3 repozytoria, które warto znać: AI w biurze, nawet bez chmury

Koniec września 2026: wśród programistów i menedżerów IT pytanie brzmi już nie „czy AI robi wrażenie”, lecz „na jaką AI naprawdę stać i nad jaką da się zapanować”. Trzy projekty open source utrzymują się na szczycie GitHuba pod względem gwiazdek i aktywności, ponieważ odpowiadają na to pytanie z perspektywy małej firmy: modele na własnym sprzęcie, przeszukiwanie dokumentów firmowych, procesy zautomatyzowane za pomocą agentów. Oto trzy warte poznania, wraz z zaletami i wadami.

Ollama: modele uruchamiane na własnym sprzęcie, nie na cudzym

Ollama to open source'owy runtime (licencja MIT), który pobiera i uruchamia modele językowe — od Llama i Qwen po Gemma i DeepSeek — bezpośrednio na komputerze PC, małym serwerze lub Macu, za pomocą jednej linii poleceń lub API kompatybilnego z OpenAI. Na dzień 24 września 2026 repozytorium liczy ponad 181 000 gwiazdek na GitHubie i otrzymuje commity niemal codziennie.

Dla włoskiej małej firmy lub MSP oznacza to możliwość oferowania wewnętrznych asystentów AI — chatbota do obsługi magazynu, narzędzia streszczającego e-maile — bez wynoszenia danych poza firmę i bez miesięcznego abonamentu za tokeny. To również baza wielu innych narzędzi open source, w tym kolejnego z tej listy.

Aby go wypróbować, wystarczy zainstalować Ollama i uruchomić lekki model, który działa nawet na laptopie bez dedykowanej karty graficznej: ollama run llama3.2

Ograniczeniem jest sprzęt: małe modele (3-8 miliardów parametrów) dobrze radzą sobie na dowolnej maszynie, ale wyniki zbliżone do modeli chmurowych wymagają GPU z 16 GB VRAM lub więcej, jak ta na zdjęciu. W maju 2026 badacze z Cyera odkryli w Ollama lukę nazwaną „Bleeding Llama” (CVE-2026-7482, wynik CVSS 9,1), która ujawniała pamięć procesu na ponad 300 000 serwerów dostępnych z internetu bez uwierzytelniania: poprawiona od wersji 0.17.1, pozostaje przypomnieniem, by nigdy nie wystawiać API Ollama online bez uwierzytelnionego proxy.

RAGFlow: AI, która odpowiada na podstawie dokumentów firmowych

RAGFlow to open source'owy silnik (licencja Apache 2.0) typu retrieval-augmented generation: indeksuje umowy, faktury, prezentacje i zeskanowane pliki PDF, interpretuje je nawet wtedy, gdy mają formę tabel lub złożonych układów, i odpowiada na pytania, cytując dokładne miejsce w dokumencie, z którego pochodzi odpowiedź. Na dzień 24 września 2026 ma ponad 91 000 gwiazdek na GitHubie.

To najczęściej zgłaszane MSP oczekiwanie klientów: „chcę przeszukiwać dokumenty jak w Google, ale żeby to narzędzie też odpowiadało na pytania”. RAGFlow robi to lokalnie, więc umowy i dane pozostają na własnych serwerach, a cytowania źródeł zmniejszają ryzyko, że AI zmyśli odpowiedź.

Instaluje się przez Docker w kilka minut: git clone https://github.com/infiniflow/ragflow.git && cd ragflow/docker && docker compose -f docker-compose.yml up -d

Nie jest lekki: potrzeba co najmniej 16 GB RAM-u, 50 GB miejsca na dysku i aktualnego Dockera, a gotowe obrazy działają wyłącznie na x86 (nie na Makach z Apple Silicon ani na Raspberry Pi). Warto powierzyć go osobie, która zna się na administrowaniu Dockerem i Elasticsearch: to nie jest produkt typu „zainstaluj i zapomnij”.

n8n: automatyzacja procesów za pomocą agentów AI, bez (nadmiaru) kodu

n8n to wizualna platforma automatyzacji z ponad 400 integracjami, która obecnie zawiera natywne agenty AI: wystarczy, przeciągając bloki, połączyć wyzwalacz (nowy e-mail, nowe zamówienie), wybrany model — OpenAI, Anthropic lub model lokalny przez Ollama — i akcję. Na dzień 24 września 2026 ma ponad 205 000 gwiazdek na GitHubie, czyli najwięcej spośród trzech repozytoriów opisanych w tym artykule.

Dla MSP to narzędzie, dzięki któremu automatyzacje dla klientów powstają w godziny, a nie tygodnie: automatyczne przydzielanie zgłoszeń, agent tworzący ofertę na podstawie danych z CRM, powiadomienie, gdy przeterminowana faktura wciąż nie została opłacona.

Można go wypróbować za pomocą jednego kontenera: docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

Dwie rzeczy warto znać przed odsprzedażą klientowi. Po pierwsze: licencja to nie klasyczny open source, lecz „Sustainable Use License”, która pozwala używać i modyfikować narzędzie na potrzeby własnej działalności, ale nie na odsprzedaż jako usługi konkurującej z n8n Cloud bez licencji enterprise — istotne, jeśli MSP rozważa hostowanie go dla wielu klientów. Po drugie: w styczniu 2026 ujawniono krytyczną lukę (CVE-2026-21858, wynik CVSS 10) odkrytą przez Cyera i już poprawioną od wersji 1.121.0; według Shadowserver, tygodnie później nadal narażone były dziesiątki tysięcy nieaktualizowanych instancji. Aktualizacje są obowiązkowe, nie opcjonalne.

Dlaczego to ważne

Dla włoskiego menedżera IT lub MSP te trzy repozytoria pokrywają trzy sposoby, w jakie mała firma naprawdę zaczyna korzystać z AI: uruchomienie jej lokalnie, by nie płacić za tokeny i nie wynosić danych na zewnątrz, skierowanie jej do własnych dokumentów zamiast arkusza Excel, oraz automatyzację procesu, który dziś ręcznie wykonuje pracownik. Żadne z tych rozwiązań nie wymaga budżetu dużej korporacji: potrzeba kogoś, kto potrafi je zainstalować, aktualizować i wie, gdzie trafiają dane. Altovar pomaga firmom integrować AI oraz wdrażać rozwiązania lokalne lub suwerenne; aby ustalić, które z tych narzędzi ma sens dla danej struktury, dobrym punktem wyjścia jest strona usługi sztucznej inteligencji Altovar.

Źródła: repozytorium GitHub Ollama, repozytorium GitHub RAGFlow, repozytorium GitHub n8n (liczba gwiazdek, licencja i data ostatniego push zweryfikowane przez API GitHub 24 września 2026); The Hacker News o luce CVE-2026-7482 w Ollama; Cybersecurity Dive o luce CVE-2026-21858 w n8n.