Modelli che girano sulla vostra macchina o sul vostro server. I documenti restano dove sono già, e chi decide resta chi decideva prima.
Oppure scriveteci: info@ggtechnologies.sm
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 vostra 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.
Via Marino Moretti 23, 47899 Serravalle, Repubblica di San Marino.
Software progettato e sviluppato interamente in Europa.
Podz.AI, la workstation AI personale, costruita sul framework DigiSense®.
Modelli e dati sulla stessa macchina o sullo stesso server. L'elaborazione funziona anche a rete staccata.
L'elaborazione resta on-premise. Quando serve la potenza del cloud, i dati personali vengono mascherati prima dell'invio e ripristinati nella risposta.
L'AI legge i documenti e i gestionali dove stanno già, e lì restano.
Quali dati sono in gioco, chi li può vedere e quale compito deve essere svolto.
Dove gira il modello, cosa vede e cosa non deve vedere mai. È qui che si decide l'architettura.
Installazione nell'infrastruttura del cliente, integrazione e prova con chi userà lo strumento.
Manutenzione, aggiornamento dei modelli ed evoluzione nel tempo.
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. È un mestiere che facciamo da prima che servisse all'AI: alla fine degli anni Novanta il nostro amministratore delegato assemblava workstation con le schede video scelte per far girare il CAD, e il vincolo da rispettare era lo stesso.
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.
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.
Da sola no, ed è una distinzione tecnica: ai fini del GDPR la valutazione di conformità è del titolare del trattamento, cioè di chi decide perché e come quei dati vengono usati. Quello che serve per farla lo documentiamo noi: quali campi vengono mascherati, cosa esce davvero e come verificarlo.
Sui vostri server. In un'architettura on-premise il modello gira dentro la vostra infrastruttura: il luogo del trattamento è il vostro, e la sede del fornitore incide sul contratto, non sul percorso dei dati. È la differenza con un servizio in cloud, dove quel percorso passa per forza dal fornitore. Quando è un servizio nostro a elaborare dati per conto vostro, legge applicabile e luogo del trattamento stanno nel contratto, prima di cominciare.
Descriveteci il compito e il tipo di dati. Da lì si capisce se serve tutto in locale o un'architettura ibrida.