AI-Wall

Sprowadzam niezgodne dane do jednego modelu — i utrzymuję to jako działającą usługę

AI-Wall · Michał Mazurowski, Solutions Architect · Gdańsk, praca zdalna

Kilkadziesiąt cudzych źródeł, każde z własnym formatem, własnymi brakami i własnym pomysłem na to, czym jest data. Sprowadzam je do jednego modelu, który da się odpytać, wystawiam nad nim API i biorę odpowiedzialność za to, że jutro też działa — z monitoringiem, wydaniami i procedurą na wypadek, gdy źródło zniknie albo zmieni format bez uprzedzenia.

  • ~20 infrastruktur klienckichżadne dwie takie same — jedna praktyka utrzymania na wszystkich
  • SLA z karami umownymibudżet awarii poniżej dwóch godzin miesięcznie, nigdy nieprzekroczony
  • Monitoring, zanim były narzędziaprodukcyjne systemy kasowe monitorowane własnymi skryptami, zanim wdrożyłem tam centralne logowanie; narzędzia trzeba było najpierw zbudować
  • Metodyka z DOIcudze, niezgodne rejestry sprowadzone do jednej odpytywalnej bazy — opisane i możliwe do zacytowania: 10.5281/zenodo.19745884

Trzy rzeczy, jedna po drugiej

To nie są trzy oferty do wyboru. To jedna droga: dane wchodzą, stają się usługą, usługa działa dalej. Najczęściej klient ma za sobą pierwszy krok i utknął na trzecim.

01 · Sprowadzam dane do jednego modelu — integracja i harmonizacja źródeł

Cudze źródła nie są zgodne i nie będą. Różnią się formatem, jednostką, układem współrzędnych, definicją tego samego pola i tym, co robią, gdy czegoś nie wiedzą. Buduję warstwę ingestii, która sprowadza je do wspólnego modelu bez wyrzucania oryginalnych atrybutów — bo pytanie „skąd ta wartość" pada zawsze, tylko później.

PostgreSQL / PostGIS · FastAPI + asyncpg · widoki zmaterializowane · partycjonowanie · JSONB

Dowód: rejestry naukowe i rządowe, każdy z własnym formatem i własnymi brakami, sprowadzone do jednego zapytywalnego modelu, z zachowaniem atrybutów źródłowych. Pokazane na danych środowiskowych i geoprzestrzennych — to dziedzina, w której to zbudowałem, a nie granica tego, co potrafię przenieść gdzie indziej.

02 · Wpuszczam to na produkcję — wydania, CI/CD i nadzór nad modelami AI

Wydanie ma być powtarzalne i dające się zaudytować: bramka zatwierdzania tam, gdzie ryzyko tego wymaga, i bez człowieka tam, gdzie nie wymaga. Ta sama zasada dotyczy AI. Nie sprzedaję „agentów" — buduję je, ale sprzedaję działający system, nie technologię. Wpuszczam model na produkcję w reżimie: guardraile, ślad audytowy, zmierzony koszt i odpowiedź na pytanie, co system robi, kiedy źródła nie ma.

GitHub Actions · GitLab CI · Jenkins · Azure DevOps · Terraform · Kubernetes · Docker · AWS · Azure · Cloud Run

Dowód: kontrolowany benchmark pięciu konfiguracji modelu na tym samym zadaniu, każda w osobnym worktree od tego samego commitu, prompt identyczny co do bajtu — zmierzony koszt, liczba tur i przechodzące testy. Wybór modelu i parametrów rozstrzygnięty pomiarem, nie wyczuciem — a największą różnicę zrobił jeden parametr, nie zmiana modelu. Osobno: bramka eksportu z listą dozwolonych ścieżek, testowana samosabotażem i uruchamiana w CI.

03 · Utrzymuję to w ruchu — monitoring, observability i ITSM

To jest część, bez której dwa poprzednie kroki są deklaracją. Logi, metryki i zdarzenia w jednym miejscu, żeby awarię było widać zanim zobaczy ją klient. Do tego rzecz nietechniczna, a rozstrzygająca: triage, priorytety i raportowanie wobec uzgodnionego poziomu usługi — oraz rozdzielenie tego, co gasi pożar, od tego, co go likwiduje.

ELK · Splunk · Graylog · Solr · monitoring produkcyjny · SLA · analiza przyczyn źródłowych · runbooki

Dowód: ponad dwadzieścia lat po stronie utrzymania — od dyspozytorni serwisowej i nocnych dyżurów po architekturę. „Utrzymam to, co zbudowałem" jest wiarygodne wyłącznie od kogoś, kto ma za sobą tamtą stronę telefonu.

Jak pracuję

Pięć zasad, które ustalamy przed pierwszą linijką kodu.

