Helyben telepített vállalati AI
Vállalati AI, ami nem hagyja el a céget — nálad fut, nem a felhőben
Olyan vállalati AI, amely a saját infrastruktúrádon fut, és a vállalatod dokumentumaiból dolgozik. Az érzékeny információ nem kerül ki az internetre, az AI-költség előre tervezhető, és ha később fejlettebb modell érkezik, arra is átállítható a rendszer.
Az adat házon belül marad
tűzfal mögött, titkosítva tároljuk és dolgozzuk fel
Kiszámítható költség
nem a felhasznált tokenmennyiség határozza meg
Cserélhető AI-modell
nyílt licenc, nincs gyártói bezáródás
Enterprise szintű támogatás
bevezetés, testreszabás és SLA-alapú üzemeltetés
✎ Új beszélgetés
Keresés
Jegyzetek
Munkaterület
Modellek
● Qwen3 Coder (lokális)
● Llama 4 Scout (lokális)
● Gemma 4 (lokális)
● Frontier · szabály szerint
Tudástár
Szabályzatok
Pénzügyi riportok
Projektdokumentáció
Beszélgetések
Negyedéves árbevétel…
Timesheet-egyeztetés
Szabályzat-kivonat HR
Negyedéves árbevétel régiónként
•••
Olvasd be az arbevetel_2026.xlsx fájlt, és rajzold fel a negyedéves trendet régiónként.
Qwen3 Coder · lokális
2026-os árbevétel régiónként
5 337 M Ft
▲ 46% Q1→Q4
EMEA
1 927
▲ 37%
AMER
1 801
▲ 35%
APAC
1 081
▲ 71%
LATAM
528
▲ 80%
Régió
Q1
Q2
Q3
Q4
Év
EMEA
412
448
501
566
1 927
AMER
388
421
470
522
1 801
Az EMEA és az AMER adja a többséget, de az APAC nő a leggyorsabban (+71% Q1→Q4). A fájl nem hagyta el a hálózatot.
Írj üzenetet…
Qwen3 Coder · lokális ⌄
Miért most?
Egyik lábbal a gázon, a másikkal a féken
A menedzsment natívan AI-alapú működést akar: a kolléga kérdez, az agent dolgozik, a riport elkészül. Ugyanez a menedzsment fél is tőle — mert az adat kimegy, a számla pedig nem látható előre. A két érzés egyszerre igaz, és egymást fékezi.
Költség
Az AI költsége drámaian növekszik
Az egységár két év alatt 93%-kal esett — a vállalati számlák mégis több mint háromszorosukra nőttek. Ha olcsóbb lesz valami, többet használunk belőle. A fogyasztásalapú árazás és az agentikus feladatok (5–30× több token) ezt tovább gyorsítják.
egységár, $ / millió token
vállalati GenAI-kiadás, Mrd $
Forrás: Ramp (egységár), Menlo Ventures (kiadás)
93%
a vállalati AI-csapatoknak túllépi a büdzsét
McKinsey FinOps, 2026. május
Kockázat
Az adat kimegy, a felelősség marad
Minden felhős AI-kérdéssel vállalati információ hagyja el a céget: szerződés, ügyféladat, pénzügyi táblázat. Az adatbiztonsági és megfelelési felelősség viszont a használó EU-s cégé marad — akármit ígér a szolgáltató.
Biztonság
Amit a cég nem enged meg, a kolléga privát fiókból oldja meg. Ez a shadow AI: nem látod, nem naplózod, nem tudod visszahívni. Ma már minden második adatincidens mögött ez áll.
Megfelelés
GDPR, NIS2 és 2027 decemberétől az EU AI Act. Egy auditon azt kell igazolni, hol van az adat, ki látja és mi került naplóba. A „nem tanítunk az adatodon” ígéret erre nem válasz.
Függőség
A modellt más cseréli és más kapcsolja ki. Nem szól, nem kérdez, újratesztelni nem tudsz — a folyamataid mégis rá épülnek.
A vezető nem az AI-tól fél. Attól fél, hogy nem tudja, hol az adat, ki látja, és mennyibe kerül a következő hónap.
A kérdés nem az, hogy gáz vagy fék — hanem hogy hol fusson a motor
Ha a modell a saját telephelyen fut, az adat nem megy ki, a költség pedig egyszeri és ismert. A gáz megmarad, a fék feloldható — ezt oldja meg a Gloster Local AI.
