Gdzie tworzyć rozwiązania AI? Od globalnych gigantów do lokalnych liderów. Cloud for AI, część 1

Rozwiązania budowane na bazie algorytmów sztucznej inteligencji redefiniują pojęcia, takie jak innowacja i szybki wzrost, a także stają się fundamentem konkurencyjności. Kolejne organizacje z niemal każdej branży gospodarki wdrażają AI, aby automatyzować codzienne zadania, przyspieszać kluczowe procesy i szybciej analizować duże zbiory danych. Według raportu EY z 2024 roku, 25% polskich firm wdrożyło przynajmniej jedno rozwiązanie AI, a 89% deklaruje gotowość do jego implementacji. Co istotne, rośnie też znaczenie AI w kontekście usprawniania oferty i budowania relacji z klientami.

Jeśli chcesz, by Twoja organizacja wdrażała sztuczną inteligencję świadomie, bezpiecznie i efektywnie, kluczowe staje się pytanie: gdzie i jak najlepiej budować te rozwiązania? W tym artykule:

podpowiemy, jakie narzędzia zapewnia Google Cloud i Microsoft Azure pod kątem budowania i wdrażania rozwiązań AI,
zaprezentujemy przykłady zrealizowanych przez nas wdrożeń,
przedstawimy możliwości OChK Stack – platformy, która jest naszą odpowiedzią na aktualne potrzeby rynku.

Zapraszamy do lektury.

Artykuł, który właśnie czytasz, jest pierwszym z serii wpisów poświęconych zagadnieniom dotyczących budowania rozwiązań AI w chmurze. W kolejnych będziemy poruszać m.in. kwestie cyberbezpieczeństwa i zgodności z regulacjami oraz agentów AI. Obserwuj nasz profil na LinkedIn, by być na bieżąco z najnowszymi publikacjami!

Chmura obliczeniowa naturalnym środowiskiem dla AI

Chmura, choć nadal doceniana przede wszystkim za elastyczność w skalowaniu zasobów, coraz częściej postrzegana jest przede wszystkim jako przestrzeń, która umożliwia rozwijanie najnowszych technologii.

Skala tego trendu jest wyraźnie widoczna w danych: przewiduje się, że przychody na rynku chmury publicznej w Europie osiągną w tym roku 223,52 mld USD. Równolegle rosną inwestycje w sztuczną inteligencję – w lutym, podczas europejskiego Szczytu Działań na rzecz AI, ogłoszono rekordowy pakiet 200 mld euro na jej rozwój w UE. Coraz więcej firm łączy te dwa światy, stawiając na budowanie projektów AI bezpośrednio w chmurze – tak, aby w pełni wykorzystać potencjał danych i odpowiednio zadbać o ich bezpieczeństwo.

Platformy chmurowe udostępniają rozbudowane zestawy usług AI – od analizy języka naturalnego (NLP), przez rozpoznawanie obrazów i przetwarzanie mowy, aż po generatywne modele wspierające automatyzację procesów biznesowych. Poniżej znajdziesz przykłady narzędzi AI rozwijanych przez dwóch z trzech największych graczy na globalnym rynku rozwiązań chmurowych – Google i Microsoft.

Google Cloud

Chmura obliczeniowa Google stanowi istotny filar działalności, szczególnie w obszarze sztucznej inteligencji. Google od lat inwestuje w rozwój AI, wykorzystując ją do doskonalenia swoich kluczowych produktów, co naturalnie przekłada się na zaawansowanie i szeroki zakres rozwiązań AI dostępnych na platformie Google Cloud.

Vertex AI: zintegrowane środowisko dla projektów AI

Sercem Google Cloud w zakresie usług sztucznej inteligencji jest Vertex AI – ujednolicona platforma, która integruje cały cykl życia modelu AI w jednym miejscu. Umożliwia płynne przechodzenie od przygotowania danych, przez trenowanie i wdrażanie modeli, aż po ich monitorowanie i zarządzanie (MLOps). Vertex AI demokratyzuje dostęp do AI, udostępniając zarówno zaawansowane narzędzia dla zespołów działających w obszarze data, jak i intuicyjne interfejsy low-code/no-code. Kluczowe komponenty Vertex AI to m.in. Model Garden oraz Vertex AI Studio i Agent Builder.

