Deploy AI

Deploy AI jest polską platformą i usługą wdrożeniową do budowy wieloagentowych procesów biznesowych. Łączy probabilistyczne AI z deterministycznym kodem, walidacją i human-in-the-loop. Oferuje OCR/VLM, RAG z cytowaniami, workflow, cross-check danych, scoring pewności, komunikację i wdrożenia cloud, hybrid oraz on-premise. Firma powstała w 2026 r. i publikuje niewiele dowodów poza własną stroną: brak docs, MCP/API, cennika, klientów i niezależnych opinii.

Deploy AI Sp. z o.o. została zarejestrowana 17 lutego 2026 r. w Katowicach, z kapitałem 5000 PLN. Zarząd i po 50 udziałów mają Artur Dłużewski i Krzysztof Łysikowski. Strona mówi o 20 latach doświadczenia zespołu w architekturze, infrastrukturze i software engineering — to doświadczenie osób, nie wiek produktu. Rejestr.io

Oferta ma charakter solution/platform engineering: zaczyna od warsztatu, potem pilotu na danych klienta, produkcji i dokładania procesów do wspólnego rdzenia. Nie jest jasne, ile elementów jest gotowym produktem konfigurowalnym, a ile powstaje jako custom project.

Deklarowana architektura rozdziela zadania między wyspecjalizowane mniejsze modele. Deterministyczny kod otacza każdego agenta, waliduje input, weryfikuje output i ma przechwytywać błędy/hallucinations. Confidence scoring kieruje niepewne wyniki do człowieka. Strona produktu

Moduły obejmują OCR/VLM dla PDF, skanów, faktur i umów; RAG/vector search z cytowaniami; wieloetapowy workflow od pobrania do raportu/powiadomienia; cross-validation z zewnętrznymi rejestrami; anomaly/risk scoring oraz generowanie komunikacji. To realne wzorce AI automation, ale bez dokumentacji nie znamy modeli, algorytmu pewności, ewaluacji ani gwarancji jakości.

„Skuteczność doświadczonego specjalisty, nie probabilistyczne zgadywanie” jest hasłem marketingowym. Cały system nadal zawiera modele probabilistyczne; kod i HITL redukują ryzyko, ale nie eliminują go.

• analiza zapytań ofertowych, umów i załączników;
• ekstrakcja pól i walidacja danych klienta/rejestrów;
• RAG na materiałach, procedurach i katalogach produktowych;
• przygotowanie raportów i ofert z cytowaniem źródeł;
• scoring pewności i przekazanie trudnej sprawy ekspertowi;
• automatyczne przypomnienia, eskalacje i wiadomości;
• integracja z CRM/ERP/mail w ramach projektu custom.

Producent nie publikuje osobnego produktu sprzedażowego ani case study, więc dopasowanie do handlu jest wnioskowane z możliwości ogólnych.

Zakres kontekstu i danych zależy od funkcji, planu oraz połączonych systemów.

Nie znaleziono publicznego serwera/klienta MCP, API, SDK, webhooks ani CLI. Deklarowane „integracje enterprise” oraz „brak vendor lock-in” nie dają podstaw do potwierdzenia współpracy z Cloud Codex lub Hermes.

Wdrożenie można technicznie zintegrować customowo, ale do rankingu liczymy tylko potwierdzoną otwartość produktu. Potrzebne są: API agents/runs, auth/scopes, tool schemas, streaming/events, audit i export definicji. On-premise może ułatwić lokalny MCP, lecz publicznie go nie ma.

Strona deklaruje privacy-first, self-hosting, human-in-the-loop, logging każdej decyzji, guardrails, deterministic validation, confidence scoring i expert escalation. Trzy warianty deploymentu dają różne przepływy danych: managed cloud, hybrid z danymi u klienta i inference w chmurze Deploy AI oraz on-premise z lokalnymi modelami i bez zewnętrznych zależności. Deploy AI

Nie znaleziono publicznej polityki bezpieczeństwa/DPA o szczegółowości pozwalającej ocenić szyfrowanie, SSO/RBAC, secrets, audit export, telemetry, backupy, regiony, subprocessors, incident SLA i certyfikaty. Hasło „100% kontroli nad danymi” wymaga interpretacji per deployment; w hybrid obliczenia AI świadomie trafiają do chmury dostawcy.

Monitoring i logowanie decyzji pomagają w audycie, ale brak publicznego schematu logów, retention i rozróżnienia decision trace od niejawnego reasoning. Nie ma też dowodu transakcyjnego rollbacku actions w zewnętrznych systemach.

Brak cennika. Koszt obejmuje warsztat, pilot, custom integrations, deployment, modele/GPU, monitoring, utrzymanie i skalowanie. Cloud, hybrid i on-premise będą miały odmienny CapEx/OpEx. Oferta powinna zawierać koszt pilota i produkcji, unit economics, maintenance, SLA, zmianę modeli, licencje komponentów i exit/export.

Nie znaleziono niezależnych recenzji, zweryfikowanych wdrożeń ani case studies. Rejestr firmy potwierdza bardzo krótki staż. To nie dyskwalifikuje zespołu, ale wymusza pewność D i pilot przed rekomendacją.

Najważniejsze ograniczenia:

• produkt/firma istnieje publicznie od 2026 r.; brak track record;
• niejasna granica gotowej platformy i projektu custom;
• brak docs, demo self-service, API/MCP/SDK i connector catalog;
• brak publicznych modeli, model cards, evals i accuracy metrics;
• brak klientów, referencji i niezależnych opinii;
• brak cennika oraz standardowego SLA;
• security/compliance są opisane hasłowo, bez DPA/certyfikatów/pentestów;
• nieznane approvals per action, identity/RBAC i audit details;
• nieznane retry, idempotency, compensation i rollback;
• „zero vendor lock-in” nie jest poparte formatem exportu;
• zastosowania sprzedażowe nie mają osobnego benchmarku;
• jakość polskiego, OCR, RAG/citations i confidence pozostaje N/D.

Profil zweryfikowano 2026-09-20. Linki źródłowe znajdują się bezpośrednio przy wspieranych twierdzeniach.