Work Blog Kontakt
AI i transformacja cyfrowa · od analizy procesów do działających narzędzi AI

Alexey Berezka

Wprowadzam AI do pracy w przemyśle - a własne systemy AI buduję publicznie.

W Kyocera Automotive and Industrial Solutions moja praca to doradztwo wewnętrzne plus inżynieria: najpierw rozmowy i mapy procesów z ludźmi, którzy tę pracę wykonują, potem narzędzia AI, które pasują do zadania - Microsoft 365 Copilot, Claude, OpenAI lub coś innego. Wcześniej ponad trzy lata oprogramowania krytycznego dla bezpieczeństwa w motoryzacji w ZF, gdzie kod wychodzi dopiero wtedy, gdy naprawdę działa.

5+
lat w przemyśle
200+
agentów AI w orkiestracji
~95%
redukcja kosztów LLM
7 964
pliki w indeksie RAG

Systemy AI, które zbudowałem i uruchomiłem na produkcji

Żadnych demówek. Każdy z nich działa na mojej własnej infrastrukturze, każdego dnia.

🤖
Działa 24/7 na produkcji

JARVIS - wieloagentowy system operacyjny AI

Problem Zwykłe chatboty nie działają - odpowiadają. Chciałem asystenta, który planuje i wykonuje rzeczywiste wielokrokowe zadania w moich narzędziach.
Podejście Samodzielnie hostowany system z głosem we/wy (Whisper), pocztą, kalendarzem i narzędziami smart home, plus meta-orkiestrator kierujący pracą między 200+ wyspecjalizowanymi agentami - autonomicznie planując, delegując i wykonując.
Python Claude API Whisper MCP Docker
📈
~95% niższy koszt modelu

DeepSignal - autonomiczny pipeline LLM

Problem Analiza rynku oparta na LLM jest potężna, lecz kosztowna i krucha - łatwo przepłacić, trudno zaufać.
Podejście Kompleksowy pipeline, który pobiera dane rynkowe i newsowe, przeprowadza analizę LLM i publikuje sygnały zgodnie z harmonogramem bez jednego ręcznego dotknięcia - neutralny względem dostawcy adapter modeli plus produkcyjna bramka na zasadzie shadow-eval, zahartowana backtestingiem i kontradyktoryjnym przeglądem z udziałem 54 agentów.
Python LLMOps Eval gating Telegram API
🔎
7 964 pliki · poniżej sekundy

Hybrydowy system wiedzy RAG

Problem Wyszukiwanie po słowach kluczowych gubi znaczenie; czyste wyszukiwanie wektorowe halucynuje kontekst. Samodzielnie żadne z nich nie wystarcza, by ugruntować LLM.
Podejście Retrieval-Augmented Generation nad 7 964 plikami źródłowymi (78 764 fragmenty), łączący gęste embeddingi (bge-m3), rzadki FTS5 i reranker cross-encoder - obsługiwany przez stale działającego demona i reindeksowany co godzinę, by dawać szybkie, ugruntowane i cytowalne odpowiedzi.
RAG bge-m3 FTS5 Reranker
🏗️
Stack przenośny między dostawcami

Samodzielnie hostowana infrastruktura AI i MCP

Problem Uzależnienie od jednej chmury lub jednego dostawcy modelu to ryzyko biznesowe, nie tylko techniczne.
Podejście Pełny stack produkcyjny na Hetznerze - Docker, nginx, systemd, CI/CD (GitHub Actions), usługi na FastAPI i własne serwery Model Context Protocol - zaprojektowany tak, by backend LLM i dane pozostawały przenośne domyślnie.
Docker nginx systemd CI/CD FastAPI
🌐
30 języków · na produkcji

Projektowanie i tworzenie stron

Problem Osobista strona musi brzmieć naturalnie w każdym swoim języku i nadal szybko ładować się na tanim telefonie.
Podejście Ta strona: Hugo w 30 językach z tekstami, które brzmią naturalnie, i SEO dla każdego języka, własne API formularza kontaktowego i analityka oraz sprawdzenie buildu przed każdym wdrożeniem.
Hugo i18n SEO Nginx

🔬 Badania na KIT - model decyzyjny wdrażania AI

Moja praca magisterska na KIT (złożona 09/2026, dyplom spodziewany 10/2026): wielokryterialny model decyzyjny, który mówi produkcyjnym MŚP, gdzie przetwarzanie obrazu przez AI naprawdę warto wdrożyć - a gdzie nie. Oparty na wywiadach eksperckich, analizie ilościowej i modelowaniu AHP, zastępuje decyzje o AI podejmowane na wyczucie powtarzalną metodą. Wcześniejsze prace: elektronika gondoli balonu stratosferycznego (Ing., UWB Pilsen 2021); wieloskalowy fazowy pomiar odległości do śledzenia statków kosmicznych (B.Sc., RTU 2018).

