Implementering af PLLuM i virksomheden: sådan vælger du den rette implementeringspartner, og sådan kommer du i gang

Hvad er PLLuM i 2026

PLLuM er en åben modelfamilie trænet til polsk sprog, finansieret af Ministerstwo Cyfryzacji. Projektet startede i 2024 i et konsortium af universiteter og institutter, og siden 2025 udvikles det af HIVE AI-konsortiet ledet af NASK. Modellerne kører allerede bl.a. i mObywatel og i kommuner. Den fulde anvendelsesskala kender ingen, for den åbne licens kræver ikke, at implementeringer indberettes (Rzeczpospolita).

Den 21. maj 2026 kom 11 nye modeller til familien i størrelserne 4, 8, 12 og 70 mia. parametre (PLLuM-projektets blog). De blev udgivet sammen med dokumentation tilpasset kravene i EU’s AI Act: datakilder, beskrivelse af deres behandling samt trænings- og evalueringsmetoder. For en virksomhed, der skal dokumentere overholdelse af AI Act, er det en konkret fordel sammenlignet med mange udenlandske modeller.

For erhvervslivet er licensen vigtigst, for ikke hver PLLuM-variant egner sig til kommerciel brug:

Kilder: pllum.org.pl, Hugging Face – profilen CYFRAGOVPL, instytut.ai. Tjek altid licensen på den enkelte models side før implementering, for den afhænger af versionen og ikke kun af størrelsen.

Til applikationer skal du vælge varianter med “chat” eller “instruct” i navnet og lade “base”-versioner være til videre træning. Llama 3.1-licensen for 8B- og 70B-modellerne kræver bl.a., at mærkningen “Built with Llama” placeres i produktet eller dets dokumentation.

Hvornår giver PLLuM mening i virksomheden

PLLuM fungerer bedst der, hvor to betingelser mødes: data må ikke forlade virksomheden, og arbejdet handler om tekst på polsk. Typiske anvendelser:

• Videnassistent baseret på virksomhedens dokumenter. En medarbejder spørger til en procedure, kontrakt eller teknisk dokumentation, og systemet svarer ud fra virksomhedens filer og angiver kilden.
• Håndtering af henvendelser og reklamationer på polsk. Modellen klassificerer beskeder, udtrækker nøgldata og forbereder et svarudkast til godkendelse.
• Arbejdet med dokumenter. Resuméer, versionssammenligning og anonymisering er moduler, som NASK har forberedt i den juridiske assistent for administrationen.
• Chat i ERP-system. Comarch brugte den største PLLuM-variant (70B) i en chat-tjeneste til deres ERP-system (PFR, interview med AI Lab OPI).

PLLuM er derimod ikke det bedste valg til flertrinsagenter, kodegenerering eller opgaver på mange sprog. Her har førende kommercielle modeller en fordel. I praksis fungerer en hybrid arkitektur derfor ofte bedst:

En fornuftig opdeling ser således ud: PLLuM behandler følsomme data lokalt, mens en kommerciel model får opgaver uden persondata og forretningshemmeligheder. Når en opgave kræver en stærkere model, kan PLLuM først anonymisere dokumentet og først derefter sende det videre. Valget mellem PLLuM, Bielik og en udenlandsk model bør ikke baseres på brand. Test på dine virksomhedsdata er afgørende.

Implementering af PLLuM fra idé til kørende system i fem trin

PLLuMs skabere anbefaler, at organisationen først selv definerer behov, forbereder data og hardware, og først derefter involverer en leverandør (pllum.org.pl). Det er en fornuftig tilgang, men de fleste virksomheder har ikke et team, der kan gå igennem trinene alene. Sådan ser vejen ud, når den ledes af et implementeringshus:

1. Scoping-workshop. Vi vælger én proces og ét målbart mål, f.eks. svartid på kundehenvendelser. Vi fastlægger, hvem der skal bruge systemet, hvilke rettigheder de har, og hvor data kommer fra.
2. Audit og dataklargøring. Dokumenter skal omdannes til ren tekst uden OCR-fejl og overflødige tags og derefter opdeles i bidder, som systemet kan søge i. Parallelt afspejler vi adgangsrettigheder, for assistenten må ikke vise en fil, en medarbejder ikke har adgang til.
3. Validering på historiske data. Vi bygger et testset af rigtige spørgsmål og korrekte svar udarbejdet af eksperter. Herpå sammenligner vi PLLuM-varianter, Bielik og en kommerciel model mht. relevans af fundne tekststykker, svarenes troskab til kilderne, svartid og omkostning.
4. Pilot med brugere. Systemet rulles ud i nogle uger til en mindre medarbejdergruppe. Vi indsamler vurderinger og forbedrer søgning, instruktioner og sikkerhed.
5. Integration og drift. Vi kobler systemet til ERP, CRM eller dokumentrepo med Single Sign-On (SSO) og monitorering. Kvalitetstests kører automatisk, så ved hver ny PLLuM-version er det tydeligt, om modelskift kan betale sig.

Trin 3 afgør oftest succesen. Uden et testset kan man ikke seriøst besvare, om PLLuM rækker, eller om der skal en større model til.

I RAG-systemer afgør søgningen oftere kvaliteten end selve generatoren. Polsk bøjning gør søgning på nøgleord sværere, fordi “umowa”, “umowy” og “umowie” er forskellige tegnestrenge for søgemaskinen. Derfor kombinerer vi semantisk søgning, baseret på en embeddings-model afprøvet på polske tekster, med fuldtekstsøgning på ordenes grundformer (lemmata).

