AI die op je eigen servers draait.

Drie pakketten. Privé AI-assistent voor US$ 3.000 zet een open model met teamchat op uw eigen server. Privé kennisbank voor US$ 8.000 voegt uw documenten toe met rechten, bronnen en single sign-on. Privé AI voor de onderneming voor US$ 20.000 bedient meerdere afdelingen, met GPU-dimensionering, een API en auditlogs. U betaalt 50% bij goedkeuring van het plan en de rest bij oplevering. Hardware wordt op uw naam gekocht; wij dimensioneren hem en noemen de kosten per token voordat u bestelt.

Open-weight modellen: Llama, Mistral, Qwen, Gemma, DeepSeek en kleinere taakmodellen voor embeddings, reranking en classificatie. We kiezen per use case op evalscores, latency en de hardware die je hebt. Een model van 7B tot 14B op één GPU dekt de meeste document- en supporttaken; een 70B-model heeft een node met meerdere GPU's nodig. Elke modelaanroep loopt via één gateway, dus later van model wisselen is een configuratiewijziging, geen herbouw.

Dat hangt af van het model en van hoeveel mensen het tegelijk gebruiken. Eén server met een of twee datacenter-GPU's bedient een 14B-model voor een paar honderd gebruikers. Een 70B-model vraagt vier tot acht GPU's. Heb je al GPU-capaciteit, in een private cloud of op een workstation, dan beginnen we daar. Het onderzoeksrapport bevat een dimensioneringstabel met kosten per token, zodat je die kunt afzetten tegen de API-rekening die je nu betaalt.

Het haalt het lastigste deel weg: er verlaten geen persoonsgegevens je infrastructuur, dus geen externe verwerker, geen doorgifte buiten je land en geen aanbieder die op je prompts traint. We voegen toe wat auditors vragen: toegangsregels gekoppeld aan je SSO, een log van elke prompt en elk antwoord, bewaartermijnen en een datamap in de documentatie. Het beleid blijft van je juridische team; wij zorgen dat het technische antwoord op elke vraag ja is.

Op algemene kennis lopen de frontier-API's voor. Op jouw documenten, jouw termen en jouw taal evenaart of verslaat een lokaal model met goede retrieval en een kleine fine-tune ze meestal, omdat het antwoord uit je data komt en niet uit het geheugen van het model. Dat hoef je niet op ons woord te geloven: vóór de livegang draaien we evals op een set van je echte vragen en laten we je de scores naast elkaar zien.

Begin met retrieval. RAG legt de juiste documenten voor het model en geeft je bronvermeldingen, en dekt de meeste use cases in zijn eentje. Fine-tuning loont als het model een stijl, een format of vakjargon moet leren, zoals Duitse contracttaal of Turkse boekhoudtermen. We stellen het alleen voor als de evals een duidelijke winst laten zien, en we draaien het op jouw hardware met jouw voorbeelden.

Je eigen IT-team kan dat, met het runbook dat we overdragen: een model updaten, terugdraaien, een GPU toevoegen, de monitoring lezen en herstellen vanaf een back-up. Veel klanten houden ons liever op een maandplan: wij houden modellen, drivers en de serving stack actueel, draaien de evals opnieuw als je data verandert en letten op GPU-gebruik en latency. Hoe dan ook is het systeem van jou en draait het zonder ons.

Het eerste gesprek is gratis. Binnen een week heb je een onderzoeksrapport met de use cases, de datamap, de hardwaredimensionering en een vaste prijs. Je keurt het plan goed en betaalt 50%. Een eerste use case staat in twee tot vier weken live op je hardware; een volledig platform met meerdere use cases, SSO en fine-tuning duurt tot drie maanden. De resterende 50% betaal je bij oplevering, nadat de evals de afgesproken drempels halen.