Jeden z naszych klientów zarządzał łańcuchem dostaw obejmującym 47 dostawców, 12 magazynów i dziesiątki tysięcy SKU. Procesy planowania i raportowania były w całości manualne — raz w tygodniu eksport do Excela, godziny spędzone na uzgadnianiu danych.

Dostaliśmy zadanie: zautomatyzować, przyspieszyć, dać menedżerom dostęp do danych w czasie rzeczywistym. Wybraliśmy Java 21 + Spring Boot 3.2 jako backend — sprawdzony stack dla systemów enterprise.

System wyrósł do ponad 300 endpointów REST. Każdy moduł — zakupy, magazyn, dostawy, prognozy — miał własne API. Integracja z systemem ERP klienta wymagała obsługi sześciu różnych formatów danych.

Kluczową innowacją był moduł Text2SQL. Menedżerowie mogli pisać pytania po polsku: „Ile sztuk produktu X zostało zamówionych w ostatnim kwartale przez dostawcę Y?” — system tłumaczył to na zapytanie SQL i zwracał odpowiedź w ciągu sekund. Zbudowaliśmy go na bazie modelu językowego z fine-tuningiem na schemacie bazy danych klienta.

Drugi komponent AI to RAG (Retrieval-Augmented Generation) dla dokumentacji. System miał dostęp do setek kontraktów z dostawcami, specyfikacji produktów i procedur wewnętrznych. Pracownicy mogli zadawać pytania o konkretne warunki umów — np. „Jaki jest okres gwarancji dla produktów z kategorii chłodniczej od dostawcy Z?” — i otrzymywać precyzyjne odpowiedzi wraz z cytatem z dokumentu źródłowego.

Efekty po 6 miesiącach: czas przygotowania tygodniowego raportu skrócił się z 8 godzin do 20 minut. Liczba błędów w zamówieniach spadła o 34%. Menedżerowie mają dostęp do dashboardu w czasie rzeczywistym zamiast cotygodniowego snapshotu.

Chcesz wiedzieć więcej o tym, jak budujemy systemy enterprise z AI? Napisz do nas: development@mi-code.pl

Najczęstsze pytania

Jakiej skali był łańcuch dostaw, który udało się zautomatyzować?
Klient zarządzał łańcuchem dostaw obejmującym 47 dostawców, 12 magazynów i dziesiątki tysięcy SKU. Procesy planowania i raportowania były w całości manualne — raz w tygodniu eksportowano dane do Excela i spędzano godziny na ich uzgadnianiu.
Jaki stack technologiczny wykorzystano do budowy backendu?
Backend zbudowano w oparciu o Java 21 i Spring Boot 3.2 — sprawdzony stack dla systemów enterprise. System rozrósł się do ponad 300 endpointów REST, a integracja z systemem ERP klienta wymagała obsługi sześciu różnych formatów danych.
Na czym polega moduł Text2SQL i jak działa?
Moduł Text2SQL pozwala menedżerom zadawać pytania po polsku, na przykład ile sztuk danego produktu zamówiono u dostawcy w ostatnim kwartale, a system tłumaczy je na zapytanie SQL i zwraca odpowiedź w ciągu sekund. Zbudowano go na bazie modelu językowego z fine-tuningiem na schemacie bazy danych klienta.
Do czego służy komponent RAG w tym systemie?
Komponent RAG daje pracownikom dostęp do setek kontraktów z dostawcami, specyfikacji produktów i procedur wewnętrznych, dzięki czemu mogą zadawać pytania o konkretne warunki umów. System zwraca precyzyjne odpowiedzi wraz z cytatem z dokumentu źródłowego.
Jakie efekty przyniósł system po 6 miesiącach?
Po 6 miesiącach czas przygotowania tygodniowego raportu skrócił się z 8 godzin do 20 minut, a liczba błędów w zamówieniach spadła o 34%. Menedżerowie zyskali dostęp do dashboardu w czasie rzeczywistym zamiast cotygodniowego snapshotu.
← Powrót do MiCode