Rack za viac ako 200 000 €, o ktorom jeho majiteľ hovorí, že v ňom má „ekvivalent stoviek našich zamestnancov“.
Stojí v Košiciach a vo videu z júla 2026 ho ukázal Dalibor Cicman, zakladateľ a šéf GymBeamu. Jeho prehliadka AI serverovne je jedným z mála konkrétnych pohľadov do zákulisia toho, ako slovenská firma skutočne prevádzkuje umelú inteligenciu vo vlastnej réžii. Všetko, čo nižšie čítate, je stav k 21. 7. 2026 - modely, počty zariadení aj agentov sa odvtedy mohli zmeniť.
Prečo si firma kupuje vlastný hardvér
Cicman vo videu vymenúva tri dôvody a každý z nich je odpoveďou na inú obavu.
- Dáta zákazníkov neopúšťajú firmu. Citlivé interné údaje nejdú k tretím stranám typu OpenAI alebo Anthropic. Pri firemných dátach je to často silnejší argument než cena.
- Jednorazová investícia namiesto tokenov. Za hardvér sa platí raz a firma ho vlastní. Podľa Cicmana niektorí nároční používatelia vo firme minú na API tokeny tisíce eur mesačne - a práve na IT oddelení vidí najvyššiu návratnosť.
- Škálovanie. Do racku sa dá dokúpiť ďalšia karta, keď rastie záujem. Rovnaká logika ako pri akomkoľvek serveri.
Konkrétne čísla z videa: celý rack stojí viac ako 200 000 €, samotná karta NVIDIA H200 približne 40 000 €. Ďalej tam stoja tri zariadenia DGX Spark a viac ako 20 Mac mini po približne 1 400 €. Serverovňa je oddelená aj pre hluk - H200 je pri plnom zaťažení podľa Cicmana taká hlučná, že sa v miestnosti nedá pracovať.
Agenti majú mená a oddelené prístupy
Najzaujímavejšia časť nie je hardvér, ale to, ako sú agenti zorganizovaní. Každý má meno, vlastnú rolu a hlavne vlastný rozsah prístupu k dátam. Agenti žijú priamo v Slacku, kde im kolegovia píšu ako kolegom.
- Bob robí reporting. Ktokoľvek z firmy sa ho opýta, ako sa počíta nejaké číslo, a Bob odpovie v priebehu sekúnd. Vie aj zmeniť metodiku výpočtu a upraviť report - kedykoľvek, aj v nedeľu večer.
- Ava je Cicmanova osobná asistentka a vidí viac než Bob. Má prístup k dátam o platoch, ktoré Bob nemá. Prístup k Ave má len on a pár kolegov. Je to ukážkový príklad oddelenia prístupov podľa citlivosti dát: výpočet rentability potrebuje mzdy, ale tie sa nemajú dostať k agentovi, ktorému píše celá firma.
- Mia sa stará o produktové stránky. Z hrubých dát v e-shope vytvorí dlhý popis produktu, ale aj objedná laboratórne testy a výsledky nahrá späť na stránku. Pri niektorých produktoch je na detaile viac ako 20 testov zloženia.
- Eric robí operatívne nákupy - z predpovedí dopytu posiela objednávky výrobným závodom, obalom aj logistike.
- Samir je logistický expert, ktorý sleduje senzory na skladových systémoch, predpovedá problémy a komunikuje s oddeleniami.
- Vex je mzdový špecialista. Firma má zamestnancov približne v 20 krajinách a každá má iný systém výpočtu miezd a benefitov.
Podľa Cicmana takýto agent zvládne nahradiť niekoľko plných úväzkov na HR oddelení, no väčšina z nich skôr pomáha stovkám kolegov s malou časťou ich práce.
Model, ktorý odpovie do troch sekúnd
Vo videu je vidieť aj to, ako firma modely používa. Pre bežných zamestnancov beží vlastný model na H200 - a Cicman opisuje rozdiel v používateľskej skúsenosti: kým na verejných modeloch ľudia čakajú 15 až 20 sekúnd, vlastný model odpovie za menej ako 3 sekundy. Pri každodennom používaní je to iný zážitok a práve rýchlosť rozhoduje o tom, či ľudia nástroj naozaj použijú.
Vo videu vidno aj model pre programátorov (Qwen3 Coder 30B) a prekladový model na DGX Spark (TranslateGemma na báze Gemma 3). Cicman ich v komentári nemenuje, sú len v zábere, a od júla sa mohli zmeniť. Berte ich ako ilustráciu, nie ako odporúčanie.
