Алгоритм Дейкстры

Zadanie: jeden dashboard ze wszystkimi wskaźnikami biznesowymi — reklama, lejek, płatności, praca menedżerów, planowanie przychodu. Dane są pobierane automatycznie przez API. Zakres: tylko kierunek YCL (zatrudnienie w Europie). W Kommo są też inne kierunki — do magazynu trafiają tylko transakcje z lejek YCL (filtr według lejka/tagu ustalimy).1. Źródła danych (integracje) Kommo CRM — leady, transakcje, etapy lejka, odpowiedzialni, źródła, daty przejść między etapami (koniecznie zachować historię), przyczyny odmowy, pola niestandardowe transakcji (patrz p. 2). Stripe — płatności, kwoty, statusy (sukces/odmowa/zwrot), powiązanie z transakcją. Meta Ads — wydatki, wyświetlenia, kliknięcia, CPL, leady według kampanii (działa teraz). Google Ads, Reddit Ads, LinkedIn Ads — planowane; architektura — rozszerzalne konektory bez przeróbek rdzenia. SEO/organika— Google Search Console + GA4. Przeszły związek: źródło ruchu → lead w Kommo → płatność w Stripe (UTM, ID transakcji w metadanych Stripe — mechanikę zaproponować). 2. Obowiązkowe przekroje (pola transakcji w Kommo) Każda metryka musi być filtrowana/grupowana według: Obywatelstwo klienta (Kenia, Nigeria, Indie itp.). Status pobytu: mieszka w swoim kraju / ekspat (już przebywa w Europie). To dwa różne segmenty z różnym cyklem, konwersją i wartością transakcji. Kraj umiejscowienia / usługa: Polska, Serbia, Słowacja, Niemcy (ZAV). Menedżer, zespół, kanał ruchu, okres. Jeśli jakichś pól w Kommo brakuje — wykonawca wskazuje, jakie pola należy dodać, zamawiający dodaje.3. Lejek i wskaźniki wyprzedzające Dane w przekroju lejka, dla każdego etapu — podsumowujące i wyprzedzające (leading) metryki: Ruch → lead: leady, CPL według kanałów + dynamika wydatków/kliknięć dzień do dnia. Lead → kwalifikacja: konwersja + czas pierwszej odpowiedzi, kontakty/telefony do menedżera dziennie, leady bez odpowiedzi. Kwalifikacja → umowa/faktura: konwersja + wysłane oferty, zawieszone transakcje (dni na etapie powyżej normy). Faktura → płatność: płatności, średnia wartość transakcji + niezapłacone faktury, nieudane płatności. Podsumowanie: przychód, ROMI według kanałów, run rate do planu miesiąca. 4. Cykl transakcji Średni i medianowy cykl lead → płatność (punkt odniesienia biznesu ~4 tygodnie), trend cyklu w czasie. Rozkład cyklu według etapów (ile dni transakcja spędza na każdym etapie) — aby zobaczyć, który etap się wydłuża. Lista transakcji, które utknęły na etapie dłużej niż norma. Przekrój cyklu według segmentów: obywatelstwo, status pobytu, kraj umiejscowienia, menedżer. 5. Wczesne ostrzeżenie o spadku (kluczowy blok) Ponieważ cykl ~4 tygodnie, dzisiejsze leady = płatności za miesiąc. System powinien: Porównywać leady/kwalifikacje bieżącego tygodnia z średnią ruchomą (4 tygodnie) i przy odchyleniu w dół wydawać alert: „leadów −X%, przy cyklu 4 tygodnie oczekuj spadku płatności w tygodniu [daty]”. Budować prognozę płatności na 4 tygodnie do przodu z bieżącego pipeline'u: transakcje na każdym etapie × historyczna konwersja etapu × pozostały cykl. Podświetlać na czerwono tygodnie, gdzie prognoza jest niższa od planu — z zapasem czasu na reakcję. 6. Dopłaty i planowanie sprzedaży W karcie transakcji Kommo przechowywane są data i kwota planowanej dopłaty. System powinien: Zbierać kalendarz przyszłych dopłat: całkowita liczba oczekiwanych, według tygodni/miesięcy. Podświetlać przeterminowane dopłaty (data minęła, brak płatności w Stripe) — osobna lista do dociśnięcia. Liczyć plan miesiąca jako: plan − już opłacone − dopłaty zgodnie z harmonogramem = ile nowych sprzedaży potrzebnych (w pieniądzach i w sztukach transakcji przy średniej wartości transakcji). Harmonogram według tygodni: dopłaty + prognoza nowych płatności w stosunku do tygodniowego planu. 