Zašto je FSAS odlučio razviti Private GPT rješenja i koje ključne izazove upravljanja podacima u poduzećima rješavaju?

FSAS je razvio Private GPT jer europske organizacije trebaju mogućnosti generativne AI bez prihvaćanja sigurnosnih, usklađenosnih i suverenitetskih rizika povezanih s javnim modelima.

Temeljen na vodećim europskim modelima poput Mistral AI i Cohere, Private GPT cilja tri osnovna izazova: aktiviranje „mračnih podataka“ zatomljenih u nestrukturiranim formatima poput dokumenata, Office datoteka i internih wiki-ja te njihovo pretvaranje u dijaloški orijentiran, trenutno dostupan sloj znanja; uklanjanje znanja u siloima stvaranjem jedinstvenog sloja inteligencije preko CRM-a, ERP-a i alata za suradnju kako bi zaposlenici dobivali sveobuhvatne odgovore bez pretraživanja više sustava; te osiguranje kontinuiteta poslovanja hvatanjem i organizacijom institucionalnog znanja kako bi se zaštitio gubitak zbog fluktuacije osoblja i sačuvao kritični intelektualni kapital.

GPT cilja tri osnovna izazova: aktiviranje „mračnih podataka“ zatomljenih u nestrukturiranim formatima poput dokumenata, Office datoteka i internih wiki-ja te njihovo pretvaranje u dijaloški orijentiran, trenutno dostupan sloj znanja; uklanjanje znanja u siloima stvaranjem jedinstvenog sloja inteligencije preko CRM-a, ERP-a i alata za suradnju kako bi zaposlenici dobivali sveobuhvatne odgovore bez pretraživanja više sustava; te osiguranje kontinuiteta poslovanja hvatanjem i organizacijom institucionalnog znanja kako bi se zaštitio gubitak zbog fluktuacije osoblja i sačuvao kritični intelektualni kapital.

Koje su glavne prednosti Private GPT u usporedbi s javnim generativnim modelima, posebno u pogledu sigurnosti, usklađenosti i zaštite intelektualnog vlasništva?

Presudna prednost je potpuna kontrola. Modeli i podaci ostaju unutar perimetra kupca (on‑premise ili privatni cloud), čime se eliminira propuštanje podataka trećim stranama i podupiru obveze poput NIS2.

Arhitektura je dizajnirana za usklađenost po dizajnu: suverenitet podataka prema GDPR‑u, trasabilnost i human‑in‑the‑loop mogućnosti potrebne za EU AI Act. Što se tiče zaštite IP‑a, sve što se šalje javnom API‑ju potencijalno se može koristiti za treniranje budućih modela, što je neprihvatljivo za tvrtke s poslovnim tajnama ili istraživanjem i razvojem; Private GPT osigurava da konkurentska prednost ostane privatna.

Komercijalno, PGPT se nudi na osnovi fiksnih troškova, a ne naplate po zahtjevu ili tokenu, pa su troškovi predvidljivi bez obzira radi li se o 1 ili 1.000.000 zahtjeva, i može raditi bez pristupa internetu ako je potrebno.

Kako Private GPT konkretno poboljšava produktivnost timova i ubrzava pretvorbu podataka u primjenjive poslovne uvide?

Private GPT prelazi izvan povlačenja informacija u procesnu transformaciju prilagođavajući platformu visokoudarnim slučajevima upotrebe i integrirajući alate poput Langflowa s agentnim radnim tokovima. Mirovinski fondovi koriste ga za redizajn korisničkih usluga za tisuće korisnika, pretvarajući pretraživanje u automatizirane uslužne procese. Jedan europski vojni korisnik koristi Private GPT za brži pristup kritičnim informacijama, poboljšavajući situacijsku svijest i donošenje odluka.

Porezne uprave smanjile su vrijeme istraživanja i ubrzale rad developera pokretanjem on‑prem AI instanci. Zdravstveni stručnjaci imaju koristi od automatiziranih sažetaka bolesničke povijesti i bržeg pristupa kliničkim smjernicama, smanjujući administrativno opterećenje.

Na izvršnoj razini pomažemo javnim organizacijama oblikovati AI strategije usklađene s europskim vrijednostima za rješavanje sistemskih izazova poput manjka radne snage. Ove implementacije daju mjerljive uštede vremena i brže cikluse projekata.

