Projekt: AI-asystent do analizy spotkań zespołowych

Cel:
Stworzenie kompleksowego systemu AI do automatycznej obróbki nagrań audio z zebrań zespołowych. Kluczowe wymagania to przekształcenie niestrukturalnych rozmów w strukturalne, gotowe do analizy dane; stworzenie wielopoziomowych podsumowań dla różnych ról (Właściciel, Lider Zespołu, BizDev); oraz opracowanie interaktywnego asystenta AI do natychmiastowego dostępu do korporacyjnej bazy wiedzy przez Telegram.

Mój wkład:
Projekt rozpoczął się od wyzwania: kluczowe informacje firmy — decyzje, problemy i zadania — były "zamknięte" w godzinnych plikach audio. Utrudniało to ich wyszukiwanie i analizę, zmuszając pracowników do tracenia czasu na ponowne odsłuchiwanie.

Mój wkład polegał na zaprojektowaniu i opracowaniu "od podstaw" spójnej, wieloskładnikowej architektury na self-hosted n8n, która przekształciła pasywne nagrania audio w aktywny i inteligentny zasób.

Strategicznie wybrałem stos PostgreSQL + Supabase, co pozwoliło połączyć niezawodność relacyjnej bazy danych dla strukturalnych raportów z mocą wektorowego magazynu dla semantycznego wyszukiwania AI.

System składa się z trzech powiązanych procesów roboczych (workflows), które zapewniają pełny cykl życia danych:

Workflow nr 1 ("Fabryka Danych"): Ten proces stanowi fundament całego systemu. Automatycznie przyjmuje nagrania audio, integruje się z usługą transkrypcji, a następnie za pomocą OpenAI generuje unikalne, dostosowane podsumowania dla każdej roli. Ostateczne dane są strukturalizowane i przechowywane jednocześnie w PostgreSQL oraz wektoryzowane dla Supabase.

Workflow nr 2 ("Syntezator Analizy"): Pracując według harmonogramu, ten workflow agreguje codzienne podsumowania z PostgreSQL, ponownie wykorzystuje AI do stworzenia skoncentrowanego strategicznego raportu tygodniowego dla właściciela oraz automatycznie wysyła spersonalizowane zestawienia kluczowym pracownikom (Lider Zespołu, BizDev) w Telegramie.

Workflow nr 3 ("Interaktywny asystent AI"): Zwieńczeniem systemu jest bot Telegram, który służy jako jedyny punkt dostępu do bazy wiedzy. Zrealizowałem:

Rozgraniczenie dostępu: Bot identyfikuje użytkownika i jego rolę przez bazę danych, otwierając odpowiednie funkcje.

Komendy dla administratorów: Możliwość na żądanie generowania raportów, uruchamiając Workflow nr 2.

RAG-pipeline (Retrieval-Augmented Generation): Pełnoprawny mechanizm odpowiedzi na pytania. Bot przekształca zapytanie użytkownika na wektor, znajduje odpowiednie informacje w Supabase, przygotowuje kontekst i generuje dokładną odpowiedź za pomocą OpenAI.

Wynik:
Sukcesywnie opracowano i wdrożono autonomiczny korporacyjny "drugi mózg", który działa 24/7. Klient otrzymał system, który przekształca rozmowy w strukturalne aktywa, oszczędza dziesiątki godzin czasu pracy i umożliwia podejmowanie decyzji na podstawie danych, a nie wspomnień.

Architektura jest w pełni skalowalna: dodawanie nowych ról, typów raportów czy źródeł danych nie wymaga przebudowy systemu. Rozwiązanie zapewnia natychmiastowy i bezpieczny dostęp do informacji, gwarantując, że każdy pracownik widzi tylko te dane, które są mu przypisane.

#n8n #PostgreSQL #Supabase #pgvector #OpenAI #Telegram #TelegramBot #Automatyzacja #NoCode #API #IntegracjaAPI #RAG #LLM #asystentAI #AutomatyzacjaWorkflow #AutomatyzacjaBiznesu #Automatyzacja #CzatBot