Słownik
Słownik AI i inżynierii danych
19 pojęć, które padają w rozmowach o wdrożeniach AI, wyjaśnionych jednym akapitem bez żargonu. Każde hasło prowadzi do usługi, w której to pojęcie ma praktyczne zastosowanie.
- Agent AI
Program oparty na modelu językowym, który samodzielnie planuje kroki i wykonuje je za pomocą narzędzi (API, baza, przeglądarka), zamiast tylko generować tekst. Agent produkcyjny ma zdefiniowany zestaw narzędzi, limity kosztu i ścieżkę eskalacji do człowieka. Zobacz zastosowanie →
- RAG (Retrieval-Augmented Generation)
Technika, w której przed odpowiedzią system wyszukuje fragmenty dokumentów firmowych i wstawia je do kontekstu modelu. Dzięki temu model odpowiada na podstawie Twoich danych i można wskazać źródło, a aktualizacja wiedzy sprowadza się do podmiany dokumentów. Zobacz zastosowanie →
- Multi-agent orchestration
Architektura, w której kilka wyspecjalizowanych agentów pracuje nad jednym procesem, a nadrzędna warstwa rozdziela zadania i scala wyniki. Stosuje się ją, gdy jeden agent z jednym promptem przestaje sobie radzić z rozgałęzionym procesem. Zobacz zastosowanie →
- Fine-tuning
Douczanie modelu na własnym zbiorze przykładów, które zmienia jego wagi. Sprawdza się przy narzucaniu stylu, formatu odpowiedzi lub wąskiej domeny. Nie nadaje się do wiedzy, która często się zmienia — do tego służy RAG. Zobacz zastosowanie →
- Baza wektorowa
Baza danych przechowująca teksty jako wektory liczb (embeddingi) i wyszukująca po podobieństwie znaczeniowym, a nie po dokładnym słowie. Fundament każdego wdrożenia RAG. W praktyce: Pinecone, Qdrant lub pgvector. Zobacz zastosowanie →
- Reranking
Drugi etap wyszukiwania, w którym osobny model przestawia kolejność znalezionych fragmentów według realnego dopasowania do pytania. Podnosi trafność odpowiedzi RAG bardziej niż powiększanie liczby zwracanych fragmentów. Zobacz zastosowanie →
- Hybrid search
Połączenie wyszukiwania słownikowego (BM25) z wektorowym. Pierwsze łapie dokładne nazwy, numery i sygnatury, drugie sens wypowiedzi. Razem działają lepiej niż każde osobno, zwłaszcza na dokumentach prawnych i technicznych. Zobacz zastosowanie →
- Halucynacja modelu
Odpowiedź brzmiąca wiarygodnie, ale niezgodna z faktami. Ogranicza się ją, dając modelowi źródła (RAG), wymuszając cytowanie fragmentów i odrzucając odpowiedzi bez pokrycia w dokumentach. Zobacz zastosowanie →
- Anti-bot bypass
Zestaw technik pozwalających pobierać dane z serwisów blokujących automaty: rotacja adresów IP, realny profil przeglądarki, obsługa CAPTCHA i naśladowanie ludzkiego tempa. Stosowany do monitoringu cen i dostępności. Zobacz zastosowanie →
- ETL
Skrót od Extract, Transform, Load — proces pobrania danych ze źródła, przekształcenia ich do wspólnego formatu i załadowania do hurtowni. Bez ETL dashboard pokazuje dane, których nie da się porównać między systemami. Zobacz zastosowanie →
- Pipeline
Automatyczny ciąg kroków przetwarzania uruchamiany harmonogramem lub zdarzeniem, z logowaniem, ponawianiem po błędzie i alertem przy awarii. Odróżnia produkcyjną automatyzację od skryptu odpalanego ręcznie. Zobacz zastosowanie →
- Lead scoring
Ocena potencjalnego klienta liczbą, wyliczana z danych o firmie i sygnałów intencji zakupowej. Model językowy pozwala uwzględnić w niej treść nieustrukturyzowaną — opis firmy, ogłoszenia o pracę, komunikaty prasowe. Zobacz zastosowanie →
- MRR
Monthly Recurring Revenue — powtarzalny przychód miesięczny z subskrypcji. Podstawowa miara zdrowia produktu SaaS, ważniejsza niż jednorazowa sprzedaż, bo pokazuje przychód, na który można planować. Zobacz zastosowanie →
- TTI (Time To Interactive)
Czas od wejścia na stronę do momentu, w którym da się z niej realnie korzystać. Na urządzeniach mobilnych to jedna z najważniejszych metryk konwersji — wartość poniżej 1,5 sekundy uznaje się za dobrą. Zobacz zastosowanie →
- Serverless
Model uruchamiania kodu, w którym nie utrzymujesz serwera — funkcja startuje na żądanie i skaluje się sama, a płacisz za wywołania. Obniża koszt utrzymania małych i średnich aplikacji do niemal zera przy niskim ruchu. Zobacz zastosowanie →
- RLS (Row Level Security)
Mechanizm bazy Postgres, który ogranicza dostęp do pojedynczych wierszy na poziomie samej bazy, a nie aplikacji. Dzięki temu błąd w kodzie frontendu nie wystarczy, żeby zobaczyć cudze dane. Zobacz zastosowanie →
- Fail-closed
Zasada projektowa: gdy system nie potrafi zweryfikować uprawnień lub limitu, odmawia dostępu zamiast go przyznać. Przeciwieństwo fail-open. Obowiązkowa wszędzie tam, gdzie za żądanie płaci właściciel usługi. Zobacz zastosowanie →
- GEO (Generative Engine Optimization)
Optymalizacja treści pod silniki generatywne — ChatGPT, Perplexity, Google AI Overviews — tak, żeby model potrafił ją wczytać, zrozumieć i zacytować. Kluczowe są: treść dostępna bez JavaScriptu, dane strukturalne i jednoznaczne fakty o podmiocie. Zobacz zastosowanie →
- AEO (Answer Engine Optimization)
Optymalizacja pod bezpośrednie odpowiedzi: każdy nagłówek jest pytaniem, a pierwsze zdanie pod nim pełną odpowiedzią, którą da się wyciąć i pokazać samodzielnie. Uzupełniana danymi strukturalnymi FAQPage. Zobacz zastosowanie →