# ALKRAI > Lokalne AI dla firm: prywatność, ochrona danych osobowych i praca z poufnymi dokumentami. Projekt platformy do wdrożenia na własnej infrastrukturze. Aktualizacja: 2026-10-29. Plan platformy wdrożeniowej i najnowsze decyzje: 2026-10-25. ## Status Plan kompletnej platformy AI oraz jej powtarzalnego budowania, testowania i dostarczania. Ukończenie prototypu, testów i wdrożeń komercyjnych nie jest potwierdzone. Animacje są ilustracjami koncepcji. ## Architektura Pracownik → LibreChat → ContextForge i ACL → adapter MCP → Node-RED → systemy firmy. Keycloak: tożsamość SSO. RAG: LibreChat RAG API, PostgreSQL i pgvector. Lokalny embedding model. Lokalny runtime do rozstrzygnięcia: Ollama lub llama.cpp z Vulkan. Docelowy vLLM wymaga walidacji na wybranym GPU. Konkretny model i licencja pozostają do wyboru. ## Plan dostarczania i utrzymania GitLab CI/CD, registry i wersjonowane wydania. Preferowany wariant: dedykowany runner klienta z połączeniem wychodzącym. Alternatywa: centralny runner przez VPN i SSH/Ansible. Offline: kompletny pakiet obrazów, modeli, konfiguracji, zależności i skryptów z manifestem, sumami kontrolnymi i rollbackiem; do zweryfikowania bez internetu. Testy lokalne i staging w innej chmurze. Kopie poza hostem, próby odtworzenia, izolacja danych klientów. To plan, nie potwierdzenie ukończenia prac. ## Lokalne AI, prywatność i ochrona danych osobowych ALKRAI ma wspierać lokalne przetwarzanie pytań, dokumentów i odpowiedzi na serwerze organizacji. Zabezpieczenie danych osobowych wymaga kontroli dostępu, zasad przechowywania rozmów i logów oraz testów przepływu danych. W projekcie: SSO, uprawnienia do dokumentów i narzędzi, separacja środowisk klientów, audyt i kopie zapasowe. Planowany lokalny asystent AI korzysta z firmowej bazy wiedzy RAG. Połączenia z usługami zewnętrznymi są ustalane osobno. Funkcje wymagają wdrożenia i weryfikacji. ## Pytania i odpowiedzi ### Jak ALKRAI ma wspierać ochronę danych osobowych? Plan obejmuje lokalne przetwarzanie, logowanie SSO, uprawnienia do dokumentów i narzędzi oraz kontrolę wywołań po stronie serwera. Przed pilotażem ustalamy zakres danych, okresy przechowywania i zasady dostępu do logów oraz kopii. Skuteczność zabezpieczeń trzeba potwierdzić testami w środowisku klienta. ### Czy dokumenty i dane opuszczają firmę? W planowanym wariancie lokalnym model, czat i firmowa baza wiedzy mają działać we wskazanej infrastrukturze organizacji. Rzeczywisty przepływ danych zależy od wybranego modelu i integracji, na przykład poczty lub usług chmurowych. Połączenia zewnętrzne ustalamy i testujemy przed wdrożeniem. ### Do czego firma może wykorzystać lokalnego asystenta AI? Przykładowe zastosowania to wyszukiwanie w dokumentacji wewnętrznej, odpowiedzi o procedurach ze wskazaniem źródeł, porządkowanie dokumentów i uruchamianie przypisanych automatyzacji. Dostęp do wiedzy i działań ma wynikać z uprawnień pracownika. Zakres integracji oraz jakość odpowiedzi wymagają sprawdzenia w pilotażu. ### Czym jest lokalne AI ALKRAI? ALKRAI to projekt prywatnej, modułowej AI dla firm: czat LibreChat, wiedza z dokumentów i automatyzacje Node-RED. Zakres obejmuje również kompletną platformę budowania, testowania, wersjonowania i dostarczania produktu lokalnie, w chmurze oraz offline. ### Czy platforma jest już gotowa do wdrożenia? Plan z 25 października 2026 rozszerza prace na całą platformę wdrożeniową. Ukończenie produktu, integracji i testów produkcyjnych nie zostało potwierdzone. Kolejne etapy to walidacja dostępu i instalacji, a następnie pilotaż jednego procesu z uzgodnionymi kryteriami odbioru. ### Jaki silnik automatyzacji