototypy i integracje sprzętowe
Raspberry Pi 4 i 5, klastry StackyPi, mikrokontrolery z nakładkami HAT. Od czujnika, przez transmisję danych, po model podejmujący decyzję — całość jako jeden działający układ, nie zestaw niepołączonych elementów.
Porozmawiajmy o Twoim procesie
Pierwsza rozmowa jest bezpłatna i bez zobowiązań. Powiedz, co zajmuje w firmie najwięcej czasu — ocenię wprost, czy AI to rozwiązanie, czy lepiej zainwestować gdzie indziej.