Tavi dati jau stāsta stāstu. Es panāku, ka to izlasa arī tie, kam jāpieņem lēmums — bez Excel kaudzes, bez gara skaidrojuma, bez „es vēlāk paskatīšos". Sarežģītība iekšā, skaidrība ārā.
Parādi savu materiālu — 30 min, bez maksas →Visa sistēma turas uz vienas ass — pārcelt lēmumu no „tici man” uz „pārbaudi pats”. Posmi 1–4 nemaksā neko, jo tajos tu pelni uzticību, nevis naudu. Reāla nauda kustas tikai trīs reizes.
Visi seši izturējuši sadursmi ar atklāti skeptisku klientu. Sarunas kodols nemainās: mēs pārceļam lēmumu no „tici man” uz „pārbaudi pats”, izspēlējot lētu pilotu tieši uz klienta paša piezīmēm.
1. Produkta arhitektūra, ne tikai vārdi. Atbildes ③ (privātums) un ⑤ (uzturēšana) pārdod pašu pamatu — veidu, kā šo rīku būvējam. Ja vārds „lokāli” aizkulisēs tomēr sauc ārēju LLM API, vai solījums „nelūdz jaunu ieradumu” ikdienā pieprasa manuāli kārtot piezīmes — pilots šīs plaisas atklās, un cilvēks aizies vīlies. Sarunas brīdī mēs viņu noturam, taču visu risku pārliekam uz pašu sistēmu. Raugiet, lai radītais tiešām spēj turēt vārdu.
2. „Rudenī” nav uzvara. Iebildums ⑥ iezīmē to vienīgo slieksni, aiz kura klients patiesi pamet sarunu tukšām rokām. Šeit nedrīkst lauzt pretestību ar varu. Pārdevēja spiediens sagrautu mūsu pašu ielikto pamatu — atstāt kontroles sviras cilvēka rokās. Sagatavotā atbilde izdara visu iespējamo. Tā atstāj durvis pusvirus un iesēj prātā nākamo mazo soli. Tomēr nelolojiet veltas cerības. Vārdu „vēlāk” par „tagad” šī atbilde nepārvērš.
Divu līmeņu pieeja. Sāc ar turnkey rīku — AnythingLLM vai Obsidian Copilot — un strādājošu sistēmu iegūsi jau pēcpusdienā. Pie DIY pārej tikai tad, kad turnkey atduras pret konkrētu sienu: pielāgots OCR, latviešu chunking, hibrīda meklēšana. Negaidi perfektu no pirmās dienas — gaidi strādājošu, pārējo noslīpē vēlāk.
Visā stekā izšķirošā izvēle ir embedding modelis. Daudzu rīku noklusējums nomic-embed-text saprot tikai angļu valodu. Latviešu meklēšanu tas sabojā klusām — atbild ar blēņām, sistēmai neuzrādot nevienu pašu kļūdu. Drošāks ceļš ir bge-m3 (vai multilingual-e5, vai jina-v3), ko vienmēr pārbaudi ar savu latviešu tekstu.
Ātrais ceļš ir vienkāršs. Ja krājumu veido piezīmes un digitāli PDF, instalē AnythingLLM, izvēlies embedder bge-m3 un iemet failus. Šis paņēmiens sapresē 3.-9. soli vienā rīkā, atstājot DIY tikai tiem brīžiem, kad turnkey pieviļ.
1 · Embedder
Tikai bge-m3 (vai e5/jina-v3), NEKAD nomic/mxbai. Šī izvēle novelk robežu starp strādājošu latviešu meklēšanu un klusu blēņu ražošanu.
2 · Modelis
Izvēlies Chat modeli <=8B Q4 formātā. Sargies no VRAM pārplūdes — 4B modelis uz GPU bieži pārspēj 8B, tiklīdz lielākais sāk gāzties parastajā RAM.
3 · OCR
Latviešu skenējumu OCR uztici Surya (Marker), apejot vienkāršo Tesseract. Visu izšķir diakritisko zīmju precizitāte.
