Analiza kontekstu
System rozumie sezonowość, zobowiązania i cele - nie traktuje każdego miesiąca jako izolowanego zdarzenia.
Gusybyu - planowanie finansowe z AI
Kiedy liczby przestają mówić, co robić dalej
System, który analizuje Twoją sytuację finansową i wskazuje kolejny krok - nie w teorii, lecz w Twoich konkretnych danych.
Czym Gusybyu różni się od arkusza kalkulacyjnego
Większość narzędzi finansowych rejestruje przeszłość. Gusybyu łączy dane historyczne z modelami predykcyjnymi, żeby odpowiadać na pytania o przyszłość - zanim staną się problemem.
Scenariusze warunkowe
Możesz sprawdzić, co się stanie przy zmianie dochodu o 15% lub przy wcześniejszej spłacie kredytu - bez ręcznych przeliczeń.
Prywatność danych
Dane pozostają zaszyfrowane i nie są udostępniane podmiotom trzecim. Kontrola należy do użytkownika.
Praca grupowa
Sesje grupowe pozwalają uczestnikom porównywać strategie i uczyć się od siebie nawzajem w bezpiecznym środowisku.
Personalizacja modelu
Algorytm dostosowuje się do Twojego profilu ryzyka i horyzontu czasowego - nie stosuje jednego szablonu dla wszystkich.
Raporty do działania
Każdy raport kończy się listą konkretnych kroków, nie ogólnymi zaleceniami w stylu „oszczędzaj więcej".
Kto trafia do Gusybyu i z jakim pytaniem
1.Większość uczestników przychodzi nie dlatego, że są w kryzysie finansowym. Przychodzą, bo mają dochód, ale nie wiedzą, co z nim zrobić - i każda decyzja wydaje się równie dobra lub równie ryzykowna.
2.Typowy uczestnik to osoba między 30 a 50 rokiem życia, pracująca na etacie lub prowadząca jednoosobową działalność. Zarabia wystarczająco, żeby odkładać - ale odkłada bez planu, bo plan wymaga danych, których nie ma jak zebrać w jednym miejscu.
- Osoby planujące zakup nieruchomości w perspektywie 3–7 lat
- Przedsiębiorcy, którzy mieszają finanse firmowe z osobistymi
- Pary, które chcą zsynchronizować dwa różne podejścia do pieniędzy
- Osoby po zmianie pracy lub po podwyżce, które nie chcą, żeby nowe pieniądze znikały tak samo jak poprzednie
Jak system reaguje, gdy sytuacja się zmienia
Statyczny plan finansowy staje się bezużyteczny przy pierwszej większej zmianie - utracie klienta, nieoczekiwanym wydatku, zmianie stóp procentowych. Gusybyu traktuje zmienność jako dane wejściowe, nie jako wyjątek.
1
Wykrycie odchylenia
System porównuje bieżące dane z prognozą i sygnalizuje, kiedy różnica przekracza ustalony próg - nie czekając na koniec miesiąca.
2
Analiza przyczyny
Algorytm rozróżnia zdarzenia jednorazowe od trendów strukturalnych i dobiera odpowiedź do charakteru zmiany.
3
Korekta planu
Zaktualizowane rekomendacje trafiają do uczestnika przed kolejną sesją grupową - z wyjaśnieniem, co się zmieniło i dlaczego.
Średni czas reakcji systemu
24h
Od wykrycia odchylenia do zaktualizowanych rekomendacji dla uczestnika.
Czego wymaga ten proces od uczestnika
1.Gusybyu nie jest aplikacją, którą instalujesz i zapominasz. Wymaga regularnego zaangażowania - nie dlatego, że system jest skomplikowany, ale dlatego, że zmiana nawyków finansowych potrzebuje czasu i powtarzalności.
2.Uczestnicy, którzy osiągają największy postęp, traktują sesje grupowe jak spotkania robocze - przychodzą z pytaniami, nie po gotowe odpowiedzi. Wymiana doświadczeń z innymi uczestnikami jest częścią metody, nie dodatkiem.
Regularność Sesje grupowe odbywają się co tydzień lub co dwa tygodnie - harmonogram ustalany na początku cyklu.
Dane wejściowe System potrzebuje dostępu do podstawowych danych finansowych - wyciągów, przychodów, zobowiązań. Bez nich analiza jest niepełna.
Horyzont czasowy Minimalna długość cyklu to 3 miesiące. Zmiany w nawykach finansowych nie zachodzą w ciągu kilku tygodni.
Kto stoi za systemem
Gusybyu tworzą analitycy finansowi i inżynierowie ML, którzy zaczęli współpracę w 2017 roku. Łączy ich przekonanie, że dobry system finansowy musi rozumieć kontekst - nie tylko liczby.
Agnieszka Wrotek
Główna analityczka finansowa
Przez 11 lat pracowała jako doradca finansowy dla klientów indywidualnych i małych firm. Do Gusybyu wniosła rozumienie tego, jak ludzie naprawdę podejmują decyzje o pieniądzach - rzadko racjonalnie, zawsze kontekstowo.
Tomasz Kędra
Architekt systemów ML
Budował modele predykcyjne dla sektora bankowego, zanim dołączył do projektu. Jego zadaniem było sprawienie, żeby algorytm nie tylko liczył, ale też wyjaśniał swoje wnioski w języku zrozumiałym dla użytkownika.