O nas
Inżynierowie, którzy zostają z systemem na produkcji
Piszemy oprogramowanie od początku lat 90. Przez ten czas zmieniły się języki, platformy i modele wdrożeń. Nie zmieniło się podejście — pracujemy w małych zespołach, system ma działać przewidywalnie, a jego autorzy mają rozumieć go w całości.
Dlaczego małe zespoły
Pracowaliśmy w dużych firmach i dla dużych organizacji. To dało nam doświadczenie, ale pokazało też, że korporacyjny sposób pracy — z rozbudowaną komunikacją, uzgodnieniami i przekazywaniem zadań między działami — nie zawsze sprzyja zwinnemu wytwarzaniu oprogramowania. Dużo czasu idzie na ustalanie, kto i co ma zrobić, zamiast na samo rozwiązanie.
Dlatego często wybieraliśmy projekty, w których mogliśmy wykorzystać wiedzę przekrojową — od bazy danych i integracji, przez kod aplikacji, po infrastrukturę i wdrożenie. Kiedy mały zespół rozumie całe rozwiązanie, dochodzi do niego szybciej, a klient ponosi mniejsze nakłady finansowe.
Dziś silosy programistyczne tracą na znaczeniu. Narzędzia AI przejmują dużą część rutynowej, powtarzalnej pracy, którą tradycyjnie powierzało się młodszym programistom, więc mały zespół jest w stanie zrobić to, co wcześniej wymagało kilku wyspecjalizowanych grup. Odpowiedzialność za wynik zostaje przy doświadczonych inżynierach: to oni projektują architekturę, przeglądają kod i pilnują testów. Piszemy o tym w artykule AI w rękach architekta podnosi jakość kodu, a model współpracy opisujemy w ofercie.
Jak pracujemy
Rozumiemy cały stos. Ten sam mały zespół projektuje integrację, pisze kod, buduje pipeline CI/CD i utrzymuje klaster, na którym to wszystko działa. Dzięki temu nie ma „ściany” między developmentem a utrzymaniem — i nie ma przerzucania odpowiedzialności.
Najpierw testy, potem zmiana. Modernizując systemy legacy, zaczynamy od testów porównujących stare i nowe zachowanie. Dopiero gdy wiemy, że wyniki są identyczne, przełączamy ruch — stopniowo, z możliwością powrotu.
Małe kroki, szybkie wdrożenia. Nowe usługi trafiają na produkcję w dniach, nie w miesiącach — ale za każdym wdrożeniem stoi automatyczny pipeline, health-checki i rolling update.
AI jako narzędzie inżyniera. Pracujemy z agentami AI na co dzień. Nie po to, żeby pisać więcej kodu, ale żeby mieć czas na to, co wcześniej było „za drogie”: pełne testy, dokumentację, refaktoryzację. Piszemy o tym w dziale Wiedza.
Historia w skrócie
- Lata 90. — pierwsze aplikacje branżowe: organizacja produkcji, ofertowanie, kosztorysowanie. Część klientów obsługujemy do dziś.
- 2000–2003 — systemy zarządzania treścią i witryny internetowe. Budowaliśmy własne narzędzia (Perl, Java) i świadomie wybieraliśmy platformy open source.
- 2006 — w portfolio pojawiają się centrale telefoniczne, a właściwie wieloprotokołowe serwery telekomunikacyjne oparte na Asterisku. Zaczynamy też wyposażać i organizować serwerownie.
- 2015–2020 — hosting, poczta i DNS dla kilkudziesięciu firm; sklepy internetowe i integracje z ERP.
- 2023 — własne klastry Kubernetes na bare metal; modernizacja dużej platformy SaaS z JBoss do Spring Boot.
- 2025–2026 — integracje systemów i procesów, aplikacje mobilne, coraz większy udział AI w wytwarzaniu oprogramowania, własne modele AI do diagnostyki rynków finansowych.
Dziś skupiamy się przede wszystkim na działalności związanej z oprogramowaniem: integracjach, aplikacjach, platformach i infrastrukturze, na której działają.
Dane firmy
Proinet sp. z o.o.
ul. Konstantynowska 16, 95-200 Pabianice
NIP 731-194-99-22
Porozmawiajmy o Twoim projekcie
Zaczynamy od rozmowy o problemie, nie o technologii.