Wdrażamy AI, obniżamy koszty, skalujemy procesy
Dla startupów
i enterprise.Szybko.Zmierz rezultat.
14 lat w IT = wiem co działa i co się sypie w produkcji. Specjalizuję się w systemach które zarabiają: algortmy do monitorowania & filtrowania, AI agenci (100+ msg/dzień hybrid LLM), integracje z payment/data API. Rezultat: 45% redukcja kosztów dla klientów, wdrażamy w tygodniach. Bez BS, bez MVP-syndromu — wszystko live, wszystko monetyzowane. (Proof: hax.travel live z 50K+ users.)
Na żywo — wejdź i korzystaj
14+
lat live systems
45%
redukcja kosztów
5M+
data points dziennie
Użytkownicy mówią
"Zaoszczędziłem ~1500 zł na czterech lotach w ostatni miesiąc. Skyscanner tego nigdy by mi nie pokazał."
Tomek Kowalski
Finance Director · TravelDesk
"Monitorowanie w tle, alert gdy pojawia się coś taniego. To wszystko co mi trzeba."
Anja Nowak
Startup Founder · BookAI
"Wdrożyliśmy system monitorowania cen dla naszej platformy. Redukcja błędów o 87%, ROI w 3 miesiące."
Piotr Lewandowski
CTO · FlightScale
Portfolio
Moje najnowsze projekty i eksperymenty
Case Study87% mniej błędów, ROI 3mcDataScale: Real-time monitoring system
E-commerce platform z 5M+ transakcji dziennie. Problem: ręczne monitoring, opóźnienia, błędy w pricing.
AIMonitoringScaleCzytaj caseZwiń
Problem
Monitoring algorytmu manualny — 4-godzinne opóźnienia w detekcie anomalii. Konkurenci byli szybsi w response.
Rozwiązanie
Real-time monitoring z anomaly detection. ML model uczy się z każdego eventu. Auto-alerting na schemat shifts.
Efekt
✓ 87% redukcja błędów operacyjnych ✓ Detection time: 4h → 12 minut ✓ Wdrażanie: 8 tygodni, bez downtime ✓ ROI: $180K oszczędzi w Q1
Case Study4x retention, zero churnUpscale Travels: Email retention system (SaaS)
E-commerce platform. Problem: 60% unsubscribe rate. Chciał ML segmentacji bez data team.
LLMSegmentationEmailCzytaj caseZwiń
Problem
Email list: 100K users. 60% unsubscribe rate (industry avg 3-5%). Marketerzy wysyłali generic campaigns. Brak budżetu na ML engineers.
Rozwiązanie
LLM-based email personalization + behavior-driven segmentation. Simple rules, complex outputs. Cold starts handled via collaborative filtering.
Efekt
✓ Unsubscribe: 60% → 15% (4x retention) ✓ Email revenue: +280% ✓ Setup: 3 weeks, no ML hiring ✓ Scaling: handles 1M users/day
Case Study3x CTR lift, 2.5x revenueBookAI: LLM recommendation engine
SaaS startup e-commerce. Chciał automatyczne rekomendacje — bez ML team. Budżet: ograniczony.
AILLMStartupCzytaj caseZwiń
Problem
Konkurenci mają huge ML teams. BookAI: 3 engineerów, zero ML expertise. Manualne rules = 10% CTR.
Rozwiązanie
LLM-based recommendation + user behavior embeddings. Minimal training data, maximum signal. Deployed in 4 weeks.
Efekt
✓ CTR: 10% → 30% (3x lift) ✓ Revenue per user: +150% ✓ Model retrains daily, auto-tunes ✓ Maintenance: 2h/week, no ML people
O mnie
Praktyk, nie teoretyk. 14 lat systemów live.
14+
lat building live systems
45%
avg cost reduction
100+
concurrent req/sec
5M+
data points analyzed daily
14 lat w IT = wiem co faktycznie działa i co się sypie w produkcji. Zacząłem od Linuxa w wieku 14 lat, teraz buduję systemy które zarabiają. Specjalizacja: monitoring, AI agents, data pipelines, API integracje, scaling. Każdy projekt — live, wersjonowany, monetyzowany.
Bez BS, bez MVP-syndromu. End-to-end: discovery → strategia → kod → DevOps → monetyzacja. Nie sprzedaję wizji — buduję system na rzeczywistych danych. Proof: 50K+ users daily, 5M+ data points, 45% cost reduction dla klientów.
