Archiwum aionprem.pl. Najnowsze u góry.
Test suwerenności w przetargach IT nie sprawdza kraju dostawcy, tylko kto kontroluje architekturę i wagi modelu. Dlatego „polska chmura” nie przechodzi go automatycznie, a on-prem AI spełnia jego rdzeń. Progi, pięć kryteriów i praktyka oceny oferty.
Kalkulator TCO dla AI musi liczyć trzy scenariusze osobno: managed API per token, wynajem GPU i on-prem CAPEX, w tym samym 3-letnim horyzoncie. Metodyka, wzory, pełny przykład liczbowy dla 40 tys. zapytań miesięcznie i FAQ.
Art. 50 AI Act obowiązuje od 2 sierpnia 2026. Przy self-hostingu bywasz jednocześnie providerem i deployerem, co zmienia zestaw obowiązków transparentności.
Cztery reżimy, ale wymagania w dużej mierze się pokrywają. Zamiast czterech osobnych projektów compliance zbuduj jeden zestaw kontroli i zmapuj go na NIS2, AI Act, RODO i ISO 27001. Tabela cross-mappingu i miejsca, gdzie reżimy się rozjeżdżają.
Gotowy szkielet RFP dla dostawcy AI w regulowanym manufacturing: 24 pytania w czterech kategoriach, security, regulacje, architektura i exit. Każde z celem i wskazówką, jak punktować odpowiedzi.
Cztery warstwy telemetrii dla on-prem LLM: infrastruktura, serwowanie, jakość i audyt. Co logować, czego nie zapisywać i jak spiąć observability z audit trail wymaganym przez NIS2.
TCO nie rozstrzyga cena karty GPU, tylko poziom wykorzystania i horyzont. Jak policzyć on-prem AI vs chmura w 3 lata: trzy różne modele kosztu, pełna lista pozycji CAPEX i OPEX, punkt przecięcia i uczciwe kiedy chmura wygrywa.
Standardowy wzór DPA od dostawcy AI milczy tam, gdzie audytor patrzy najpierw. Osiem klauzul, których brak wywraca audyt NIS2 albo RODO: od podprocesorów za API modelu i użycia danych do treningu, po logi, notyfikację naruszeń i usuwanie danych.
Kiedy system AI w produkcji jest wysokiego ryzyka, a kiedy nie. Dwie drogi do high-risk, klasyfikacja krok po kroku i to, co zmienił Digital Omnibus z lipca 2026. Plus wpływ na wybór on-prem czy chmura.
Minimalna segmentacja sieci dla on-prem AI: trzy strefy, reguły ruchu i to, którą kontrolę Art. 21 NIS2 domyka każda granica. Praktyczny model do obrony przed audytorem.
Dwanaście pytań do dostawcy AI przed podpisaniem MSA, w czterech blokach: lokalizacja danych, pod-dostawcy, bezpieczeństwo operacyjne i warunki wyjścia.
Dziesięć obszarów Art. 21 NIS2 zmapowanych na system AI. Dla każdego obszaru pytanie, które zada audytor, i jeden artefakt, który trzeba pokazać.
Reranker poprawia porządek top-k tam, gdzie zapytania są długie, a baza gęsta. Liczby, koszt w VRAM i opóźnieniu oraz pięć konfiguracji, w których się wykłada.
NIS2 nie wymaga osobnej polityki AI. Wymaga, by system AI był wpięty w siedem istniejących dokumentów compliance. Lista i tabela, co pokazać audytorowi.
Jak zbudować RAG poza chmurą publiczną: warstwy pipeline'u, najczęstsze błędy retrievalu, granice danych w promptcie i pytania, które zadaje audytor. Notatka techniczna dla architektów i CISO.
ISO 27001 nie zna pojęcia „AI", ale dostawca AI dotyka trzech kontroli standardu naraz: relacji z dostawcami, klasyfikacji przepływu informacji i logowania. Które zmapować dziś – i jak spinają się z NIS2.
Nowelizacja UKSC przesuwa odpowiedzialność za nadzór nad cyberbezpieczeństwem na zarząd osobiście. Co to znaczy dla decyzji o dostawcy i architekturze AI – i jaki ślad decyzyjny trzeba umieć pokazać. Mapowanie obowiązków, nie porada prawna.
Pillar. Jak zmapować dostawcę AI na Art. 21 NIS2 (UKSC, Dz.U. 2026 poz. 252): łańcuch dostaw, sub-processorzy, audit rights, personal liability zarządu. Przewodnik dla CISO podmiotu kluczowego z gotowym rejestrem ryzyk i checklistą audit readiness.
Lock-in w AI rzadko jest jedną złą decyzją — to suma rozsądnych kroków w trzech warstwach (dane, model, integracje). Najgroźniejsze pułapki siedzą nie w architekturze, lecz w umowie. Jak je rozpoznać, zanim podpiszesz MSA.
"On-prem AI" to nie jeden model wdrożenia, tylko co najmniej trzy, z różnym profilem kosztów, ryzyka i obciążenia zespołu. Rozkładamy je na czynniki, żeby CISO i CIO wiedzieli, którą rozmowę naprawdę prowadzą przed RFP.
Ile GPU realnie potrzeba, żeby postawić Llamę 3.1 70B u siebie? Konkretne konfiguracje (A100, H100, H200), wpływ kwantyzacji (FP16 → FP8 → INT4), tokens/s, TTFT i koszt per 1M tokenów. Bez marketingu, z liczbami z benchmarków vLLM i TensorRT-LLM.
Bare-metal we własnej serwerowni, colo z dedykowanym sprzętem, managed appliance dostarczany przez vendora. Trzy modele on-prem deploymentu AI w europejskiej produkcji 2026: liczby CAPEX i OPEX, profile ryzyka NIS2, kiedy który ma sens, i kiedy lepiej zrezygnować z on-prem w ogóle.
Notatka techniczna: jeden artykuł NIS2 i jeden scenariusz. Czy umowa z ChatGPT Enterprise lub Claude spełnia Art. 21 ust. 1 lit. d? Trzy obszary, w których standardowa relacja z public cloud LLM zaczyna się rozjeżdżać z wymaganiami compliance łańcucha dostaw.
Architektura, GPU sizing, bezpieczeństwo, integracje, TCO, build vs buy. Praktyczny przewodnik wdrożenia AI on-prem dla CISO i CIO w europejskiej produkcji w 2026.
