Autorski projekt badawczo-rozwojowy

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.

Najpierw własny model

Trening od losowej inicjalizacji.

Jakość oceniana testami

Cel: ocena na niezależnych zadaniach.

Działania pod kontrolą

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.

  1. Zebranie obserwacji i brakujących danych
  2. Rozróżnienie faktów i hipotez
  3. Plan testów dopasowany do środowiska
  4. Sprawdzenie, czy usunięto przyczynę

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.

  1. Pilot treningu od podstaw

    PILOT WYKONANY

    Tokenizer BPE, losowa inicjalizacja, trening, checkpointy i uruchomiona ewaluacja. To punkt wyjścia do dalszych eksperymentów.

  2. Dane i kolejne eksperymenty

    KIERUNEK BADAŃ

    Rozbudowa korpusu z kontrolą praw do danych, porównanie wariantów treningu oraz zadania oceniające jakość odpowiedzi.

  3. Agent i laboratorium

    ETAP DOCELOWY

    Po walidacji modelu: integracja z narzędziami, niezależna kontrola uprawnień i testy działań w odizolowanym środowisku.

  4. Pilotaże aplikacji

    PO WALIDACJI

    Planowane 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.