Portfolio kompetencji Marcina Zycha dla stanowiska AI Implementation Specialist. Integruję modele AI (GPT-4, Claude, Gemini) w procesy biznesowe. Od koncepcji przez MVP do produkcji. 16 lat doświadczenia na styku technologii i biznesu. Kluczowe wyniki: 104 ukończone projekty, 16+ lat doświadczenia, 1M+ klientów w systemach.

Stanowisko

Większość wdrożeń AI kończy się na prototypie.

AI które zarabia — nie AI które imponuje na prezentacji

Większość projektów AI ginie między proof of concept a produkcją. Wdrażam modele AI tak, żeby działały w realnym środowisku — z danymi Twojej firmy, w Twoich procesach, z mierzalnym ROI.

104 ukończone projekty
16+ lat doświadczenia
1M+ klientów w systemach
Referencje dostępne na życzenie. Certyfikaty: IAB DIMAQ Professional, Google Analytics Advanced, Kierownik Projektów IT (Laba), Analityk Biznesowy (Laba).
Wartość, którą wnoszę

Co mnie wyróżnia

7 dni payback MagnAI

Najpierw biznes

Zaczynam od problemu biznesowego, nie od technologii. AI to narzędzie, nie cel sam w sobie.

Analiza ROI przed projektem, nie po. Metryki biznesowe — nie tylko techniczne.
104 ukończonych projektów

Odpowiedzialność od A do Z

Od rozpoznania przez implementację do adopcji.

104 projekty doprowadzone do produkcji, nie prototypów
50+ projektów MarTech

Pragmatyczne wybory technologiczne

Wybieram najprostsze rozwiązanie, które działa. Czasem to AI, czasem wyrażenie regularne, czasem człowiek.

Gotowe API zamiast własnych modeli ML, sprawdzone rozwiązania zamiast eksperymentów
104 projektów w produkcji

Zarządzanie zmianą w pakiecie

Technologia bez adopcji to porażka. Szkolenia, dokumentacja i wsparcie są częścią każdego projektu.

Framework ADKAR, metryki adopcji, wsparcie powdrożeniowe

Nie sprzedaję technologii. Rozwiązuję problemy biznesowe.



Szczegółowe portfolio dostępne w CV

Pełna historia projektów, certyfikaty i referencje

Zobacz pełne CV

Moja metodologia wdrożeń AI

Powtarzalny proces od rozpoznania do produkcji

Faza Czas Oś czasu (tygodnie)
1 Rozpoznanie
1-2 tyg
2 Projektowanie
1-2 tyg
3 Prototyp
2-3 tyg
4 Budowa
4-6 tyg
5 Wdrożenie
1-2 tyg
6 Optymalizacja
ciągła
MVP Gotowe Produkcja
0 2 4 6 8 10 12 14 tyg
Typowy czas do produkcji: 10-14 tygodni (z działającym prototypem po 4-5 tygodniach)

Szczegółowa analiza kompetencji

Rozkład umiejętności w 5 kluczowych kategoriach

AI i uczenie maszynowe 85%
Integracja LLM Inżynieria promptów Tworzenie API
Inżynieria danych 90%
BigQuery SQL Procesy ETL Modelowanie danych Power BI
Zarządzanie projektami 90%
Agile/Scrum Zarządzanie interesariuszami Analiza ryzyk Planowanie zasobów Dokumentacja
Zarządzanie zmianą 80%
Framework ADKAR Projektowanie szkoleń Metryki adopcji Strategia komunikacji
Zmysł biznesowy 95%
Analiza ROI Komunikacja z zarządem Zarządzanie budżetem Planowanie strategiczne Projektowanie KPI
Całkowity wynik dopasowania 87%

MagnAI — System automatyzacji treści AI

Ręczne tworzenie opisów produktów — zbyt wolne i zbyt drogie

6 tygodni ROI: 7 dni
Metryka Przed Po Zmiana
Opisów dziennie ręcznie 1000+ CV: MagnAI
Redukcja kosztów copywriter -95% CV: MagnAI
Zwrot z inwestycji — 7 dni CV: MagnAI
Stack technologiczny:
GPT-4 Claude API Python FastAPI React

Kluczowe wnioski

Inżynieria promptów skuteczniejsza niż trenowanie modeli Weryfikacja przez człowieka kluczowa w pierwszych 2 tygodniach Metryki jakości ważniejsze niż szybkość

Zarządzanie zmianą

Technologia bez adopcji to koszt, nie inwestycja. Każde wdrożenie AI to projekt zmiany organizacyjnej.