Model Garden

Model Garden to obszerna biblioteka gotowych do użycia modeli AI, w której znajdziesz fundamentalne modele Google, takie jak:

Gemini – najnowsza rodzina modeli multimodalnych, które rozumieją i przetwarzają tekst, kod, obrazy, audio i wideo, umożliwiając tworzenie wszechstronnych, inteligentnych aplikacji;
Imagen – czołowe modele do generowania fotorealistycznych obrazów z tekstu,
Veo – modele, za pomocą których stworzysz wysokiej jakości wideo na podstawie opisów tekstowych i graficznych,

a także ponad 100 popularnych modeli otwartych (np. Llama) i modeli partnerskich.

Vertex AI Studio i Agent Builder

Vertex AI Studio i Agent Builder to narzędzia, które pozwalają na szybkie eksperymentowanie, testowanie i dostrajanie modeli oraz błyskawiczne budowanie zaawansowanych agentów konwersacyjnych AI. Umożliwiają tworzenie inteligentnych chatbotów, wirtualnych asystentów czy systemów wyszukiwania, które są „uziemione" (ang. grounded) w danych firmowych, dzięki czemu udzielają precyzyjnych i kontekstowych odpowiedzi.

Platforma Google Cloud pozwala automatyzować kluczowe procesy i tworzyć nowe możliwości interakcji z klientami. Wydajna, skalowalna infrastruktura, zunifikowana platforma Vertex AI, a także dostęp do nowoczesnych modeli oraz akceleratorów sprzętowych, takich jak Tensor Processing Units (TPUs) i najnowszych kart GPU, powodują, że GCP jest jednym z najczęściej wybieranych przez firmy rozwiązań.

Microsoft Azure

Ekosystem sztucznej inteligencji (AI) Microsoftu obejmuje zarówno gotowe aplikacje w modelu SaaS (Copilot), jak i platformy PaaS w Azure do budowy zindywidualizowanych rozwiązań. Poniżej znajdziesz kilka przykładów ich zastosowań.

Automatyzacja procesów – narzędzia takie jak Azure AI Document Intelligence i Power Automate automatyzują powtarzalne zadania, redukując koszty i zwiększając wydajność.
Analiza danych i predykcja – platformy Azure Machine Learning i Microsoft Fabric umożliwiają trenowanie modeli predykcyjnych i analizę danych w czasie rzeczywistym, wspierając podejmowanie decyzji.
Rozpoznawanie mowy, obrazu i języka – Usługi Azure AI (Vision, Speech, Language) umożliwiają integrację funkcji, takich jak OCR czy transkrypcja mowy z aplikacjami biznesowymi.
Chatboty i asystenci – Copilot Studio i Azure Bot Service pozwalają tworzyć inteligentnych agentów do obsługi klientów i wsparcia pracowników, wykorzystując rozumienie języka naturalnego.

Rozwiązania AI as a Service

Microsoft udostępnia liczne rozwiązania gotowe (SaaS), określane jako Copiloty, zintegrowane z aplikacjami takimi jak Microsoft 365, Dynamics 365, Power Platform czy GitHub. Wykorzystanie usługi SaaS umożliwia szybkie osiągnięcie efektów biznesowych bez konieczności projektowania i utrzymywania infrastruktury.

W przypadku, gdy zależy Ci na dostosowaniu chatbota do potrzeb biznesowych lub stworzeniu własnego agenta, skorzystaj np. z Copilot Studio, rozwiązania typu low-code, które pozwala tworzyć własnych asystentów konwersacyjnych. Umożliwia integrację z firmowymi danymi oraz rozwiązaniami innych producentów przez gotowe do użycia connectory, a także wykorzystanie modeli GPT i personalizację dialogów przy minimalnym udziale programistów.

Budowa własnej aplikacji AI na platformie Azure

W sytuacji, gdy potrzebujesz rozwiązania bardziej dopasowanego do Twoich potrzeb, rozważ budowę własnej aplikacji AI. Jest to ścieżka, która wymaga większej ilości zasobów i wiedzy eksperckiej do przygotowania bezpiecznego, działającego zgodnie z oczekiwaniami rozwiązania. W tym celu warto wykorzystać usługi platformowe Azure:

Azure AI Services (np. Vision, Speech, Language) – niegeneratywne AI sprawdzi się w przypadku klasycznych zadań, takich jak analiza tekstu czy obrazów.
Azure AI Service – generatywne AI (np. modele OpenAI) służy do tworzenia treści, kodu czy zaawansowanych chatbotów.
Azure Machine Learning – w pełni zarządzana platforma dla analityków do budowy, trenowania i wdrażania własnych modeli ML; sprawdzi się, jeśli dysponujesz unikalnymi danymi i chcesz stworzyć własny model predykcyjny.
Azure AI Content Safety – usługa kluczowa dla odpowiedzialnego AI, służy do wykrywania i filtrowania szkodliwych treści generowanych przez użytkowników lub przez sztuczną inteligencję.

