PROXY:AI

1. Warstwa rozliczania za wiedzę, monitorowania i budżetowania wykorzystania zasobów AI
2. Rejestrowanie zdarzeń operacyjnych, panele analityczne administratora i monitorowanie błędów dostawców
3. Definiowanie reguł dopuszczalności akcji AI, wymogu zatwierdzenia lub blokowania narzędzi
4. Tryb poufności do pracy z danymi wrażliwymi
5. Brama MCP z wielopoziomową kontrolą dostępu do narzędzi na poziomie użytkownika, roli i zespołu
6. Ograniczanie i audyt dostępu do narzędzi, funkcji, wykonywania kodu oraz terminala
7. Konfiguracja transformacji żądań i odpowiedzi AI bez pisania kodu, z użyciem prostych reguł administracyjnych

1. Kontrolowane użycie AI poprzez audyt, polityki dostępu, nadzór człowieka, rejestrowanie decyzji i dokumentowanie wykorzystania modeli
2. Gotowość do wymagań EU AI Act, w tym prezentacja modeli, decyzji polityk, zdarzeń, ryzyk i śladu audytowego
3. Zarządzanie ekspozycją danych osobowych poprzez wykrywanie, maskowanie, blokowanie lub eskalację zapytań
4. Rejestry i dowody operacyjne przydatne do zarządzania AI zgodnie z ISO 42001
5. Szablony zgodności regulacyjnej dla EU AI Act
6. Model SBOM oraz raportowanie zgodności z wymaganiami Cyber Resilience Act
7. Mechanizmy Human Oversight obejmujące oznaczanie treści AI, eksport FRIA/ASIA oraz bramki zatwierdzania działań krytycznych
8. Panel compliance prezentujący polityki, decyzje dostępu, zdarzenia, ryzyka i aktywne modele

1. Jednolity punkt zarządzania komunikacją z modelami LLM dla aplikacji, agentów i użytkowników
2. Obsługa wielu dostawców modeli AI: chmurowych, lokalnych i on-premise
3. Mapowanie błędów różnych dostawców do spójnego formatu zgodnego z API OpenAI
4. Routing modeli zgodnie z konfiguracją, dostępnością, kosztem, politykami i uprawnieniami użytkowników
5. Wizualizacja trasy ruchu zapytania przez reguły, modele, dostawców i decyzje polityk
6. Konfiguracja modeli zapasowych i automatyczne przełączanie w przypadku niedostępności modelu głównego
7. Katalog modeli z metadanymi, w tym aliasem, dostawcą, typem, statusem i trybem użycia
8. Izolacja SLA per tier z dedykowanymi instancjami i izolacją sprzętową GPU
9. Deklaratywna regionalna rezydencja danych w modelu EU-only per tenant
10. Definiowanie zasobów AI jako Custom Resource Definitions w Kubernetes
11. Ochrona przed nadmiernym zużyciem środków poprzez wykrywanie nietypowych wzorców konsumpcji i odcinanie podejrzanych sesji
12. Panel dry-run do testowania reguł bezpieczeństwa ABAC przed ich uruchomieniem produkcyjnym
13. No-code transformacje żądań i odpowiedzi AI bez konieczności pisania kodu
14. Integracja IDE poprzez dedykowany plugin z widocznością kosztów i tokenów w czasie rzeczywistym
15. LLM Playground jako środowisko testowe do eksperymentów, porównywania odpowiedzi i tuningu parametrów
16. Framework pluginów Python i WASM z możliwością rozszerzania przez marketplace
17. Walidacja modeli przed uruchomieniem w środowisku AI
18. Model wewnętrznej waluty do rozliczania korzystania z AI, w tym kosztów per akcja, budżetów i transferów