Na kojim izvorima podataka Private GPT najbolje radi i kako osiguravate kvalitetu i kontrolu halucinacija?

Private GPT je dizajniran za većinu korporativnog znanja: nestrukturirani i polustrukturirani tekst, slike, audio i video (preko izdvajanja audio zapisa).

Podržani izvori uključuju dokumente (markup i Office formate), platforme za suradnju (npr. Confluence), strukturirane sustave poput SQL‑a putem MCP‑a, multimedijalne transkripte i OCR. Kako bismo osigurali točnost i minimalizirali halucinacije, koristimo višeslojni pristup: Retrieval Augmented Generation (RAG) prisiljava odgovore da se temelje samo na činjenicama dohvaćenim iz verificiranih dokumenata i zahtijeva od modela navođenje izvora; scenariji omogućuju do četiri prompta u RAG s finom kontrolom parametara, a hibridno pretraživanje poboljšava zadobitak (recall); pristup temeljen na ulogama vezan uz Active Directory ili LDAP osigurava da korisnici vide samo autorizirane podatke.

Model Context Protocol (MCP) pruža otvoreni standard za sigurnu komunikaciju između modela i izvora podataka, a naš GitHub repozitorij (MCP Server for MAS Developments) sadrži MCP Server, API primjere i agent‑templejte kako bi korisnici mogli graditi sigurne agente svjesne konteksta.

Kako se privatnost i usklađenost rješavaju pri korištenju Private GPT, posebno u strogo reguliranim sektorima?

Privatnost i usklađenost ugrađeni su u arhitekturu. Deploy on‑premise ili u posvećenom privatnom cloudu drži podatke pod kontrolom kupca i zadovoljava zahtjeve za rezidentnošću podataka prema GDPR‑u. Integracija s postojećim sustavima identiteta (Active Directory) provodi robustan pristup temeljen na ulogama tako da korisnici mogu pristupiti samo autoriziranim podacima.

Samostojni deployment smanjuje vanjske napadne površine relevantne za NIS2, dok RAG i container slojevi pružaju trasabilnost, upravljanje i auditable trailove potrebne za EU AI Act. Uglavnom otvoreni izvor maksimalizira transparentnost i verifikabilnost bez premještanja podataka izvan organizacije.

Gdje Private GPT donosi najbrži ROI? Možete li navesti tipične slučajeve upotrebe, mjerljive rezultate i vrijeme do realizacije vrijednosti?

Najbrži ROI postiže se u funkcijama intenzivnim za znanje gdje stručni djelatnici troše prekomjerno vrijeme na pretraživanje.

Visokoudarni slučajevi uključuju R&D i teren‑inženjering — trenutni pristup prethodnim istraživanjima i tehničkim specifikacijama ubrzava inovaciju i održavanje; korisnička podrška — smanjena rješavanja tiketa zahvaljujući točnom dohvaćanju znanja; te pravni i usklađenost — brže pregledavanje ugovora i istraživanje regulativa.

Kupci tipično vide 30–50% smanjenje vremena provedenog u traženju informacija, što skraćuje cikluse projekata i smanjuje operativne troškove. Agilan PoC može se isporučiti u manje od 4 tjedna kako bi se potvrdio poslovni slučaj prije skaliranja.

Kako izgleda tipično putovanje implementacije?

Putovanje je strukturirano: Discovery & Strategy (1–2 tjedna) za identifikaciju visokovrijednih slučajeva i procjenu krajolika podataka; Proof of Concept (4–6 tjedana) za izradu brzog prototipa na jednom značajnom slučaju upotrebe; Pilot & Integration (6–12 tjedana) za proširenje izvora, integraciju u radne tokove i onboardanje pilot grupe za povratne informacije; i Scale & Govern za enterprise rollout, upravljanje životnim ciklusom, nadzor i osiguranje stalne usklađenosti i pouzdanosti.

Kako se Private GPT povezuje s FSAS‑ovom ponudom Data Transformation?

Private GPT je dio šire sposobnosti suverenog AI‑a i transformacije podataka. Kombiniramo europsku AI stručnost (Mistral.AI, Cohere) s Fujitsu tehnologijama poput Takane, fokusirajući se na jezična proširenja, knowledge graph RAG, hibridne generativne tehnike i etičku AI.