7. Praca menedżerów Dzienny przekrój dla każdego menedżera: kontakty/telefony, rozmowy, wysłane oferty, płatności — dla każdego dnia osobno, z wykresem za okres. Postęp realizacji osobistego planu w porównaniu z tempem miesiąca (na przodzie / w tempie / w tyle). Benchmarking z kolegami. 8. Wizualizacja i role „Sygnalizatory” (zielony/żółty/czerwony) w kluczowych metrykach w odniesieniu do norm/planu; skale postępu; wykresy trendów; adaptacja do urządzeń mobilnych. Role: CEO — wszystko; ROP — cały lejek i menedżerowie; team lead — swój zespół; menedżer — swoje wskaźniki i pozycja w stosunku do kolegów. 9. Raporty i AI Automatyczne raporty według harmonogramu (codzienne podsumowanie, tygodniowy raport) w dashboardzie i/lub komunikatorze. Zapytania w dowolnej formie („jak zmienił się CPL z Meta w ciągu 2 tygodni?”) — LLM nad magazynem. Alerty w strefie czerwonej oraz według zasad z p. 5–6. 10. Oczekiwania techniczne i etapowość Magazyn (PostgreSQL/BigQuery lub analog) + ETL: webhooks Kommo + okresowa synchronizacja (15–60 min). Frontend: niestandardowy lub narzędzie BI — zaproponować z uzasadnieniem; wymagania dotyczące ról, sygnalizatorów, prognoz i zapytań AI muszą być wykonalne. Etapy: (1) audyt i mapa metryk → (2) MVP: Kommo + Stripe + Meta, lejek, sygnalizatory, role → (3) cykl transakcji, wczesne ostrzeżenie, dopłaty i plan → (4) SEO, raporty AI, alerty → (5) nowe kanały reklamowe. Płatność etapowa, po każdym etapie — demo. W odpowiedzi proszę wskazać: podobne projekty (analiza przeszła), stack z uzasadnieniem, oszacowanie czasów i kosztów według etapów, miesięczny koszt posiadania (hosting, tokeny, licencje).

Zadanie: wdrożenie usługi LLM, która zna całą dokumentację firmy i odpowiada na pytania menedżerów działu sprzedaży. Co jest teraz: klient samodzielnie stworzył prototyp (oddzielny projekt z załadowanymi informacjami o firmie, umieszczony na serwerze), ale informacje z bazy nie są przekazywane do modelu — prawdopodobnie problem z API. Kod i dostęp udostępnimy. Pierwszy krok — audyt: naprawić istniejące lub uzasadnione zbudować od nowa. Wymagana funkcjonalność: Załadowanie całej dokumentacji firmy: opis każdej usługi, regulaminy, FAQ, cenniki (wszystkie materiały udostępnimy). Odpowiedzi ściśle na podstawie załadowanych dokumentów (RAG). Model nie wymyśla faktów; jeśli odpowiedzi w bazie nie ma — uczciwie o tym informuje. Dostęp dla menedżerów poprzez link (interfejs webowy), z autoryzacją. Scenariusze: menedżer zadaje dowolne pytanie dotyczące pracy firmy; wstawia pytanie klienta „jak jest” i otrzymuje gotową odpowiedź do wysłania; znajduje potrzebny regulamin/raport na żądanie. Aktualizacja bazy wiedzy bez programisty (ładowanie plików przez interfejs lub podłączony folder). Język angielski. Historia zapytania do kontroli jakości. Oczekiwania techniczne: LLM przez API (Claude/OpenAI — proszę zaproponować z wyliczeniem kosztów tokenów), pipeline RAG (baza wektorowa, embeddings), hosting na naszym serwerze lub w chmurze, HTTPS. Architektura ma pozwalać w przyszłości na podłączenie asystenta do analitycznego magazynu danych (równoległy projekt). W odpowiedzi proszę podać: przykłady podobnych projektów RAG, stack, czas, koszt pracy oraz orientacyjną miesięczną koszt posiadania (tokeny + hosting).