Preklady sú samostatná kapitola: vo videu zaznie, že firma mala približne 42 prekladateľov a dnes má v tejto oblasti nula ľudí, pričom nové trhy ako Francúzsko či Nigéria sa prekladali lokálnym modelom. Neznamenalo to však 42 výpovedí naraz, podrobnejšie sme to rozobrali v článku AI nahrádza ľudí vo firmách: ako si overiť, čo naozaj zvládne, kým zrušíte miesto.
AI loop: automatizácia, ktorú zvládne aj netechnický človek
Cicman ukazuje vlastný „AI loop“ (slučka): každé ráno mu nástroj pozbiera dôležité veci z Gmailu, Slacku a sociálnych sietí a pošle mu zhrnutie. Postavil ho vraj za menej ako päť minút a bez programátora. Prirovnáva to k robotickým procesným automatizáciám spred 15 rokov, ktoré bývali polročným projektom, pri ktorom sa piati ľudia z firmy dohadovali s piatimi inžiniermi - dnes to zvládne jeden človek s nástrojom na desktope.
Toto je najprenosnejšia časť celého videa. Nepotrebujete rack za 200 000 €, aby ste si postavili slučku, ktorá vám každé ráno zhrnie, čo sa deje.
Kultúra: „ľahšie prosiť o odpustenie než o povolenie“
Cicman opisuje aj to, ako AI vo firme presadzujú: od prvého dňa naberajú softvérových inžinierov aj na netechnické oddelenia a automatizácia ide zdola nahor. Filozofia je jednoduchá - ľahšie prosiť o odpustenie než o povolenie. Je to prístup, ktorý zrýchľuje experimentovanie, no zároveň kladie vyššie nároky na to, aby existovali jasné pravidlá, čo sa do nástrojov smie vkladať. Bez nich sa „shadow AI“ (tieňová AI, teda nástroje používané bez vedomia IT) stáva rizikom - upozorňuje na to aj Skillmea (2026) vo svojom prehľade pravidiel AI gramotnosti vo firmách.
Čo si z toho zoberie menšia firma
- Jeden agent na jednu úlohu. Nemusíte stavať Boba, Avu a Miu naraz. Začnite jednou konkrétnou úlohou, ktorá sa opakuje.
- Oddelené prístupy podľa citlivosti dát. Toto je najdôležitejšie pravidlo z celého videa a nestojí nič. Agent, ktorému píše celá firma, nesmie vidieť mzdy.
- AI loop ako prvý krok. Ranné zhrnutie pošty, Slacku a sociálnych sietí zvládne aj živnostník bez servera.
- Vlastný hardvér sa oplatí až pri veľkom objeme. Pri mesačných tisícoch eur za tokeny má investícia do hardvéru zmysel. Pri desiatkach eur mesačne je to drahý koníček.
Čo si overiť, kým sa do toho pustíte
Video ukazuje stav k júlu 2026 a je to prehliadka, nie návod. Ceny kariet, dostupnosť modelov aj možnosti nástrojov sa menia rýchlo - aktuálne údaje si pred nákupom overte u dodávateľa. A jedno upozornenie na záver: rýchlosť a pohodlie vlastného modelu sú lákavé, ale zodpovednosť za výstup zostáva na človeku. Pri rozhodnutiach s dopadom na ľudí - nábor, odmeny, hodnotenie - patrí AI len príprava podkladov, nie konečné slovo.
Technický záver: Architektúra vlastného AI servera v praxi
Kľúčové nie je konkrétne GPU, ale rozdelenie rolí: agent s vlastným menom, vlastným rozsahom prístupu a jednou jasnou úlohou. Hardvér za 200 000 € dáva zmysel až vtedy, keď objem tokenov a citlivosť dát prekročia to, čo zvládne cloudové API - a aj potom platí, že najlacnejšie zlepšenie je oddelenie prístupov a jedna dobre postavená slučka.
Zdroje
- Dalibor Cicman - How I use AI in GymBeam (YouTube, 21. 7. 2026), https://www.youtube.com/watch?v=nO8zIxzbMLw (citované 23. 10. 2026)
- Skillmea - AI gramotnosť vo firmách: Povinnosti a pravidlá 2026, skillmea.sk/blog/ai-gramotnost-vo-firmach (citované 23. 10. 2026)
