# multiples.vc: platforma danych o wycenach spółek z asystentem AI i serwerem MCP

> Jak zbudowaliśmy platformę z danymi o ponad 19 000 spółek publicznych i 500 000 transakcji, z asystentem AI, dodatkiem do Excela, serwerem MCP i programmatic SEO.

Źródło: https://zautomatyzujemy.com/realizacje/multiples-vc
Ostatnia aktualizacja: 2026-11-18

- Rodzaj: Produkt własny
- Branża: Finanse i inwestycje
- Technologie: Next.js, Supabase, Payload CMS, Stripe, Vercel, AI SDK, Claude, MCP
- Strona: https://multiples.vc

## Efekty

- **19 000+**: spółek publicznych w bazie
- **500 000+**: transakcji M&A i rund finansowania
- **MCP + API**: dostęp do danych z Claude, ChatGPT i Excela
- **llms.txt**: strona przygotowana pod wyszukiwarki AI

## Wyzwanie

Analitycy, fundusze VC i doradcy M&A potrzebują porównywalnych wycen spółek (mnożników EV/Revenue, EV/EBITDA i innych). Profesjonalne terminale danych kosztują dziesiątki tysięcy dolarów rocznie, a darmowe źródła są rozproszone i niespójne.

Celem było zbudowanie produktu, który:

- udostępnia dane o wycenach w przeglądarce, w Excelu i w asystentach AI,
- utrzymuje świeżość danych bez ręcznej pracy,
- zdobywa klientów organicznie: z Google i z odpowiedzi ChatGPT, Claude i Perplexity.

## Rozwiązanie

### Platforma danych

Aplikacja w Next.js na Vercelu z bazą Supabase (Postgres). Nocne procesy aktualizują dane i widoki zmaterializowane, a po udanej przebudowie automatycznie odświeżają strony publiczne.

### Asystent AI i serwer MCP

Użytkownicy zadają pytania o spółki i branże w języku naturalnym. Asystent korzysta z narzędzi, które odpytują bazę, zamiast zgadywać liczby. Te same narzędzia są wystawione jako **serwer MCP**, więc z danych można korzystać bezpośrednio w Claude i ChatGPT, a także przez dodatek do Excela i API.

### Programmatic SEO i GEO

Tysiące stron (profile spółek, branże, porównania narzędzi) generowanych z danych, z zasadami, które chronią jakość:

- strona trafia do indeksu i sitemapy tylko, gdy ma wystarczająco danych lub realny ruch z Google,
- daty „ostatniej aktualizacji” pochodzą z prawdziwych danych, nigdy z czasu renderowania,
- każda ważna strona ma **wersję Markdown** i jest opisana w `llms.txt`, żeby modele AI cytowały fakty, a nie domysły,
- dane strukturalne JSON-LD budowane z tych samych danych co HTML.

## Efekty

- Ponad **19 000 spółek publicznych** i **500 000 transakcji oraz rund** dostępnych w jednym miejscu.
- Dostęp do danych z przeglądarki, Excela, API oraz z Claude i ChatGPT przez MCP.
- Model pozyskania klientów oparty na ruchu organicznym i widoczności w odpowiedziach AI.

## Czego się nauczyliśmy (i co stosujemy u klientów)

1. **AI musi korzystać z narzędzi, a nie z pamięci.** Asystent, który odpytuje bazę, podaje prawdziwe liczby. Ten sam wzorzec stosujemy w agentach AI dla firm.
2. **Automatyzacja potrzebuje bezpieczników.** Procesy, które odmawiają publikacji pustych lub podejrzanych danych, oszczędziły nam wielu problemów. Dokładnie tak budujemy automatyzacje u klientów.
3. **Widoczność w AI to nowy kanał sprzedaży.** Te same techniki (llms.txt, wersje Markdown, dane strukturalne) wdrożyliśmy na tej stronie.

Chcesz podobnego rozwiązania dla swoich danych? [Opisz projekt](/kontakt) albo zobacz usługę [aplikacje AI na zamówienie](/uslugi/aplikacje-ai).

---
Zautomatyzujemy · kontakt@zautomatyzujemy.com · https://zautomatyzujemy.com/kontakt