A megoldás
A kezedben van a kontroll: melyik adatot dolgozod fel helyben, és melyiket felhős AI-val
Nem kell minden feladatra drága felhős modellt fizetni. A rendszer automatikusan eldönti, mi futhat helyben, és mikor indokolt külső AI-t hívni — a döntést nem a felhasználó hozza meg egy legördülő menüben, hanem az általad beállított szabály.
ChatGPT, Claude és Gemini modellek helyett a kisebb feladatokat a helyi modell végzi el.
Kérés
a kolléga kérdez
AI útvonalválasztó
eldönti, hol fusson a kérés
bizalmasság · költség · komplexitás · saját szabály
Tűzfal
Lokális
ismétlődő, érzékeny — bent marad
DGX Spark · nyílt modell
Frontier
a nehéz meló — csak ha engeded
külső modell · DLP-szűrés után
1 · Kérés
A munkatárs kérdez
2 · AI útvonalválasztó
A rendszer dönt
3A · Lokális
Ismétlődő és érzékeny
3B · Frontier
Kivételesen összetett feladat
15 kiemelt funkció
Amitől a chatből vállalati AI-rendszer lesz
A kolléga egy megszokott chatfelületen dolgozik; a vállalat irányítja a modelleket, a tudást és a hozzáférést.
01 Használat
Chat, modellek, saját gépen futó AI és feladatfüggő útvonalválasztás.
01
Tudás
Asszisztens
Sablon
Jog
közös céges kontextus
Company Context
Egy közös céges kontextus áll minden beszélgetés mögött
Tudásbázisok, asszisztensek, sablonok és jogosultságok egy helyen: minden kolléga ugyanabból a céges tudásból dolgozik, és a tudás nem szóródik szét.
02
kérés
→
helyi modell
kérés
⇢
külső API
a feladat dönti el
Model Switch
Feladatonként több modell közül választunk
A modellválasztás feladathoz és vállalati szabályhoz köthető; egy új modell felvétele nem igényel új dolgozói felületet.
03
Céges hálózat
DGX Spark · helyi modell
⇢
✕ felhő
nem kell kimennie
In-House AI
Az AI a cég saját DGX Spark gépén fut
A helyi modellnél a modellhívásnak nem kell külső AI-szolgáltatóhoz mennie. A cég maga határozza meg, hol fut és mely adatút engedélyezett.
04
kérés
→
szabály
→
Helyi
Külső API
Smart Router
A rendszer dönti el, melyik modell dolgozik
A drága modellkapacitás a valóban indokolt feladatokra tartalékolható, miközben az adatút szabályozható.
02 Vállalati tudás
Dokumentumkeresés, frissülő források, szakértő asszisztensek és közös munkamódszerek.
05
„Mit számolhatok el utazáskor?”
→
Forrás: 4.2 §
Knowledge Answers
Az AI a céges dokumentumokból válaszol, és megmutatja a forrást
Jelentés szerinti keresés a céges dokumentumokban; a válasz mellett ott a forrás, például: Utazási szabályzat, 4.2 §.
06
Szabályzat v2
→
↻
→
+ új
~ módosult
− törölt
Knowledge Sync
Ami változik, automatikusan bekerül a céges tudásba
A válasz mindig a dokumentum legfrissebb verziójából készül. Az új fájl bekerül, a módosult frissül, a törölt kikerül.
07
Sales
HR
Pénzügy
Backoffice
közös tudásbázis
saját instrukció · eszköz · modell
Custom Assistants
Minden terület saját agentet kap, ugyanarra a céges tudásbázisra építve
Sales, HR, pénzügy, backoffice: mindegyik saját instrukcióval, eszközökkel és modellel, csak a saját csoportjának.
08
Skill: Ajánlat
✓ —————
✓ ————
✓ —————
→
az egész cég eléri
Skill Library
Amit egyszer rögzítünk, az egész cég használja
Ha valaki kitalál egy jól működő módszert, másnaptól az egész cég gyorsabban és ugyanolyan minőségben dolgozik vele.
03 Kontroll
Integrációk, vállalati belépés, jogosultságok, adatkezelési szabályok, mérések és automatizálás.
