Pre-built API trefí 93 % na čistých demech a 45 % na vašem reálném rukopisu. Cloud vision modely vypadají skvěle v laborce. V reálném osvětlení provozu ale selhávají. Stavíme NLP a computer vision systémy, které tu mezeru zavírají: trénované na vašich datech, kalibrované na vaše prostředí, s pravidly a exception handlingem, který produkce potřebuje.
Pixelfield je pro CTO, VP Engineering a operations leady, kteří už zkusili API, narazili na zeď a potřebují produkční přesnost na reálných dokumentech, obrázcích a textu. Senior inženýři, kteří vymezují rozsah, píšou i produkční kód. 50+ AI funkcí v produkci, nejrychlejší nasazení dva měsíce. Máme pověst toho, že vám řekneme, kdy stačí Vision API.
Trénované na vašich datech, ne benchmarcíchHybrid: model + pravidla + exception handlingKalibrace prostředí pro CVUpřímně k tomu, kdy vyhrává pre-built
Modely skórují skvěle na benchmarcích a padají na reálných datech. První produkční běhy obvykle spadnou na 25-50 % toho, co jste viděli v laborce. Náprava pak stojí desetinásobné úsilí. Mezeru zahrnujeme do rozsahu od prvního týdne: placený PoC na vašich reálných datech, accuracy uváděná podle datového typu (printed vs handwritten, lab vs floor) a explicitní failure-mode analýza.
Cloud OCR API prodávají 95 % na čistém printu. Na reálném rukopisu trefí 45-50 %. NLP API trefí 80-90 % na standardním textu a klesají rychle na vašem oborovém žargonu, slangu a multilingual edge cases. Tyhle mezery zavíráme specializovanými modely, fine-tuningem na označených datech a post-processing pravidly, která každý produkční systém potřebuje.
Model, co vrací dokonale formátovaný JSON se špatnými hodnotami, je nejhorší typ selhání. Stavíme confidence kalibraci, exception handling a human review do workflow: low-confidence výstupy míří na review, layout shifts spustí alerty, drift na sliced metrice upozorní inženýra. Tichá selhání ničí důvěru.
Produkční NLP a CV je málokdy jen model. Je to model plus rules engine plus post-processing plus exception handling plus human review plus feedback loops. Jedna reálná NER pipeline běžela s 'milionem dalších pravidel nahoře pro opravu výsledků'. Stavíme celý stack a vysvětlujeme, proč si každá vrstva zaslouží své místo.
Hledáte tyhle služby?
Testujeme zjevnou pre-built variantu (Textract, Vision API, Rekognition, spaCy, HuggingFace) nejdřív na vašich reálných datech. Reálné vzorky rukopisu, reálná factory floor footage, reálný customer text v žargonu. Měříme, kde to drží, kde se láme a jak vypadají failure modes.
Výstup: feasibility report s reálnou accuracy by slice, pre-built vs custom doporučení, environmental readiness assessment pro CV, fixed-scope build quote.
Pro NLP: labelling strategie, fine-tuning na vašich datech, slang a žargon coverage, multilingual handling, kde je třeba. Pro CV: site-specific sběr dat, hard-negative mining pro background leakage, augmentace pro lighting a motion, hardware validace napříč kamerami a chipy, na kterých to opravdu poběží.
Build běží jako malý zkušený tým vedený Michalem Vavrou. Každá iterace je řízená fixním eval setem rozděleným podle datového typu a podmínky, ne aggregate accuracy.
Model je jedna komponenta. Zapojíme rules enginy, post-processing, confidence thresholdy, exception queues, human-review interfaces a feedback loops. Pak nasazujeme za feature flagy s shadow testingem na reálném produkčním trafficu před automatizací rozhodnutí.
Pro CV deploymenty pouštíme site-specific validaci napříč každou kamerou, lighting podmínkou a denní dobou před sign-offem.
Při spuštění zapojíme confidence-distribution monitoring, sliced accuracy podle datového typu, environmental drift alerty, exception-queue tracking a feedback loop z lidského review zpět do eval setu. CV obzvlášť potřebuje site-by-site monitoring, protože protocol nebo scanner drift může tiše snížit sensitivitu o 10+ procentních bodů.
Měsíční retainer pro monitoring, retraining a iteraci. Žádný lock-in, in-house kdykoli.
Otázky, které nám CTO a operations leadi kladou na prvním callu o NLP, computer vision, accuracy na reálných datech a produkčních nákladech.
Často dramaticky. Cloud OCR API trefí 93-95 % na čistém printu a 45-50 % na reálném rukopisu. Specializované modely dosahují 95 % na stejném rukopisu. CV modely trénované na COCO padají na vaší factory floor kvůli background leakage a osvětlení. Site-specific fine-tuning na cca 200 reálných obrázcích to obvykle opraví. V discovery API testujeme na vašich datech, abyste věděli, jakou mezeru přesně zavíráte.
Accuracy bez vidění dat negarantujeme. Discovery PoC na vašich reálných vzorcích produkuje upřímnou accuracy by slice (printed vs handwritten, lab vs floor, polite vs angry user text). Pak nastavíme targety, které musí systém před launchem trefit. Uvádíme i false-positive a false-negative rates zvlášť, protože aggregate accuracy skrývá failure modes, na kterých opravdu záleží.
API použijte, když je úkol čistý printed text, basic labelling, nízký objem, žádný domain-specific požadavek a žádný real-time/edge constraint. Custom stavte, když máte rukopis, doménové objekty, real-time video (camera-feed cena exploduje na cloud API), privacy/edge požadavky nebo potřebujete 95%+ přesnost. Před nabídkou buildu řekneme, na které straně jste.
Ano, ale málokdy na cloud API. Jeden referenční Rekognition deployment trefil cca $2 280 per kameru měsíčně. Nasazujeme on-device s ONNX Runtime, TensorRT Lite, TFLite nebo Rust wrappers, s hardware-validated accuracy. Stejný INT8 model může driftovat mezi 71 % a 93 % napříč různými Snapdragon chipy, takže testujeme na siliconu, na kterém opravdu plánujete vydávat.
Tři vrstvy. Confidence thresholdy směrující low-confidence výstupy do human review queue. Output validation proti typed contractům (layout shifts produkují structured output, jen špatný, takže kontrolujeme strukturu i obsah). Sliced accuracy monitoring: sledujeme drift na slices, na kterých záleží (per-customer, per-camera, per-document-type), takže tichá degradace se projeví ve dnech, ne měsících.
Discovery pevná cena od 50 000 Kč. Production buildy obvykle od 280 000 Kč a běží šest až dvanáct týdnů. Run rate závisí na architektuře: cloud inference pro low-volume NLP může být haléře na milion tokenů; edge CV na vašem hardware je near-zero marginal cost; high-volume video na cloud API exploduje rychle. Obě čísla stanovíme v návrhu, takže run rate je jasný před závazkem.
Když pre-built API dělá práci v přijatelné přesnosti a ceně. Když jsou data příliš řídká pro fine-tuning. Když fyzické prostředí není fixní (CV piloty selhávají kvůli osvětlení, ne modelu). Když rules engine nebo template-based extrakce by byly spolehlivější. Řekneme to v discovery a doporučíme levnější, spolehlivější variantu.
