Sztuczna inteligencja coraz częściej wspiera banki, administrację publiczną oraz sektor obronny. Wraz z jej rozwojem pojawia się jednak dobrze znany problem: systemy AI potrafią generować odpowiedzi, które brzmią wiarygodnie, lecz nie mają oparcia w faktach. Takie błędy, określane mianem halucynacji, są szczególnie groźne tam, gdzie decyzje mają konsekwencje finansowe, prawne lub bezpieczeństwa państwa. Polska spółka DataWalk proponuje podejście, które znacząco ogranicza to zjawisko, opierając działanie AI na relacjach między danymi, a nie na samych zbiorach informacji.
Graf wiedzy zamiast luźnych danych
Podstawą systemu DataWalk jest graf wiedzy. To struktura, która łączy różne typy danych w logiczne sieci zależności, zbliżone do sposobu, w jaki człowiek rozumie rzeczywistość. Osoby, konta, transakcje czy zdarzenia nie istnieją tu osobno, lecz są ze sobą powiązane. Dzięki temu modele AI nie operują na przypadkowych fragmentach informacji, ale na spójnym obrazie sytuacji.
Jak podkreśla prezes spółki Paweł Wieczyński, to właśnie relacje między danymi są kluczowe. Same modele językowe, nawet coraz dokładniejsze, nadal potrzebują solidnych podstaw. Graf wiedzy pełni tu rolę filtra i punktu odniesienia, który ogranicza pole do błędnych wniosków.
AI, która musi uzasadniać decyzje
Taki model pracy jest szczególnie istotny przy wykrywaniu nadużyć finansowych czy prania pieniędzy. Analityk nie dostaje jedynie komunikatu o podejrzanej transakcji, lecz pełną ścieżkę logiczną, która do niej prowadzi. To podejście zwiększa zaufanie do systemów AI i ułatwia ich akceptację przez instytucje nadzorcze.
Od banków po administrację i wojsko
Choć banki pozostają głównym źródłem przychodów DataWalk, spółka coraz mocniej zaznacza obecność w sektorze publicznym oraz obronnym. Projekty pilotażowe realizowane z instytucjami związanymi z NATO pokazują, że grafy wiedzy sprawdzają się także w analizie zagrożeń i pracy wywiadowczej.
Warto zwrócić uwagę na model wdrożeniowy firmy. System działa w infrastrukturze klienta, często w środowiskach całkowicie odciętych od internetu. Oznacza to pełną kontrolę nad danymi oraz brak uzależnienia od zewnętrznego dostawcy. Dla Europy, która coraz częściej mówi o potrzebie niezależności technologicznej, ma to duże znaczenie.
Wyniki finansowe i plany na 2026 rok
Istotną rolę ma odegrać także rozwój u obecnych klientów. Rozszerzanie licencji na kolejne działy i grupy użytkowników pozwala zwiększać przychody bez konieczności pozyskiwania całkowicie nowych odbiorców.
Przyszłość: więcej agentów, mniej ręcznej pracy
System DataWalk jest przygotowany na obsługę wielu modeli AI jednocześnie, w tym agentów działających niemal samodzielnie. W niektórych obszarach to właśnie one mogą stać się głównymi użytkownikami platformy. Oznacza to mniejsze obciążenie zespołów analitycznych i szybsze reagowanie na zdarzenia.
Jednocześnie spółka podkreśla, że nie planuje przejęć innych firm. Zamiast tego stawia na rozwój własnego produktu i długoterminowe relacje z klientami, które często trwają latami.
Dlaczego podejście DataWalk ma znaczenie
Halucynacje AI to nie tylko problem techniczny, lecz także kwestia zaufania. Bez jasnych zasad działania i możliwości weryfikacji decyzji trudno mówić o szerokim zastosowaniu sztucznej inteligencji w newralgicznych obszarach. Graf wiedzy, audytowalność procesów oraz pełna kontrola nad danymi sprawiają, że rozwiązania DataWalk odpowiadają na realne potrzeby rynku.
W efekcie polska spółka pokazuje, że rozwój AI nie musi oznaczać utraty kontroli. Wręcz przeciwnie – może prowadzić do bardziej uporządkowanych, przejrzystych i bezpiecznych systemów wspierających decyzje w biznesie i administracji.
