Tak to może wyglądać u Ciebie.

Nakład: dni Automatyzacja Integracja

Automatyczny obieg zamówień — sklep → ERP → kurier

Persona: sklep internetowy, ~200 zamówień dziennie, 3 kanały sprzedaży (Allegro, Shoper, sklep własny).

Problem

Dwie osoby przepisywały zamówienia z trzech systemów do Subiekta, generowały etykiety w panelu kuriera i kopiowały numery przesyłek z powrotem do sklepu. Codziennie ~6 godzin pracy i regularne błędy w adresach.

Co zbudowaliśmy

• BaseLinker jako hub, n8n jako silnik logiki biznesowej
• Auto-import zamówień ze wszystkich kanałów do ERP
• Generowanie etykiet InPost / DPD i auto-aktualizacja statusów
• Alerty na Slacku przy zamówieniach nietypowych (>5000 zł, zagranica, braki)

Stack

n8nBaseLinker APISubiekt nexoInPost / DPDSlack

−6 h/dz

czasu na ręczne klikanie

~0

błędów w numerach przesyłek

12 dni

od kick-offu do produkcji

n8n.firma.pl/workflow/zamowienia

Nakład: tygodnie Aplikacja webowa

Panel klienta na subdomenach (multi-tenant)

Persona: biuro rachunkowe obsługujące 80 firm — chce odciążyć księgowe od ciągłego wysyłania dokumentów na maila.

Problem

Każdy klient codziennie pisze: „prześlijcie mi tę fakturę", „kiedy zaliczka?", „co wpłynęło z banku?". Księgowa traci pół dnia na obsługę takich pingów.

Co zbudowaliśmy

• Panel klienta dostępny pod własną subdomeną (np. nowak.panel.biuro.pl)
• Logowanie, podgląd dokumentów, statusy faktur, terminy podatkowe, czat z księgową
• Sync z Comarch / Optimą przez n8n co 15 minut
• Powiadomienia push i mailowe o nowych dokumentach

Stack

Next.jsPostgreSQLn8nComarch APIStripe (abonament)

−70%

telefonów i maili od klientów

24/7

dostęp do dokumentów

+18

nowych klientów rocznie dzięki panelowi

nowak.panel.biuro.pl

Nakład: dni Aplikacja webowa Automatyzacja

CRM + generator ofert PDF z auto follow-upem

Persona: firma instalacyjna B2B, 4 handlowców, 30–50 zapytań ofertowych tygodniowo.

Problem

Oferty robione ręcznie w Wordzie — handlowiec traci 40 minut na ofertę. Po wysłaniu temat ginie, nikt nie pamięta zrobić follow-upu. Konwersja na klienta poniżej 15%.

Co zbudowaliśmy

• Prosty CRM z kanban: Nowy → Wycena → Wysłana → Negocjacje → Zamknięta
• Generator PDF — handlowiec wprowadza parametry, system podstawia je do szablonu
• Auto follow-up sequence: +3 dni / +7 dni / +14 dni po wysłaniu
• Dashboard skuteczności po handlowcu i kategorii klienta

Stack

LaravelMySQLmPDFn8nSendGrid

8 min

na ofertę zamiast 40

+11 pp

konwersja na zamknięte (15→26%)

100%

ofert ma swój follow-up

crm.firma.pl/pipeline

Nakład: dni Automatyzacja

Bot WhatsApp dla rezerwacji i przypomnień

Persona: sieć salonów (5 lokalizacji), recepcja non-stop odbiera telefony rezerwacyjne.

Problem

Recepcjonistki ~60% dnia spędzają na telefonach z rezerwacjami i przesunięciami. Klienci dzwonią po godzinach — nikt nie odbiera, klient idzie do konkurencji.

Co zbudowaliśmy

• Bot na WhatsApp Business: rezerwacja w 4 wiadomościach (usługa → fryzjer → termin → potwierdzenie)
• Automatyczne przypomnienia 24h i 2h przed wizytą
• Przesunięcie wizyty bez kontaktu z recepcją
• Eskalacja do człowieka, jeśli klient pisze coś, czego bot nie rozumie

Stack

WhatsApp Cloud APIn8nPostgresAnthropic API

62%

rezerwacji bez udziału człowieka

−45%

no-show dzięki przypomnieniom

24/7

dostępność rezerwacji

WhatsApp Business · Salon Modus

Nakład: dni Integracja

Most KSeF — wystawianie faktur z dowolnego systemu

Persona: firma usługowa, własny stary ERP, KSeF obowiązkowy od 2026, producent ERP-a nie planuje aktualizacji.

