Stworzenie inteligentnego systemu, który zastępuje 30+ godzin ręcznego monitorowania miesięcznie całkowicie autonomicznym agentem opartym na architekturze RAG.
Kontekst
Caritas Ukraina — jedna z największych organizacji charytatywnych w kraju (ponad 40 regionalnych oddziałów) w sektorze NGO i pomocy humanitarnej. Zespół komunikacji codziennie ręcznie monitorował media: wyszukiwanie w Google, kopiowanie nagłówków do Google Sheets, sprawdzanie Facebooka, Instagrama i LinkedIn. Istniejące zewnętrzne rozwiązania miały limit 10 zapytań na sesję, co było absolutnie niewystarczające dla takich rozmiarów.
Problem
Relewancja: Wyszukiwanie zwracało setki wyników dotyczących międzynarodowych biur Caritas, z których większość nie dotyczyła działalności w Ukrainie.
Krytyczność: Przeoczenie wzmianki mogło oznaczać niewłaściwe zapytanie prasy lub nieterminowo wykryte ryzyko reputacyjne dla któregokolwiek z 40+ lokalnych biur.
Straty: Ponad 30 godzin miesięcznie było poświęcane na mechaniczne „kopiowanie-wklejanie” — to cały tydzień roboczy specjalisty.
Cel: Całkowita automatyzacja zbierania, geograficznej filtracji i generowania raportów.
Rozwiązanie
Zaprojektowałam autonomicznego agenta AI opartego na n8n, wykorzystując architekturę RAG (Retrieval-Augmented Generation). Zamiast prostego wyszukiwania według słów kluczowych, system działa z głębokim kontekstem organizacji: „rozumie”, jakie filie istnieją, gdzie działają i jakie tematy są dla nich relewantne.
Agent samodzielnie wyszukuje informacje w mediach i sieciach społecznościowych, filtruje nierelewantne międzynarodowe wzmianki, klasyfikuje wyniki według tematów i tonacji, usuwa duplikaty i przygotowuje szkice raportów dla kierownictwa — bez udziału człowieka.
Proces realizacji
Audyt i badania: Stworzono pełną strukturę organizacji (40+ filii) w celu stworzenia dokładnych geograficznych i kontekstowych filtrów.
Projektowanie architektury: Opracowano logikę „Agenta-analityka” — wielostopniowy workflow, który działa z wektoryzowanymi danymi organizacji.
Budowa systemu RAG: Zintegrowano wektorową bazę danych (Pinecone), która zawiera dane o strukturze i regionalnym kontekście Caritasu Ukrainy.
Inżynieria promptów: Skonfigurowano prompt do deduplikacji, klasyfikacji tematów i analizy tonacji dla różnych typów publikacji.
Testy A/B: Przeprowadzono porównanie wyników ręcznego wyszukiwania i wyników agenta AI w celu potwierdzenia dokładności filtracji.
Optymalizacja: Wdrożono przetwarzanie wsadowe danych, co pozwoliło na zmniejszenie kosztów API dziesięciokrotnie bez utraty jakości.
Wyniki
- Oszczędność czasu 85% — 8 godzin ręcznej pracy tygodniowo całkowicie zautomatyzowane.
- Zachowanie budżetu (~$180/miesiąc) — porównanie kosztów godzin pracy specjalisty do wydatków na API.
- Dokładność filtracji 95% — potwierdzone testami A/B; całkowity brak duplikatów.
- Zmniejszenie kosztów API dziesięciokrotnie dzięki optymalizacji procesów przetwarzania.
- Strategiczne przesunięcie: zespół komunikacji przeszedł od zbierania danych do ich strategicznej analizy.
- Niezawodność i przejrzystość: każda wzmianka jest rejestrowana, klasyfikowana i łatwo śledzona.
#N8N #AI_Agents #openai-api #ChatGPT-4 #RAG #API_Integration #AI_Automation #MediaMonitoring #Workflow_Optimization #DataAnalysis
Kontekst
Caritas Ukraina — jedna z największych organizacji charytatywnych w kraju (ponad 40 regionalnych oddziałów) w sektorze NGO i pomocy humanitarnej. Zespół komunikacji codziennie ręcznie monitorował media: wyszukiwanie w Google, kopiowanie nagłówków do Google Sheets, sprawdzanie Facebooka, Instagrama i LinkedIn. Istniejące zewnętrzne rozwiązania miały limit 10 zapytań na sesję, co było absolutnie niewystarczające dla takich rozmiarów.
Problem
Relewancja: Wyszukiwanie zwracało setki wyników dotyczących międzynarodowych biur Caritas, z których większość nie dotyczyła działalności w Ukrainie.
Krytyczność: Przeoczenie wzmianki mogło oznaczać niewłaściwe zapytanie prasy lub nieterminowo wykryte ryzyko reputacyjne dla któregokolwiek z 40+ lokalnych biur.
Straty: Ponad 30 godzin miesięcznie było poświęcane na mechaniczne „kopiowanie-wklejanie” — to cały tydzień roboczy specjalisty.
Cel: Całkowita automatyzacja zbierania, geograficznej filtracji i generowania raportów.
Rozwiązanie
Zaprojektowałam autonomicznego agenta AI opartego na n8n, wykorzystując architekturę RAG (Retrieval-Augmented Generation). Zamiast prostego wyszukiwania według słów kluczowych, system działa z głębokim kontekstem organizacji: „rozumie”, jakie filie istnieją, gdzie działają i jakie tematy są dla nich relewantne.
Agent samodzielnie wyszukuje informacje w mediach i sieciach społecznościowych, filtruje nierelewantne międzynarodowe wzmianki, klasyfikuje wyniki według tematów i tonacji, usuwa duplikaty i przygotowuje szkice raportów dla kierownictwa — bez udziału człowieka.
Proces realizacji
Audyt i badania: Stworzono pełną strukturę organizacji (40+ filii) w celu stworzenia dokładnych geograficznych i kontekstowych filtrów.
Projektowanie architektury: Opracowano logikę „Agenta-analityka” — wielostopniowy workflow, który działa z wektoryzowanymi danymi organizacji.
Budowa systemu RAG: Zintegrowano wektorową bazę danych (Pinecone), która zawiera dane o strukturze i regionalnym kontekście Caritasu Ukrainy.
Inżynieria promptów: Skonfigurowano prompt do deduplikacji, klasyfikacji tematów i analizy tonacji dla różnych typów publikacji.
Testy A/B: Przeprowadzono porównanie wyników ręcznego wyszukiwania i wyników agenta AI w celu potwierdzenia dokładności filtracji.
Optymalizacja: Wdrożono przetwarzanie wsadowe danych, co pozwoliło na zmniejszenie kosztów API dziesięciokrotnie bez utraty jakości.
Wyniki
- Oszczędność czasu 85% — 8 godzin ręcznej pracy tygodniowo całkowicie zautomatyzowane.
- Zachowanie budżetu (~$180/miesiąc) — porównanie kosztów godzin pracy specjalisty do wydatków na API.
- Dokładność filtracji 95% — potwierdzone testami A/B; całkowity brak duplikatów.
- Zmniejszenie kosztów API dziesięciokrotnie dzięki optymalizacji procesów przetwarzania.
- Strategiczne przesunięcie: zespół komunikacji przeszedł od zbierania danych do ich strategicznej analizy.
- Niezawodność i przejrzystość: każda wzmianka jest rejestrowana, klasyfikowana i łatwo śledzona.
#N8N #AI_Agents #openai-api #ChatGPT-4 #RAG #API_Integration #AI_Automation #MediaMonitoring #Workflow_Optimization #DataAnalysis