Agent AI + BigQuery jedna hurtownia zamiast pięciu systemów
Pytasz zwykłym zdaniem: „ile przychodu zrobił segment enterprise w pierwszym kwartale”. Agent AI składa zapytanie SQL do Waszego zbioru danych w BigQuery, wykonuje je i wraca z liczbą w 5 do 10 sekund, razem z nazwą tabeli, z której ją wziął. Zapytanie filtruje po partycji, więc nie skanuje historii od początku świata, a agent widzi tylko te widoki, które mu udostępnicie.
- 5 do 10 sekundtyle trwa odpowiedź agenta na pytanie o dane z hurtowni, razem ze wskazaniem tabeli
- 1 TBtyle danych w zapytaniach BigQuery przetwarza bez opłaty w miesiącu, przy 10 GB składowania. Cennik Google Cloud
- 2 tygodnietyle zajmuje pilot na jednym zbiorze danych, na Waszych liczbach, obok dzisiejszego raportu
Problem
Dlaczego agent pytający pięć systemów myli się częściej niż jeden pytający hurtownię?
Agent podłączony wprost do CRM, sklepu, systemu faktur, Google Ads i arkusza musi przy każdym pytaniu o przychód pogodzić pięć definicji przychodu. CRM liczy wartość szansy, sklep liczy zamówienia z podatkiem, faktury liczą to, co wystawione, a arkusz liczy to, co ktoś ręcznie skorygował w piątek. Każdy z tych systemów oddaje inne pola, inne waluty i inne strefy czasowe, więc odpowiedź zależy od tego, do którego agent zajrzał pierwszy.
Do tego dochodzą limity. Interfejsy systemów operacyjnych mają dzienne progi zapytań i zwracają dane po stronie, więc pytanie „pokaż mi ten sam wskaźnik miesiąc po miesiącu przez dwa lata” albo trwa minutami, albo kończy się błędem. Hurtownia takiego problemu nie ma, bo jest zaprojektowana pod odpytywanie historii, a nie pod obsługę bieżącej sprzedaży. Kiedy dane siedzą w BigQuery, agent zadaje jedno zapytanie i wraca z jedną liczbą, którą da się prześledzić do wiersza.
Koszt jest policzalny od pierwszego dnia i to odróżnia hurtownię od reszty projektów danych. Według cennika Google Cloud pierwszy terabajt danych przetworzonych w zapytaniach w miesiącu jest bez opłaty, tak samo jak pierwsze 10 GB składowania, a rozliczenie w modelu on-demand idzie od wolumenu przeskanowanych danych. Firma, która pyta hurtownię kilkaset razy w miesiącu na tabelach partycjonowanych po dacie, zwykle z tego progu nie wychodzi. Firma, która pozwala agentowi skanować całą tabelę przy każdym pytaniu, wychodzi z niego w pierwszym tygodniu.
- Ta sama liczba wychodzi inna w zależności od tego, który system odpowiedział
- Zapytanie o dwa lata historii kończy się limitem interfejsu, nie odpowiedzią
- Rachunek za GCP rośnie, bo każde pytanie skanuje tabelę od pierwszego wiersza
- Agent ma dostęp do całego projektu, bo nikt nie miał czasu rozdzielić uprawnień
Dlaczego teraz
Co się zmieniło, że agent na hurtowni jest dziś wiarygodny?
Pierwsza zmiana jest po stronie kontekstu. Agent nie zgaduje struktury bazy: dostaje nazwy zbiorów, tabel, typy kolumn i opisy pól, a przy niejasnym pytaniu dopytuje, zamiast strzelać. Dzięki temu składa poprawne zapytanie na kilkudziesięciu tabelach bez ręcznego mapowania każdego pytania z osobna, a wygenerowany SQL można podejrzeć i zapisać jako gotowy widok, gdy pytanie wraca co tydzień.
Druga zmiana jest po stronie połączenia. BigQuery odpytuje się przez REST API albo przez Model Context Protocol, czyli standard, w którym agent dostaje narzędzia z opisem, co robią i czego wymagają. Konto usługowe może mieć wyłącznie prawo czytania i uruchamiania zadań na jednym zbiorze, więc uprawnienie „agent czyta raporty sprzedaży” nie oznacza „agent czyta wszystko w projekcie”.