Problem

Od kwietnia 2026 e-faktury w KSeF są obowiązkowe dla podatników VAT. Klient ma stary system, którego nie da się ruszyć — zmiana ERP to projekt na rok, a deadline tu i teraz.

Co zbudowaliśmy

• Mostek n8n nasłuchujący nowych faktur w starym ERP (eksport co 5 minut)
• Walidacja danych, mapowanie do schemy FA(3), wysyłka do KSeF
• Odbiór UPO, zapis numeru KSeF z powrotem do ERP i archiwizacja XML
• Panel statusów: wysłane / zaakceptowane / odrzucone — z powodami

Stack

n8nKSeF APIXML / FA(3)PHP CLIS3 archiwum

0 zł

na wymianę ERP

100%

faktur w KSeF zgodnie z prawem

5 dni

od decyzji do go-live

ksef.bridge.firma.pl

Nakład: dni Aplikacja webowa Integracja

Dashboard sprzedaży live z 6 kanałów

Persona: marka odzieżowa sprzedająca w sklepie własnym, Allegro, Amazon, hurtowo, w showroomie i przez TikTok Shop.

Problem

Zarząd codziennie czeka, aż ktoś zlepi Excela z różnych systemów. Decyzje (przeceny, dostawy, kampanie) zapadają z opóźnieniem 1–2 dni.

Co zbudowaliśmy

• n8n pobiera dane z 6 kanałów do wspólnej bazy Postgres co 5 minut
• Dashboard z KPI: sprzedaż, marża, zwroty, stany magazynowe, najlepsze SKU
• Alerty na Slacku: spadek sprzedaży vs. tydzień temu, kończący się stock
• Widok mobilny dla zarządu — KPI w kieszeni

Stack

n8nPostgreSQLMetabaseNext.jsSlack

5 min

opóźnienie zamiast 1–2 dni

−18h

tygodniowo pracy analityka

+9%

obrotu dzięki szybszym decyzjom

dashboard.marka.pl

Nakład: dni Automatyzacja AI

Parser zamówień z maili z AI

Persona: hurtownia narzędzi B2B, ~100 zamówień dziennie wpadających mailem, każdy klient ma swój format (PDF, treść maila, Excel, screen).

Problem

Dwie osoby cały dzień przepisują zamówienia mailowe do ERP. Pomyłki w ilościach i indeksach zdarzają się przy każdym ~50. zamówieniu — kosztują reklamacje i kuriera w obie strony.

Co zbudowaliśmy

• n8n nasłuchuje skrzynki, AI klasyfikuje: zamówienie / zapytanie / reklamacja / inne
• Dla zamówień: AI parsuje treść + załączniki, dopasowuje produkty do katalogu po indeksie / nazwie / EAN
• Wstępne zamówienie ląduje w ERP w statusie „do akceptacji" — człowiek tylko zatwierdza
• Trudne przypadki (niska pewność) trafiają do ludzkiej kolejki review

Stack

n8nAnthropic APIIMAPERP RESTOCR (pdf/img)

82%

maili obsłużonych w pełni automatycznie

−1.5 etatu

w dziale obsługi

−70%

błędów w ilościach / indeksach

inbox.hurtownia.pl/parser

Nakład: tygodnie Aplikacja webowa

Konfigurator z wyceną online i ofertą PDF

Persona: producent okien — handlowcy przepisują parametry z maili, robią wyceny w Excelu, dopiero wtedy rozmawiają z klientem.

Problem

Klient chce „szybko cenę". Handlowiec ma 5 takich „szybko" przed sobą i odpowiada następnego dnia — klient w międzyczasie wziął ofertę od konkurencji.