Būsim atklāti. Kamēr jina-v3 latviešu atbalstu dokumentē tieši un e5 spēks atklājas zemo resursu valodās, bge-m3 patiesā kvalitāte slēpjas aiz „simtiem valodu” solījuma. Pirms apņemties, pārbaudiet modeli uz sava teksta. Uzdodiet pāris zināmus jautājumus latviski pret paša piezīmēm — tas būs lētākais un vērtīgākais solis visā projektā.
Zināšanas nepazūd dramatiski — tās lēni noplūst. Aplēses rāda: cilvēks, kas strādā ar informāciju pavada gandrīz deviņas stundas nedēļā, meklējot un lasot kopā to, ko patiesībā jau zina. Vesela darbadiena izkūp, rokoties pēc paša atmiņām. Otrās smadzenes nepadara tevi gudrāku. Tās vienkārši pārcērt šo dubulto nodokli. Savukārt 2026. gadā spēles noteikumus pārrakstīja privātums. Brīdī, kad ASV tiesa nosprieda — teksta iekopēšana parastā AI rīkā iznīcina advokāta un klienta noslēpumu —, frāze „tas nekad nepamet tavu datoru” pārstāja būt patīkams bonuss. Tā kļuva par pašu būtību.
Divpadsmit gadu metodika slēpjas četrsimt mapēs, trīs datoros un pašas galvā. Zvana bijušais klients: „kāds bija tas cenu ietvars, ko uztaisīji 2021.?” Viņa zina, ka dokuments eksistē, un rok to ārā visu vakaru. → Pirms zvana viņa ieraksta /prep un saņem precīzu brīfingu. Piedāvājumi, kas agrāk prasīja trīs stundas, top piecpadsmit minūtēs un viņas pašas balsī. Desmit gadu domāšana vairs neizkūp gaisā, bet kļūst par aktīvu, kas pieder tikai viņai.
Divsimt PDF, sešdesmit ierakstu, perfektais citāts izlasīts pirms sešām nedēļām. Viņš jūt tā klātbūtni. Neatrod, nolaiž rokas un lasa tos pašus rakstus otrreiz. → Viņš jautā savai bibliotēkai cilvēku valodā un saņem precīzu fragmentu ar avota atsauci, pilnībā gatavu citēšanai. Tēzes rakstīšana pārstāj būt arheoloģija.
Trīs gadu melnraksti un izkaisīti balss memuāri. Viņa zina, ka 2023. radīja ideālu metaforu par izdegšanu — bet kurā no deviņdesmit tekstu blāķiem? ChatGPT tikmēr maļ kompetentu, pelēku biezeni, kurā nav viņas. → „Pajautā sev pagātnē, kas atceras katru vārdu.” Tas atrod pazudušo metaforu un raksta no viņas korpusa — viņas pašas balsī labā dienā, nevis AI balsī.
Lielisks argumenta karkass no 2022. gada lietas izcili der jaunajam klientam. Taču iekopēt svešus faktus publiskā AI rīkā nozīmē rupju kļūdu — tā sadedzina advokāta un klienta noslēpumu. Cilvēks stāv krustcelēs: strādāt lēni vai riskēt ar reputāciju. → Lokāls LLM pēta tikai tavus arhīvus. Nekādu mākoņu, nekas netiek pārraidīts ārpusē. Konfidencialitāte izdzīvo, jo dzelži un dati fiziski nepamet biroja sienas. Šis pats princips sargā mediķi, terapeitu un grāmatvedi.
Astoņpadsmit mēnešu lēmumi guļ izkaisīti sapulču piezīmēs, Slack pavedienos, balss memuāros un viņa paša galvā. Valde prasa, kāpēc pērn nogalināja enterprise plānu. Viņš atceras noskaņu, nevis argumentus. → Jautājums „Kāpēc mēs nolēmām X?” izceļ gaismā īsto pavedienu — konkrēto sapulci, kompromisu un cilvēku, kurš iebilda. Stratēģija beidzot kļūst vaicājama, nevis mītiska.
Viņas dzīvi raksturo viena frāze: „es to kaut kur pierakstīju”. Ideja, parole, spoža doma pulksten divos naktī — satverta un pazudusi. Uztveršana bez izguves ir tikai piekrāmēti bēniņi. → Uztvert joprojām ir viegli, bet izguve pārvēršas sarunā. Viņa jautā un uzreiz saņem meklēto. Otrās smadzenes kļūst par darba atmiņu, kādu bioloģija mums liedz.