Pracę z powyższymi usługami wspiera zintegrowana platforma Azure AI Foundry, która przyspiesza tworzenie aplikacji AI. Łączy w sobie kluczowe usługi, takie jak Azure OpenAI, AI Search i Prompt Flow, aby ułatwić budowę, testowanie i wdrażanie zaawansowanych rozwiązań, które bazują na generatywnej AI.

Portfolio AI Microsoftu rozciąga się od gotowych asystentów (Copilot) po zaawansowane platformy (Azure). Kluczem do sukcesu jest wybór odpowiedniego narzędzia, zasobów wewnętrznych i pożądanej skali działania rozwiązania.

Przykłady wdrożeń realizowanych przez OChK

Każdy projekt AI zaczyna się od realnego wyzwania biznesowego. W OChK wspieramy organizacje w realizacji ich planów – od pierwszych eksperymentów z uczeniem maszynowym po skalowanie zaawansowanych modeli w środowiskach chmurowych, wspólnie przekuwając potencjał danych i technologii na nieszablonowe, innowacyjne rozwiązania. Poniżej znajdziesz przykłady dwóch takich wdrożeń przeprowadzonych w chmurze Google.

1. Zbudowanie modelu predykcyjnego anti-default

Celem organizacji z sektora fintech była analiza zjawiska niespłacalności finansowania klientów oraz dostarczenie mechanizmu jego przewidywania. W odpowiedzi na to wyzwanie eksperci OChK zbudowali i wytrenowali model Machine Learning, który na podstawie dostarczonych cech klienta końcowego przewiduje, czy będzie miał on problem ze spłatą udzielonego finansowania.

Projekt składał się z kilku etapów:

wybór właściwej definicji biznesowej zjawiska niespłacalności, ustalenie zakresu informacyjnego i źródeł danych,
przygotowanie danych źródłowych do procesu analiz/modelowania (agregacje, wzbogacanie itp.),
budowę bazy analitycznej liczącej niemal 1000 cech do uczenia, walidacji i testów,
przygotowanie prototypowego modelu ML dla wybranego zjawiska,
testowanie modelu i przeprowadzenie scoringu na danych bieżących.

Wśród zastosowanych technologii znalazły się m.in. BigQuery, Vertex AI, AutoML, Cloud Storage, Dataplex, Dataform.

Wynikiem przeprowadzonych prac była identyfikacja podgrupy klientów najbardziej zagrożonych utratą zdolności do spłaty zobowiązań - z dwukrotnie wyższą skutecznością niż dotychczas - co przyczynia się do uszczelnienia procesu udzielania finansowania, a w konsekwencji do obniżenia wskaźnika nieobsługiwanych zobowiązań w ogólnym portfelu firmy.

Rys. 1: Schemat zastosowanego rozwiązania

2. Spłata długu technologicznego i zabezpieczenie wieloletniego know-how

Celem naszego klienta było wykorzystanie algorytmów AI do uporządkowania zbieranego przez lata „dziedzictwa technologicznego” (w tym know-how pracowników, rozproszonej dokumentacji technicznej i ogromnych zbiorów danych, podręczników/przewodników oraz procedur postępowania dotyczących zaawansowanych procesów produkcyjnych i chemicznych). Zbudowanie obszernej, spójnej bazy wiedzy miało przede wszystkim usprawnić proces onboardingu nowych pracowników oraz przeprowadzanie szkoleń stanowiskowych.

Eksperci OChK, wykorzystując technologię dostępną na Google Cloud (m.in. Gemini, Vertex AI, Document AI) podeszli do wyzwania kompleksowo, budując poniższe rozwiązania:

zaawansowany system na bazie DocChatu, który kontekstowo analizuje scyfryzowane uprzednio dokumenty w wielu formatach, odpowiednio je grupując i organizując,
trenażery AI do samoedukacji, z pomocą których pracownicy firmy mogą weryfikować swoją wiedzę; wykorzystanie modeli AI do generowania testów o wybranej tematyce i skali trudności oraz do semantycznej analizy i scoringu odpowiedzi.