Co zbudowaliśmy

• Konfigurator: typ okna, wymiary, profil, szyba, kolor, dodatki — w trakcie wyboru widać cenę
• Generowanie pełnej oferty PDF (ze szkicami, parametrami, ceną netto/brutto, ważnością)
• Lead trafia od razu do CRM handlowca, z gotową ofertą do wysłania
• Wycena dostępna 24/7 — kwalifikuje leady przed kontaktem (handlowiec dzwoni tylko do tych z budżetem)

Stack

Next.jsPostgresn8nPDF generatorSendGrid

×3.2

leadów z wyceną w pierwszym miesiącu

24/7

dostępność wyceny

+17%

konwersja leada na sprzedaż

konfigurator.okna.pl

Nakład: dni Aplikacja webowa Automatyzacja

Rezerwacja wizyt online z zaliczką i przypomnieniami

Persona: klinika weterynaryjna, 3 lekarzy, ~50 wizyt dziennie. Telefon ginie po 18:00, no-show na poziomie 20%.

Problem

Klienci dzwonią głównie wieczorem, ale recepcja już nie odbiera — kto się nie dodzwoni, idzie do innej kliniki. Średnio 4 zmarnowane wizyty dziennie przez no-show.

Co zbudowaliśmy

• Online booking ze slotami per lekarz, gatunek, typ wizyty
• Zaliczka 30% przez Stripe / BLIK — naturalny filtr „klienta na pewno"
• SMS i mail: -24h i -2h, przesunięcie jednym kliknięciem
• Karta pacjenta z historią wizyt i szczepień, dostęp 24/7

Stack

Next.jsPostgresStripen8nTwilio SMS

−68%

no-show dzięki zaliczce + reminder

38%

rezerwacji poza godzinami pracy

+12

wizyt tygodniowo (puste sloty się zapełniły)

rezerwacja.klinika-wet.pl

Nakład: tygodnie Aplikacja webowa

Panel zleceń produkcyjnych z fotorelacją etapów

Persona: producent mebli na zamówienie, 8 osób na warsztacie, 20–30 zleceń w toku. Klient ciągle pyta „na jakim etapie?".

Problem

Telefony od klientów co kilka godzin: „kiedy gotowe?". Właściciel biega po warsztacie, sprawdza, oddzwania. Brak też kontroli, gdzie utknęło zlecenie i ile czasu spędziło na danym etapie.

Co zbudowaliśmy

• Tablet w hali ze statusem zleceń: Cięcie → Szlif → Lakier → Montaż → Gotowe
• Pracownik klika status + robi szybkie zdjęcie etapu (z tabletu)
• Klient dostaje automatycznie maila „Twoje meble w lakierni 🪑" + zdjęcie
• Raport produktywności: średni czas per etap, wąskie gardła

Stack

Next.jsPostgresS3 (zdjęcia)n8nSendGrid

−85%

telefonów „kiedy gotowe?"

+22%

przepustowości warsztatu

3 dni

krócej średni cykl zlecenia

produkcja.warsztat.pl/dziś

Nakład: tygodnie Aplikacja webowa

Portal kierowcy + dyspozytor — mała firma transportowa

Persona: spedycja, 12 kierowców, papierowe karty zleceń + WhatsApp. Dyspozytor stale dzwoni i pyta „gdzie jesteś?".

Problem

Dyspozytor dzwoni do każdego kierowcy 4–5× dziennie: status, ETA, problemy. Kierowcy zapominają wysłać foto CMR, faktury są opóźnione o dni. Brak danych: kto ile zarabia, gdzie się traci czas.

Co zbudowaliśmy

• Mobilna PWA kierowcy: zlecenia dnia, podpis na ekranie, foto CMR z auto-OCR
• Panel dyspozytora z mapką (GPS z telefonu), statusy w czasie rzeczywistym
• Auto-fakturowanie i wysyłka klientowi po zakończeniu zlecenia
• Raporty: rentowność per kierowca, per trasa, czas postoju

Stack

Next.js (PWA)Postgres + PostGISn8nOpenStreetMapFakturownia

−70%

połączeń dyspozytor ↔ kierowca

+3 dni

szybsza wystawiana faktura

+14%

więcej zrealizowanych zleceń

dyspozytor.spedycja.pl

Nakład: tygodnie Aplikacja webowa

KDS + QR menu z zamówieniem do stolika

Persona: restauracja z 3 salami, 22 stoliki. Kelnerzy biegają z karteczkami, kuchnia gubi pozycje, czas oczekiwania rośnie.

