Polski jest piękny, precyzyjny i potrafi zmienić formę słowa tak, że wyszukiwanie zaczyna przypominać grę towarzyską. „Faktura”, „fakturze”, „fakturą”, „fakturki” — trzy ostatnie mogą oznaczać zupełnie inny poziom pilności. Do tego dodaj firmowe skróty, angielskie nazwy funkcji, odmianę nazwisk i tabelę wklejoną jako zdjęcie. Model dostaje materiał, po którym odpowiada płynnie. Niestety płynność nie jest dowodem zrozumienia.
Dobra wiadomość: nie musisz przepisywać całej firmy na angielski ani zatrudniać lingwisty do każdej notatki. Potrzebujesz kilku porządków, które poprawią pracę ludzi i modeli jednocześnie. Przygotowanie polskich dokumentów jest jednym z najbardziej opłacalnych etapów wdrożenia AI, bo błędy w źródłach wracają później w każdej odpowiedzi.
Najpierw zrób test rzeczywistym pytaniem
Weź dwadzieścia pytań z firmy. Nie z dokumentacji testowej, tylko z pracy: „Kiedy kończy się umowa z Nowakiem?”, „Czy w pakiecie jest szkolenie?”, „Co znaczy status B2 w projekcie?”, „Jakie są warunki rabatu dla stałego klienta?”. Uruchom je na obecnym systemie i zapisz odpowiedzi.
Sprawdź, czy błąd wynika z modelu, braku dokumentu czy sposobu zapisu. Jeśli pytanie o Nowaka znajduje umowę Nowakowskiego, problem może dotyczyć wyszukiwania. Jeśli model zna trzy znaczenia B2 i wybiera przypadkowe, potrzebujesz słownika. Jeśli odpowiedź jest w obrazku, potrzebujesz tekstu.
Ten test pokazuje, gdzie inwestować. Nie zaczynaj od zmiany silnika, kiedy koła są zrobione z PDF-ów sfotografowanych pod kątem.
Słownik firmowy to warstwa bezpieczeństwa
Spisz skróty, nazwy własne, synonimy i słowa, które w twojej firmie mają szczególne znaczenie. „Klient premium” może oznaczać pakiet, wielkość kontraktu albo sposób traktowania. „Szybko” może znaczyć dziś, w tym tygodniu albo po akceptacji. Model nie powinien wybierać definicji na podstawie statystyki internetu.
Dobry wpis zawiera termin, definicję, przykład użycia, czego nie oznacza i właściciela. Na przykład: „B2 — drugi etap przeglądu oferty, po którym wymagana jest akceptacja właściciela projektu. Nie jest to ocena klienta ani status płatności. Używamy w ofertach i raportach projektowych.”
Dodaj warianty: „przegląd B2”, „drugi przegląd”, „B-2”. To pomaga wyszukiwaniu i ujednolica odpowiedzi. Nie próbuj opisać całego języka polskiego. Zacznij od trzydziestu terminów, które faktycznie wracają.
Nazwy projektów i osób
Ustal jedną nazwę kanoniczną dla klienta i projektu. Warianty mogą istnieć w dokumencie, ale główny rekord powinien je łączyć. „Aeneia”, „Aenea”, „AE”, „studio” nie zawsze są tym samym. To samo dotyczy nazwisk z odmianą i znakami diakrytycznymi.
W systemie warto przechowywać identyfikator projektu, nie tylko nazwę. W treści dokumentu dodaj pełną nazwę przynajmniej raz. Notatka „Ustalenia z Anią” jest zrozumiała przez tydzień, a po roku staje się zagadką kryminalną. „Ustalenia z Anną Kowalską — projekt AQ-24, 18 października 2026” jest mniej poetyckie i znacznie użyteczniejsze.
Nie wrzucaj danych osobowych ponad potrzebę. Słownik ma poprawiać kontekst, nie tworzyć nowy rejestr wrażliwych informacji.
PDF, który da się czytać maszynowo
Otwórz dokument i spróbuj zaznaczyć tekst. Jeśli nie możesz, potrzebujesz OCR, czyli rozpoznania tekstu z obrazu. Po OCR sprawdź polskie znaki, nagłówki, kolejność kolumn i liczby. Automat potrafi zamienić „ł” w „l” albo połączyć dwie kolumny w jedną opowieść.
Dla dokumentów o wysokim ryzyku porównaj wynik z oryginałem. Nie akceptuj transkrypcji kwot i dat bez kontroli. Przy skanach tabel czasem lepiej przepisać samą tabelę do arkusza niż polegać na automatycznym odzyskaniu struktury.
