software house skoncentrowany na aiPolska — zdalnie w całego ŚWIATA

Prototyp w kilka dni.Systemy produkcyjne,które się bronią.

PrudentCode to software house skoncentrowany na AI. Budujemy platformy SaaS, systemy CRM, aplikacje mobilne i produkty IoT — od przemyślanego UX i interfejsu, przez architekturę, model danych, backend i integracje, po chmurę i urządzenia, na których działają. Za każdą decyzję architektoniczną i każdą linię kodu trafiającą na produkcję odpowiada doświadczony inżynier.

Praktyka 01
Platformy SaaS
Praktyka 02
CRM i systemy wewnętrzne
Praktyka 03
Aplikacje mobilne
Praktyka 04
IoT i AI na urządzeniach
usługi

Cztery praktyki, jeden zespół i odpowiedzialność za cały produkt.

Nie traktujemy projektu jako listy godzin do wypracowania. Bierzemy odpowiedzialność za design, architekturę, frontend, backend i wdrożenie — a przy projektach IoT także za to, co dzieje się na samym urządzeniu.

01

Platformy SaaS

Projektujemy produkty SaaS z myślą o dalszym wzroście: izolacji danych klientów, rolach i uprawnieniach, rozliczeniach oraz API, którego nie trzeba przebudowywać przy każdym kolejnym etapie rozwoju.

Nest.jsFastAPIPostgreSQLGraphQLStripe
  • Architektura multi-tenant tam, gdzie wymaga tego model produktu
  • Role, uprawnienia i izolacja danych pomiędzy organizacjami
  • Subskrypcje, płatności, fakturowanie i limity planów
  • REST i GraphQL dla aplikacji webowych, mobilnych i integracji
  • Indeksy, cache, kolejki zadań i przetwarzanie asynchroniczne od początku tam, gdzie są potrzebne
02

CRM i systemy wewnętrzne

Klienci, oferty, projekty, dokumenty i rozliczenia w jednym spójnym systemie — zamiast procesu rozproszonego pomiędzy arkuszami i narzędziami, które przestały ze sobą współpracować.

RBACPDFIntegrationsReportingAudit log
  • Model danych obejmujący cały proces — od leada po realizację i rozliczenie
  • Role i uprawnienia schodzące, gdy potrzeba, do poziomu pojedynczego rekordu
  • Generowanie dokumentów, integracje z pocztą, kalendarzem, księgowością i systemami zewnętrznymi
  • Raportowanie bezpośrednio na danych aplikacji, a przy większej skali także z wydzieloną warstwą analityczną
  • Historia zmian i audit log tam, gdzie proces wymaga pełnej ścieżki audytu
03

Aplikacje mobilne

Dobieramy technologię do sposobu korzystania z produktu. Gdy aplikacja mobilna jest rozszerzeniem systemu webowego, wykorzystujemy wspólny kod tam, gdzie ma to sens. React Native wchodzi wtedy, gdy potrzebna jest praca offline, funkcje natywne albo bardziej rozbudowany mobilny UX.

ReactCapacitorReact NativeExpoPushApp Store / Play
  • React + Capacitor dla aplikacji mocno współdzielących logikę z webem
  • React Native / Expo przy pracy offline, funkcjach natywnych i rozbudowanym UX mobilnym
  • Wspólne API i kontrakty danych dla aplikacji webowej i mobilnej
  • Publikacja na kontach deweloperskich klienta
  • Powiadomienia push, monitoring błędów i obserwacja rzeczywistego użycia aplikacji
04

IoT i AI na urządzeniach

Łączymy software chmurowy z tym, co dzieje się na urządzeniu: lokalną inferencją, telemetrią, provisioningiem i zdalnym zarządzaniem flotą działającą poza kontrolowanym środowiskiem centrum danych.