Kreatywny marketer / twórca kampanii reklamowych dla Merivy — platformy opartej na AI dla branży piękności i estetyki (z maskotką!) Kto jesteśmy Jesteśmy małym startupem budującym Merivy — oprogramowanie do rezerwacji i zarządzania klientami dla klinik estetycznych, salonów piękności, barberów i innych firm opartych na umówionych wizytach. W sercu produktu znajduje się Merv — nasz agent AI (i zielona maskotka w kształcie ręki ), który pomaga właścicielom prowadzić ich biznes: ustawia rezerwacje, zarządza usługami i harmonogramami, odpowiada na pytania, świętuje sukcesy i ogólnie czuje się jak członek zespołu, a nie chatbot. Czego szukamy Kreatywnej osoby, która potrafi zamienić to w kampanię, którą ludzie naprawdę zapamiętają. Naszym odniesieniem do energii i tonu jest obecność medialna viktora (meet viktor) — jesteśmy bardzo różnym produktem, ale uwielbiamy, jak rozmawiają ze swoją publicznością: odważnie, ludzko, zabawnie, zero korporacyjnego bla-bla. Nie chcemy kopii. Chcemy tego poziomu rzemiosła, z naszym własnym głosem. Przekaz, który musimy przekazać Merivy pomaga zarządzać klientami, utrzymywać ich zadowolenie — a co najważniejsze, sprawić, by wracali. Merv jest twarzą tej obietnicy: mały zielony kolega, który nigdy nie zapomina o kliencie, rezerwacji ani urodzinach. Co stworzysz Koncepcję kampanii opartą na Mervie jako postaci marki (jego głos, osobowość, powtarzające się żarty) Scenariusze / storyboardy do krótkich reklam wideo (IG Reels, TikTok) skierowanych do właścicieli salonów i klinik Statyczne kreacje reklamowe i hasła do płatnych mediów społecznościowych Przekaz, który możemy wykorzystać na stronie docelowej i w produkcie Jesteś idealnym kandydatem, jeśli Tworzyłeś kampanie lub treści dla odbiorców SaaS, branży piękności lub lokalnych biznesów Możesz pokazać nam jedną rzecz, którą stworzyłeś, a obca osoba wysłałaby ją przyjacielowi Myślisz w kategoriach postaci i historii, a nie tylko „cech i korzyści” Aby aplikować Wyślij 2–3 przykłady swojej pracy oraz jedno zdanie: jak Merv przedstawiłby się właścicielowi salonu w reklamie na Instagramie? To jedno zdanie ma większe znaczenie niż twoje CV.

Szukamy specjalisty, który będzie w stanie opracować i wdrożyć agentów AI do automatyzacji sprzedaży oraz zbudować pełnoprawny lejek pozyskiwania klientów.Zadania Opracować agenta AI na bazie ChatGPT (lub podobnych LLM). Skonfigurować bota Telegram z AI. Zintegrować bota z CRM. Zbudować automatyczny lejek sprzedażowy. Skonfigurować zbieranie leadów z Instagrama, Facebooka, TikToka i strony internetowej. Opracować scenariusze komunikacji z użytkownikami. Stworzyć quizy i testy do segmentacji odbiorców. Skonfigurować wydawanie spersonalizowanych rekomendacji. Zorganizować automatyczne zapisy na konsultacje przez kalendarz. Skonfigurować automatyczne ciągi emailowe i Telegramowe. Zintegrować systemy płatności (w razie potrzeby). Przygotować analitykę konwersji na każdym etapie lejka.Preferowane doświadczenie z ChatGPT API / OpenAI n8n Make (Integromat) Zapier Telegram Bot API CRM (HubSpot, GoHighLevel, Bitrix24, AmoCRM itd.) Meta API WhatsApp Business API Calendly StripeCzego oczekujemy Gotowego systemu, który: automatycznie komunikuje się z potencjalnymi klientami; określa ich zapytania i potrzeby; segmentuje według zainteresowań; proponuje odpowiedni produkt; zaprasza na konsultację lub sprzedaje produkt; przekazuje dane do CRM; wymaga minimalnego udziału człowieka. W odpowiedzi prosimy o przesłanie: przykładów zrealizowanych agentów AI; przykładów zautomatyzowanych lejków; listy używanych technologii; kosztu i terminów realizacji projektu.