  • Zakres i cena ustalone z góry. Zanim zaczniemy, wiesz co dostajesz, kiedy i za ile. Rozliczam całość zadania, nie liczbę przepracowanych godzin.
  • Zdalnie, z Gdańska. Pracuję zdalnie dla klientów w Polsce i za granicą. Spotkania na miejscu w Trójmieście, gdy rzecz tego wymaga.
  • Najpierw wynik, potem narzędzie. Wybór technologii wynika z tego, co ma się wydarzyć w produkcji, i z tego, co Twój zespół utrzyma po moim wyjściu.
  • Podwykonawstwo i outsourcing wąskiej funkcji. Wchodzę jako podwykonawca w jasno odgraniczonym zakresie: utrzymanie jednej usługi, integracja jednego źródła, odpowiedzialność za wydania. Nie zastępuję zespołu i nie wynajmuję ludzi na godziny.
  • Dokumentacja jest częścią dostawy. Runbook, procedura i opis decyzji jadą razem z rozwiązaniem. Ponad dwadzieścia lat po stronie utrzymania nauczyło mnie, ile kosztuje ich brak.

Kto to robi

AI-Wall to dziś jedna osoba i mówię o tym wprost, bo to zmienia sposób pracy: rozmawiasz z tym samym człowiekiem, który potem pisze kod i odbiera telefon, kiedy coś stanie.

  • Michał Mazurowski Solutions Architect · Gdańsk · praca zdalna

    Ponad dwadzieścia lat operacji produkcyjnych — od dyspozytorni serwisowej i utrzymania sieci, przez inżynierię systemów na Linuksie i wdrożenia pod audytem, po architekturę rozwiązań chmurowych i systemów AI. U jednego pracodawcy przeszedłem cztery kolejne role w pięć i pół roku; dwa razy prowadziłem zespół, choć nigdy nie było to moim głównym zajęciem — wolę odpowiadać za działający system niż za grafik. Pracuję samodzielnie, jako podwykonawca w wąsko zdefiniowanym zakresie. Zarejestrowany jako niezależny badacz: ORCID 0009-0007-3786-0310.

Na czym to opieram

Wybrane wdrożenia z historii zatrudnienia oraz własny projekt badawczy, który jest publicznie dostępny i można go sprawdzić bez pytania mnie o zdanie. Nazw pracodawców i klientów tu nie podaję — omówię je w rozmowie, w zakresie, na jaki pozwalają umowy.

  • Platforma analityki grafowej wdrażana w kilku krajach europejskich i w USA Wdrożenia na dużą skalę pod rygorem zgodności i audytu; provisioning infrastruktury opisany w Terraform na AWS, Azure, VMware i on-premises, żeby wdrożenie było powtarzalne i dało się je zaudytować.
  • Infrastruktura zgodna z PCI dla platformy danych klientowskich Segmentacja sieci, utwardzone obrazy, potoki wydań gotowe na audyt.
  • Migracje monolitów na Kubernetes z wydaniami bez przestoju Konteneryzacja na Kubernetes i Rancher, potoki Jenkins z bramką człowieka na ścieżkach o wyższym ryzyku i bez niej tam, gdzie nie była potrzebna.
  • Centralne logowanie i monitoring dla zespołu produkcyjnego Wdrożenie ELK, następnie Splunk, Graylog i Solr; skrypty ciągłego monitoringu wykrywające degradację, zanim stanie się awarią.
  • Systemy AI osadzone w procesach biznesowych przedsiębiorstwa Analiza podobieństwa oparta na agentach, wyszukiwanie i odpowiedzi na dokumentach firmowych dla użytkowników nietechnicznych, potoki danych zasilające modele — od prototypu i warsztatów z interesariuszami po produkcję i utrzymanie. Prowadzę to obecnie.

Projekt niekomercyjny

something-rare.com — Abyssal Claims

Poletko, na którym cała powyższa teza została pokazana od początku do końca. Platforma badawcza o wydobyciu głębinowym i lądowym, zbudowana i utrzymywana przeze mnie samodzielnie: ingestia z kilkudziesięciu niezgodnych rejestrów, usługi API, baza, front, konteneryzacja, wydania i monitoring. Nie jest produktem ani usługą i nie sprzedaję do niej dostępu — jest dowodem. Metodyka opisana w recenzowalnym artykule, do zacytowania po DOI.

Zrzut ekranu platformy Abyssal Claims: strefa Clarion-Clipperton na Pacyfiku z dwunastoma włączonymi warstwami — turkusowe kontrakty wydobywcze ISA, fioletowe obszary chronione APEI, obszary zarezerwowane i zrzeczone, aktywność offshore w Zatoce Meksykańskiej, ścieżki pływaków Argo, zagęszczenia gatunków z OBIS i góry podwodne, obok panelu warstw z listą źródeł.
Strefa Clarion-Clipperton, dwanaście warstw naraz: kontrakty ISA, obszary chronione, aktywność offshore, pływaki Argo, gatunki, góry podwodne. Każda pozycja w panelu po lewej to osobne źródło sprowadzone do wspólnego modelu.
~90
zbiorów danych w jednym modelu
~40
instytucji naukowych i rządowych jako źródła
44
strony artykułu metodycznego

Kontakt

Najprostszy pierwszy krok: napisz, co się psuje — jedno źródło, które ciągle wywraca import, albo wdrożenie, którego nikt nie chce ruszać. Odpiszę, czy to jest dla mnie, i czego potrzebuję, żeby wycenić to sensownie. Nie musisz mieć gotowej specyfikacji ani decyzji o współpracy. Numer telefonu podaję w odpowiedzi na wiadomość.

E-mail
m.mazurowski@ai-wall.com
LinkedIn
michał-mazurowski
ORCID
0009-0007-3786-0310