Efektem przeprowadzonego projektu jest przede wszystkim lepszy dostęp do specjalistycznej, do tej pory rozproszonej, wiedzy oraz odpowiednie jej zabezpieczenie, a także większa efektywność operacyjna. Kolejny etap prac ma obejmować fine tuning modeli i zbudowanie bardziej zaawansowanych funkcji m.in. integracji z zewnętrznymi domenowymi bazami wiedzy, czy implementacji symulatora fizycznej instalacji, co ma służyć zwiększeniu jakości odpowiedzi generowanych przez modele GenAI.

Rys. 2: Architektura zastosowanego rozwiązania

OChK Stack: odpowiedź na wyzwania rynku

Coraz większa świadomość technologiczna i zmieniający się krajobraz obszaru cybersecurity/compliance sprawia, że przy wyborze odpowiedniej platformy chmurowej obok innowacyjności równie ważne są: zachowanie zgodności z regulacjami (takimi jak AI Act, NIS2 czy DORA), odporność cyfrowa, a także pełna kontrola nad tym, gdzie i jak przetwarzane są dane oraz trenowane modele AI.

W tym kontekście szczególnego znaczenia nabiera kwestia suwerenności technologicznej – choć globalni dostawcy chmury nadal dominują na rynku, rośnie zapotrzebowanie na rozwiązania alternatywne, tworzone i rozwijane lokalnie. Podejmowane próby tworzenia takich przedsięwzięć jak Gaia-X oraz inwestycje w europejskich operatorów chmurowych to jasny sygnał, że organizacje zaczynają szukać takich środowisk do budowy własnych rozwiązań AI, które zapewnią im lokalną rezydencję danych oraz niezależność od zagranicznych narzędzi.

Rośnie także niepewność wokół rozwiązań dotyczących warstwy wirtualizacji. Na przykład głośne przejęcie VMware przez Broadcom i wprowadzenie nowej, zaskakującej polityki licencyjnej, w wielu organizacjach uruchomiło proces przeglądu innych dostępnych możliwości. Zależność od jednego dostawcy staje się realnym ryzykiem – zarówno kosztowym, jak i operacyjnym. W opozycji do tego trendu stoją otwarte rozwiązania, które dają użytkownikowi realny wpływ na rozwój technologii, elastyczność i brak zagrożenia tzw. vendor lock-in.

W odpowiedzi na te potrzeby stworzyliśmy własny produkt – OChK Stack, nowoczesną platformę chmurową, zbudowaną z myślą o organizacjach, które potrzebują niezależności technologicznej, bezpieczeństwa i pełnej kontroli nad swoim środowiskiem IT.

Jak działa OChK Stack?

OChK Stack to rozwiązanie zbudowane na bazie otwartego oprogramowania oraz sprawdzonej, autorskiej technologii jaką jest Platforma OChK. Jest to chmura publiczna stworzona i zarządzana przez zespół lokalnych ekspertów. OChK Stack uruchamiany lokalnie, w zaledwie kilka tygodni, jako chmura prywatna, bezpośrednio w infrastrukturze klienta, oznacza m.in.:

pełną kontrolę nad bezpieczeństwem (konfiguracja zabezpieczeń, polityk dostępu, szyfrowania i innych środków ochrony),
ochronę przed zewnętrznym dostępem (połączenie z prywatną infrastrukturą minimalizujące ryzyko nieautoryzowanego dostępu),
wyeliminowanie ryzyka wynikajacego ze współdzielenia infrastruktury.

Rys. 3: Funkcje dostępne w ramach OChK Stack

OChK Stack może być dopasowany do indywidualnych potrzeb każdej firmy, zarówno pod kątem mocy obliczeniowej, jak i zestawu usług wspierających rozwój biznesu – od tych najbardziej podstawowych (maszyny wirtualne, zwirtualizowana pamięć masowa, zwirtualizowana sieć) przez usługi zarządzane, bazy danych i klastry Kubernetes, po zaawansowane rozwiązania z zakresu AI/ML, łącznie ze wsparciem sprzętowym GPU.

Zakres usług w ramach pakietów OChK Stack – od podstawowych elementów infrastrukturalnych po zarządzane klastry Kubernetes i zaawansowane usługi AI/ML

Rys. 4: Zakres usług w ramach pakietów OChK Stack – od podstawowych elementów infrastrukturalnych po zarządzane klastry Kubernetes i zaawansowane usługi AI/ML

Budowany na bazie lokalnego know-how i w ramach lokalnej infrastruktury, rozwijany i wspierany przez polski zespół, OChK Stack stanowi zatem alternatywę dla dużych, zagranicznych platform.

Jeśli chcesz dowiedzieć się więcej o OChK Stack, zapraszamy do kontaktu.