Trzecia zmiana jest po stronie kosztu i to ona najczęściej rozstrzyga. Tabela partycjonowana po dacie i klastrowana po kluczowej kolumnie ogranicza wolumen skanowany przez zapytanie, a limit bajtów na zapytanie i dzienna kwota na projekt zatrzymują pomyłkę, zanim stanie się fakturą. Do tego zbiór danych zakłada się w lokalizacji europejskiej, na przykład w regionie warszawskim, i tej lokalizacji nie da się potem zmienić bez przeniesienia danych, więc decyzja zapada na warsztacie, a nie po pierwszym audycie.
Co się zmienia
Co dostaje zespół, który ma dane w BigQuery?
Jedna definicja liczby dla całej firmy
Agent pyta hurtownię, a nie pięciu systemów naraz, więc przychód, marża i koszt pozyskania liczą się jedną formułą zapisaną w widoku SQL. Sprzedaż i finanse dostają tę samą odpowiedź, nawet jeśli pytają innymi słowami.
Definicja metryki żyje w widoku, nie w prompcie i nie w cudzym arkuszu
Widzisz, z jakiej tabeli pochodzi liczba
Każda odpowiedź niesie nazwę zbioru i tabeli, zakres dat i wygenerowane zapytanie. Możesz je skopiować, uruchomić samodzielnie w konsoli BigQuery i dostać ten sam wynik.
Odpowiedź da się sprawdzić w jednym kliknięciu, bez pytania nas o cokolwiek
Zapytanie powstaje z pytania zadanego zdaniem
„Który klient urósł najbardziej rok do roku”, „ile zamówień z Allegro wróciło w sierpniu”, „jaka była marża na tej linii w drugim kwartale”. Agent buduje SQL, uruchamia zadanie i wraca z wynikiem, bez zamawiania zestawienia u analityka.
Dopytujesz w tej samej rozmowie, więc trzecie pytanie kosztuje tyle samo czasu co pierwsze
Rachunek za zapytania pod kontrolą
Agent domyślnie filtruje po partycji, a tabele bez filtra partycji ustawiamy tak, by odrzucały zapytanie skanujące całość. Na projekt i na użytkownika wchodzi dzienny limit, a na pojedyncze zapytanie limit bajtów do rozliczenia.
Pomyłka kończy się komunikatem o przekroczonym limicie, nie pozycją na fakturze
Agent widzi tylko to, co ma widzieć
Uprawnienia nadajemy na zbiorze i na widoku autoryzowanym, nie na całym projekcie, a wrażliwe kolumny zostają zamaskowane. Numer PESEL, saldo konta i dane osobowe nie trafiają do odpowiedzi, choć reszta zbioru jest dostępna.
Konto usługowe tylko do czytania, uprawnienia na zbiorze i widoku, kolumny maskowane
Dane zostają w Waszym projekcie i w Europie
Hurtownia stoi w Waszym projekcie Google Cloud, w lokalizacji europejskiej. Nic nie kopiuje się do naszej infrastruktury, a agent tylko wysyła zapytanie i odbiera wynik.
Zbiór danych w lokalizacji EU albo w regionie warszawskim, ustalanej raz, na warsztacie
Dowód
Czy sami pytacie hurtowni przez agenta?
Tak, i to jest jedyny dowód, jaki możemy pokazać bez proszenia klienta o zgodę na publikację jego liczb. Agent AI w agencji naszych założycieli pracuje na produkcji od marca 2026 i ma pod sobą hurtownię danych. Poniżej skala tej pracy razem z tym, czego ta liczba NIE dowodzi.
Wdrożone u nas. To nie są wdrożenia u klienta zewnętrznego, tylko w spółkach założycieli JustAutomate. Piszemy to wprost, bo dowód, którego nie da się sprawdzić, nie jest dowodem.
JustBotich agentJustIdea Agency, agencja performance marketingu, około 30 osób
- 23
- osób z firmy pracuje z agentem
- 38
- systemów wpiętych na stałe
- 112
- procesów chodzi bez człowieka
- 475
- tysięcy linii kodu agenta
Agent spięty z hurtownią danych, systemem CRM, Google Ads, Metą, Analytics i Search Console. Pierwszy commit 1 marca 2026, dziś korzystają z niego 23 osoby, w tym osoby, które nigdy nie napisały zapytania SQL.
8 z 38 systemów, w których pracuje
Google Ads
Meta Ads- HubSpot
- ActiveCollab
- Ahrefs
GA4
Search Console
BigQuery
- Przedtem
- Pytanie o dane z kilku kont naraz szło do jednej osoby, która pisała zapytanie ręcznie i wracała z arkuszem. Odpowiedź zależała od tego, czy ta osoba miała wolne pół godziny.
