Wdrożenie PLLuM-a w firmie: jak wybrać firmę wdrożeniową i od czego zacząć

Szukasz firmy wdrożeniowej, która uruchomi PLLuM-a w twojej organizacji? Ten poradnik pokazuje, jak wygląda wdrożenie PLLuM-a od pomysłu do działającego systemu i na co zwrócić uwagę przy wyborze wykonawcy. Piszemy go z perspektywy SH, firmy wdrożeniowej, która na co dzień buduje rozwiązania oparte na modelach językowych dla polskich przedsiębiorstw.

PLLuM-a, czyli rodzinę polskich modeli językowych rozwijaną przez konsorcjum HIVE AI pod kierunkiem NASK, można pobrać bezpłatnie i uruchomić na własnym serwerze. Sam model to jednak dopiero początek. Jego twórcy piszą wprost, że „przygotowanie systemu RAG leży po stronie urzędu lub przedsiębiorstwa” (pllum.org.pl).

Podobny wniosek płynie z rozmowy z Dominiką Grajewską z zespołu PLLuM-a w NASK, opublikowanej przez PFR w cyklu „Start z polskim AI”: czas wdrożenia realnie skraca dopiero gotowy produkt zbudowany na modelu. O kierunkach rozwoju PLLuM-a opowiedzą jego twórcy na webinarium „PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń”, które odbędzie się 24 listopada 2026 r. o godz. 10.00.

Czym jest PLLuM w 2026 roku

PLLuM to otwarta rodzina modeli trenowanych z myślą o języku polskim, finansowana przez Ministerstwo Cyfryzacji. Projekt ruszył w 2024 roku w konsorcjum uczelni i instytutów, a od 2025 roku rozwija go konsorcjum HIVE AI kierowane przez NASK. Modele działają już m.in. w mObywatelu i w urzędach miast. Pełnej skali ich użycia nikt jednak nie zna, bo otwarta licencja nie wymaga zgłaszania wdrożeń (Rzeczpospolita).

21 maja 2026 roku do rodziny dołączyło 11 nowych modeli w rozmiarach 4, 8, 12 i 70 mld parametrów (blog projektu PLLuM). Udostępniono je razem z dokumentacją przygotowaną pod wymogi unijnego aktu w sprawie sztucznej inteligencji (AI Act): źródłami danych, opisem ich przetwarzania oraz metodami trenowania i ewaluacji. Dla firmy, która musi wykazać zgodność z AI Act, to konkretna przewaga nad wieloma modelami zagranicznymi.

Dla biznesu najważniejsza jest licencja, bo nie każdy wariant PLLuM-a nadaje się do zastosowań komercyjnych:

Źródła: pllum.org.pl, Hugging Face – profil CYFRAGOVPL, instytut.ai. Przed wdrożeniem zawsze sprawdź licencję na karcie konkretnego modelu, bo zależy ona od wersji, a nie tylko od rozmiaru.

Do aplikacji wybieraj warianty z dopiskiem „chat” lub „instruct”, a wersje „base” zostaw do dalszego trenowania. Licencja Llama 3.1 przy modelach 8B i 70B wymaga m.in. umieszczenia oznaczenia „Built with Llama” w produkcie lub jego dokumentacji.

Kiedy PLLuM ma sens w firmie

PLLuM sprawdza się najlepiej tam, gdzie spotykają się dwa warunki: dane nie mogą opuścić firmy, a praca dotyczy tekstu w języku polskim. Typowe zastosowania to:

• Asystent wiedzy oparty na dokumentach firmy. Pracownik pyta o procedurę, umowę lub dokumentację techniczną, a system odpowiada na podstawie firmowych plików i wskazuje źródło.
• Obsługa zapytań i reklamacji w języku polskim. Model klasyfikuje wiadomości, wyodrębnia z nich kluczowe dane i przygotowuje projekt odpowiedzi do akceptacji.
• Praca z dokumentami. Streszczanie, porównywanie wersji i anonimizacja to moduły, które NASK przygotował w asystencie prawnym dla administracji.
• Czat w systemie ERP. Comarch użył największego wariantu PLLuM-a (70B) w usłudze czatu dla swojego systemu ERP (PFR, rozmowa z AI Lab OPI).

PLLuM nie jest natomiast najlepszym wyborem do wieloetapowych agentów, pisania kodu czy zadań w wielu językach. Tam przewagę mają czołowe modele komercyjne. Dlatego w praktyce często najlepiej sprawdza się architektura hybrydowa:

Rozsądny podział wygląda więc tak: PLLuM przetwarza dane wrażliwe na miejscu, a model komercyjny dostaje zadania bez danych osobowych i tajemnic przedsiębiorstwa. Gdy zadanie wymaga mocniejszego modelu, PLLuM może najpierw zanonimizować dokument, a dopiero potem przekazać go dalej. Wyboru między PLLuM-em, Bielikiem a modelem zagranicznym nie warto opierać na marce. Decydują testy na danych twojej firmy.