Raspberry Pi 5Computer VisionMQTTOTAEdge AI
  • Pipeline’y wizyjne i modele AI uruchamiane lokalnie, z optymalizacją pod zasoby urządzenia
  • Provisioning urządzeń i telemetria przez MQTT
  • Praca przy niestabilnym połączeniu oraz lokalne buforowanie danych, gdy wymaga tego system
  • Aktualizacje OTA, zdalna konfiguracja, diagnostyka i monitoring floty
  • Bezpieczna komunikacja urządzenie–chmura: TLS, certyfikaty urządzeń, mTLS, ACL na topikach MQTT i rotacja poświadczeń
jak pracujemy

Szybko tam, gdzie to tanie, wolno tam, gdzie to ważne.

Nowoczesne narzędzia znacznie skracają drogę do pierwszej działającej wersji. Nie skracają jednak pracy nad architekturą, bezpieczeństwem czy modelem danych — dlatego czas zaoszczędzony na implementacji przeznaczamy właśnie na te decyzje.

01

Najpierw analiza, potem właściwy następny krok

Zaczynamy od zrozumienia celu, zakresu, użytkowników i ograniczeń projektu. Wynik analizy wyznacza dalszą drogę — przy mniejszych systemach często możemy szybko przejść do prototypu lub pierwszej wersji produktu. Przy większych zaczynamy od makiet, przepływów użytkownika i uporządkowania architektury, zanim rozpocznie się właściwa implementacja.

analiza → dobór właściwej ścieżki → projektowanie i architektura → budowa
02

Agenci AI piszą, człowiek odpowiada

Agenci AI znacząco przyspieszają u nas implementację, ale nie podejmują decyzji za zespół. Architekturę, model danych, bezpieczeństwo i kod trafiający na produkcję weryfikuje doświadczony inżynier.

AI przyspiesza implementację · odpowiedzialność pozostaje po stronie człowieka
03

UX oparty na dowodach

Decyzje dotyczące interfejsu opieramy na obserwacji użytkowników, danych i rzeczywistych przepływach, a nie wyłącznie na intuicji. Ustalenia odnosimy do konkretnych ekranów i interakcji, a rekomendacje wynikają z tego, co rzeczywiście dzieje się podczas korzystania z produktu.

obserwacja → dane → wnioski → decyzje projektowe
proces

Zaczynamy od analizy, nie od kodu.

Kolejność ma tu znaczenie. Każdy etap kończy się czymś, co zostaje u Państwa — dokumentem, modułem albo działającym wdrożeniem — i po każdym można się zatrzymać.

01

Analiza

Płatny, zamknięty etap zakończony dokumentem: zakres, model danych, ryzyka i wycena etapów. Dokument jest Państwa własnością — także jeśli dalsze prace poprowadzi ktoś inny.

02

Architektura

Wybór stosu z uzasadnieniem, granice usług, model danych i plan wdrożenia. Decyzje zapisujemy razem z warunkiem, przy którym byśmy je zmienili.

03

Budowa etapami

Każdy etap kończy się działającym fragmentem systemu, odbieranym osobno. Po pierwszym z nich zwykle da się już pracować na systemie.

04

Utrzymanie i rozwój

Monitoring, poprawki i kolejne moduły — w pakiecie godzin miesięcznie albo rozliczeniu godzinowym. Kod powstaje od początku w repozytorium klienta, a zasady przeniesienia praw określamy w umowie.

Architektura backendu

Systemy modułowe i rozproszone, architektura zdarzeniowa oraz mikroserwisy projektowane z myślą o utrzymaniu, obserwowalności i dalszym rozwoju.

Pipeline’y AI i wizyjne

Detekcja osób i obiektów, analiza obrazu, OCR oraz integracja modeli AI — w chmurze lub bezpośrednio na urządzeniu.

Platformy IoT

Provisioning urządzeń, telemetria, zdalna konfiguracja i aktualizacje OTA dla urządzeń działających w terenie.

Komunikacja w czasie rzeczywistym

MQTT, WebSockets i bezpieczna wymiana danych w warunkach niestabilnej lub okresowo niedostępnej sieci.

API i integracje

REST i GraphQL, integracje z systemami zewnętrznymi, płatności, uwierzytelnianie i dostawcy tożsamości.

Chmura i DevOps

Docker, AWS i GCP, automatyczne CI/CD, zarządzanie środowiskami oraz powtarzalne wdrożenia.

