A vállalati környezetben alkalmazott generatív mesterséges intelligencia egyik legnagyobb kihívása az adatbiztonság és a kontrollálhatóság megőrzése. A felhőalapú LLM-szolgáltatások használata érzékeny üzleti dokumentumok feldolgozásakor GDPR-kockázatot jelenthet, miközben a hagyományos OCR- és IDR-megoldások gyakran rugalmatlanok és jelentős karbantartási igénnyel járnak. A BroadBit Hungary collAIgue terméke erre a problémára kínál választ egy on-premise appliance megközelítéssel.

Architektúra

A rendszer alapja egy fizikai eszköz, amely az ügyfél helyi hálózatához csatlakozik, és nem rendelkezik internetkapcsolattal. Az AI-modellek futtatása (inference) teljes mértékben a helyi hardveren történik, így a feldolgozott dokumentumok tartalma semmilyen külső szolgáltatóhoz nem kerül ki. A rendszer mögött az AutoMeta keretrendszer működik, amely szabályozza az egyes AI-agentek működését, valamint biztosítja a külső rendszerekhez kapcsolódó interfészeket (CMIS, IMAP, SQL).

Működési elv

A collAIgue nem chatbotként működik, hanem specializált agentekre épülő automatizálási platformként. Minden agent egy adott dokumentumtípushoz vagy feladatkörhöz van betanítva – például számlaadatok feldolgozására, szerződéselemzésre vagy okmányazonosításra.

Az agentek működése a következő lépésekből áll:

1. A dokumentum előfeldolgozása (OCR, képkorrekció, formátumkonverzió)
2. Kategória- és típusfelismerés LLM-alapú elemzéssel
3. Metaadatok strukturált kinyerése JSON-formátumban
4. Az eredmények visszajuttatása a célrendszerbe (például Alfresco, SharePoint vagy FileNet rendszerekbe CMIS-protokollon keresztül)

A feldolgozási folyamat több agent között is láncolható, így összetett munkafolyamatok is megvalósíthatók. Például egy beérkező e-mail szövegének és csatolmányainak közös, kontextusalapú feldolgozása is támogatott.

Betanítási metodológia

Az agentek betanítása referencia-dokumentumcsomagokon (10–100 dokumentum) alapul. A folyamat során a dokumentumok szerkezete alapján séma készül, majd a kiválasztott modell finomhangolása történik meg.

A rendszer működése determinisztikus: azonos bemenet és azonos prompt esetén azonos kimenetet generál, ami jól tesztelhetővé és auditálhatóvá teszi a működést. A pontosságot manuálisan ellenőrzött „BASE” adatokhoz viszonyítva mérik, metaadatszintű, százalékos pontossági mutatókkal.

Biztonsági megközelítés

A rendszer biztonsági modellje jelentősen eltér a SaaS-alapú AI-megoldásokétól:

• Nincs internetkapcsolat és nincs külső API-hívás
• Az ügyfélkonfiguráció eltávolítható adathordozón tárolható
• Hardvercsere esetén az új eszköz a meglévő adathordozóval indítható
• Egyetlen SSH-port érhető el, amely üzemszerű működés során nincs használatban
• A hálózati hozzáféréseket helyi tűzfal szabályozza

Gyakorlati szempontok

Az appliance-modell egyik legnagyobb előnye az adatbiztonság, valamint az, hogy az integráció minimális többletköltséggel megvalósítható: a rendszer ugyanazokat a hálózati hozzáféréseket kapja meg, mint egy emberi munkatárs.

Hátrányt jelenthet ugyanakkor a helyi hardverkapacitás korlátozottsága. Nagy mennyiségű dokumentum feldolgozása esetén erősebb vagy több eszközre lehet szükség, a kezelhető kontextusméret pedig az alkalmazott modelltől függ. A rendszer bérleti konstrukcióban érhető el, minimum 12 hónapos szerződési idővel.

Összességében a collAIgue egy speciális megoldás azon szervezetek számára, amelyek szigorú adatvédelmi követelmények mellett szeretnék AI-alapú automatizálással támogatni adminisztratív dokumentumfeldolgozási folyamataikat anélkül, hogy az adatok elhagynák a helyi infrastruktúrát. A CMIS-alapú integráció és a determinisztikus működés különösen előnyös lehet olyan enterprise környezetekben, ahol például Alfresco vagy SharePoint szolgál dokumentumkezelő rendszerként.