Problem

Karteczki z zamówieniami giną, kucharze pracują „w stresie", goście narzekają na czas oczekiwania. W weekend traci się 2–3 zamówienia dziennie.

Co zbudowaliśmy

• QR na stoliku → menu w przeglądarce → zamówienie ląduje od razu w kuchni
• KDS (kitchen display) — kolejka zamówień z timerem, pozycje przesuwane między „barem" a „kuchnią"
• Powiadomienie kelnera, gdy danie gotowe (Apple Watch / smartwatch)
• Raporty: średni czas wydania, najlepsze pozycje, godziny szczytu

Stack

Next.jsPostgresWebSocketP24 / StripeDrukarka kuchenna ESC/POS

−40%

czas wydania dania

+18%

średni rachunek (suggestowane dodatki)

0

zgubionych zamówień

kuchnia.restauracja.pl/kds

Nakład: tygodnie Aplikacja webowa

Portal najemcy ze zgłoszeniami awarii (z foto)

Persona: zarządca 6 wspólnot, ~280 mieszkań. Telefony o awariach idą do sekretariatu, ten ręcznie dzwoni do hydraulika/elektryka.

Problem

Awarie zgłaszane telefonicznie tracą szczegóły. Sekretariat ręcznie dzwoni do serwisów, brakuje historii — nikt nie wie, że ta sama awaria była już 3 razy w tym roku.

Co zbudowaliśmy

• PWA dla najemcy: zgłoszenie awarii w 30 sekund, ze zdjęciem i lokalizacją
• Auto-przypisanie do właściwego serwisu wg kategorii (hydraulik / elektryk / dach)
• Komunikacja: najemca widzi „przyjęte → w drodze → wykonane"
• Historia mieszkania — wszystkie zgłoszenia, koszty, wykonawcy

Stack

Next.js (PWA)PostgresS3n8nSMS API

−65%

czas obsługi zgłoszenia

−2 etaty

w sekretariacie (przekierowane gdzie indziej)

100%

zgłoszeń z historią i kosztem

najemca.zarzadca.pl

Nakład: dni Automatyzacja AI

Chat na stronie z bazą wiedzy firmy (RAG)

Persona: producent maszyn przemysłowych, 200 produktów, 1500 stron PDF-ów technicznych. Handlowiec spędza 20% czasu na pytaniach typu „czy ten model obsługuje X?".

Problem

Klienci i handlowcy zadają w kółko te same pytania techniczne. Odpowiedzi są w dokumentacji, ale nikt nie chce jej przeszukiwać. Czas reakcji na zapytanie ofertowe: 1–2 dni.

Co zbudowaliśmy

• Chatbot na stronie odpowiadający tylko na bazie firmowych dokumentów (PDF, instrukcje, katalogi)
• Każda odpowiedź ma cytowane źródło + numer strony dokumentu
• Pytania, na które AI nie zna odpowiedzi → eskalacja na maila do handlowca
• Wewnętrzna wersja: handlowcy pytają w Slacku zamiast szukać po dyskach

Stack

n8nClaude APIQdrant (vector DB)Next.js

71%

pytań rozwiązanych bez handlowca

−85%

czas reakcji na zapytania techniczne

+19%

leadów ze strony

producent.pl — chat techniczny

Nakład: dni Automatyzacja AI

OCR + workflow akceptacji faktur kosztowych

Persona: średnia firma usługowa, ~300 faktur kosztowych miesięcznie. Asystentka 2 dni w miesiącu wbija je ręcznie do księgowości.

Problem

Faktury wpadają z różnych źródeł: skany, PDF z maila, papier. Akceptacja przez szefa trwa kilka dni — papiery leżą na biurku. Terminy płatności mijają, lecą odsetki.