Wdrożenie PLLuM-a od pomysłu do działającego systemu w pięciu krokach

Twórcy PLLuM-a zalecają, by organizacja najpierw sama określiła potrzeby, przygotowała dane i sprzęt, a dopiero potem zaangażowała wykonawcę (pllum.org.pl). To słuszne podejście, ale większość firm nie ma zespołu, który przejdzie te kroki samodzielnie. Tak wygląda ta droga, gdy prowadzi ją firma wdrożeniowa:

1. Warsztat zakresowy. Wybieramy jeden proces i jeden mierzalny cel, np. czas odpowiedzi na zapytanie klienta. Ustalamy, kto będzie korzystał z systemu, jakie ma uprawnienia i skąd pochodzą dane.
2. Audyt i przygotowanie danych. Dokumenty trzeba zamienić na czysty tekst, bez błędów OCR i zbędnych znaczników, a następnie podzielić na fragmenty, które system będzie wyszukiwał. Równolegle odwzorowujemy uprawnienia, bo asystent nie może pokazać pracownikowi pliku, do którego ten nie ma dostępu.
3. Walidacja na danych historycznych. Budujemy zestaw testowy z prawdziwych pytań i poprawnych odpowiedzi przygotowanych przez ekspertów. Na nim porównujemy warianty PLLuM-a, Bielika i model komercyjny pod względem trafności wyszukanych fragmentów, wierności odpowiedzi wobec źródeł, czasu odpowiedzi i kosztu.
4. Pilotaż z użytkownikami. System trafia na kilka tygodni do małej grupy pracowników. Zbieramy ich oceny i poprawiamy wyszukiwanie, instrukcje oraz zabezpieczenia.
5. Integracja i utrzymanie. Łączymy system z ERP, CRM lub repozytorium dokumentów, z jednolitym logowaniem (SSO) i z monitoringiem. Testy jakości działają automatycznie, więc przy każdej nowej wersji PLLuM-a wiadomo, czy wymiana modelu się opłaca.

Krok 3 najczęściej przesądza o sukcesie. Bez zestawu testowego nie da się rzetelnie odpowiedzieć na pytanie, czy PLLuM wystarczy, czy potrzebny jest większy model.

W systemach RAG o jakości częściej decyduje wyszukiwanie niż sam generator. Polska fleksja utrudnia wyszukiwanie po słowach kluczowych, bo „umowa”, „umowy” i „umowie” to dla wyszukiwarki różne ciągi znaków. Dlatego łączymy wyszukiwanie semantyczne, oparte na modelu osadzeń sprawdzonym na polskich tekstach, z wyszukiwaniem pełnotekstowym na formach podstawowych wyrazów (lematach).

Chcesz przejść te kroki z partnerem? Pierwszy z nich, warsztat zakresowy, prowadzimy razem z twoim zespołem i kończymy konkretną rekomendacją. Umów warsztat zakresowy z SH

Infrastruktura, bezpieczeństwo i koszty

Licencja PLLuM-a jest bezpłatna, ale model wymaga serwera z kartą graficzną (GPU). Wymagania rosną wraz z rozmiarem modelu, a do generatora trzeba doliczyć moduły wyszukiwania i oceny trafności wyników systemu RAG:

Źródło: wymagania techniczne na pllum.org.pl.

W wielu firmowych zastosowaniach RAG wystarczą modele 8B lub 12B, a sam generator mieści się wtedy na jednej lub dwóch kartach serwerowych. Michał Brzezicki, dyrektor techniczny SentiOne, ocenia, że polskie modele mają bardzo dobry stosunek jakości do kosztu i działają na infrastrukturze, którą ma już większość polskich firm (PFR). Model 70B to już inwestycja w kilka kart klasy H100 lub A100, dlatego warto go wybierać dopiero po testach.

Tabela to punkt wyjścia, a nie gotowy projekt. Liczbę kart wyznacza też ruch, czyli liczba równoczesnych zapytań i długość kontekstu, który zajmuje pamięć podręczną modelu (ang. KV cache). Kwantyzacja do 8 lub 4 bitów wyraźnie zmniejsza zapotrzebowanie na pamięć, ale jej wpływ na jakość trzeba zmierzyć na zestawie testowym. Model udostępniamy przez silnik inferencyjny, np. vLLM, który obsługuje wiele zapytań jednocześnie.

Pełny koszt wdrożenia składa się z czterech części: zakupu lub wynajmu GPU, przygotowania danych, integracji z systemami firmy oraz stałego utrzymania i monitoringu. Własne serwery opłacają się przy stałym, dużym obciążeniu. Przy małym ruchu taniej wychodzi wynajem GPU na godziny albo model w chmurze rozliczany za zapytania.