ADKAR Framework Model zarządzania zmianą
100% Wskaźnik adopcji
~10 tyg Pełny cykl
Tydz. 1-2
A

Awareness

Świadomość

Tydz. 2-4
D

Desire

Chęć

Tydz. 4-8
K

Knowledge

Wiedza

Tydz. 6-10
A

Ability

Umiejętność

Tydz. Ciągłe
R

Reinforcement

Utrwalenie

Awareness
"Dlaczego zmiana jest potrzebna?"
  • Prezentacja dla zarządu z business case
  • Demo możliwości AI na realnych danych firmy
  • Analiza konkurencji i trendów rynkowych
Desire
"Co ja z tego będę miał/a?"
  • Warsztaty "dzień z AI" dla zespołów
  • Identyfikacja early adopters
  • Quick wins w pierwszych 2 tygodniach
Knowledge
"Jak to działa i jak tego używać?"
  • Szkolenia dostosowane do ról
  • Dokumentacja z przykładami
  • Office hours i Q&A sessions
Ability
"Czy potrafię to robić samodzielnie?"
  • Supervised practice z feedbackiem
  • Checklisty i gotowe prompty
  • Peer mentoring program
Reinforcement
"Jak utrzymać nowe nawyki?"
  • Metryki adopcji w dashboardzie
  • Recognition program dla power users
  • Iteracyjne usprawnienia na podstawie feedbacku

Anty-wzorce do unikania

Błędy, które torpedują wdrożenia AI
Big bang deployment bez pilota
Szkolenie "jednorazowe" bez follow-up
Brak executive sponsora
Ignorowanie oporu i obaw zespołu

Relevantne doświadczenie

Stanowiska i projekty związane z tym obszarem

2024 - 2025

ETOS S.A. / Diverse

Performance Marketing Coordinator

Wdrożenie systemu LTV dla 1M+ klientów z integracją ECDP. ROI zespołu 2308%, payback 13 dni. Zarządzanie budżetem 6.5M PLN.

  • System LTV dla 1M+ klientów
  • ROI zespołu 2308%, payback 13 dni
  • Budżet 6.5M PLN
2018 - obecnie

Marcin Zych

AI & MarTech Consultant

50+ projektów wdrożeniowych. Integracje GPT-4, Claude, Gemini API. Autor MagnAI — systemu automatyzacji AI.

  • 50+ projektów wdrożeniowych
  • Integracje GPT-4, Claude, Gemini
  • Autor MagnAI
2022 - 2023

Yetiz Interactive

Senior Facebook Ads Specialist

Budowa modeli analitycznych Power BI dla 15+ klientów. Optymalizacja ROAS +40%.

  • Power BI dla 15+ klientów
  • Optymalizacja ROAS +40%
2019 - 2022

OMNIOXY S.A.

Performance Manager / Technical Marketing Manager

Wdrożenie GTM i Data Layer architecture. Landing pages z CRO. Zarządzanie performance marketingiem i budżetem 2M PLN.

  • GTM i Data Layer architecture
  • Performance marketing + CRO
  • Budżet 2M PLN
16+ lat doświadczenia
104 ukończone projekty
1M+ klientów w systemach

Kluczowe projekty

Case studies z mierzalnym wpływem na biznes

AI/ML

MagnAI

95% redukcja kosztów vs copywriter, zwrot w 7 dni

-95% kosztów
7 dni payback
Data Pipeline

System LTV

1M+ klientów, segmentacja RFM, predykcja odejść

1M+ klientów
2308% ROI zespołu
Integration

Śledzenie server-side

Wzrost jakości danych z 70% do 99%

99% jakość danych
+29pp poprawa
Analytics

Atrybucja międzykanałowa

Redukcja błędnej alokacji budżetu o 40%

-40% błędnej alokacji
+40% ROAS
Analytics

Dashboardy Power BI

Automatyzacja z 8h/tydzień do 15 min/dzień

15 min dziennie
-97% czasu
Automation

Generator opisów AI

1000+ opisów produktów dziennie, 95% redukcja kosztów

1000+ opisów/dzień
-95% kosztów
Framework Discovery

Pytania na etapie poznawania

Kluczowe zagadnienia, które poruszam na pierwszym spotkaniu

Przed każdym wdrożeniem przeprowadzam szczegółowy wywiad, aby zrozumieć kontekst biznesowy i zdefiniować mierzalne cele.

01

Kontekst biznesowy

4 pytań
Jaki problem biznesowy chcecie rozwiązać za pomocą AI?
Jakie KPI chcecie poprawić i o ile?
Kto jest głównym beneficjentem tego rozwiązania?
Jaki jest deadline i co go wyznacza?
02

Stan obecny

4 pytań
Jak wygląda obecny proces (AS-IS)?
Ile czasu/pieniędzy kosztuje obecne podejście?
Jakie narzędzia są już używane?
Czy były wcześniejsze próby automatyzacji?
03

Ograniczenia

4 pytań
Jakie są wymogi bezpieczeństwa danych (RODO, branżowe)?
Czy są ograniczenia budżetowe lub czasowe?
Jakie systemy muszą zostać zintegrowane?
Kto musi zatwierdzić wdrożenie?
04

Kryteria sukcesu

4 pytań
Po czym poznamy, że wdrożenie się udało?
Jakie metryki będziemy mierzyć?
Co byłoby "home run" a co minimum viable?
Jaki jest plan B jeśli AI nie zadziała?

Zainteresowany współpracą?

Umów bezpłatną konsultację 30 min — konkretny problem, konkretna odpowiedź, bez zobowiązań.

Bezpłatna konsultacja 30 min

Konkretny problem biznesowy, konkretna odpowiedź. Bez zobowiązań.

Umów konsultację 30 min Pobierz CV (PDF)
Otwarty na propozycje

LinkedIn

Pełna historia zawodowa, rekomendacje i aktywność profesjonalna.

LinkedIn
Od zaraz B2B lub UoP Warszawa / Remote