- Po zmianie
- Zapytania do hurtowni składa agent i wykonuje je sam, razem z zasilaniem tabel i przeliczaniem widoków. Człowiek wchodzi tam, gdzie trzeba zinterpretować wynik, a nie tam, gdzie trzeba go wyciągnąć.
3 506 operacji na hurtowni danych w 30 dni, bez udziału człowieka
A u Ciebie
Co, jeśli nasza hurtownia wygląda inaczej?
Cztery zdania, które słyszymy na każdej konsultacji o BigQuery, i to, co na nie odpowiadamy.
Nie mamy BigQuery, mamy arkusze i CRM.
Wtedy pierwszym krokiem nie jest agent, tylko zasilanie hurtowni danymi, i tak Wam powiemy na konsultacji. Agent postawiony na arkuszu sklejanym ręcznie odpowiada dokładnie tak wiarygodnie jak ten arkusz. Kolejność jest odwrotna niż w ofertach, które słyszysz: najpierw dane w jednym miejscu, potem pytania zwykłym zdaniem.
Boimy się rachunku za zapytania od agenta.
Ten strach jest zasadny i dlatego limity ustawiamy przed pierwszym pytaniem, nie po pierwszej fakturze. Pierwszy terabajt przetworzony w miesiącu jest bez opłaty według cennika Google, tabele partycjonujemy po dacie, a na projekt wchodzi dzienna kwota i limit bajtów na jedno zapytanie. Po pilocie pokazujemy rzeczywisty wolumen skanowany w ciągu tygodnia, więc rozmawiacie o liczbie, nie o obawie.
Nie damy agentowi dostępu do całej hurtowni.
I nie powinniście. Agent dostaje konto usługowe z prawem czytania i uruchamiania zadań, ograniczone do wskazanych zbiorów albo wyłącznie do widoków autoryzowanych, które pokazują wyliczone metryki bez dostępu do tabel źródłowych. Kolumny z danymi osobowymi maskujemy, a każde zapytanie zostaje w logu, więc wiadomo, kto o co pytał.
Mamy Looker Studio, po co jeszcze agent?
Dashboard odpowiada na pytanie przewidziane przy jego budowie, agent na to, które przyszło Ci do głowy dziś. Jeśli Twoje pytanie wraca co tydzień w tej samej formie, jego miejsce jest w dashboardzie i tak Wam powiemy. Agent zarabia na siebie przy pytaniach jednorazowych, przy dopytywaniu w środku rozmowy i przy zestawieniach, których nikt nie zamówiłby u analityka, bo szkoda czasu.
- Hurtownia i bazy
- BigQuery, Google Sheets, bazy SQL
- Co spływa do hurtowni
- GA4, Google Ads, BaseLinker, Allegro, Shopify, WooCommerce, PrestaShop
- CRM
- HubSpot, Pipedrive, Salesforce, LiveSpace
- Księgowość i ERP
- Fakturownia, iFirma, Subiekt, Comarch Optima, sevDesk
- Praca zespołu
- Google Workspace, Microsoft 365, Slack, Notion, ClickUp, Jira, Asana
- Warstwa automatyzacji
- n8n, Make, Zapier, własne integracje przez API
Co ustawiamy w BigQuery i co z tego wynika
Siedem ustawień, które decydują o tym, czy agent na hurtowni jest tani i bezpieczny, czy drogi i nadmiernie uprawniony. Wszystkie wchodzą na warsztacie, bo część z nich, jak lokalizacja zbioru, jest później kosztowna do zmiany.
| Ustawienie w BigQuery | Co zmienia dla agenta | Efekt w rachunku i w dostępie |
|---|---|---|
| Partycjonowanie po dacie | zapytanie czyta tylko wskazane dni, nie całą historię | wolumen skanowany spada do zakresu z pytania |
| Wymagany filtr partycji | zapytanie bez zakresu dat zostaje odrzucone | brak przypadkowego skanu całej tabeli |
| Klastrowanie po kluczowej kolumnie | filtr po kliencie albo rynku zawęża odczyt w partycji | mniej danych do rozliczenia w typowym pytaniu |
| Limit bajtów na zapytanie | kosztowne zapytanie kończy się komunikatem | górna granica ceny jednego pytania |
| Dzienna kwota na projekt i użytkownika | zapytania stają po przekroczeniu progu | rachunek ma sufit ustalony przez Was |
| Widok autoryzowany i uprawnienia na zbiorze | agent widzi wyliczone metryki, nie tabele źródłowe | dostęp węższy niż całe konto GCP |
| Lokalizacja zbioru danych | zapytania i wynik zostają w wybranym regionie | dane w Europie, na przykład w regionie warszawskim |
Wiersze to punkt wyjścia. Przy pilocie zwykle wchodzą partycje, limity i uprawnienia, a klastrowanie dokładamy wtedy, gdy log zapytań pokaże, po czym zespół realnie filtruje.
