Jak działa AI Aervio — krok po kroku

AI używa Domain Translation Engine (DTE) — modelu strojonego na danych testowych i syntetycznych z polskiego rynku oraz na bazie reguł branżowych (PV, dachy, elewacje, rolnictwo precyzyjne), walidowanej przez panel ekspertów BSP.

Z opisu klienta DTE wyciąga: branżę (4 główne kategorie + 18 podkategorii), typ inspekcji, skalę obiektu, pożądany deliverable, lokalizację (z konsekwencjami compliance), oraz czy klient potrzebuje raportu czy surowych materiałów.

Jeśli opis jest zbyt ogólny, AI zadaje 1–3 doprecyzowujące pytania w wizardzie zanim wygeneruje brief. Nie zgaduje.

Aktualnie obsługujemy PV, dachy, elewacje i rolnictwo precyzyjne. Dla zleceń poza tymi obszarami (np. archeologia, leśnictwo, eventy) AI rozpozna „inna branża" i wygeneruje generic brief który operator może doprecyzować w wątku z klientem.

Plan: do końca 2026 dochodzą inspekcje przemysłowe (kominy, mosty, infrastruktura energetyczna) jako 5. niche.

Pricing Engine używa 4 źródeł danych: (a) regional baseline z danych testowych i syntetycznych walidowanych przez panel ekspertów BSP, (b) operator overhead (dojazd od bazy, sprzęt class), (c) deliverable complexity (raport AI dodaje 10–25%), (d) compliance multiplier (NSTS Specific operacje +30–50% vs Open A1).

Wynik to "cena startowa" — sugerowany budżet klienta i punkt odniesienia dla wyceny zlecenia. Ostateczna cena jest jedną kwotą, znaną przed potwierdzeniem zlecenia — bez ukrytych opłat.

Klient widzi jedną cenę końcową — i wie, dlaczego jest taka. Pricing Engine pokazuje czynniki, które ją ukształtowały: mediana stawki dla regionu, dojazd od bazy operatora, klasa sprzętu, opcjonalny raport AI oraz kategoria operacji (compliance). To odpowiedź na pytanie „dlaczego tyle?", a nie rozbicie rachunku na pozycje.

Cena jest jedną kwotą znaną z góry — marża Aervio jest w niej wliczona, bez prowizji doliczanej osobno i bez ukrytych opłat.

Generyczne narzędzia (np. GAIA Globhe) dają estimate jako black-box: „okolice X-Y EUR". My pokazujemy, co stoi za ceną.

Reguły EASA, PANSA, ULC oraz NSTS-01 do NSTS-08 są zakodowane w bazie regul AI (nie w opisie i nie w prompcie do LLM). Reguły są przeglądane ekspercko i aktualizowane wraz ze zmianami prawa oraz procedur operacyjnych.

AI sprawdza w trakcie generowania brief'u: czy lokalizacja jest w strefie kontrolowanej (CTR/TMA/MCTR), czy operacja wymaga koordynacji z PANSA, do której kategorii operacji się kwalifikuje (Open A1-A3, Specific NSTS, czy LUC), czy wymaga NOTAM, oraz jaki minimalny certyfikat operatora jest wymagany.

Jeśli operacja wymaga kategorii Specific i odpowiedniego certyfikatu — AI nie zmatchuje operatora bez tego certyfikatu, nawet jeśli operator zlicytował jako pierwszy.

Może, ale ma 3 zabezpieczenia. Po pierwsze: każdy brief jest review'owalny przez klienta przed publikacją zlecenia (klient widzi i może edytować). Po drugie: operatorzy w ofercie mogą zaznaczyć „brief wymaga doprecyzowania" — wtedy AI re-generuje z dodatkowym kontekstem. Po trzecie: dispute workflow (planowany Sprint 4) pozwala klientowi/operatorowi zgłosić rozbieżność, gdy realizacja odbiega od brief'u — wtedy wypłata środków czeka na rozstrzygnięcie.

Na obecnym etapie pre-PSA brief zawsze może być ręcznie poprawiony przez klienta i operatora przed realizacją.

Inputy klienta (opisy, lokalizacje, zdjęcia obiektu) są przetwarzane przez Anthropic Claude API zgodnie z aktualną polityką prywatności Aervio (link w stopce).

Trening kolejnych wersji modelu DTE bazuje wyłącznie na anonimizowanych metadanych (typ branży, skala, region, czas przetwarzania) — nigdy na surowych opisach klientów ani na zdjęciach.

Tak, opcjonalnie. Po dostarczeniu materiałów przez operatora, AI Vision Reports analizuje zdjęcia i generuje raport zgodny ze standardem dla danej branży (np. IEC TS 62446-3 dla PV, EN 13187 dla termowizji budynków). Raport zawiera: listę zidentyfikowanych anomalii, ich klasyfikację, lokalizację na obiekcie, rekomendowane działania.

AI raport jest opcjonalny — klient może wybrać tylko surowe materiały. Wtedy operator dostarcza pliki bez analizy.

ChatGPT i Claude API to generic LLM-y. Bez dodatkowej warstwy (RAG, tools, walidacji compliance) potrafią halucynować na pytaniach o EASA, podać nieistniejące numery NSTS lub wycenić zlecenie w EUR za rynek polski.

Aervio AI to system hybrydowy: LLM (Claude API) + structured rule base (EASA/PANSA/ULC) + price prediction model (oparty o dane testowe i syntetyczne walidowane przez ekspertów BSP) + retrieval z bazy operatorów. LLM nigdy nie podejmuje decyzji compliance ani pricingu samodzielnie — to robi rule base. LLM tylko tłumaczy między językiem klienta a strukturalnym brief'em.

Konsekwencja: Aervio nie zhalucynuje numeru NSTS który nie istnieje. Generic LLM może.

Sprint 4 (czerwiec): operator quality KPIs (response time, completion rate, dispute rate) integrowane z AI matching — przyznajemy boost operatorom z najlepszymi metrykami.

Sprint 5–6 (lipiec-sierpień): polygon-based location input dla wielkoobszarowych zleceń (mapowanie pól, infrastruktura liniowa), niche landing pages /pv /dachy z dedykowanymi flowami AI.

Sprint 6+ (jesień): mobile app dla operatorów z push notifications matching (operator dostaje natychmiast notification gdy AI go dopasuje do nowego zlecenia w okolicy).

Q4 2026: cross-border DACH (Niemcy, Austria, Czechy, Słowacja) z compliance bazą per kraj.