Funkcje AI w WCAG Akademii są obecnie wykonywane na prywatnej,
lokalnej stacji obliczeniowej operatora projektu, działającej
w prywatnej infrastrukturze domowej.
Obecna stacja wykorzystuje
NVIDIA RTX A5000
z 24 GB pamięci VRAM,
około około 128 GB RAM
oraz 2× Intel Xeon E5-2667 v4, łącznie 32 wątki.
W zależności od zadania wykorzystywane są lokalne modele:
-
wcag-fast
— szybkie odpowiedzi asystenta.
-
wcag-documents
— dokumenty, treści i ETR.
-
wcag-general
— ogólna analiza treści.
-
wcag-master
— bardziej złożona analiza i kontrola jakości.
-
qwen3-embedding
— wyszukiwanie w lokalnej bazie wiedzy RAG.
Lokalne przetwarzanie na pojedynczej stacji roboczej może być
wolniejsze niż usługi dużych centrów danych. Prostsze zadania
zwykle kończą się szybciej, a analiza dokumentów, ETR lub
większych materiałów może wymagać kilkunastu albo kilkudziesięciu sekund.
Projekt jest rozwijany. Wraz ze wzrostem liczby użytkowników
infrastruktura będzie stopniowo modernizowana.
AI może popełnić błąd. Wynik jest pomocą w pracy, a nie
automatycznym potwierdzeniem zgodności z WCAG, ETR, RODO
ani innymi przepisami.
Nie wprowadzaj danych osobowych ani informacji poufnych,
jeżeli nie są potrzebne do wykonania zadania.
Więcej o AI w WCAG Akademii
·
Polityka prywatności
·
Regulamin