Lokalny model AI czyta umowy i oferty za 25–60 tys. zł startu

Poniżej praktyczny poradnik, a nie rozstrzygnięcie konkretnej sprawy — przy większych kwotach warto go przepuścić przez własnego doradcę. W firmie produkcyjnej na 80 osób szef operacyjny co miesiąc dostaje 600–800 skanów: umowy od dostawców, oferty, protokoły odbioru. Dwie osoby przepisują z nich kwoty, terminy i strony do arkusza, a radca prawny czyta klauzule jeden po drugim. Skany nie trafiają do żadnego zewnętrznego API, bo zarząd nie zgadza się na wysyłanie dokumentów poza siedzibę. Pytanie brzmi, ile kosztuje postawienie u siebie modelu 8B–13B i ile tygodni trwa, zanim system zacznie czytać polskie skany.

Minimalna specyfikacja serwera, który pociągnie model do czytania umów, to 16 rdzeni CPU, 64 GB RAM, 24 GB VRAM oraz dysk NVMe 2 TB z szyfrowaniem całego dysku. Używana stacja z kartą RTX 3090 i 64 GB RAM mieści się w 22–28 tys. zł; nowy serwer z RTX 4000 Ada i szyfrowanym dyskiem 2 TB to 45–60 tys. zł. Z naszej praktyki wynika, że lokalny sprzęt zaczyna być opłacalny przy 700–900 stronach miesięcznie; przy 200–300 stronach API bywa tańsze i prostsze.

Co da się zrobić w tym tygodniu

Ruch 1 — audyt typów dokumentów. Dwa dni, robi szef biura lub asystentka zarządu. Spisuje 6–8 powtarzalnych typów: umowa najmu, oferta dostawy, NDA, protokół zdawczo-odbiorczy. Ruch 2 — zebranie 100 skanów. Jeden dzień, osoba z kancelarii. Wystarczą PDF-y ze skanera w jakości 200 dpi; nie trzeba ich opisywać ani segregować. Ruch 3 — test modelu na istniejącym komputerze. Dwa dni, informatyk lub zewnętrzny technik. Model 8B w wersji quantized uruchamiamy na CPU, bez nowego serwera i bez budżetu sprzętowego — koszt to 8–10 roboczogodzin. Ruch 4 — odczyt 10 umów i ręczna weryfikacja. Jeden dzień, radca prawny lub koordynator umów. Notuje, które pola z oryginału system odczytał poprawnie, a które pominął.

Czego nie robić od razu

Nie kupuj serwera za 60 tys. zł przed testem dokładności na 100 skanach. Pierwsze wyniki pokażą, czy problem leży w jakości skanów, a nie w mocy modelu. Nie integruj od razu z ERP ani z obiegiem umów — taka integracja to zwykle 15–30 tys. zł i dodatkowe 3–4 tygodnie, a nie jest potrzebna do zmierzenia dokładności. Nie zaczynaj też od modelu 70B; do odczytu pól z polskich umów wystarczy model 8B–13B, a większy model wymaga 4–5 razy droższego sprzętu. Formalności z ustawy o systemach AI nie trzeba załatwiać przed testem, ale dysk szyfrowany warto mieć od początku.

Jak sprawdzić po dwóch tygodniach, że działa

Po dwóch tygodniach od startu patrzysz na jeden wskaźnik: odsetek poprawnie odczytanych pól na próbie 100 skanów. Do wyniku liczysz tylko pola, które mają być przepisane do arkusza: data, strony, kwota, termin, numer umowy. Próg, który przyjmujemy w testach, to 95% poprawnych pól w porównaniu z ręcznym odczytem. Podobny próg — niemal 95% — podał zespół ExtrAct przy aktach notarialnych. Jeśli wynik spada poniżej 90%, wycofujesz się z zakupu serwera i sprawdzasz jakość skanów lub upraszczasz typ dokumentu. Wynik między 90 a 95% oznacza, że trzeba poprawić szablon ekstrakcji, a nie kupować mocniejszy GPU.

Jeśli po teście uznasz, że nie masz w zespole czasu na wdrożenie, można je oddać na zewnątrz. W HEXART stawiamy lokalny model na sprzęcie u klienta, podpinamy OCR i szablon ekstrakcji, a po 4–7 tygodniach zostawiamy działający pipeline z monitoringiem. Bez wysyłania dokumentów poza firmę. Więcej o takim wdrożeniu: rozwiązania.