Przetwarzanie danych

Pipeline’y ingestii, ekstrakcji i transformacji danych — od dokumentów i obrazów po ustrukturyzowane rekordy gotowe do dalszego przetwarzania.

Wydajność

Indeksy, cache, kolejki, agregacje i optymalizacja inferencji — zarówno dla systemów o dużym ruchu, jak i urządzeń z ograniczonymi zasobami.

realizacje

Systemy od początku do końca.

Własny produkt AI, komercyjne wdrożenie liczące modele na urządzeniach oraz platforma dokumentowa od pipeline’u OCR po aplikację dla użytkownika. Czwarta pozycja to kompetencja, nie zrealizowane wdrożenie — i jest opisana wprost jako taka.

JourneyLens — audyt UX z nagrań ekranu

journeylens.io
Multi-model AIGeminiVideo pipelineRAGCloud RunGCP
  • Wejściem jest nagranie sesji produktu, wyjściem diagram ścieżki użytkownika i lista konkretnych ustaleń UX — w minutach, nie po tygodniu ręcznego oglądania
  • Trzy modele analizują to samo nagranie i wzajemnie się sprawdzają: ustalenie, które widzi tylko jeden z nich, nie staje się rekomendacją
  • Pipeline wideo strumieniuje duże pliki wprost do resumable upload API modelu, zamiast buforować je po drodze — z heartbeatem postępu widocznym w interfejsie
  • Analizy idą jako zadania w tle na Cloud Run z wyłączonym throttlingiem CPU — żądanie wraca od razu, przetwarzanie leci dalej; usługa działa w regionie europe-west1, sekrety w Secret Manager

Platforma Edge AI dla urządzeń w terenie

wdrożenie komercyjne · szczegóły objęte poufnością
Computer VisionRaspberry Pi 5MQTTOTAFleet management
  • Detekcja i analiza obrazu liczone lokalnie na urządzeniu — klatki nigdy go nie opuszczają, do chmury idą wyłącznie wyniki
  • Raspberry Pi 5 jako platforma docelowa: model zoptymalizowany pod budżet obliczeniowy urządzenia, a nie pod GPU w centrum danych
  • Urządzenia raportują przez MQTT i są projektowane pod niestabilne LTE — utrata łącza nie zatrzymuje pracy urządzenia
  • Provisioning, zdalne aktualizacje i monitoring przez jedno API — większość zmian i diagnostyki nie wymaga fizycznego dostępu do urządzenia

Private AI — warianty wdrożenia dla danych, które nie mogą trafić do publicznego API

kompetencja i laboratorium · nie opis zrealizowanego wdrożenia
Local LLMOn-premisePrivate cloudVPCRAGDocker
  • Umowy, dane pracownicze, dokumentacja wewnętrzna — bywają materiały, których nie wysyła się do publicznego API. Są na to dwie drogi i warto wybrać je świadomie, zanim powstanie pierwszy prototyp
  • Lokalnie: model stoi na Państwa serwerach i nic nie opuszcza sieci. Trzymamy własną maszynę z modelami lokalnymi, więc podejście da się sprawdzić na Państwa dokumentach, zanim ktokolwiek podpisze umowę powierzenia danych
  • W chmurze, ale w izolacji: prywatna łączność z usługą modelu (dedykowany VPC, prywatne endpointy) w regionie UE, na usłudze, której warunki wykluczają wykorzystanie Państwa danych do trenowania modeli — to trzeba potwierdzić dla konkretnego dostawcy, nie zakładać
  • Architektura jest w obu wariantach ta sama: retrieval, dowód pod każdym wnioskiem, ustrukturyzowane wyjście. Zmienia się wyłącznie to, gdzie liczy się inferencja
  • Kompromis mówimy wprost: model lokalny jest słabszy od najlepszych hostowanych. Dlatego zaczynamy od pomiaru tej różnicy na Państwa dokumentach, a rekomendację wydajemy dopiero po nim