Vil du gennemføre trinene sammen med en partner? Det første trin, scoping-workshoppen, kører vi sammen med dit team og afslutter med en konkret anbefaling. Book en scoping-workshop med SH

Infrastruktur, sikkerhed og omkostninger

PLLuM-licensen er gratis, men modellen kræver en server med grafikkort (GPU). Kravene stiger med modellens størrelse, og til generatoren skal du lægge moduler til søgning og vurdering af RAG-systemets resultater:

Kilde: tekniske krav på pllum.org.pl.

I mange virksomhedsbrug af RAG rækker 8B- eller 12B-modeller, og selve generatoren kan så være på ét eller to serverkort. Michał Brzezicki, teknisk direktør i SentiOne, vurderer, at polske modeller har en meget god balance mellem kvalitet og omkostning og kører på infrastruktur, som de fleste polske virksomheder allerede har (PFR). 70B-modellen kræver en investering i flere H100- eller A100-kort, så vælg den først efter tests.

Tabellen er et udgangspunkt, ikke et færdigt design. Antallet af kort bestemmes også af trafikken, dvs. antal samtidige forespørgsler og kontekstens længde, som optager modellens cache-hukommelse (KV cache). Kvantisering til 8 eller 4 bit reducerer markant hukommelsesbehovet, men dens indvirkning på kvaliteten skal måles på testsettet. Modellen udstilles gennem en inference-motor, f.eks. vLLM, som håndterer mange forespørgsler parallelt.

Den fulde implementeringsomkostning består af fire dele: køb eller leje af GPU, dataklargøring, integration med virksomhedens systemer samt løbende drift og monitorering. Egne servere kan betale sig ved vedvarende, høj belastning. Ved lav trafik er timeleje af GPU eller en sky-model med betaling pr. forespørgsel billigere.

At køre modellen på egne servere betyder ikke automatisk sikkerhed. NASK beskrev et tilfælde, hvor en model på engelsk genkendte en farlig forespørgsel og nægtede at svare, men på polsk genererede skadeligt indhold (PFR, interview med NASK). Derfor gennemfører vi sikkerhedstests på polsk. Vi håndhæver også dokumentadgang, beskytter systemet mod prompt injection og logger hvert svar.

Sådan vælger du et implementeringshus til PLLuM

Implementeringspartneren har ansvaret for alt det, modellen ikke leverer: data, søgning, integrationer, kvalitetstests og sikkerhed. Før du vælger leverandør, så stil seks spørgsmål:

Finansiering af implementeringen

Implementering af en polsk AI-model kan indgå i et digitaliseringsprojekt finansieret af EU-midler eller et favorabelt lån. Så skal den teknologiske ramme, budget og målbare effekter beskrives allerede i ansøgningen. Som implementeringshus hjælper vi med at forberede denne del, så projektet kan gennemføres som planlagt.

Webinar “PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń”

Polski Fundusz Rozwoju inviterer til webinaret “PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń”, som afholdes den 24. november 2026 kl. 10.00–11.00 (tilmelding på pfr.pl). Eksperter fra projektteamet fortæller, hvordan de polske modeller skabes, hvad de kan, hvordan de adskiller sig fra andre løsninger, og hvilken retning de udvikler sig i.

Hvis du planlægger en implementering, så forbered spørgsmål om licenser, hardwarekrav og planer for kommende versioner. Efter webinaret kan du booke en scoping-workshop med SH: Vi tjekker, om PLLuM kan håndtere din virksomheds data.

Ofte stillede spørgsmål om implementering af PLLuM

Kan PLLuM bruges kommercielt?

Ja, varianter udgivet under Apache 2.0 og Llama 3.1. Versioner markeret “nc” er udelukkende til forskning og ikke-kommerciel brug.

Fungerer PLLuM uden cloud?

Ja. Modellen kan køres lokalt på en server med GPU i virksomheden eller i et valgfrit datacenter. Data sendes dermed ikke til modeludbydere.

Hvad koster det at implementere PLLuM?

Licensen er gratis. Omkostningen består af hardware eller GPU-leje, dataklargøring, integrationer og drift. En pålidelig prisestimering kan laves efter en scoping-workshop, når proces og data er kendt.

PLLuM eller Bielik?

Begge modeller er polske og åbne. Valget bør afgøres af tests på virksomhedens data – ikke af brand.

Hvilket firma kan implementere PLLuM?

Et implementeringshus med erfaring i RAG-systemer, integrationer og kvalitetstests af sprogmodeller. SH arbejder med PLLuM, Bielik og kommercielle modeller og vælger modellen ud fra tests på kundens data.

SH – implementeringspartner for PLLuM og polske AI-modeller

SH er et polsk AI-implementeringshus, etableret i 2016. I SH AI Studio implementerer vi løsninger baseret på sprogmodeller: fra videnassistenter til multiagent-systemer i produktion. Vi har ISO 27001-certifikat, og kundedata bruges aldrig til at træne modeller.

Vi arbejder bl.a. for produktions-, finans- og cybersikkerhedsvirksomheder. Eksempel: Efter at have indbygget et AI-lag i en cybersikkerhedsplatform blev tiden til onboarding af nye brugere reduceret med 95%.

Vi binder os ikke til én model. Vi bruger PLLuM og Bielik, når datasuverænitet er afgørende, og kommercielle modeller, når der er brug for deres styrke. Valget afgøres af tests på kundens data.

Start med en scoping-workshop. Vi udvælger én proces sammen med dig, tjekker data og sammenligner PLLuM med alternativer på eksempler fra din virksomhed. Efter workshoppen modtager du:

• anbefaling af model (PLLuM, Bielik eller kommerciel) med begrundelse,
• foreløbig budgettering af infrastruktur og implementering,
• en pilotplan med ét målbart mål.

Book en scoping-workshop med SH