09
ERP
SQL
CRM
Local AI
MCP · OpenAPI
Docs
Jira
API
System Connect
Az AI a cég meglévő rendszereihez kapcsolódik
MCP, OpenAPI és saját eszközök: az AI adatot kérhet a vállalati rendszerekből, és jóváhagyás után műveletet indíthat.
10
kolléga
→
céges belépés
→
AI
nincs új jelszó, nincs új fiók
Identity Link
A kolléga a meglévő Microsoft- vagy Google-fiókjával lép be
Ugyanazzal a céges belépéssel éri el a rendszert, amellyel minden más vállalati rendszert is. A kilépő kolléga hozzáférése megszűnik.
11
HR-AI
HR tudás
Sales-AI
Sales tudás
HR
✓
✓
✕
✕
Sales
✕
✕
✓
✓
Admin
✓
✓
✓
✓
Access Guard
Mindenki csak a neki szánt AI-erőforrást látja
A kolléga csak a szerepkörének megfelelő modellhez, tudásbázishoz, eszközhöz és Skillhez fér hozzá.
12
→
✓
Data Guard
→
Helyi
✕ Külső
Data Guard
Bizalmas adat nem jut el külső AI-modellhez
Az igazán belső, bizalmas információ nem kerül ki a frontier modellekhez: szövegben, dokumentumban és képen is felismeri.
13
Havi AI-költség
412 e Ft
helyi külső
példaadatok
Usage Insights
Látható, ki használja az AI-t, és mennyibe kerül
Felhasználónként és csoportonként, külön a helyi és a külső modellek szerint. Az AI-költség a cég kontrollja alá kerül.
14
egy kérdés
A
★★★☆☆
B
★★★★★
C
★★★☆☆
vak értékelés → rangsor
Model Arena
Egy kérdést több modell válaszol meg, és kiderül, melyik a jobb
Egyre jobb válaszokat kapunk, mert a céges tudásbázison egyre jobban kipróbált modellek dolgoznak.
15
Hétfő
08:00
↻ minden héten
indul
gyűjt
összefoglal
ember ellenőriz
megoszt
Task Scheduler
A rutinfeladat a megadott időben, automatikusan lefut
A heti összefoglaló kézi munka nélkül elkészül, a cég saját gépén, és csak emberi jóváhagyás után kerül megosztásra.
Az ábrák sematikusak; a példaadatok illusztrációk.
Biztonság és kontroll
Nem új biztonsági paradigma — a meglévő kontrolljaitok alá kerül
Címtár, szerepkör, kvóta, naplózás. Az AI-forgalom ugyanazon a gatewayen megy át, és ugyanazokkal az eszközökkel felügyelhető, mint a többi vállalati rendszered.
Egy kérdés útja — négy kontroll, minden egyes kérésnél
01
Csak az kérdez, akit jóváhagytál
Belépés a meglévő céges címtárral. Szerepkör és csoport szerint te döntöd el, ki melyik modellt, tudásbázist és asszisztenst használhatja.
02
Te szabod meg, mi hagyhatja el a céget
A DLP és a routing-szabályok a te előírásaidat követik. Ami bizalmas, bent marad, akkor is, ha a felhasználó külső modellt választana.
03
Te döntöd el, hol fut a feladat
Alapértelmezetten a saját gépeden, a céges hálózaton belül. Külső modellhez csak az a kérés jut, amelyet a szabályod kifejezetten enged.
04
Minden lépés visszakereshető
Minden kérdés és válasz naplózva, a meglévő SIEM-be kötve. Audit vagy incidens esetén is pontosan látod, ki mit kérdezett és mit kapott.
Tűzfal mögött
zárt VLAN, nincs közvetlen internet
Titkosított tárolás
a lemezen és a feldolgozás alatt is
SSO és címtár
a meglévő vállalati azonosítással
Audit log
SIEM-be küldve, visszakereshetően
Backup és failover
második eszköz, mentett modellsúlyok
Legyünk pontosak: attól, hogy helyben fut, még nem lesz automatikusan megfelelő semmi. A helyi működés egyszerűsíti az adatkezelési és megfelelési kérdések kezelését, de a munkát el kell végezni — a jogosultsági és adatkezelési réteget nálad építjük fel.
Technológiai függetlenség
A vállalati tudás nem kötődik egyetlen AI-modellhez sem
Ha fejlettebb modell jelenik meg, lecserélhető úgy, hogy a dokumentumokat, a jogosultságokat, az integrációkat és a munkafolyamatokat nem kell újra felépíteni. A bevezetés értéke ebben a rétegben van, és ez a réteg nálad marad.