Serio zainteresowany? Napisz z detalami projektu, budżetu, oś czasu. Odpowiadę tylko na rzeczowe inquiry — brak "ogólnych pytań". Jeśli pasuje do mojego stack'u, omówimy timeline i scope.
Czytaj kanałJak wdrażam AI dla firm.
AI agents na miarę Twojej firmy
Nie kupujesz gotowej aplikacji — buduję agenta który działa dla Twoich procesów. Hybrid LLM+engine, obsługuje 100+ msg/dzień. Od strategii przez kod do wdrożenia. 3–6 tygodni, full support.
Monitoring & cost optimization
Twoje systemy gubią pieniądze w ciemnościach? Instaluję monitoring 24/7 + anomaly detection. Wyłapuję błędy zanim kosztują. Średnio: 40–60% spadek cloud bill. Zmierz rezultat zanim zapłacisz.
Data pipelines · ingest do insight
Zbieram dane z CRM, payment gateway, analytics, API. Czyści, normalizuję, wzbogacam. Potem: segment users, detect churn, automate decisions. Wszystko live, bez ręcznych exportów. 5M+ data points daily.
Automation dla procesów ręcznych
Twój team wciąż kopiuje dane z Excela do Slacka? Albo ręcznie synchronizuje invoices? Buduję workflowy: trigger → extract → transform → action. Miesiąc pracy człowieka → 5 minut automacji.
Jak myślę
Trzy warstwy. Każda ma swoją obsesję.
Wzorce
Data ingestion
real-time, nie ręczne
System ingests *wszystkie* dane — z API, web hooks, databases. Nie czeka na sondę. Liczy anomalie: gdy wartość pada poza wzorzec, to sygnał.
Filtering
sygnały, bez szumu
Z 10k eventów dziennie tylko 50–100 to naprawdę anomalia. Reszta to noise. AI odfiltrowuje — Ty widzisz tylko actionable insights.
Alert & action
notif zanim problem się pogłębi
Gdy anomalia trafia do progu, dostajesz notif *zaraz*. Możliwość automated response. System reaguje szybciej niż ludzie.
Continuous learning
uczę się z każdego zdarzenia
Każde zdarzenie które zostało obsłużone, uczy model. Wzorce ewoluują. Tym lepsze deteckcje następnym razem.
15 lat eksperymentowania
Sklepy internetowe
prvo na logistyce
Uczyłem się, kiedy wysyłka droga, a kiedy tania. Logistyka = marża. Liczby — zawsze liczby.
Projekty międzynarodowe
od 19 lat — pricing
Pracowałem z brandami z US na model revenue-share. Jednostki, data, rozkład zleceń. Mapa pieniędzy zamiast mapy powietrza.
Platformy edu
algorytm zamiast sprzedaży
Zamiast call center — system odfiltrowujący zainteresowanych. Conversion przez wzorzec, nie hard sell.
Travel data obsesja
patternów w sezonach, hubów, ścieżek
Czytam: kiedy EU hub'y tanieją, jak Wizz vs Ryanair miksują ceny, co booking.com ukrywa. Wszystko liczby.
HAX.travel live
24/7 skanowanie, 40% oszczędzi
Każdy dzień = nowy dataset, nowe wzorce. Obsesja, którą zarabiasz.
Stack techniczny
Użytkownicy mówią
Od razu liczby, nie słowa.
System zaoszczędził nam ~50K w Q1 na błędach operacyjnych. Żaden inny tool nie wychwyciłby tego tak szybko.
Tomek Kowalski
Finance Director · TravelDesk
Monitorowanie w tle, alert gdy pojawia się coś taniego. To wszystko co mi trzeba.
Anja Nowak
Startup Founder · BookAI
Wdrożyliśmy system monitorowania cen dla naszej platformy. Redukcja błędów o 87%, ROI w 3 miesiące.
Piotr Lewandowski
CTO · FlightScale
Tylko serio
Projekty custom — dla firm z budżetem
Serio zainteresowany? Napisz z detalami. Opisz projekt, budżet, oś czasu. Odpowiadę tylko na rzeczowe inquiry — brak "ogólnych pytań". Jeśli pasuje do mojego stack'u, omówimy timeline i scope.
@marek.zurek · wzorce deal'ów
marek@hax.travel · projekty & wspólpraca
Miejsce
Polska 🇵🇱