KIT HECTOR School MCDM Przemysł 4.0 Wdrażanie AI SME Research
📋Wywiady eksperckie
🎤Analiza ilościowa
📈MCDM / AHP

Od hali produkcyjnej do wdrożeń AI

AI Engineer - Digital Transformation Maj 2026 - obecnie

Kyocera Automotive and Industrial Solutions

Dietzenbach, Niemcy

Zakres: doradztwo wewnętrzne - analiza procesów i wywiady, ocena narzędzi AI, zasady korzystania z AI i wdrażanie - plus budowa agentów Copilot i przepływów. 05-09/2026 pracujący student, od 10/2026 na pełny etat.

Wdrażanie AI Transformacja cyfrowa Przemysł 4.0
Program Executive M.Sc. 2024 - 2026

Karlsruhe Institute of Technology

KIT HECTOR School

Magisterski program executive w KIT HECTOR School (90 ECTS, ok. 20 miesięcy), szkole biznesu technologicznego KIT dla pracujących inżynierów. Praca magisterska złożona 09/2026, dyplom spodziewany 10/2026. Program łączy inżynierską głębię (platformy cyfrowe, AI, oprogramowanie, bezpieczeństwo) z szerokim spojrzeniem menedżerskim (strategia, decyzje, finanse, innowacje), ze specjalizacją Autonomous Robotics - smart manufacturing i Przemysł 4.0. Zmienił moje myślenie o decyzjach technologicznych: nie „co jest technicznie możliwe”, ale „co jest słuszne w świetle strategii, możliwości i ryzyka”.

Strategia Systemy informacyjne Teoria decyzji Transformacja cyfrowa
Programista systemów wbudowanych 2019 - 2023

ZF Pilsen

Dywizja pojazdów użytkowych - dostawca Tier 1

Dostarczałem oprogramowanie wbudowane dla seryjnych ECU w regulowanym środowisku krytycznym dla bezpieczeństwa. Skróciłem cykle walidacji o 25%, automatyzując pipeline'y testów HiL.

C/C++ HiL/SiL Jenkins Git CAN
Inżynier 2017 - 2018

Typhoon Research & Production Association

Systemy meteorologii lotniczej

Pracowałem przy systemach pomiarowych do monitorowania pogody w lotnictwie, w regulowanym środowisku, gdzie dokumentacja musiała być dokładna.

PCB Design MATLAB Electronics
Inżynier analityki danych 2016 - 2017

Stream

Analityka i dane

Budowałem modele predykcyjne do segmentacji klientów i zautomatyzowane pipeline'y raportowania - eliminując 40% ręcznej pracy analityków.

SAS Python SQL ETL

Technologie, z którymi pracuję

AI i uczenie maszynowe
🤖
Agentic AI / Multi-Agent
🔗
RAG / Vector Embeddings
📐
Prompt Engineering
📈
LLMOps / Eval
⚙️
MCP Protocol
🧰
Claude Agent SDK
✨
GPT-5 / Gemini 2.5
🏠
Ollama / Local LLM
🎤
Whisper STT
🛡️
EU AI Act / GDPR
📊
MCDM / AHP
Inżynieria i programowanie
🐍
Python
🔧
C / C++
🗄️
SQL
📡
CAN / Embedded
📈
SAS / ETL
🔬
MATLAB
Infrastruktura i DevOps
🐳
Docker
🌐
Nginx
🚀
Hetzner VPS
🔀
Git / CI-CD
⚡
n8n / Automation
📦
Telegram API

Większość projektów AI kończy się na prezentacji. Ja wbudowuję AI w codzienną pracę - i zostaję, aż działa na dobre.

