Narzędzie vs. infrastruktura
ChatGPT, Microsoft CoPilot, Google Gemini - to są narzędzia AI. Wpisujesz pytanie, dostajesz odpowiedź. Dla indywidualnej produktywności to działa. Dla procesów enterprise - nie.
W skrócie - Infrastruktura AI zamiast narzędziowego hype
- ChatGPT, CoPilot i Gemini to narzędzia AI - nie infrastruktura enterprise. Brakuje Audit Trail, izolacji klientów i integracji systemowej.
- Infrastruktura AI enterprise składa się z siedmiu warstw: Presentation, Orchestration, Agent, Decision, Model, Integration i Infrastructure.
- Gartner (2024) podaje, że ponad 55% organizacji, które wdrożyły narzędzia AI bez governance, musiało przebudować swoje podejście w ciągu 18 miesięcy.
- Architektura model-agnostyczna zapobiega vendor lock-in i utrzymuje wymienność modeli - Claude, GPT, Gemini, Llama, Mistral.
- Po 12 do 18 miesiącach klient samodzielnie obsługuje infrastrukturę z pełnym dostępem do kodu źródłowego i bez powtarzającej się zależności od dostawcy.
Różnica między narzędziem AI a infrastrukturą AI jest porównywalna z różnicą między arkuszem kalkulacyjnym a systemem ERP. Arkusz kalkulacyjny rozwiązuje konkretny problem dla pojedynczego użytkownika. System ERP to infrastruktura, na której działają procesy biznesowe całej firmy.
Infrastruktura AI to warstwa architektoniczna między modelem językowym a systemem enterprise. Obejmuje: hosting modeli, orkiestrację, Decision Layer, governance, integrację z istniejącymi systemami. Model językowy to jeden element tej infrastruktury - nie sama infrastruktura.
Czego brakuje narzędziu AI
Gdy firma używa ChatGPT do przetwarzania dokumentów, brakuje:
Audit Trail: Brak dokumentacji, jaka decyzja została podjęta na jakiej podstawie. Przy kontroli nic nie jest możliwe do prześledzenia.
Wersjonowane zestawy reguł: ChatGPT nie zna specyficznych dla klienta reguł księgowych w wersji 4.2. Ma ogólną wiedzę o rachunkowości, ale nie ma konkretnych zestawów reguł klienta.
Izolacja klientów: Dane wszystkich klientów płyną do tego samego systemu. Brak Row-Level Security, brak separacji workspace.
Integracja: ChatGPT nie może utworzyć księgowania w SAP, wyzwolić workflow w Trigger.dev, ani przekazać eskalacji do pracownika.
Human-in-the-Loop: Brak architektonicznie wymuszonej ludzkiej weryfikacji. Brak reguł eskalacji. Brak progów pewności.
Model-agnostyk: Kto buduje na ChatGPT, jest związany z OpenAI. Jeśli OpenAI podniesie ceny, zmieni API lub zakończy usługę, firma nie ma alternatywy.
Siedem warstw infrastruktury AI enterprise
Architektura referencyjna Gosign opisuje siedem warstw:
Presentation Layer: Interfejs czatu, dashboard, Portal Audytora, REST API. Interfejs między systemem a użytkownikiem.
Orchestration Layer: Silnik workflow (Trigger.dev lub Camunda), API gateway, zarządzanie kolejkami. Koordynuje przepływ danych między wszystkimi komponentami.
Agent Layer: Wyspecjalizowani agenci - Document Agents, Workflow Agents, Knowledge Agents. Każdy agent ma zdefiniowany zakres odpowiedzialności.
Decision Layer: Rozkłada każdy proces na kroki decyzyjne. Dla każdego kroku definiuje: człowiek, zestaw reguł lub AI. Zawiera Rules Engine (wersjonowane zestawy reguł), Confidence Routing (automatyczna ocena ryzyka), Human-in-the-Loop (technicznie wymuszony) i Audit Trail (niezmienny protokół decyzji).
Model Layer: Modele językowe. Wymienne, model-agnostyczne. Claude, ChatGPT, Gemini, Llama, Mistral, DeepSeek, gpt-oss.
Integration Layer: Połączenie z istniejącymi systemami. SAP, Comarch, Workday, SuccessFactors, SharePoint.
Infrastructure Layer: Deployment. Azure, GCP, Self-Hosted, Hybrid.
Warstwa Governance przebiega jako przekrój przez wszystkie siedem warstw.
Narzędzie AI vs. infrastruktura AI
| Zdolność | Narzędzie AI (ChatGPT) | Infrastruktura AI |
|---|---|---|
| Audit Trail | Nie | Niezmienny protokół decyzji |
| Izolacja klientów | Nie | Row-Level Security, separacja workspace |
| Integracja ERP | Nie | SAP, Comarch, Workday przez API |
| Wersjonowane zestawy reguł | Nie | Specyficzne dla klienta, wersjonowane |
| Human-in-the-Loop | Nie | Architektonicznie wymuszone |
| Niezależność od modeli | Przywiązanie do jednego dostawcy | Model-agnostyczny routing |
| Warstwa governance | Niedostępna | Przekrój przez wszystkie warstwy |
Przewaga infrastruktury
Z własną infrastrukturą AI firma zyskuje:
Kontrolę: Dane pozostają we własnej infrastrukturze. Modele są wymienne. Pełny dostęp do zestawów reguł i konfiguracji.
Skalowalność: Jeden agent dla jednego procesu to PoC. Infrastruktura umożliwia wdrażanie kolejnych agentów dla kolejnych procesów - z tą samą governance.
Niezależność: Po 12-18 miesiącach klient samodzielnie obsługuje infrastrukturę. Pełny dostęp do kodu źródłowego, wszystkich promptów i zestawów reguł. Brak vendor lock-in.
Więcej na ten temat: Infrastruktura AI
Więcej o agentach AI w kontekście enterprise.
Umów spotkanie - Pokażemy, jak wygląda infrastruktura AI dla Twojej firmy.
Bert Gogolin
Dyrektor Generalny, Gosign
AI Governance Briefing
Enterprise AI, regulacje i infrastruktura - raz w miesiącu, bezpośrednio ode mnie.