Co zbudowaliśmy

• Skrzynka mailowa + folder „Skany" → AI wyciąga: NIP, nr, datę, kwoty, pozycje
• Reguły akceptacji: do 1000 zł auto, 1000–5000 zł kierownik, >5000 zł szef — wszystko na telefonie
• Zaakceptowane lądują w księgowości jako gotowy import (Comarch/Optima/Symfonia)
• Auto-przypomnienia o zbliżających się terminach płatności

Stack

n8nAnthropic APIIMAPOCR (PDF/img)Comarch Optima API

−92%

czasu na wprowadzanie faktur

0 zł

odsetek za opóźnienia

2 min

średni czas akceptacji

faktury.firma.pl/kolejka

Nakład: tygodnie Aplikacja webowa

Aplikacja serwisanta w terenie (mobilna PWA)

Persona: firma serwisowa klimatyzacji, 6 ekip mobilnych. Papierowe zlecenia, ręczne protokoły, faktury wystawiane wieczorem w biurze.

Problem

Serwisant po wizycie wraca z naszkrabanym protokołem. Biuro przepisuje go do systemu, robi fakturę, wysyła klientowi. Cykl: 2–3 dni. Część zleceń się gubi, część niezafakturowana.

Co zbudowaliśmy

• PWA dla serwisanta: zlecenia dnia, nawigacja do klienta, lista usług i części
• Protokół podpisywany palcem na telefonie, foto wykonanej pracy
• Auto-generacja protokołu PDF + faktury → mail do klienta jeszcze przed wyjazdem
• Magazyn części „w aucie" — odpisanie po zużyciu, alert przy braku

Stack

Next.js (PWA)Postgresn8nFakturowniaS3

2 h

od wizyty do faktury w mailu

+24%

wizyt na ekipę dziennie

0%

niezafakturowanych wizyt

serwis.firma.pl/mobile

Nakład: dni Automatyzacja Aplikacja webowa

Program lojalnościowy — karta w Apple/Google Wallet

Persona: 4 kawiarnie pod jedną marką. Plastikowe karty „6 + 1 gratis" — klienci gubią, nikt nie analizuje danych.

Problem

Karty się gubią, klienci nie wracają regularnie, brak danych o tym, kto kupuje co i jak często. Nie da się targetować promocji.

Co zbudowaliśmy

• Karta cyfrowa w Apple Wallet i Google Wallet — instalacja 1-klik z QR
• Aplikacja kasjera w telefonie — naliczanie pieczątek i nagród
• Powiadomienia push: „Masz darmowy zestaw — odbierz dziś"
• Segmentacja: stali bywalcy / okazjonalni / nieaktywni → różne kampanie

Stack

Apple/Google WalletNext.jsPostgresn8nWeb Push

+34%

częstotliwości wizyt stałych klientów

×3.4

aktywnych kart vs. dawne plastikowe

12%

odzyskanych „nieaktywnych" klientów

apple.com/wallet · BeanCafé

Nakład: dni Automatyzacja AI

Voice bot na linię stacjonarną (IVR z AI)

Persona: hurtownia części, ~120 telefonów dziennie. Dzwonią głównie: status zamówienia, dostępność, reklamacja, „chcę człowieka".

Problem

Recepcjonistka odbiera w kółko te same pytania. „Czy to jest na stanie?" — sprawdza w ERP, podaje cenę, kończy rozmowę. Drugie i trzecie podejście tego samego klienta zajmują kolejne minuty.

Co zbudowaliśmy

• Bot odbiera: „Witam, w czym pomóc — status zamówienia, dostępność, czy chcesz człowieka?"
• AI rozpoznaje intencję i odpowiada (np. „Zamówienie ZK-2042 wysłane wczoraj, paczka u Was jutro przed 12")
• Skomplikowane przypadki: bot zbiera dane, kolejkuje, oddzwania konkretny handlowiec
• Wszystkie rozmowy nagrane, transkrybowane, dostępne w panelu

Stack

Twilio VoiceClaude APIn8nERP REST

64%

rozmów rozwiązanych przez bota

24/7

linia odbiera, też w weekendy

−1 etat

na recepcji (przesunięty do sprzedaży)

voicebot.hurtownia.pl/calls

Nakład: dni Automatyzacja Aplikacja webowa

Workflow urlopów, delegacji i wniosków HR

Persona: firma 30 osób, urlopy na karteczkach + Excelu. Kierownik akceptuje mailowo, kadry przepisują do systemu.

