Pro IT AI Agent / rozwijany w Polsce
Własny model AI.Rozwijany dla IT.
Rozwijamy własny model językowy z myślą o administratorach sieci i systemów. Łączymy badania nad AI z praktyką utrzymania infrastruktury IT.
Trening od losowej inicjalizacji.
Cel: ocena na niezależnych zadaniach.
Projektowane zgody i weryfikacja zmian.
01 / zastosowania docelowe
AI bliżej rzeczywistej pracy administratora.
Chcemy rozwijać model na zadaniach, w których liczą się kontekst infrastruktury, trafna diagnoza i sprawdzenie efektu.
Przykładowy scenariusz docelowy
Serwer działa. Aplikacja nie odpowiada.
Docelowo model ma pomóc powiązać objawy z logami i konfiguracją, wskazać możliwe przyczyny oraz zaproponować kolejne kroki diagnostyczne.
- Zebranie obserwacji i brakujących danych
- Rozróżnienie faktów i hipotez
- Plan testów dopasowany do środowiska
- Sprawdzenie, czy usunięto przyczynę
Przykładowy scenariusz docelowy
Zmiana konfiguracji z planem powrotu.
Planowana warstwa agentowa ma przedstawiać zakres zmiany, wymagać odpowiedniej zgody i wykonywać wyłącznie autoryzowane operacje. Uprawnienia nie będą zależeć od samej odpowiedzi modelu.
- Odczyt stanu i ograniczeń
- Plan, kopia konfiguracji i zgoda
- Wykonanie w określonym zakresie
- Test efektu i możliwość wycofania
Przykładowy scenariusz docelowy
Dokumentacja zgodna ze stanem faktycznym.
Chcemy wspierać przygotowanie procedur, opisów infrastruktury i raportów zmian na podstawie potwierdzonych danych. Brakujących informacji model nie powinien zastępować domysłami.
- Dane i źródła przekazane za zgodą
- Jawne braki i założenia
- Procedura lub raport do przeglądu
- Akceptacja przez administratora
Przykładowy scenariusz docelowy
Ocena ryzyka przed wykonaniem zmiany.
Docelowe zastosowania obejmują analizę konfiguracji i priorytetyzację zaleceń. Testy bezpieczeństwa muszą mieć zgodę właściciela, określony zakres i warunki przerwania.
- Autoryzowany zakres analizy
- Ustalenia poparte dowodami
- Zalecenia i priorytety napraw
- Weryfikacja po wdrożeniu poprawek
Kierunki rozwoju modelu i przyszłej warstwy agentowej.
02 / badania i rozwój
Od własnych wag do narzędzi dla IT.
Zrealizowaliśmy eksperymentalny pilot własnego modelu o architekturze Transformer. Proces obejmuje trening od losowych wag, zapis i ponowne wczytanie modelu oraz ewaluację.
Pilot treningu od podstaw
PILOT WYKONANYTokenizer BPE, losowa inicjalizacja, trening, checkpointy i uruchomiona ewaluacja. To punkt wyjścia do dalszych eksperymentów.
Dane i kolejne eksperymenty
KIERUNEK BADAŃRozbudowa korpusu z kontrolą praw do danych, porównanie wariantów treningu oraz zadania oceniające jakość odpowiedzi.
Agent i laboratorium
ETAP DOCELOWYPo walidacji modelu: integracja z narzędziami, niezależna kontrola uprawnień i testy działań w odizolowanym środowisku.
Pilotaże aplikacji
PO WALIDACJIPlanowane pilotaże z określonym zakresem, mierzalnymi kryteriami odbioru i nadzorem administratora.
03 / projektowane zasady działania
Autonomia nie oznacza samowoli.
W IT błędna odpowiedź może oznaczać niedostępną usługę albo utratę danych. Dlatego kontrolę działań projektujemy poza samym modelem.
- Zgoda przed krytyczną zmianą
Plan, określony zakres, kopia konfiguracji i możliwość wycofania. Samo polecenie modelu nie jest zgodą na wykonanie.
- Dane klientów poza wspólnym treningiem
Dostęp do dokumentów nie daje automatycznie prawa do uczenia na nich modelu. Wymagamy odrębnej podstawy, minimalizacji danych i kontroli poufności.
- Efekt trzeba sprawdzić
Docelowo każde wykonane zadanie powinno mieć potwierdzenie wyniku, a brak pewności prowadzić do dalszej diagnostyki lub przekazania sprawy człowiekowi.
Krótko o projekcie
Co warto wiedzieć.
Na jakim etapie jest projekt?
Mamy wykonany eksperymentalny pilot własnego modelu tekstowego. Kolejne prace obejmują dane treningowe, ocenę odpowiedzi i przygotowanie warstwy agentowej. Pilotaże aplikacji planujemy po walidacji modelu.
Co oznacza „własny model”?
Trenujemy własne wagi od losowej inicjalizacji. W pilocie korzystamy z własnego procesu przygotowania tokenizera, treningu i ewaluacji oraz dostępnych bibliotek programistycznych.
Czy planujemy obsługę głosu i obrazu?
Tak, obsługa głosu i obrazu należy do dalszych planów. Obecne badania dotyczą modelu tekstowego.
04 / współpraca
Porozmawiajmy o współpracy.
Zarządzasz infrastrukturą, rozwijasz narzędzia dla IT lub szukasz partnera do projektu AI? Napisz albo zadzwoń. Ustalimy zakres współpracy i konkretne zastosowanie.