Aplikacje AI na zamówienie

Co realnie zbudowałem

To nie jest teoretyczna oferta. Cztery działające aplikacje AI, z których korzystają dziesiątki tysięcy osób:

• PixiFixi — edytor zdjęć AI, ponad 30 000 użytkowników od września 2025
• Ogrovision — pierwsza w Polsce wizualizacja ogrodu z AI, ponad 20 000 użytkowników
• Lovelio — pierwszy polski generator życzeń AI, ponad 10 000 użytkowników w rok
• Izbaviz — pierwsza w Polsce wizualizacja wnętrz z AI

Wszystkie cztery przeszły drogę od pomysłu przez wdrożenie po utrzymanie i rozwój pod realnym ruchem. To istotna różnica wobec wykonawcy, który dowozi projekt i znika, zanim okaże się, jak zachowuje się przy tysiącu użytkowników dziennie.

Czego się przy tym nauczyłem

Najtrudniejsza część aplikacji AI to nie model. Dostęp do dobrych modeli ma dziś każdy — przez API, za grosze na start. Trudność jest w tym, co dookoła: co pokazać, gdy model odpowie bez sensu, jak zmieścić się w koszcie na użytkownika, co zrobić, gdy dostawca podniesie ceny albo wyłączy wersję modelu.

Interfejs decyduje o wszystkim. Moje aplikacje projektuję dla osób, które nie wiedzą, czym jest prompt — i nie muszą wiedzieć. Wgrywasz zdjęcie, wybierasz gotowy wariant, dostajesz wynik. Ta grupa jest przez twórców narzędzi AI konsekwentnie pomijana, a korzysta z nich najchętniej, gdy tylko przestaną ją onieśmielać.

Koszty modeli trzeba zaplanować przed pierwszą linijką kodu. Aplikacja, która przy stu użytkownikach kosztuje grosze, przy dziesięciu tysiącach potrafi zjeść całą marżę. Rozliczam użycie modeli osobno od wdrożenia właśnie po to, żebyś widział ten koszt wprost i mógł nim sterować.

Kiedy warto budować własną aplikację

Warto, gdy gotowe narzędzie nie robi tego, czego potrzebujesz, a proces jest na tyle powtarzalny, że oszczędność się skumuluje. Albo gdy chcesz mieć produkt, nie tylko usprawnienie — jak w przypadku czterech aplikacji powyżej.

Nie warto, gdy istnieje gotowe narzędzie za abonament, które robi 80% tego, czego chcesz. Dedykowana aplikacja to koszt wdrożenia plus utrzymanie w nieskończoność. Zdarza mi się odradzać budowę i wskazywać gotowe rozwiązanie — wolę to niż projekt, który się nie zwróci.

Nie warto również, gdy nie masz jeszcze pewności, co aplikacja ma robić. Wtedy taniej jest zacząć od prostej automatyzacji na gotowych narzędziach, sprawdzić założenia w praktyce i dopiero potem budować.

Jak wygląda wdrożenie

Zaczynam od warsztatu, na którym ustalamy zakres i sprawdzamy, czy pomysł ma sens ekonomiczny. Dopiero po nim podaję konkretną wycenę — wcześniej byłaby zgadywanką.

Potem pracuję etapami, zaczynając od najwęższej działającej wersji. Nie od kompletu funkcji, tylko od tego jednego przepływu, który ma dowieść, że całość działa. Rozbudowa idzie na działającym fundamencie, a nie na założeniach.

Kwestia danych

Przy aplikacjach AI to nie jest formalność. Ustalamy przed startem, czy dane mogą trafiać do zewnętrznego dostawcy modelu, czy potrzebna jest umowa powierzenia, i czy w ogóle da się użyć modelu hostowanego u Ciebie. To wpływa zarówno na architekturę, jak i na koszt — dlatego rozmawiamy o tym na początku, a nie po wdrożeniu.