Sovereign AI: co to znaczy dla firmy z UE

Jeśli sprzedajesz do banku, szpitala, agencji rządowej albo dowolnej firmy przetwarzającej dane osobowe na dużą skalę, w ciągu ostatnich dwunastu miesięcy zapytano cię prawdopodobnie, gdzie działa twoje AI i gdzie lądują twoje dane.

To pytanie nie jest kurtuazją. To filtr zakupowy. Trzy regulacje UE sprawiają, że odpowiedź jest binarnym testem: albo pokazujesz architekturę, albo wypadasz z dealu.

Ten post to definicja, regulatory drivers i biznes case dla jednego terminu, który przewija się w tych rozmowach: Sovereign AI.

Definicja

Sovereign AI to AI, którego infrastruktura, pochodzenie danych treningowych i operacje inferencyjne podlegają jurysdykcji prawnej i fizycznej, w której działa organizacja wdrażająca. Dla polskiej lub niemieckiej firmy oznacza to, że wagi modelu, stos serwujący, logi i prompty pozostają na sprzęcie, który firma (lub kontrolowany kontraktowo dostawca) fizycznie kontroluje w UE.

Termin nie jest etykietą marketingową. To operacyjna odpowiedź na cztery pytania inżynierskie:

1. Gdzie działają wagi? Na sprzęcie, który operator posiada lub wynajmuje w jurysdykcji UE, a nie na infrastrukturze należącej do amerykańskiego hyperscalera.
2. Gdzie żyją dane inferencyjne? W warstwie storage zarządzanej przez RODO i, gdzie to konieczne, tajemnicą zawodową (adwokat, lekarz, doradca podatkowy).
3. Kto może czytać logi? Organizacja wdrażająca i, na podstawie prawnego wniosku, unijny regulator na podstawie unijnego prawa procesowego. Nie subpoena z kraju trzeciego na podstawie CLOUD Act.
4. Jaki jest ślad audytowy? Każdy prompt, odpowiedź, wywołanie narzędzia i nadpisanie przez człowieka jest uchwycony w stabilnym schemacie, który audytor może zażądać i odtworzyć.

System, który wysyła prompty do API hostowanego w USA i zwraca odpowiedź, nie spełnia żadnego z tych czterech punktów. To nie jest Sovereign AI, niezależnie od tego, co mówi deck sprzedażowy vendora.

Dlaczego teraz: trzy regulatory drivers

Prawo UE zmieniło się w 2024-2025 i termin zgodności nie jest już abstrakcyjny.

AI Act (Rozporządzenie 2024/1689) klasyfikuje większość systemów AI o krytycznym znaczeniu biznesowym używanych w regulowanych branżach jako wysokiego ryzyka. Systemy wysokiego ryzyka muszą wspierać art. 12 (logowanie), art. 13 (transparentność), art. 14 (nadzór człowieka) i art. 26, który wymaga od wdrażających przypisania wykwalifikowanego personelu do obsługi systemu. Żaden z tych obowiązków nie jest spełniony przez vendora dającego ci chat API i dashboard użytkowania.

NIS2 (Dyrektywa 2022/2555) rozszerzyła obowiązki cyberbezpieczeństwa na znacznie szerszy zbiór operatorów: usługi finansowe, zdrowie, infrastruktura cyfrowa, administracja publiczna oraz części sektora produkcji i żywności. Bezpieczeństwo łańcucha dostaw jest wymienione wprost: jeśli twój vendor AI ma incydent, twój regulator chce wiedzieć w ciągu 24 godzin na podstawie art. 23. Art. 21 wymaga, żebyś faktycznie egzekwował to w swoim łańcuchu dostaw: udokumentowane kontrolne kontraktowe i techniczne u dostawców AI, a nie generyczne SOC2.

DORA (Rozporządzenie 2022/2554) to regulacja dedykowana sektorowi finansowemu, obowiązuje od 17 stycznia 2025. Art. 28 wymaga od podmiotów finansowych oceny i udokumentowania ryzyka ICT u stron trzecich. Check-boxowa odpowiedź "model ma SOC2" nie spełnia tej regulacji. DORA oczekuje udokumentowanej oceny ryzyka koncentracji, analizy zastępowalności, strategii wyjścia i kontraktowych praw audytu w całym pipeline AI, w tym warstwy inferencji.

Dla regulowanego MŚP praktyczny efekt tych trzech razem jest taki: kategoria cloud LLM API, która działała dla wszystkiego między 2020 a 2024, przestaje działać dla credit scoringu, automatyzacji roszczeń, dokumentacji klinicznej, analizy kontraktów, onboardingu klienta i każdego procesu dotykającego danych regulowanych.