Viņš atrisināja tieši šo auth bagu pirms četrpadsmit mēnešiem. Atceras pašu faktu. Neatceras paņēmienu — un tagad izšķiež veselu pēcpusdienu, no jauna meklējot to pašu atbildi, un klusībā sevi nicina. → Lokāls RAG pār viņa paša kodu, debugošanas piezīmēm un dokumentāciju. Pat pār NDA kodu, kas nekad neskar mākoni. Jautājums „Kā es salaboju to race condition?” acumirklī atgriež viņa paša seno risinājumu ar gatavu pamatojumu.
Viņa maina virzienu no mārketinga uz UX, divus gadus rok dziļi kursos un projektos. Līdzi nāk desmit gadu mārketinga pieredze, kuru nedrīkst pazaudēt. Abas pasaules guļ atsevišķās atvilktnēs un klusē. → Zināšanu grafs dīgst pats, izgaismojot aizmirstas saites starp veco un jauno. Viss uzkrātais sakūst vienā, dzīvā un izjautājamā ekspertīzē — tajā retajā sintēzē, kur dzimst erudīta pārspēks.
Viņa darba diena skan trīs valodās: latviešu piezīmes, angļu dokumenti, krievu klientu e-pasti. Mainstream AI rīki klusējot paliek angļu-centriski — tie nogludina latviešu valodas nianses un nereti sakropļo diakritiku. → Otrās smadzenes, kas patiesi saprot un indeksē tekstus pāri latviešu, angļu un krievu valodas robežām, atbildot skaidrā latviešu valodā, kad viņš jautā latviski. Baltijas profesionālim šī ir robežšķirtne starp rīku, kas atpazīst viņa domāšanu, un tādu, kas vienkārši neder.
Precīzākais pirmais klients ir solo profesionālis, kuram datu privātums izšķir visu. Sāc ar konsultantu. Tur slēpjas skaidrākā ROI un ātrākais darījums, viņš radīs tavas references un case study. Pēc tam kāp iekšā regulētajās praksēs. Jurists, terapeits, grāmatvedis — vide, kur svešas acis nepieļauj likums, bet cenas tolerance aug griestos. Šis cilvēks lēmumu pieņem viens pats, apejot iepirkumu nodaļas un IT birokrātiju. Rakstniekus, akadēmiķus un ADHD-segmentu atstāj satura un uzticības dzinējam. Viņi uzbūvēs demo un atstās atsauksmes, kas beigās pārdos šos dārgos segmentus.
„Saņem bezmaksas Otrās smadzenes auditu” — primārais
„Redzi, kā tas atbild uz jautājumu no tavām piezīmēm” — demo
„Uzzini, ko tava izklīdusī zināšana tev maksā” — loss aversion
Pārdod produktizētu pakalpojumu, nevis kārtējo SaaS sapni — pārdod izmērāmu rezultātu, ne tukšu „AI čatbotu”. Sāc kā augstas maržas pakalpojums. Iepazīsti dzīvās darbplūsmas caur maksas pilotiem, un tikai tad produktizē atkārtojamo. Šāda pieeja pašos pamatos iebūvē uzticību, nevis izdevumus — tas precīzi trāpa privātumam jutīgos pircējos, kuri sen vairs nereaģē uz reklāmu.
Viena blīva, izlasāma lapa vai deck — tieši tāds kā šis. Tavs sarežģītais stāsts kļūst par to, ko valde, klients vai investors saprot uzreiz.
Filtri, dziļurbumi, dzīvi cipari. Tu pats lien iekšā datos un atrodi atbildi, nevis gaidi kārtējo atskaiti pa e-pastu.
Izķeru no tava datu blāķa to, kas svarīgs, un pasaku, ko ar to darīt. Ne tikai grafiks — secinājums, uz kura var rīkoties.
Rēķini, konfiguratori, interaktīvas lapas pārlūkā. Klients pats izspēlē skaitļus un paliek pie tevis ilgāk.