Külső szolgáltatók
Nincs vendorfüggés
✕
Vállalati tudás
ez a réteg nálad marad
dokumentumok
jogosultságok
integrációk
munkafolyamatok
→
Cserélhető
Saját belső modell
nem függsz a külső nagy szolgáltatóktól
Nyílt licencű modellek
Nyílt licencű modellek
A méréseink Qwen3.8-27B-n futottak, Apache 2.0 licenccel. De bármi elfut rajta, ami belefér a 128 GB-ba — kompresszióval még annál nagyobb is.
A modellsúlyok nálad vannak
Lementve, a konfigurációval együtt verziózva. Egy modell nem tud egyik napról a másikra eltűnni alólad azért, mert a szolgáltató kivezette.
A váltás ütemezett
Nem frissül magától. Előbb a másodlagos gépen nézzük meg, mit csinál a korábbi feladatokkal, és csak utána kerül élesbe.
A felhős modellek is használhatók
A rendszer nem zár el a frontier modellektől: ahol üzletileg indokolt és a vállalati szabályok engedik, azok is elérhetők az útvonalválasztón át.
Házon belül kipróbálva
Saját fejlesztőink ezen refaktoráltak egy valós ügyfélprojektet
Egy legacy kódbázis refaktorálását futtattuk a Gloster Local AI-on, éles kódon. Az alábbi ábra végigviszi a folyamatot a bemenettől az új rendszerig.
Szoftverfejlesztés · éles ügyfélprojekt
Legacy migráció valós ügyfélprojekten, egy dobozon
Az ügyfél kódjából, dokumentációjából és tesztrendszeréből új, modern rendszer készült, nem csak refaktorált kód. Egy DGX Sparkon 4–5 fejlesztő dolgozhat párhuzamosan.
Bemenet
Ügyfél kódja
legacy kódbázis
Dokumentációk
specifikációk, leírások
Tesztrendszer
hozzáférés, futtatás, ellenőrzés
Egy doboz, helyben
DGX Spark
Qwen3.8-27B
4–5 fejlesztő
párhuzamosan, egy eszközön
Kimenet
Új, modern rendszer
nem csak refaktor · a kód helyben marad
Egy doboz, több fejlesztő. Egy DGX Sparkon egyszerre 4–5 fejlesztő fér el.
Új rendszer, nem foltozás. A régi kódból modern rendszer készül.
Sonnet 5 szintű kódolás. Qwen3.8-27B nyílt modellel, helyben.
„Legacy projekt migráción próbáltuk. Részletes projekttervhez jobb az Opus, de a mindennapi kódolási feladatokhoz ez is elég.”
Belső Gloster-mérések saját adaton, DGX Sparkon, Qwen3.8-27B modellel. A bevezetés két fejlesztővel, ~10 mérnöki nap alatt állt fel. Nem általános teljesítménygarancia.
A Gloster szolgáltatásai
Cégre szabott szolgáltatások a zavartalan működésért
A hardvert és a nyílt modellt bárki megveheti. A Gloster beállítja a helyi környezetre, és utána üzemelteti. Két csomagból indulhat.
Eszköz + alapbeállítás
Local AI Core
Az eszköz, üzembe helyezve és alapszinten beállítva. Ezzel már az első naptól dolgozni lehet.
Eszköz: alapesetben 2 DGX Spark + 1 szerver
Telepítés és üzembe helyezés
Alapbeállítások
céges branding
modellek
smart router
company context (RAG)
skill library
promptsablonok
Identity Link
Active Directory
hozzáférés-kezelés
token-alapú user insights
Core + oktatás + testreszabás
Local AI Advance
Minden, ami a Core-ban van, és a cég saját folyamataira hangolva.