Uruchomienie modelu na własnych serwerach nie oznacza automatycznie bezpieczeństwa. NASK opisał przypadek modelu, który po angielsku rozpoznał niebezpieczne zapytanie i odmówił odpowiedzi, a po polsku wygenerował szkodliwą treść (PFR, rozmowa z NASK). Dlatego testy bezpieczeństwa przeprowadzamy w języku polskim. Kontrolujemy też uprawnienia do dokumentów, chronimy system przed wstrzykiwaniem poleceń (ang. prompt injection) i rejestrujemy każdą odpowiedź.

Jak wybrać firmę wdrożeniową do wdrożenia PLLuM-a

Firma wdrożeniowa odpowiada za wszystko, czego nie zapewnia sam model: dane, wyszukiwanie, integracje, testy jakości i bezpieczeństwo. Zanim wybierzesz wykonawcę, zadaj mu sześć pytań:

Finansowanie wdrożenia

Wdrożenie polskiego modelu AI może być częścią projektu cyfryzacji finansowanego z funduszy UE lub z preferencyjnej pożyczki. Wtedy już we wniosku trzeba opisać zakres technologiczny, budżet i mierzalne efekty. Jako firma wdrożeniowa pomagamy przygotować tę część tak, by projekt dało się potem zrealizować zgodnie z planem.

Webinarium „PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń”

Polski Fundusz Rozwoju zaprasza na webinarium „PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń”, które odbędzie się 24 listopada 2026 r. w godz. 10.00–11.00 (zapisy na pfr.pl). Eksperci z zespołu projektu opowiedzą, jak powstają polskie modele, co potrafią, czym różnią się od innych rozwiązań i w którą stronę będą się rozwijać.

Jeśli planujesz wdrożenie, przygotuj na webinarium pytania o licencje, wymagania sprzętowe i plany kolejnych wersji. Po webinarium umów warsztat zakresowy z SH: sprawdzimy, czy PLLuM poradzi sobie z danymi twojej firmy.

Najczęstsze pytania o wdrożenie PLLuM-a

Czy PLLuM można wykorzystywać komercyjnie?

Tak, warianty udostępnione na licencjach Apache 2.0 i Llama 3.1. Wersje oznaczone „nc” służą wyłącznie do badań i zastosowań niekomercyjnych.

Czy PLLuM działa bez chmury?

Tak. Model można uruchomić lokalnie, na serwerze z kartą GPU w firmie lub w wybranym centrum danych. Dane nie trafiają wtedy do dostawców modeli.

Ile kosztuje wdrożenie PLLuM-a?

Licencja jest bezpłatna. Na koszt składają się sprzęt lub wynajem GPU, przygotowanie danych, integracje i utrzymanie. Rzetelną wycenę da się przygotować po warsztacie zakresowym, gdy znany jest proces i dane.

PLLuM czy Bielik?

Oba modele są polskie i otwarte. O wyborze powinny decydować testy na danych firmy, a nie marka.

Jaka firma wdroży PLLuM-a?

Firma wdrożeniowa z doświadczeniem w systemach RAG, integracjach i testach jakości modeli językowych. SH pracuje z PLLuM-em, Bielikiem i modelami komercyjnymi, a model dobiera na podstawie testów na danych klienta.

SH – firma wdrożeniowa PLLuM-a i polskich modeli AI

SH to polska firma wdrożeniowa AI, działająca od 2016 roku. W SH AI Studio wdrażamy rozwiązania oparte na modelach językowych: od asystentów wiedzy po systemy wieloagentowe działające w środowisku produkcyjnym. Mamy certyfikat ISO 27001, a dane klientów nigdy nie służą do trenowania modeli.

Pracujemy m.in. dla firm produkcyjnych, finansowych i z branży cyberbezpieczeństwa. Przykład: po wbudowaniu warstwy AI w platformę cyberbezpieczeństwa czas wdrażania nowych użytkowników skrócił się o 95%.

Nie przywiązujemy się do jednego modelu. Z PLLuM-em i Bielikiem pracujemy tam, gdzie liczy się suwerenność danych, a z modelami komercyjnymi tam, gdzie potrzebna jest ich moc. O wyborze decydują testy na danych klienta.

Zacznij od warsztatu zakresowego. Wybierzemy z tobą jeden proces, sprawdzimy dane i porównamy PLLuM-a z alternatywami na przykładach z twojej firmy. Po warsztacie otrzymasz:

• rekomendację modelu (PLLuM, Bielik lub model komercyjny) z uzasadnieniem,
• wstępny kosztorys infrastruktury i wdrożenia,
• plan pilotażu z jednym mierzalnym celem.

Umów warsztat zakresowy z SH