Jak to robimy
Pięć kroków od zbioru danych do agenta na produkcji
Nie podłączamy agenta do BigQuery na ślepo. Każdy krok kończy się czymś, co możesz ocenić, zanim zdecydujesz o następnym.
Warsztat i audyt zbiorów
Sprawdzamy, co już jest w hurtowni, skąd tam spływa i czego brakuje. Wypisujemy zapytania, które ktoś u Was powtarza ręcznie co tydzień, i pytania, na które dziś nikt nie odpowiada, bo szkoda czasu. Przeglądamy uprawnienia w projekcie, bo prawie zawsze są szersze, niż ktokolwiek pamięta.
Projekt dostępu i kosztu
Decydujemy, które zbiory i widoki agent widzi, jakie kolumny są maskowane i jakie limity wchodzą na projekt oraz na użytkownika. Ustalamy lokalizację zbioru i sposób połączenia: REST API albo Model Context Protocol. Opisujemy schemat tabel, żeby agent nie musiał zgadywać, gdzie leży przychód.
Pilot na jednym zbiorze
Agent odpowiada na kilkadziesiąt Waszych realnych pytań obok dzisiejszego raportu, przez 2 tygodnie. Porównujemy odpowiedzi z tym, co zwraca analityk, i mierzymy wolumen skanowany na pytanie. Rozbieżność jest tu informacją, nie porażką: pokazuje, gdzie definicja metryki żyje w czyjejś głowie, a nie w widoku SQL.
Produkcja i szkolenie
Przenosimy agenta na produkcję z monitoringiem błędów i alertem po przekroczeniu progu kosztu. Zespół uczy się pytać tak, by dostawać liczby, a nie eseje, i rozpoznawać odpowiedź, której nie należy ufać. Dokumentacja zostaje u Was, razem z listą widoków i uprawnień.
Pomiar po 30 i 90 dniach
Patrzymy na log zapytań: o co zespół pyta najczęściej, ile z tego kosztuje i które pytanie powinno zamienić się w widok albo w pozycję na dashboardzie. Donastrajamy partycje i uprawnienia do tego, co ludzie realnie pytają, a nie do tego, co przewidzieliśmy na warsztacie.
Przed i po
Jak zmienia się tydzień osoby, która pilnuje danych
Przedtem
- Pisze te same zapytania co tydzień, bo pytania wracają w tej samej formie
- Tłumaczy zarządowi, czemu przychód z CRM nie zgadza się z przychodem ze sklepu
- Dowiaduje się o kosztownym zapytaniu z faktury za GCP, po fakcie
- Rozdziela dostępy pojedynczo, bo nikt nie spisał, kto ma widzieć które tabele
Po zmianie
- Powtarzalne pytania odbiera agent, a widok SQL liczy metrykę jedną formułą
- Zarząd dostaje liczbę razem z nazwą tabeli, więc spór o źródło się nie zaczyna
- Limit zatrzymuje kosztowne zapytanie i wysyła alert tego samego dnia
- Uprawnienia są spisane na zbiorach i widokach, a nowa osoba dostaje gotowy zakres
Pierwsze odpowiedzi widać w tygodniu pilotu. Koszt zapytań i faktyczne użycie oceniamy po 30 dniach, a po 90 wracamy do partycji i uprawnień z logiem zapytań w ręku.
Dla osoby, która to zamawia
Co z tego ma osoba odpowiedzialna za dane i za budżet chmury
Przestajesz być wąskim gardłem dla pytań, które nie wymagają Twojej głowy, i nie tracisz przy tym kontroli nad tym, kto co widzi. Dostęp agenta jest węższy niż dostęp większości Twoich analityków, bo obejmuje wskazane widoki, a nie projekt. Każde zapytanie zostaje w logu, więc na pytanie „skąd ta liczba” odpowiadasz w minutę.