Problem

Wnioski urlopowe giną w mailach, dwóch pracowników wzięło urlop w tym samym tygodniu (nikt nie sprawdził), kadry tracą godziny tygodniowo na przepisywanie.

Co zbudowaliśmy

• Pracownik składa wniosek w Slacku komendą /urlop albo w prostej aplikacji
• System sprawdza dostępność (kto już na urlopie) → kierownik akceptuje 1 kliknięciem
• Auto-zapis w kadrach + dodanie do kalendarza zespołu + wpis w grafiku
• Te same workflow dla delegacji, zwolnień, wniosków o premię, rozliczeń kilometrówki

Stack

Slack APIn8nPostgresGoogle CalendarSystem kadr (API)

−92%

czasu kadr na obsługę wniosków

0

kolizji urlopowych w zespole

<2 h

średni czas akceptacji wniosku

hr.firma.pl/zespol

Nakład: tygodnie Aplikacja webowa

Wewnętrzny system zgłoszeń dla utrzymania ruchu

Persona: zakład produkcyjny, 40 maszyn, dział UR (3 osoby). Awarie zgłaszane krzykiem, na karteczce albo w WhatsAppie.

Problem

Operator zgłasza awarię „jakoś". Mechanik nie wie, do której maszyny iść pierwszej. Brak historii: czy ta sama awaria powtarza się co miesiąc? Nikt nie wie, ile kosztuje przestój.

Co zbudowaliśmy

• QR przy każdej maszynie — operator skanuje, robi zdjęcie, opisuje, wysyła
• Kolejka utrzymania ruchu z priorytetami, przydzielanie mechanikom
• Karta maszyny: historia awarii, koszty, średni MTBF
• Raporty: które linie generują najwięcej przestojów i ile to kosztuje

Stack

Next.jsPostgresQR + camera APIn8nSlack/Teams

−47%

MTTR (czas reakcji)

+8%

OEE linii produkcyjnej

100%

awarii w historii (vs. brak danych)

ur.zakład.pl/kolejka

Nakład: dni Automatyzacja AI

Generator opisów produktów + posty social z AI

Persona: sklep online z 5000 SKU. Większość produktów ma „opis od dostawcy" — kopia 1:1 jak u konkurencji. Brak czasu na pisanie.

Problem

Sklep ma 5000 produktów, ale tylko 800 ma własny opis — reszta to copy-paste od producenta. SEO siada, konkurencja ma wyższe pozycje. Marketing nie ma czasu pisać postów na social.

Co zbudowaliśmy

• AI generuje opisy z atrybutów produktu + zdjęcia — w tonie marki, zgodnie z wytycznymi SEO
• 3 warianty do wyboru, copywriter zatwierdza w 30 sekund (zamiast pisać od zera)
• Posty na Instagram / Facebook / TikTok generowane raz w tygodniu z bazy produktów
• Generowanie grafik (DALL-E / Midjourney API) z markowymi szablonami

Stack

n8nClaude APIOpenAI / Midjourney APIShopify Admin APIMeta Graph API

~5 min

na produkt zamiast 45

+62%

unikalnych opisów (800 → 5000)

+28%

ruchu organicznego po 3 mies.

content.sklep.pl/ai

Nakład: godziny Audyt / strategia

Audyt + mapa procesu — punkt wejścia

Persona: firma 50 osób, „wszystko działa, ale wolno". Nie wiadomo, od czego zacząć automatyzację.

Problem

Klient czuje, że za dużo robi się ręcznie, ale nie wie który proces boli najbardziej. Boi się dużego projektu, woli mały krok. Potrzebuje obiektywnej diagnozy.

Co dostarczamy

• 2-godzinny warsztat z kluczowymi osobami — mapowanie procesów na tablicy
• Dokument: mapa procesu „as-is" + propozycje „to-be" z szacunkiem ROI per krok
• Macierz priorytetów: nakład vs. wartość — co robić w pierwszej kolejności
• Rekomendacja: 2–3 konkretne wdrożenia z kosztorysem i harmonogramem

Format

Warsztat 2hMapa procesu PDFMacierz priorytetówEstymacja ROI

1–2 dni

od warsztatu do raportu

3 kroki

jasna sekwencja działań

stała cena

bez „to zależy"

audyt.firma.pl/raport