Fujitsu ulaže više od 2 milijarde USD u R&D, upravlja s 10 globalnih R&D laboratorija i zapošljava više od 1.400 istraživača, što jača našu tehnološku bazu. Isporučujemo end‑to‑end rješenja: specijalizirane modele, multi AI agente, platforme i multi‑agent sisteme za automatizaciju, nadzirano ML i generativnu/agentnu AI.

Naš portfolio uključuje preko 400 AI projekata diljem Europe u sektorima poput obrane, prehrambene industrije, javnog sektora i odvjetničkih ureda. Partneri poput Mistral.AI, Cohere, Intel, NVIDIA i Supermicro pomažu nam isporučiti skalabilna, suverena rješenja.

Koji profili kupaca najviše profitiraju od ovih rješenja i zašto?

Organizacije u strogo reguliranim ili IP intenzivnim sektorima najviše profitiraju jer one snose najveće posljedice od proboja ili neusklađenosti. Primjeri su financijske usluge i osiguranje za upravljanje rizikom i zaštitu klijentskih podataka; zdravstvo i znanost o životu za ubrzavanje istraživanja uz zaštitu podataka pacijenata; proizvodnja i automobilska industrija za zaštitu dizajna proizvoda i proizvodnih procesa dok tehničarima omogućuju trenutni pristup priručnicima; javni sektor i kritična infrastruktura (energija, komunalne usluge) za ispunjavanje zahtjeva NIS2 i EU AI Act; te inovativni pružatelji usluga ili softverski proizvođači koji žele suverene, troškovno učinkovite agente ugrađene u svoje IP.

Kako FSAS osigurava fleksibilnost, skalabilnost i troškovnu učinkovitost, i kako podržavate klijente u upravljanju promjenama?

Fleksibilnost i skalabilnost dolaze iz containerizirane, cloud‑agnostične arhitekture koja omogućava on‑premise, privatni cloud ili hibridni deployment i skalira od pilota do enterprise razine. Troškovna učinkovitost proizlazi iz optimiziranih europskih modela poput Mistrala i učinkovitog upravljanja infrastrukturom, često rezultirajući nižim i predvidljivijim TCO‑om u odnosu na naplatu po pozivu javnih API‑ja u velikom opsegu.

Za upravljanje promjenama provodimo radionice, obučavamo korisnike u učinkovitim tehnikama promptanja, identificiramo interne promotorе i podržavamo integraciju u radne tokove kako bi rješenje bilo usvojeno, a ne samo implementirano.

Kako FSAS rješava izazov objašnjive AI (XAI) unutar privatnih GPT‑ova da bi se poslovne odluke temeljene na njihovim izlazima učinile ne samo točnima, nego i transparentnima i opravdanim?

XAI se ostvaruje kroz RAG i MCP principe. Poboljšavamo verifikabilno navođenje izvora ne samo citiranjem dokumenata, nego i isticanjem preciznih odlomaka koji su utjecali na odgovor, stvarajući izravan audit trail od zaključka do izvora.

Dodajemo ocjene pouzdanosti i izvještavanje o nejasnoćama kako bi AI komunicirao vlastitu razinu sigurnosti i iznio proturječne dokaze umjesto davanja samouvjerenih, ali nepotkrijepljenih odgovora. Ova kombinacija daje transparentne, opravdane izlaze usklađene s očekivanjima EU AI Act‑a.

Za Private GPT, partnerstvo s NVIDIA‑om je ključno NVIDIA GPU‑i pružaju propusnost i nisku latenciju potrebne za inferenciju velikih jezičnih modela, vektorsko pretraživanje i real‑time RAG pipeline‑ove, dok CUDA, TensorRT i Triton omogućuju duboke optimizacije modela i inferencije.

NVIDIA Fleet Command i značajke povjerljivog računanja podržavaju sigurno upravljanje modelima on‑premise i potrebe usklađenosti (GDPR, NIS2, EU AI Act). Arhitektonski, to omogućava FSAS‑u garantirati determinističke performanse za zadatke poput indeksiranja milijuna dokumenata, brzog dohvaćanja RAG citata i real‑time agentnih interakcija, rezultirajući bržim vremenom odgovora, većom skalabilnošću, nižim TCO‑om i jačim suverenitetom podataka — upravo onim benefitima koje europske organizacije traže za povjerljivu, suverenu generativnu AI.