--- title: "AI on-premise: modelli sui vostri server — G&G Technologies" description: "AI on-premise e LLM self-hosted: i modelli girano sui vostri server e i documenti non lasciano l'infrastruttura. Progettazione europea, da San Marino." publisher: "G&G Technologies" lang: it canonical: https://ggtechnologies.sm/servizi/ai-on-premise/ translation: https://ggtechnologies.sm/en/services/on-premise-ai/index.md --- # L'AI lavora dove stanno già i vostri dati. *AI on-premise* Modelli che girano sulla vostra macchina o sul vostro server. I documenti restano dove sono già, e chi decide resta chi decideva prima. - [Contattateci](mailto:info@ggtechnologies.sm?subject=Richiesta%20informazioni) Oppure scriveteci: [info@ggtechnologies.sm](mailto:info@ggtechnologies.sm) - **1997** il primo progetto - **18** anni nella manifattura - **900** operatori nello studio *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 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. #### 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®. *La prova · Podz.AI* ### Questa pagina descrive un metodo. Potete scaricarlo. Tutto quello che sta scritto qui sopra — il modello che gira dentro la vostra infrastruttura, i documenti che non la lasciano, i dati personali mascherati quando serve il cloud — è già dentro un programma che potete installare. Si chiama **Podz.AI**, è il nostro prodotto, e la prova dura trenta giorni. Si scarica, gli si affidano i documenti e si osserva cosa fa. Se qualcuno vi presenta l'AI on-premise, provare quello che ha costruito è il modo più rapido di capire se sa costruirla. Anche lo [storico delle versioni](https://github.com/G-G-Technologies-Srl/digisense-releases/releases) è pubblico, insieme al listino. Da lì si vede da quanto tempo lo manteniamo, che è una cosa che un preventivo non dice. *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. L'elaborazione funziona anche a rete staccata. - I dati restano nella vostra infrastruttura - Modelli aperti, self-hosted, chiavi custodite in azienda - Il limite è la GPU che avete 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, e lì restano. - Accesso controllato agli archivi - I dati restano nei vostri archivi - 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 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. 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. ### 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. ### Posso 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? 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. ### Dove vengono elaborati i miei dati, se siete a San Marino? 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. *Insights* ## Analisi tecniche sullo stesso tema. ### [AI Act e dati dei clienti](https://ggtechnologies.sm/insights/ai-act-dati-clienti/) Cosa rischia davvero uno studio che usa l'AI sui dati dei clienti, fra AI Act, GDPR e legge 132/2025, e cosa può fare da lunedì mattina. ### [Prima di dare le chiavi a un agente AI](https://ggtechnologies.sm/insights/agenti-autonomi-perimetro/) Per un agente AI il contenuto che legge e le istruzioni che riceve sono lo stesso testo: è la prompt injection. Tre domande prima di collegarlo alla posta. ## Per approfondire ### [Intelligenza Artificiale](https://ggtechnologies.sm/servizi/intelligenza-artificiale/) Agenti che leggono documenti e interrogano i sistemi aziendali, con la misura decisa prima. ### [Podz.AI](https://ggtechnologies.sm/podz-ai/) Il prodotto già pronto: si installa, legge i file sul computer, 30 giorni di prova. ### [DigiSense®](https://ggtechnologies.sm/digisense/) Cosa c'è sotto, e perché il vostro progetto non parte da zero. ## Avete dati che non possono uscire e un lavoro che l'AI potrebbe fare? Descriveteci il compito e il tipo di dati. Da lì si capisce se serve tutto in locale o un'architettura ibrida. - [Scriveteci](mailto:info@ggtechnologies.sm?subject=AI%20on-premise) - [Chiamateci](tel:+3780549900824)