Uczelnia: asystent studencki odpowiada na 14 000 pytań miesięcznie

Sytuacja wyjściowa

Klient: uniwersytet, 12 000 studentów, 8 wydziałów, 1 200 pracowników akademickich i administracyjnych. Dziekanat każdego wydziału — 8-15 pracowników, średnio 80-130 zapytań studentów dziennie.

Pracownicy dziekanatów spędzali 60% czasu na odpowiadaniu na powtarzające się pytania: „kiedy mija termin oddania pracy", „jak wystawić nowe legitymacje", „czy mogę zmienić promotora". Studenci pisali maile o 23:00, dostawali odpowiedź następnego dnia o 14:00. Wszyscy frustrowali wszystkich. Strona internetowa miała odpowiedzi, ale nikt jej nie czytał (4 200 dokumentów, brak dobrej wyszukiwarki).

Jakie procesy weszły na AI

• Asystent studencki na portalu i w aplikacji — Bot odpowiada 24/7 na pytania regulaminowe, organizacyjne, programowe. Zna regulamin studiów, harmonogram sesji, plany zajęć, listę przedmiotów, kontakty do osób funkcyjnych. Eskaluje do dziekanatu tylko sprawy wymagające decyzji.
• Spersonalizowane odpowiedzi per student — Bot integruje się z USOS (system uniwersytecki) i odpowiada w kontekście studenta: „Twój termin na złożenie pracy to 28 czerwca", „masz zaległości z dwóch przedmiotów: X i Y". Bez pytania o numer indeksu (auth z SSO).
• Asystent pracownika dziekanatu — Wewnętrzny asystent dla dziekanatu odpowiada na trudniejsze pytania (interpretacja regulaminu, precedensy), generuje pisma odpowiedzi, sugeruje decyzję. Pracownik weryfikuje i wysyła.
• Analytyka „o co studenci najczęściej pytają" — AI agreguje pytania bez odpowiedzi (lub z eskalacją do dziekanatu) i generuje cotygodniowy raport „luk informacyjnych" — co należy dodać do regulaminu, FAQ, instrukcji.

Architektura rozwiązania

Stack RedAI: Claude Opus 4.7 do generowania odpowiedzi, embedding e5-large w Qdrant na 4 200 dokumentach uczelni (regulaminy, harmonogramy, FAQ, programy studiów). Integracje przez MCP z USOS, kalendarzem akademickim, systemem rezerwacji sal. Hook PreToolUse autoryzuje studenta przez SSO i pokazuje tylko jego dane.

Dane klienta nie wychodzą poza prywatną instancję RedAI. Wszystkie wywołania modeli, retrieval z bazy wiedzy i operacje na systemach źródłowych logowane do audytu (NIS2, AI Act art. 12, RODO art. 32). Hooks Claude wymuszają deterministyczne kontrole uprawnień (ACL) przed każdym wywołaniem narzędzia.

Liczby i wyniki

Setup: 290 tys. zł. Opex: 18 tys. zł/mies. Korzyść trudna do wyrażenia w zł, ale: oszczędność 6 etatów dziekanatu, których nie trzeba zatrudniać + reputacja uczelni + retention studentów w trudnym dla wyższej edukacji okresie.

„Pierwsza wartość, jaką dał uczelni AI — to spokój ducha studentów pierwszego roku."

— Prorektor ds. studenckich

Co dalej

Kolejna faza: AI-tutor dla najtrudniejszych przedmiotów (matematyka, fizyka, prawo wstępne), asystent prowadzącego (wyręcza w odpowiadaniu na maile od studentów), predykcja drop-out (które studenci zagrożone są niezdaniem semestru z 8-tygodniowym wyprzedzeniem).

RedAI działa jako prywatna instancja w infrastrukturze klienta. Dane nie wychodzą poza firmę. Umówcie 30-minutowe demo — pokażemy analogiczne wdrożenie w Waszej branży i policzymy ROI na Waszych liczbach.