wybrano? Wybrano Node-RED. Przepływy mają być publikowane jako narzędzia MCP, dostępne pracownikowi przez czat ALKRAI. Integracja i kontrola uprawnień wymagają wdrożenia oraz testów. ### Czy pracownik ma dostęp do edytora Node-RED? W docelowym modelu edytor jest przeznaczony tylko dla zaufanych administratorów. Pracownik korzysta z przypisanych narzędzi przez LibreChat. Dostęp ma być sprawdzany po stronie serwera na podstawie tożsamości SSO, także przy bezpośrednim wywołaniu API. ### Czy AI będzie tworzyć automatyzacje przez rozmowę? To funkcja docelowa, wymagająca własnej warstwy integracyjnej. Propozycja workflowu musi przejść walidację, otrzymać właściciela i ACL oraz wymagane zatwierdzenie przed publikacją. Nie jest to potwierdzona gotowa funkcja połączonych komponentów. ### Jakie modele i środowiska planujecie? Lokalny runtime pozostaje otwarty: nowszy plan wskazuje Ollama, wcześniejsze ustalenia llama.cpp z Vulkan. vLLM jest wariantem docelowym wymagającym walidacji na wybranym GPU. Testy mają objąć środowisko lokalne i staging w innej chmurze. Model, licencja i zasoby wymagają doboru. ### Czy ALKRAI może działać bez internetu? Planowany pełny pakiet offline ma zawierać obrazy, modele, konfiguracje, zależności, skrypty, manifest i sumy kontrolne. Instalacja nie ma wymagać centralnego GitLaba ani VPN. Pełną ścieżkę instalacji, aktualizacji i rollbacku trzeba jeszcze zweryfikować bez internetu. Integracje z zewnętrznymi usługami wymagają połączeń. ### Czy cały stack jest open source? Celem jest maksymalne wykorzystanie gotowych otwartych komponentów. Dokumentacja wskazuje jednak MongoDB/SSPL jako nierozstrzygniętą kwestię względem celu pełnego OSI open source. Przed komercyjną dystrybucją potrzebna jest weryfikacja konkretnych wersji, modeli i dodatków. ### Jak dostarczacie aktualizacje? Plan zakłada GitLab CI/CD i registry z wersjonowanymi wydaniami. Preferujemy dedykowany runner u klienta z połączeniem wychodzącym; alternatywą jest centralny runner przez VPN i SSH/Ansible. W środowisku offline aktualizacja trafia w kompletnej paczce. Każde wydanie wymaga testów i procedury rollbacku. ### Co ma potwierdzić PoC? Test obejmuje 2 użytkowników, 2 grupy i 3 workflowy. Uprawniony użytkownik ma wykonać narzędzie, a nieuprawniony ma być zablokowany również przez API. Plan obejmuje też branding po aktualizacji i bezpieczne tworzenie własnego workflowu przez AI. ### Ile kosztuje wdrożenie i utrzymanie? Nie ma zatwierdzonego cennika. Rozważany jest model abonamentowy, wspólny rdzeń i osobno wyceniane rozszerzenia. Zakres pilotażu, sprzęt, infrastruktura, wsparcie, SLA oraz zasady zakończenia współpracy wymagają indywidualnego uzgodnienia. ### Jak rozpocząć rozmowę o pilotażu? Przygotuj krótki opis jednego powtarzalnego procesu, obecnych systemów i oczekiwanego efektu. Formularz poniżej tworzy brief do skopiowania; nie wysyła wiadomości ani nie zapisuje danych na serwerze. ## Strona - [ALKRAI](https://alkrai.com/) - [Prywatność i ochrona danych](https://alkrai.com/#prywatnosc) - [AI offline](https://alkrai.com/#ai-offline) Interaktywny pokaz przy FAQ: #pokaz. Symulacja na fikcyjnych danych i gotowych odpowiedziach, bez połączenia z AI. Przykład pokazuje pytanie pracownika, odpowiedź ze źródłem oraz odmowę dla roli bez dostępu; nie jest potwierdzeniem wdrożenia kontroli dostępu. Co ALKRAI zrobi dla Twojej firmy? Sekcja #zastosowania przedstawia trzy projektowane scenariusze: wyszukiwanie w dokumentacji, porządkowanie dokumentów i automatyzację obsługi zapytań. Każdy opisuje problem, sposób działania i oczekiwany efekt; zakres i rezultaty wymagają potwierdzenia w pilotażu.