A teljes Core csomag
Felhasználói oktatás: általános használat és a saját use case-ekre szabott képzés
Egyedi testreszabás az ügyfél igényei szerint
Például
custom asszisztensek
custom konnektorok
részletesebb monitoring
erősebb security-beállítások
Mi része, és mi kérhető egyedileg
Bevezetés
Telepítés és üzembe helyezés
Része
RAG és tudásbázis
limitált dokumentumszámig · bővítés egyedi igény szerint
Része
Routing
Része
Identity Link + Active Directory
Része
Custom asszisztensek
2 asszisztens (Back Office és Coding) · további egyedi igény szerint
Része
DLP
mélyebb, bővebb beállítás egyedi igény szerint
Alapszinten
Task scheduler
komolyabb megoldás egyedi igény szerint
Alapszinten
Üzemeltetés és support
Hibajegy-alapú üzemeltetés
Része
SW support, SLA
Része
Kontrollált modellfrissítés
Része
Regressziós tesztek
modellcserekor, igény szerint
Része
A hardver-support nem része a szolgáltatásnak.
Csak egyedi igény szerint
egyedi konnektorok
természetes nyelvű adatbázis-lekérdezés
magas rendelkezésre állás (HA)
költségalapú usage insights
audit log
backup
Üzleti modell
Vásárolható vagy havidíjas: CAPEX és OPEX is
Ugyanaz a rendszer, kétféle finanszírozással. Ha nem akartok induló beruházást, havidíjjal is elérhető.
CAPEX · Egyszeri beruházás
Saját eszköz, teljes szolgáltatással
Az eszközt megvásároljátok, a testreszabást és az üzemeltetést a Gloster biztosítja.
Eszköz
a tiétek, Glostertől
Testreszabás
Gloster
Üzemeltetés
Gloster
Egyszeri beruházás + support díj
OPEX · Havidíj
Gloster Local AI Managed
Nincs induló beruházás. Egy havidíj, amiben az eszköz, a testreszabás és a support is benne van.
Eszköz
Gloster biztosítja
Testreszabás
Gloster
Üzemeltetés
Gloster
Induló költség nélkül, supporttal, minimum 1 éves szerződéssel
Mindkét konstrukcióban benne vannak a Gloster testreszabási és üzemeltetési szolgáltatásai.
Indulás
Négy lépésben, kicsiben kezdve
01
Use case kiválasztása
Kiválasztjuk azt a folyamatot, ahol a legnagyobb a haszon.
egy jól körülhatárolt folyamat
mérhető cél
02
PoC kis tesztprojekten
Saját adaton bizonyítjuk, hogy tényleg működik.
tűzfal, VPN
saját hardver
az adat bent marad
03
Integrációk kiterjesztése
Rákötjük a meglévő rendszerekre és beállítjuk a védelmet.
SSO
DLP
routing-szabályok
auditnapló
04
Skálázás és üzemeltetés
További use case-ek, folyamatos üzem.
további use case-ek
regressziós tesztek
kontrollált modellfrissítés
SLA
Gyakori kérdések
Amit a döntés előtt meg szoktak kérdezni
Aki mögötte áll
A bevezetés mögött tőzsdén jegyzett IT-csoport áll
Egy on-prem AI-környezet hosszú távú üzemeltetési kötelezettség. Számít, hogy ki vállalja — és milyen gyártói háttérrel.
Hardver
NVIDIA
A DGX Spark platform és a gyártói hardversupport háttere.
Vállalati platform
Microsoft
Címtár, SharePoint, Business Central — a meglévő környezetetekhez illesztve.
Frontier modell
Anthropic
A hibrid útvonal külső oldala, ha a szabály engedi.
Hálózat és biztonság
Cloudflare
Peremhálózati és hozzáférés-védelmi réteg.
Technológiai partnerségek. A Gloster több mint 20 éves vállalati IT-üzemeltetési gyakorlattal dolgozik.
8,65
Mrd Ft árbevétel (2025)
91% ismétlődő bevétel
751
M Ft EBITDA (2025)
52% export
200+
munkatárs
HU · DE · UK
GLSTR
BÉT-en jegyzett csoport
Budapesti Értéktőzsde, Xtend
Forrás: Gloster Digital Group Nyrt. 2025. évi éves jelentés, 2026. április.
Lépjünk tovább
Melyik folyamaton mutassuk meg, mit jelent a saját vállalati AI?
Mondjátok el, hol veszít időt a szervezet, és közösen megnézzük, hogyan illeszkedik a Gloster Local AI a működésetekhez. A bemutatóra a saját méréseinket és az éles use case-eket visszük.
Gloster Digital Group Nyrt. · Park Atrium, Budapest
BÉT: GLSTR · Microsoft • Anthropic • NVIDIA • Cloudflare partner
Bemutatót kérek
A csillaggal jelölt mezők kitöltése kötelező.