Jak wygląda Sovereign AI w praktyce

Dla 50-osobowej firmy SaaS obsługującej banki lub ubezpieczycieli architektura referencyjna ma cztery warstwy w tej kolejności:

1. Model open-weights serwowany na sprzęcie, który kontrolujesz. Qwen, Llama lub warianty Mistral lokalnie albo w kolokacji w UE, serwowane przez vLLM lub TensorRT-LLM. Kwantyzacja do 4-bit (AWQ lub GPTQ), żeby pojedynczy GPU enterprise (NVIDIA RTX PRO 5000 Blackwell 48GB, AMD Radeon Pro W7900 48GB) obsłużył użyteczny throughput. Bez egressu, bez retencji u vendora modelu.
2. Retrieval rozszerzony grafem. Warstwa RAG świadoma kodu lub dokumentów (ArcadeDB, Neo4j lub równoważne), która daje modelowi strukturę, a nie tylko fragmenty tekstu. Tnie halucynacje na wewnętrznych korpusach i czyni warstwę retrieval audytowalną.
3. Logowanie zgodności jako system pierwszej klasy. Każdy prompt, odpowiedź, wywołanie narzędzia, trafienie retrieval i nadpisanie przez człowieka są logowane w stabilnym schemacie. Nie screenshoty PDF, nie archiwa wątków chatu. Maszynowo czytelne, eksportowalne, z retencją związaną z minimum regulacyjnym.
4. Bramka human-in-the-loop na regulowanych decyzjach. Nadzór z art. 14 AI Actu to nie etykieta UI. To reguła routingu: wyniki wysokiego ryzyka nie stają się decyzjami, dopóki wykwalifikowana osoba ich nie przejrzy, a sama recenzja jest zalogowana.

Ten stos kosztuje więcej niż curl https://api.openai.com/.... Spełnia też wymagania urzędnika zakupowego, który musi bronić architektury przed swoim własnym regulatorem - co jest pozycją, w której są teraz większość zespołów zakupowych banków i szpitali.

Biznes case, pod którym CFO się podpisze

Trzy liczby rozstrzygają sprawę dla regulowanego MŚP bez stawiania kosztów sprzętu jako nagłówka.

Konsolidacja ryzyka vendora. Dwa z trzech największych zachodnioeuropejskich banków publicznie ujawniły strategie AI, w których dywersyfikacja vendorów jest priorytetem strategicznym. Jeśli twój produkt jest kawałkiem AI w ich stosie i twoja architektura to single-vendor cloud, jesteś ryzykiem, którym muszą zarządzać. Sovereign AI jest z natury zastępowalne (wagi są open, stos serwujący jest standardowy, dane zostają po stronie operatora) i inaczej się pokazuje w ich rejestrze ryzyka stron trzecich. Dla firmy SaaS sprzedającej do FS to kwestia cyklu dealu, nie podatek zgodności.

Efektywność audytu i certyfikacji. Udokumentowany stos Sovereign AI kompresuje czas odpowiadania na to samo pytanie w każdym cyklu zakupowym. Jeden arkusz architektury, podpisany przez twojego compliance officera, czyści sekcję AI większości RFI w unijnych bankach. Alternatywą są niestandardowe ankiety per klient, kosztujące godziny inżynierskie i wydłużające cykle sprzedaży.

Kształt odpowiedzialności. Art. 26 AI Actu kładzie odpowiedzialność wdrażającego na operatorze. Jeśli warunki twojego vendora AI obejmują cap odpowiedzialności poniżej twojej ekspozycji z prawa odpowiedzialności produktowej, dźwigasz różnicę. Sovereign AI to odwraca: powierzchnia inferencji jest twoja, ślad audytowy jest twój, a perimeter odpowiedzialności zgadza się z perimetrem kontraktu.

Czym to nie jest

Trzy rzeczy dla jasności, bo decki vendorów są z terminem niedokładne.

• To nie jest "EU region" u hyperscalera. EU region to claim marketingowy. Sovereign AI to claim inżynierski o sprzęcie, kontroli i audycie. Te dwa nie są tym samym.
• To nie jest odmowa użycia modeli zewnętrznych. Możesz dotrenować model open-weights u hyperscalera do treningu, a potem wyeksportować i serwować wagi samodzielnie. Suwerenność dotyczy inferencji i operacji, nie każdego etapu cyklu życia ML.
• To nie jest bloker multi-cloud. Architektura jest przenośna. Sedno jest takie, że możesz ją skierować na dowolny sprzęt w UE, który kontrolujesz, w tym kolokację, z której możesz wyjść.

Od czego zacząć

Dla regulowanego MŚP, które jeszcze nie podjęło decyzji architektonicznej, kolejność ma znaczenie.

Zacznij od klasyfikacji use case. Czy system AI, który budujesz lub kupujesz, jest wysokiego ryzyka na podstawie art. 6 i Annex III AI Actu? Większość AI o krytycznym znaczeniu biznesowym w FS, healthcare i sektorze publicznym jest. Ustal tę odpowiedź najpierw; ona determinuje resztę.

Potem zmapuj przepływ danych. Gdzie żyją dane treningowe, dokąd idą prompty, gdzie lądują wyniki, kto może czytać co. To jest dokument, o który poprosi twój audytor.

Potem zdecyduj o stosie. On-premises, EU kolokacja, multi-tenant private cloud, czy hybryda. Odpowiedź zależy od twojego budżetu sprzętowego, wymagań latencji i czy baza klientów akceptuje kolokację w innym kraju członkowskim UE.

To jest właśnie to, co robię jako Fractional AI Architect w ramach ArtCode Software: jeden do dwóch dni w tygodniu osadzony w regulowanym MŚP, produkując rekord decyzji architektonicznej, mapę przepływu danych i checklist gotowości compliance, od którego zależy reszta pracy.

Jeśli potrzebujesz zewnętrznego widoku fixed-price na to, gdzie stoisz, AI Readiness Audit to dwudniowe zlecenie, które produkuje tę mapę. Jeśli chcesz zacząć od jednogodzinnej sesji roboczej, AI Blueprint Session kosztuje 299 PLN i daje pisemną notatkę next-step, którą możesz przekazać swojemu CTO.