Druga rzecz liczy się w rozmowie o budżecie chmury. Wchodzisz w nią z sufitem kosztu ustawionym z góry, z wolumenem skanowanym na pytanie i z listą zapytań, które warto zamienić na widok. To argument, którego dziś nie masz, bo rachunek za BigQuery przychodzi jako jedna kwota bez rozbicia na to, kto i o co pytał.
- Konto usługowe tylko do czytania, uprawnienia na zbiorze i na widoku autoryzowanym
- Dzienna kwota na projekt i limit bajtów na zapytanie, ustawione przed pierwszym pytaniem
- Pilot obok dzisiejszego raportu, więc nic nie wyłączacie na czas testów
- Log zapytań i wygenerowany SQL do wglądu, bez czarnej skrzynki
Ile to kosztuje
Warsztat ma cenę jawną, wdrożenie wycenę po nim
Warsztat procesowy kosztuje 2500 zł netto za tydzień. Przy hurtowni zwykle wystarczają jeden do dwóch tygodni: pierwszy na zbiory danych i pytania, drugi na uprawnienia i limity, gdy projekt GCP jest zapuszczony. Wdrożenie wyceniamy po warsztacie, bo koszt zależy od stanu schematu, a nie od liczby tabel.
Koszt zapytań w BigQuery i koszt modelu płacisz bezpośrednio dostawcom, bez naszej prowizji. Pierwszy terabajt przetworzony w miesiącu i pierwsze 10 GB składowania są według cennika Google bez opłaty, więc firma pytająca hurtowni kilkaset razy w miesiącu na partycjonowanych tabelach często zostaje w tym progu.
Warsztat procesowy
2500 zł netto
za tydzień, przy hurtowni zwykle jeden do dwóch
Zamknięta całość. Kończy się mapą zbiorów danych, projektem uprawnień i limitów oraz planem, który możesz zrealizować bez nas.
- Audyt zbiorów w BigQuery i tego, skąd do nich spływają dane
- Lista pytań, na które agent ma odpowiadać, i tych, które są dla dashboardu
- Projekt uprawnień, maskowania kolumn i limitów kosztu
- Rekomendacja połączenia: REST API, Model Context Protocol albo n8n
- Najczęściej wybierany
Warsztat i agent na BigQuery
Wycena po warsztacie
zakres wynika z liczby zbiorów i stanu schematu
Najczęściej wybierany wariant. Pilot w 2 tygodnie, produkcja w 2 do 6 tygodni od warsztatu, na Waszych danych.
- Wszystko z warsztatu
- Agent spięty z BigQuery, z opisanym schematem i widokami metryk
- Partycje, wymagany filtr daty, limity na projekt i na zapytanie
- Pilot obok dzisiejszego raportu i przeniesienie na produkcję
- Szkolenie zespołu z pytania o dane i z rozpoznawania słabej odpowiedzi
BOND na danych całej firmy
Wycena po warsztacie
dla firm, które pytają o dane kilkanaście razy dziennie
Wszystko z wdrożenia plus BOND, nasz firmowy agent AI, który obok hurtowni pyta CRM, faktury i dokumenty.
- Wszystko z agenta na BigQuery
- Dostęp do CRM, systemu faktur i dokumentów obok hurtowni
- Odpowiedzi po polsku i po angielsku, w przeglądarce albo na Slacku
- Alerty o anomaliach na metrykach wybranych na warsztacie
- Wdrożenie około 2 miesięcy, etapami, z pomiarem po 30 i 90 dniach
Jeśli na warsztacie wyjdzie, że w BigQuery nie ma jeszcze czego pytać, bo dane wpadają tam ręcznym eksportem raz na miesiąc, mówimy to wprost i nie sprzedajemy agenta. Dostajesz wtedy plan zasilania hurtowni w kolejności od najtańszego źródła, dokument, który obroni się bez nas i który możesz oddać własnemu zespołowi albo innej firmie.
Najczęstsze pytania
Czym jest agent AI podłączony do BigQuery?
To agent, który zamienia pytanie zadane zwykłym zdaniem na zapytanie SQL do Waszego zbioru danych, uruchamia je w BigQuery i wraca z liczbą oraz nazwą tabeli, z której ją wziął. Nie trzyma kopii danych: wysyła zapytanie i odbiera wynik. Wygenerowany SQL można podejrzeć, uruchomić samodzielnie w konsoli i zapisać jako widok, gdy pytanie wraca regularnie.