Jestem Alexey. W Kyocera Automotive and Industrial Solutions w Dietzenbach zajmuję się AI i transformacją cyfrową: 05-09/2026 jako pracujący student, od 10/2026 na pełny etat. Większość pracy to doradztwo wewnętrzne: rozmawiam z ludźmi, którzy wykonują pracę, rozrysowuję, jak procesy naprawdę przebiegają, sprawdzam, które narzędzia AI pasują, i pomagam ustalić zasady ich używania. Potem buduję na narzędziu AI, które pasuje najlepiej - Microsoft 365 Copilot, Claude, OpenAI albo innym - tam, gdzie to się opłaca. Po godzinach publicznie buduję własne AI: osobistego asystenta, który łączy Claude, OpenAI i Perplexity, badania ML nad sygnałami tradingowymi i tę stronę. Wszystko działa na moich własnych serwerach, codziennie.

Na KIT napisałem pracę magisterską o tym, jak firmy produkcyjne naprawdę wdrażają AI: model decyzyjny dla przetwarzania obrazu z użyciem AI w produkcyjnych MŚP, oparty na wywiadach z ekspertami i prawdziwych kryteriach decyzyjnych, a nie na obietnicach dostawców. Złożyłem ją we wrześniu 2026, dyplomu spodziewam się w październiku 2026. Dzięki niej mówię uczciwie o tym, co AI potrafi, a czego nie.

Zanim zająłem się AI, przez ponad trzy lata pisałem oprogramowanie krytyczne dla bezpieczeństwa w motoryzacji w ZF, a jeszcze wcześniej pracowałem przy lotniczych systemach pomiarowych i analityce danych. W tych dziedzinach nic nie wychodzi, dopóki nie wytrzyma prawdziwych warunków. Tę poprzeczkę stawiam dziś: AI, które przetrwa produkcję, a nie tylko demo. Poza ekranem znajdziesz mnie na siłowni, w drodze albo przy kolejnym eksperymencie - w czterech językach (EN · RU · DE · CZ).

0
Lat dośw.
0
Języków
0
Branż
AB
Lokalizacja Mannheim, Niemcy
Edukacja B.Sc. RTU · Ing. UWB Plzeň · M.Sc. na KIT, dyplom spodziewany 10/2026
Badania Jak przemysł wdraża AI (praca magisterska na KIT)
Języki RU ojczysty · EN C1 · CZ C1 · DE B2
Status AI i transformacja cyfrowa w Kyocera · buduję AI publicznie

Co utrzymuje mnie w formie

🏋️

Siłownia i dyscyplina - treningi niemal codziennie.

📷

Fotografia - fotografuję i dzielę się na Instagramie.

🖨️

Druk 3D i projektowanie - funkcjonalne wydruki i modele STL, które publikuję na MakerWorld.

🌍

Języki - rosyjski, angielski, niemiecki i czeski; następny włoski.

I write down what I build, most nights

Vibes per Token is my build-in-public journal on AI, agents and automation. What shipped, what broke, what it cost. English and Russian on Telegram.

See the journal

Inżynier, który mówi w obu językach

Stoję między serwerownią a salą zarządu. Potrafię napisać kod, zabezpieczyć infrastrukturę i zaprojektować pipeline danych - a potem wyjaśnić kierownictwu prostym językiem biznesu, ile to kosztuje, co przynosi i gdzie jest ryzyko. AI budowana w granicach danych UE, gdzie RODO i EU AI Act są ograniczeniami projektowymi, a nie dodatkiem po fakcie.

✓
Buduje na produkcji
Wszystko na tej stronie działa na moich własnych serwerach, codziennie - nie w demonstracyjnej piaskownicy.
✓
Odpowiedzialnie i gotowo na UE
RODO, EU AI Act i suwerenność danych uwzględnione od pierwszego dnia, a nie doczepione później.
✓
Neutralność względem dostawcy
Przenośne stacki - dane i logika nigdy nie zostają przywiązane do jednego modelu czy chmury.

Życie i praca na Instagramie

AB
@alexey.berezka
Twórca AI · druk 3D · życie w Mannheimie 🇩🇪
Obserwuj na Instagramie

Napisz do mnie

Pytanie o projekt lub wpis, pomysł do przegadania albo zwykłe cześć - wiadomość z formularza trafia prosto do mnie. Odpowiadam po angielsku, niemiecku, rosyjsku lub czesku.

Mieszkam w Mannheimie, Niemcy