Szukamy wysoko wykwalifikowanego inżyniera aplikacji AI oraz pełnostackowego dewelopera backendu do zbudowania gotowego do produkcji procesu walidacji, udoskonalania i zatwierdzania dokumentów zasilanego AI. To nie jest prosta rola inżyniera promptów. Potrzebujemy kogoś, kto potrafi zaprojektować i wdrożyć prawdziwą aplikację AI z silną architekturą backendową, integracją API Claude, ustrukturyzowaną logiką walidacji, śladami audytu, bezpiecznym przetwarzaniem danych oraz procesami przeglądu z udziałem człowieka. System będzie działał jako inteligentna warstwa zapewnienia jakości dla przesłanych raportów i dokumentów. Powinien przeglądać zakończone zgłoszenia, identyfikować problemy, poprawiać jakość treści, stosować zasady biznesowe, chronić wrażliwe informacje i albo automatycznie zatwierdzać dokument, albo kierować go do przeglądu przez człowieka. Deweloper będzie odpowiedzialny za zbudowanie procesu, który może: Pobierać zakończone dokumenty, raporty lub zgłoszenia z zewnętrznej platformy za pośrednictwem API Analizować pełny dokument, w tym ustrukturyzowane odpowiedzi, oceny, wybory, narracje, komentarze i pola tekstowe Przeprowadzać audyty semantyczne w celu wykrycia konfliktów logicznych, sprzeczności, brakujących informacji, niejasnych stwierdzeń, niepopartych twierdzeń lub niekompletnych sekcji Walidować, że ustrukturyzowane odpowiedzi i treść pisemna są ze sobą spójne Stosować niestandardowe zasady walidacji, wytyczne redakcyjne, standardy formatowania, wymagania dotyczące tonu i logikę biznesową Wykrywać, tokenizować, maskować lub bezpiecznie przetwarzać PII, dane poufne i wrażliwe informacje związane z bezpieczeństwem przed przetwarzaniem przez AI, gdzie to konieczne Przepisywać i ulepszać narracje, komentarze i sekcje dokumentów pod kątem gramatyki, jasności, profesjonalizmu, spójności i czytelności Zachować pierwotne znaczenie, obserwacje i intencje, jednocześnie poprawiając ostateczny wynik Standaryzować styl pisania w dokumentach, nie sprawiając, że każdy raport brzmi ogólnie lub zbyt normalizująco Zgłaszać treści, które wydają się niespójne, sfabrykowane, niejasne, niekompletne, wrażliwe lub wymagające przeglądu przez człowieka Generować konkretne notatki walidacyjne wyjaśniające, dlaczego dokument nie przeszedł przeglądu i co należy poprawić Automatycznie generować prośby o wyjaśnienia lub poprawki, gdy potrzebne są dodatkowe informacje Wspierać procesy zatwierdzania, w których dokumenty są: Automatycznie zatwierdzane, gdy spełnione są progi zaufania Kierowane do ludzkiego redaktora lub walidatora do przeglądu Zwracane do pierwotnego nadawcy w celu poprawy lub wyjaśnienia Utrzymywać pełny ślad audytu pokazujący: Pierwotne zgłoszenie Wydarzenia związane z tokenizowanymi lub maskowanymi danymi wrażliwymi Ustalenia i rekomendacje AI Treść przepisana przez AI Edytacje ludzkie Decyzje o zatwierdzeniu lub odrzuceniu Ostateczna zatwierdzona wersja Pisać zatwierdzoną i zwalidowaną treść z powrotem na platformę źródłową za pośrednictwem integracji API Rola wymaga również zbudowania edytora i procesu podejmowania ostatecznych decyzji. Ludzkie osoby przeglądające powinny mieć możliwość inspekcji ustaleń AI, porównania oryginalnej i poprawionej treści, dokonywania edycji, zatwierdzania zmian, odrzucania rekomendacji i finalizowania dokumentu przed jego wysłaniem dalej. Idealne doświadczenie obejmuje: Silne doświadczenie w integracji API Claude / Anthropic API Doświadczenie w budowaniu procesów przeglądu dokumentów, walidacji, edytowania lub zgodności zasilanych AI Silne umiejętności architektury backendowej Umiejętność pełnostackowego rozwoju Doświadczenie z integracjami API, webhookami, kolejkami, przetwarzaniem zadań i projektowaniem baz danych Umiejętność projektowania ustrukturyzowanych wyników AI, oceny zaufania, walidacji opartej na regułach i przeglądów z udziałem człowieka Doświadczenie w wykrywaniu PII, tokenizacji, maskowaniu, szyfrowaniu, kontroli dostępu i bezpiecznym przetwarzaniu danych AI Doświadczenie w budowaniu bezpiecznych śladów audytu i systemów zatwierdzania Silne zrozumienie projektowania promptów, ale także umiejętności inżynieryjnych do przekształcania promptów w niezawodny system produkcyjny Szukamy kogoś, kto już zbudował poważne aplikacje AI, a nie kogoś, kto tylko pisze prompty. Odpowiednia osoba powinna być w stanie zaprojektować architekturę, zintegrować z zewnętrznymi API, zarządzać logiką przetwarzania dokumentów, chronić wrażliwe dane, zbudować interfejs przeglądu i dostarczyć niezawodny proces, który można wykorzystać w produkcji.