Zachowaj stronę źródłową i odnośnik do oryginału. Jeśli model cytuje fragment, człowiek musi móc szybko zobaczyć kontekst. Cytat bez możliwości weryfikacji jest tylko pewnie brzmiącym zdaniem.
Tabele potrzebują zdań wokół
Tabela bez tytułu, jednostek i opisu jest jak mapa bez legendy. Dodaj nad nią zdanie: „Ceny netto w PLN obowiązujące od 1 października 2026 dla nowych kontraktów.” Po niej zapisz wyjątki i właściciela. Wartość „3,4” w pustej komórce nie mówi, czy chodzi o tysiące, dni czy ocenę satysfakcji.
Jeśli arkusz zawiera formuły, zachowaj ich znaczenie w opisie. Model widzący sam wynik może nie wiedzieć, że liczba zależy od wybranego wariantu. Dla powtarzalnych analiz przygotuj eksport z nazwanymi kolumnami i jedną wartością w każdej komórce.
Unikaj scalonych komórek i wielopoziomowych nagłówków w materiale przeznaczonym do automatycznego odczytu. Dla człowieka wyglądają schludnie. Dla parsera często są żartem, i to nie najlepszym.
Krótkie sekcje zamiast wielkich bloków
Dziel dokumenty zgodnie z pytaniami, nie tylko co określoną liczbę znaków. Sekcja „Warunki płatności” powinna zawierać całą zasadę i jej wyjątki. Rozcięcie w połowie zdania utrudnia zarówno cytowanie, jak i zrozumienie.
Każda sekcja potrzebuje nagłówka, kontekstu i daty, jeśli może być użyta osobno. Nie powtarzaj jednak całego dokumentu przy każdym akapicie. Nadmiar powtórek zwiększa objętość i może rozmywać najważniejsze informacje.
W praktyce dobre fragmenty mają od kilkuset do około tysiąca znaków, ale nie ma uniwersalnej liczby. Liczy się kompletność myśli. Prosta lista kroków może być krótsza, analiza umowy dłuższa.
Wersja obowiązująca wygrywa z nazwą „finalna”
Dodaj status i datę. „Obowiązuje od”, „wycofane od”, „projekt do akceptacji”. Nazwa pliku „oferta_finalna_ostatnia_2” nie jest statusem. Jest dowodem na trudne chwile, które zespół przeżył razem.
Przy konflikcie wersji model ma pokazać różnicę i poprosić o decyzję. Nie powinien sklejać dwóch cenników w jeden. Instrukcja systemowa powinna wymagać wskazania źródła i daty oraz zatrzymania przy sprzeczności istotnej dla odpowiedzi.
Taki porządek opisuję szerzej w systemie wiedzy dla jednoosobowej firmy. Przy polskich materiałach jest szczególnie ważny, bo odmiana i skróty potrafią ukryć fakt, że dwa dokumenty mówią o tym samym.
Instrukcja dla modelu: mniej swobody
Gdy pracujesz z ofertami, umowami i regulacjami, zabroń dosłownie zgadywania: „Odpowiadaj wyłącznie na podstawie przekazanych fragmentów. Zachowaj polskie nazwy własne i liczby bez zmian. Nie skracaj zastrzeżeń. Jeśli termin nie występuje w słowniku lub dokumencie, oznacz go jako nieznany. Cytuj dokument i sekcję.”
Dla transkrypcji spotkań dodaj: „Nie przypisuj wypowiedzi mówcy, jeśli identyfikacja jest niepewna. Oddziel ustalenia od propozycji.” W transkrypcjach automatycznych polskie imiona i fachowe słowa potrafią przybierać zaskakujące formy.
Dla tłumaczeń nie wymagaj dosłowności za wszelką cenę. Wymagaj zachowania znaczenia prawnego lub handlowego, jednolitego słownika i listy fragmentów wymagających decyzji człowieka.
Zbuduj językowy zestaw regresji
Zbierz przypadki, które kiedyś zawiodły: odmiana nazwiska, skrót działu, liczba z przecinkiem, data w formacie „12.03”, negacja, zdanie warunkowe i dokument dwujęzyczny. Zapisz oczekiwaną odpowiedź.
Przy każdej zmianie modelu lub sposobu indeksowania uruchom ten sam zestaw. Test powinien sprawdzać nie tylko treść, ale również format: czy model nie zamienił 3,4 na 3.4, nie pominął słowa „nie” i nie połączył dwóch wyjątków.