1. Decyzje dostępu do modeli oparte na atrybutach użytkownika, grupy, modelu, typu danych i środowiska
2. Predefiniowane profile sektorowe polityk bezpieczeństwa dla branż regulowanych, w tym finansów, ochrony zdrowia, administracji i energetyki
3. Wykrywanie prób nadużyć w czasie rzeczywistym, w tym injection, jailbreak, niedozwolonych treści i anomalii zużycia tokenów
4. Pomiar kosztu każdego zapytania według użytkownika, zespołu, projektu i modelu, z budżetami hierarchicznymi
5. Centralny, wersjonowany rejestr promptów
6. Obsługa szablonów promptów i dekorowania zapytań regułami centralnego gatewaya
7. Buforowanie powtarzalnych zapytań z użyciem podobieństwa semantycznego i izolacją kluczy per tenant

1. Dashboard statusu integracji baz danych, outbox/reconciliation oraz kosztów i użycia
2. Konwersacyjny asystent wiedzy Knowledge Chat wspierający operatora lub administratora
3. Rejestr modeli ze statusami testów, testami BYOK i projekcją routingu
4. System logowania i audytu operacji AI z filtrami oraz eksportem CSV/JSON
5. Zunifikowana telemetria z możliwością odtwarzania historycznych żądań do AI
6. Zarządzanie kluczami wirtualnymi, obejmujące tworzenie, synchronizację, maskowanie, rotację i audyt
7. Administracja regułami ABAC z importem i eksportem YAML, trybem dry-run i wysyłką do gatewaya
8. Dashboard decyzji ABAC, kolejka HITL, logi użytkownika i rejestr ryzyka
9. Kontrola bezpieczeństwa AI przez guardrails, polityki kontrolne, human review i evidence logs
10. Obsługa harmonogramów operacyjnych, agentów Langflow oraz listy agentów z możliwością uruchamiania
11. Logi wydatków i tokenów do raportowania kosztów i konfiguracji
12. Przeglądanie logów Docker z filtrem czasu
13. Orkiestracja złożonych, wieloetapowych procesów agentów z zachowaniem stanu między krokami
14. Automatyczna lub półautomatyczna ewaluacja modeli oraz adaptacyjne testy A/B promptów w czasie rzeczywistym

2026/Q3TRWA

2026/Q4

To centralna warstwa kontroli — jeden router dla różnych modeli AI. Rozwiązuje problem shadow AI i chroni organizację przed wyciekiem danych wrażliwych oraz niekontrolowanymi kosztami

Mechanizmy FinOps i Anti-DoW ustawiają blokady dla tenantów i użytkowników, m.in. przeciw atakom typu denial-of-wallet

PROXY:AI obsługuje nadzór człowieka (human-in-the-loop): krytyczny proces zatrzymuje się, dopóki nie autoryzuje go właściwa osoba

Niezmienny dziennik audytowy (WORM) zapisuje pełną historię działania: model, konfigurację, koszt wywołania i dane potrzebne do odtworzenia decyzji

MCP Gateway pozwala agentom używać wyłącznie jawnie przypisanych narzędzi (np. Jiry) i zapisuje audyt ich działań

Tak. Odpowiedzi modeli są ponownie skanowane pod kątem danych wrażliwych i niebezpiecznych instrukcji

Tak. Panel dry-run pozwala sprawdzić reguły ABAC na symulowanym ruchu przed wdrożeniem na produkcję

Tak. AI Firewall analizuje dane w czasie poniżej 50 milisekund i neutralizuje m.in. numery PESEL, NIP i adresy e-mail, zanim opuszczą sieć organizacji

Dzięki pamięci semantycznej (semantic caching) powtarzalne pytania o podobnym sensie dostają gotową odpowiedź z pamięci podręcznej, bez ponownego odpytywania drogiego modelu

Bariery ochronne w czasie rzeczywistym filtrują zapytania i blokują m.in. prompt injection i jailbreak

Zero-Code Switch: główny model zmienia się w ustawieniach PROXY:AI, bez przepisywania kodu firmowych aplikacji

Nie wpuszcza zapytań w ciemno. Przy każdym zapytaniu ocenia, kto pyta, z jakiego środowiska, na jakich danych i z jakim ryzykiem — i odpowiednio akceptuje, ogranicza albo blokuje operację