Ile kosztują zapytania agenta w BigQuery?
W modelu on-demand płacisz za wolumen danych przeskanowanych przez zapytanie, a według cennika Google pierwszy terabajt w miesiącu i pierwsze 10 GB składowania są bez opłaty. Przy tabelach partycjonowanych po dacie typowe pytanie czyta kilka dni, nie całą historię, więc firmy o kilkuset pytaniach miesięcznie zwykle w tym progu zostają. Dodatkowo ustawiamy dzienną kwotę na projekt i limit bajtów na jedno zapytanie.
Czy agent może zmienić albo usunąć dane w hurtowni?
Nie, jeśli tak to ustawimy, i tak to ustawiamy domyślnie. Konto usługowe agenta ma prawo czytać dane i uruchamiać zadania odczytu na wskazanych zbiorach, bez prawa zapisu i bez prawa zmiany schematu. Zapis do hurtowni to osobny mechanizm, który należy do zasilania danymi, nie do agenta odpowiadającego na pytania.
Jak ograniczyć agentowi dostęp do wrażliwych kolumn?
Trzema warstwami. Uprawnienia nadajemy na zbiorze danych, a nie na projekcie; zamiast tabel źródłowych udostępniamy widoki autoryzowane z wyliczonymi metrykami; wrażliwe kolumny, jak numer PESEL czy saldo konta, obejmujemy maskowaniem, więc agent widzi resztę wiersza bez tych pól. Każde zapytanie zostaje w logu projektu.
Co, jeśli agent zbuduje złe zapytanie?
Zobaczysz to, bo odpowiedź zawiera wygenerowany SQL i nazwę tabeli. W pilocie porównujemy kilkadziesiąt odpowiedzi z tym, co zwraca analityk, i najczęstszą przyczyną rozbieżności nie jest błąd składni, a niejasna definicja metryki: dwie osoby inaczej rozumieją słowo „przychód”. Wtedy definicję zapisujemy w widoku SQL i pytanie przestaje być dwuznaczne dla wszystkich.
Czy nasze dane zostają w Europie?
Tak, jeśli zbiór danych ma lokalizację europejską, na przykład wieloregion EU albo region warszawski. BigQuery wykonuje zapytania w lokalizacji zbioru, a tej lokalizacji nie da się później zmienić bez przeniesienia danych, więc decyzję podejmujemy na warsztacie. Hurtownia stoi w Waszym projekcie Google Cloud i nic nie kopiuje się do naszej infrastruktury.
Ile trwa wdrożenie agenta na BigQuery?
Tydzień lub dwa warsztatu, potem 2 tygodnie pilotu na jednym zbiorze danych i 2 do 6 tygodni do produkcji, w zależności od tego, ile zbiorów wchodzi w grę i w jakim stanie jest schemat. Najdłużej trwa nie połączenie, a uzgodnienie definicji metryk, bo to praca po Waszej stronie i nie da się jej przyspieszyć narzędziem.
Czy potrzebujemy własnego zespołu danych albo znajomości SQL?
Nie. Wystarczy, że wiecie, jakie pytania zespół zadaje najczęściej i które odpowiedzi dziś przychodzą za późno. Uprawnienia, opis schematu, partycje i limity ustawiamy my, a po wdrożeniu zostaje u Was dokumentacja z listą widoków i zakresem dostępu, żeby zmiana nie wymagała zgłoszenia do nas.
Sprawdźmy, czy w Waszej hurtowni jest już czego pytać
Bezpłatna konsultacja trwa 30 minut. Opowiadasz, jakie zbiory macie w BigQuery, skąd do nich spływają dane i kto dziś pisze zapytania ręcznie. Pokażemy demo agenta na przykładowych danych i powiemy wprost, czy pierwszym krokiem jest agent, czy zasilanie hurtowni. Nie musisz na tym etapie dawać nam dostępu do projektu GCP.
Prowadzimy najwyżej dwa wdrożenia równocześnie, żeby przy każdym ktoś realnie siedział.
Umów bezpłatną konsultacjęPS. Jeśli w tym tygodniu ktoś u Was czekał dzień na liczbę, która leży w BigQuery, to jest dokładnie ten problem. Agent nie zastąpi analityka, ale zdejmie z niego pytania powtarzalne i pokaże, z jakiej tabeli wzięła się każda odpowiedź. Od tego zaczyna się warsztat.