CogniFlow
offline-first · wellbeing · AI
Projekt AI · Zdrowie psychiczne · Produktywność
CogniFlow to inteligentny asystent AI działający lokalnie na urządzeniu, który wykrywa pierwsze oznaki przeciążenia umysłowego i pomaga odzyskać fokus, zanim pojawi się frustracja, spadek efektywności lub wypalenie.
CogniFlow został zaprojektowany jako system predykcyjny, który identyfikuje wczesne sygnały przeciążenia poznawczego na podstawie anonimowych wzorców zachowania — bez analizy treści i bez zapisu obrazu.
System nie zapisuje obrazu z kamery ani treści klawiatury. Przetwarzane są wyłącznie zagregowane wskaźniki zachowania.
Analiza odbywa się bezpośrednio na urządzeniu użytkownika, bez opóźnień sieciowych i zależności od chmury.
Użytkownik decyduje o udziale w dobrowolnym trybie pilotażowym i może wyłączyć go w dowolnym momencie.
Architektura CogniFlow została zaprojektowana w duchu privacy-by-design i etycznej AI, z myślą o długofalowym dobrostanie użytkownika.
System został zaprojektowany tak, aby wspierać koncentrację i zdrowie psychiczne bez naruszania prywatności użytkownika.
CogniFlow obserwuje subtelne wzorce pracy — tempo pisania, ruchy myszy oraz zmiany uwagi — bez zapisywania treści ani obrazu.
Lokalny model AI wykrywa pierwsze oznaki przeciążenia poznawczego i spadku koncentracji, zanim użytkownik sam je zauważy.
System proponuje krótkie przerwy, zmianę rytmu pracy lub mikro-interwencje, pomagając zachować fokus bez przerywania flow.
CogniFlow został zaprojektowany w duchu prywatności, transparentności i pełnej kontroli użytkownika nad danymi.
Cała analiza odbywa się bezpośrednio na urządzeniu użytkownika. Dane biometryczne i behawioralne nie są wysyłane do chmury ani przechowywane na zewnętrznych serwerach.
System nie zapisuje obrazu z kamery, treści klawiatury ani szczegółowych danych osobowych. Analizowane są wyłącznie anonimowe wzorce zachowania.
Użytkownik decyduje, jakie informacje są przetwarzane oraz czy anonimowe statystyki mogą być opcjonalnie synchronizowane między urządzeniami.
Projekt jest zgodny z europejskim podejściem do ochrony danych, zasadami etycznej sztucznej inteligencji oraz ideą technologii wspierającej dobrostan człowieka.
CogniFlow może działać w dwóch trybach. Domyślnie chroni pełną prywatność użytkownika, a opcjonalnie umożliwia udział w pilotażu, który pomaga rozwijać kolejne wersje systemu.
W trybie pilotażowym wykorzystywane są jedynie anonimowe wskaźniki działania systemu (np. poziom zmęczenia, czas koncentracji, reakcje na interwencje). Dane nie zawierają treści, obrazu ani informacji osobowych i są wykorzystywane wyłącznie do celów badawczo-rozwojowych.
Użytkownik może w każdej chwili wyłączyć tryb pilotażowy i usunąć lokalnie zapisane dane.
Udział w pilotażu oraz ewentualna synchronizacja anonimowych metryk z infrastrukturą chmurową są całkowicie opcjonalne i domyślnie wyłączone.
CogniFlow został zaprojektowany jako system offline-first, w którym chmura pełni wyłącznie rolę pomocniczą.
Modele sztucznej inteligencji działają bezpośrednio na urządzeniu użytkownika, analizując sygnały behawioralne i fizjologiczne w czasie rzeczywistym.
Takie podejście minimalizuje opóźnienia, zwiększa niezawodność oraz eliminuje konieczność przesyłania wrażliwych danych.
Usługi Microsoft Azure wykorzystywane są wyłącznie jako środowisko pomocnicze w procesie rozwoju systemu oraz pilotażu — bez udziału w bieżącym przetwarzaniu danych użytkownika.
Architektura systemu zapewnia pełną funkcjonalność offline, a integracja z chmurą jest opcjonalna i podporządkowana zasadom prywatności oraz świadomej zgody użytkownika.
CogniFlow rozwijany jest przez czteroosobowy, interdyscyplinarny zespół, łączący kompetencje z zakresu sztucznej inteligencji, inżynierii oprogramowania oraz projektowania doświadczeń użytkownika.
UI / UX · Projektowanie interfejsów
Odpowiada za projektowanie interfejsów oraz doświadczenia użytkownika, ze szczególnym uwzględnieniem ergonomii, czytelności i zasad dobrostanu psychicznego. Dba o to, aby CogniFlow był intuicyjny, nienarzucający się i przyjazny w codziennym użytkowaniu.
Machine Learning · Koncepcja produktu
Odpowiedzialny za koncepcję systemu CogniFlow oraz projektowanie modeli uczenia maszynowego wykrywających wczesne oznaki spadku koncentracji i przeciążenia poznawczego. Skupia się na predykcji, personalizacji oraz zachowaniu prywatności w architekturze Edge AI.
Backend · Python · Architektura serwerowa
Odpowiada za projekt i implementację backendu w Pythonie, w tym logikę przetwarzania danych, integracje oraz przygotowanie architektury pod tryb pilotażowy i dalszy rozwój systemu. Dba o stabilność, skalowalność i bezpieczeństwo rozwiązań.
Frontend · Integracje · Aplikacja desktopowa
Odpowiedzialny za komunikację pomiędzy frontendem a backendem oraz implementację aplikacji desktopowej w oparciu o Tauri. Dba o płynne działanie aplikacji, integrację modułów oraz niezawodne funkcjonowanie w trybie offline-first.
Zespół rozwija projekt iteracyjnie, w oparciu o pilotaże, testy beta oraz współpracę z użytkownikami i środowiskami akademickimi oraz technologicznymi.
CogniFlow rozwijany jest w ramach pilotaży i testów beta. Jeśli interesuje Cię współpraca, udział w testach lub po prostu chcesz dowiedzieć się więcej — napisz do nas.
Kontakt bezpośredni:
inoutbajt@gmail.com