AI on-premise

L'AI può lavorare senza portare via i dati.

Modelli che girano sulla tua macchina o sul tuo server. I documenti restano dove sono già.

Oppure scrivici: info@ggtechnologies.sm

30+
anni di esperienza
10+
fabbriche automatizzate
100%
sviluppo in Europa
Il punto di partenza

I dati su cui servirebbe l'AI sono quelli che non possono uscire.

Molte aziende si fermano davanti all'AI per un motivo solo: i dati su cui servirebbe usarla sono proprio quelli che non possono uscire. Cartelle cliniche, contratti, progetti, dati di clienti e fornitori.

La soluzione è meno esotica di quanto sembri: il modello gira dentro la tua infrastruttura e i documenti non la lasciano mai. È il principio su cui abbiamo costruito Podz.AI, ed è lo stesso che applichiamo nei progetti su misura.

Sede

Via Marino Moretti 23, 47899 Serravalle, Repubblica di San Marino.

Sviluppo

Software progettato e sviluppato interamente in Europa.

Prodotto

Podz.AI, la workstation AI personale, costruita sul framework DigiSense®.

Come si fa, in concreto

Tre configurazioni, a seconda di dove devono restare i dati e di quanta potenza serve.

Tutto on-premise

Modelli e dati sulla stessa macchina o sullo stesso server. Nessuna connessione necessaria per l'elaborazione.

  • Nessun dato lascia l'infrastruttura
  • Modelli aperti, self-hosted, senza chiavi verso terzi
  • Il limite è la GPU che hai a disposizione

Ibrido: anonimizzazione prima del cloud

L'elaborazione resta on-premise. Quando serve la potenza del cloud, i dati personali vengono mascherati prima dell'invio e ripristinati nella risposta.

  • Mascheramento di nomi, date e indirizzi
  • I campi mascherati sono sostituiti prima di uscire dalla macchina
  • Si decide caso per caso cosa può uscire

Integrazione con i sistemi in uso

L'AI legge i documenti e i gestionali dove stanno già, senza copiarli in una piattaforma esterna.

  • Accesso controllato agli archivi
  • Nessuna migrazione di dati verso terzi
  • Tracciabilità di chi ha chiesto cosa
Come lavoriamo

La scelta fra locale, ibrido e cloud si fa a partire dai dati, non dalla tecnologia.

01

Classificare i dati

Quali dati sono in gioco, chi li può vedere e quale compito deve essere svolto.

02

Tracciare il confine

Dove gira il modello, cosa vede e cosa non deve vedere mai. È qui che si decide l'architettura.

03

Installare on-premise

Installazione nell'infrastruttura del cliente, integrazione e prova con chi userà lo strumento.

04

Mantenere

Manutenzione, aggiornamento dei modelli ed evoluzione nel tempo.

FAQ

Domande frequenti

Che macchina ci serve per far girare l'AI on-premise?

Dipende dalla dimensione del modello e dal carico, e in pratica dipende dalla memoria della GPU. Per un uso personale bastano un Mac con chip Apple Silicon o un PC con GPU dedicata; per un uso aziendale continuo serve un server con GPU. Il dimensionamento esatto lo facciamo insieme, prima del preventivo.

L'AI locale è meno capace di quella in cloud?

Su compiti generici, i modelli di frontiera in cloud restano più potenti. Su un compito definito — leggere un tipo di documento, estrarre certi campi — la differenza si assottiglia molto, e il vantaggio della riservatezza pesa di più.

Possiamo partire on-premise e aprire al cloud dopo?

Sì, è la configurazione più comune. Si parte con tutto on-premise e si apre al cloud solo per i passaggi che lo richiedono, con i dati personali mascherati prima dell'invio.

L'anonimizzazione è sufficiente per la conformità?

No, e nessuno può dirlo al posto tuo: ai fini del GDPR la valutazione di conformità resta del titolare del trattamento. Quello che documentiamo è il meccanismo — quali campi vengono mascherati, cosa esce davvero e come lo verifichi.

Hai dati che non possono uscire e un lavoro che l'AI potrebbe fare?

Descrivici il compito e il tipo di dati. Da lì si capisce se serve tutto in locale o un'architettura ibrida.