Document intelligence — od PDF do przeszukiwalnego produktu

platforma własna zbudowana samodzielnie · pipeline i produkt
Tesseract OCRPDFPythonNode.jsGraphQLReact
  • Pipeline PDF → obraz → OCR → rekordy produktowe, wykonywany asynchronicznie w kolejce, a nie w żądaniu HTTP
  • Tysiące produktów odświeżanych przy każdym cyklu wydawniczym, bez ręcznego wprowadzania danych
  • Wynik normalizowany do przeszukiwalnych rekordów — nazwa, cena, okres obowiązywania — a nie surowy tekst; cała trudność siedzi w przypadkach brzegowych: słabych skanach, układach wielokolumnowych, cenach wydrukowanych jako grafika
  • Na tym pipelinie stanął produkt konsumencki: mapa sklepów z Overpass API i wyszukiwaniem po odległości, listy zakupowe, jedno API GraphQL dla weba i mobile
  • Od scrapera po system kont — cały stos powstał samodzielnie, dlatego żaden jego element nie jest dla nas czarną skrzynką
technologie

Backend

  • Node.js — Nest.js, Express
  • Python — FastAPI, Flask

Frontend

  • React
  • Next.js

Mobile

  • React + Capacitor
  • React Native / Expo

Bazy danych

  • PostgreSQL · MySQL
  • MongoDB · Redis

AI / Data

  • Computer Vision
  • OCR — Tesseract
  • RAG i agenty
  • Lokalne LLM-y (on-premise)

IoT

  • Raspberry Pi · MQTT
  • Aktualizacje OTA
  • Provisioning

Cloud & DevOps

  • AWS · GCP · Vercel
  • Docker · DigitalOcean
  • GitHub Actions

Architektura

  • Mikroserwisy
  • Systemy zdarzeniowe
  • Systemy czasu rzeczywistego

Rdzeń zespołu tworzą dwie role: doświadczony inżynier oprogramowania oraz PM/PO z wieloletnim doświadczeniem produktowym. Najtrudniejsze decyzje w projekcie rzadko są wyłącznie techniczne — architektura musi wytrzymać kolejne lata rozwoju, a produkt jednocześnie realizować cele biznesowe tu i teraz. Ten balans między inżynierią a produktem jest podstawą naszego sposobu pracy.

Zakres

Design, architektura, frontend, backend, model danych i integracje — odpowiedzialność za cały ten obszar pozostaje po naszej stronie.

Co to zmienia

Nie dostają Państwo osobno architekta, programisty i osoby, która tłumaczy jedną stronę drugiej. Decyzje techniczne i produktowe zapadają w jednym zespole, bez zbędnych warstw pośrednich i długiego przekazywania kontekstu.

Języki

Polski — ojczysty. Angielski — C1. Prowadzimy projekty i rozmowy techniczne w obu językach.

insights

Notatki z budowania systemów.

Krótkie materiały o decyzjach, które podejmujemy w projektach — i o tym, co z nich wynika po wdrożeniu.

Tworzenie oprogramowania z wykorzystaniem AI: od prototypu do produkcji

Sztuczna inteligencja zmienia sposób tworzenia oprogramowania szybciej, niż większość zespołów zdążyła zaktualizować swoje prezentacje sprzedażowe. W ciągu kilku minut można dziś…

AI software developmentsoftware engineeringproduct development

Computer Vision i IoT w zarządzaniu produkcją

Na hali produkcyjnej wiele istotnych informacji nie pojawia się w systemie ERP, tabeli ani raporcie. Widać je na kamerze, słychać w pracy maszyny albo można je odczytać z sensora. Ruch w…

Computer VisionIoTEdge AIproduction systems
Wszystkie artykuły
kontakt

Mają Państwo system, który musi
po prostu działać?

Proszę napisać, co ma powstać, kto będzie z tego korzystał i które elementy są najbardziej krytyczne. Odpowiadamy w ciągu jednego dnia roboczego — zwykle od razu z pytaniami, które pomagają szybko ustalić najważniejsze ryzyka i kolejny krok.

SiedzibaPolskapracujemy zdalnie z całego ŚWIATA · strefa CET przeważnie

Wiadomość trafia prosto do nas. Używamy jej wyłącznie do odpowiedzi na Państwa zapytanie.