Możesz rozbić ocenę na kilka kryteriów: poprawność faktów, zgodność terminologii, kompletność, źródło i naturalność języka. Dokładny sposób znajdziesz w przewodniku po testowaniu odpowiedzi AI.
Kiedy wystarczy prosty system
Jeśli masz kilkadziesiąt dobrze nazwanych dokumentów i powtarzalne pytania, zacznij od jednego narzędzia z dostępem do tych plików. Nie musisz od razu budować własnego RAG-u. System wyszukiwania ma sens, kiedy porządek źródeł już istnieje, a skala uzasadnia automatyzację.
Anthropic zaleca w systemach agentowych zaczynanie od najprostszej konstrukcji i zwiększanie złożoności tylko wtedy, gdy poprawia wynik. Zobacz źródło. To zasada również dla polskiej bazy: najpierw czytelne źródła, potem indeksowanie, na końcu agenci z narzędziami.
Jeżeli model odpowiada dobrze na dziewiętnaście z dwudziestu pytań, nie komplikuj całości dla samej idei. Zbadaj dwudzieste. Być może wystarczy dopisać definicję jednego skrótu.
Przykład przed i po porządku
Przed: plik „Nowa oferta 2026 final.docx” zawiera tabelę bez jednostek, skrót „SD” i zdanie „standardowo nie robimy tego dla mniejszych klientów”. Model może nie wiedzieć, czy oferta obowiązuje, co znaczy SD, jakich klientów dotyczy wyjątek i co znaczy „standardowo”.
Po: tytuł „Standard świadczenia — oferta obowiązująca od 1 października 2026”, status „zatwierdzone”, właściciel, tabela z cenami netto w PLN i słownik „SD — standard świadczenia”. Wyjątek brzmi: „Dla kontraktów poniżej 8 000 zł netto zakres SD nie obejmuje warsztatu wdrożeniowego. Klient może zamówić go osobno.”
Druga wersja jest dłuższa o kilka zdań, ale znacznie krótsza w późniejszych wyjaśnieniach. Dokument przestaje wymagać obecności autora przy każdym pytaniu. To jest właściwy cel: nie pisanie pod algorytm, tylko pisanie tak, żeby znaczenie przetrwało bez twojego komentarza.
Uwaga na transkrypcje i język mówiony
Automatyczna transkrypcja zapisuje pewność tam, gdzie rozmówca się wahał. „No chyba moglibyśmy” może stać się w podsumowaniu twardym zobowiązaniem. Dodaj zasadę oznaczania ustaleń dopiero po potwierdzeniu przez właściciela. Nie zmieniaj luźnych propozycji w listę obietnic.
Przy spotkaniach zapisuj datę, uczestników i decyzje w osobnym fragmencie. Model może przygotować szkic, ale jedna osoba sprawdza go przed udostępnieniem. Dzięki temu późniejsze pytanie „co obiecaliśmy?” trafia do zatwierdzonej decyzji, a nie do żartu wypowiedzianego przy kończeniu rozmowy.
Plan porządku na jeden dzień
Rano wybierz dziesięć najważniejszych dokumentów i dwadzieścia pytań. Sprawdź tekst, statusy i wersje. Po południu przygotuj trzydzieści terminów słownika, popraw nagłówki tabel i dodaj źródła. Wieczorem uruchom testy i zapisz błędy.
Nie musisz porządkować wszystkiego. Zacznij od materiałów, które wpływają na ofertę, pieniądze i obsługę klienta. Kolejne dokumenty porządkuj przy okazji realnego użycia.
Jeżeli w dokumentach znajdują się dane wrażliwe, najpierw ustal zasady dostępu i przetwarzania. Pomocny jest przewodnik po AI Act i codziennych obowiązkach, a przy automatyzacji — minimalne uprawnienia agentów.
Polski nie jest problemem do rozwiązania. Jest językiem, w którym twoja firma myśli. Dobry system ma ten język zrozumieć z kontekstem, wyjątkami i całym bogactwem „no to ustalmy, że jest ustalone” — czyli z dokumentem potwierdzającym, co naprawdę ustalono. Porządek w języku to po prostu porządek w myśleniu, tylko z lepszym wyszukiwaniem. Zacznij od jednego dokumentu, którego najczęściej używasz, i popraw go tak, żeby kolejna osoba nie musiała dzwonić z pytaniem o podstawowe znaczenie. Model skorzysta dokładnie z tej samej jasności.
Sprawdź nas. To zdrowe.
Temat zmienia się szybko. Linki prowadzą do źródeł pierwotnych i stron, na których możesz zweryfikować kontekst.
