Qosmo

Qosmo jest polską, wdrażaną on-premise lub w prywatnej chmurze platformą AI z chatem, agentami, wizualnymi flows, RAG, obserwowalnością i własnymi modelami. Jej wyróżnikiem jest możliwość pracy air-gapped na dedykowanym klastrze oraz integracja z tożsamością i SIEM klienta. Zakres wygląda nowocześnie, ale prawie cała publiczna wiedza pochodzi z jednej strony producenta: nie znaleziono publicznej dokumentacji API/MCP, cennika, polityk prawnych, case studies ani niezależnych opinii.

Publiczna strona nie podaje założycieli, daty powstania, adresu, numeru KRS/NIP ani pełnej nazwy prawnej operatora; wskazuje jedynie „Provider: QAI” i „Polski produkt”. Nie znaleziono osobnych komunikatów prasowych, profilu firmy lub niezależnych case studies jednoznacznie dotyczących tej platformy. Nazwa koliduje w wynikach z japońską Qosmo, Inc., która nie jest tym produktem.

Qosmo jest pozycjonowane przede wszystkim dla medycyny, administracji i enterprise z wysokimi wymaganiami suwerenności. Sprzedaż i handel nie są pokazane jako główny pion, ale platforma może służyć do wewnętrznego researchu, pracy na dokumentach i automatyzacji, jeśli integracje zostaną wdrożone projektowo.

Platforma ma pięć modułów. Qosmo Chat udostępnia rozmowę, tryb agentowy i automatyzację oraz obrazy/PDF. Qosmo Flows jest no-code builderem łańcuchów, tools i pamięci. Qosmo Docs przechowuje dokumenty i RAG, Qosmo Tracer zapisuje prompts, decyzje, koszt, regresje i ewaluacje, a Qosmo Auth centralizuje identity/RBAC. Strona produktu

Producent wymienia modele ogólne, Coder, Security i OCR; Med jest oznaczony „wkrótce”, a Fine ma być trenowany/dostrajany na danych organizacji. Endpointy modeli mają być zgodne z OpenAI Chat Completions API wewnątrz klastra. Nie opublikowano model cards, benchmarków, wersji bazowych, licencji weights ani metod fine-tuningu.

Agentowość jest deklarowana przez Flows, tools, memory i tryb agentowy, lecz publiczna strona nie opisuje triggerów, connectors, subagents, approvals per tool, retry/idempotency ani eksportu definicji. Nie możemy więc potwierdzić, jaki procent wieloetapowego procesu sprzedażowego działa gotowo, a jaki wymaga wdrożenia custom.

• wewnętrzny asystent oparty na ofertach, procedurach i bazie wiedzy;
• analiza PDF, zapytań ofertowych i dokumentów przy użyciu OCR/RAG;
• lokalny agent researchu na danych objętych tajemnicą przedsiębiorstwa;
• generowanie ofert i podsumowań w izolowanym środowisku;
• automatyzacje sprzedażowe, jeśli dostępne są właściwe tools/integracje;
• audytowalne AI dla regulowanych sektorów i zamówień publicznych.

Są to potencjalne use cases wynikające z architektury, a nie publicznie potwierdzone wdrożenia sprzedażowe.

Zakres kontekstu i danych zależy od funkcji, planu oraz połączonych systemów.

Nie znaleziono publicznego serwera ani klienta MCP, SDK czy API administracyjnego Qosmo. Potwierdzona zgodność z OpenAI Chat Completions dotyczy endpointów modeli, nie zarządzania agentami/flows ani wykonywania business tools.

Codex/Hermes mogłyby korzystać z Qosmo jako OpenAI-compatible model backend, jeśli klient pozwala ustawić base URL i auth oraz jeśli API jest faktycznie zgodne w wymaganym zakresie. Pełna współpraca agentowa wymagałaby osobnego MCP servera lub udokumentowanego API do flows/tools. W air-gap trzeba również dostarczyć klienta, dependencies i model/tool schemas offline.

Producent deklaruje dedykowany klaster, default-deny network policies, szyfrowanie at rest/in transit, brak zewnętrznej telemetry i runtime fetch, lokalny registry, HA, rolling updates, OIDC/SAML, MFA, RBAC, AD/LDAP oraz export audit do syslog/CEF. To bardzo dobry projekt źródłowy dla suwerennego AI. Strona produktu

Strona mówi też o zgodności z AI Act, ISO 42001, ISO 27001, KSC/NIS2, RODO/SIOZ, regularnych pentestach, HITL i record-keeping. Nie podaje jednak numerów certyfikatów, jednostki certyfikującej, scope, raportów z testów ani polityk prawnych. Sformułowanie „zgodność i standardy wbudowane” nie jest równoznaczne z certyfikacją.

„Pełny ślad każdego promptu i decyzji” poprawia audyt, ale tworzy wrażliwy magazyn treści i potencjalnie reasoning. Wymaga jasnej retencji, redaction, dostępu, integrity oraz rozróżnienia obserwowalnych tool calls od niejawnego chain-of-thought.

Brak cennika. Model dedykowanego HA klastra z lokalnym GPU oznacza potencjalne koszty infrastruktury, instalacji, supportu, aktualizacji, modeli, storage, backupów, SIEM i wdrożeń integracyjnych. Air-gap przenosi także obowiązki patchingu i dostarczania artifacts. TCO trzeba liczyć na ofercie zawierającej SLA, sizing i koszt zmian, a nie porównywać z ceną per-seat SaaS.

Nie znaleziono niezależnych opinii użytkowników, recenzji marketplace, dokumentacji technicznej ani publicznych klientów. Jedynym istotnym źródłem jest strona producenta. Z tego powodu pewność oceny jest D, mimo że deklarowana architektura jest bardzo nowoczesna.

Najważniejsze ograniczenia:

• nieustalona pełna nazwa prawna, historia, founders i publiczny track record;
• brak publicznych docs, changelogu, API/MCP i katalogu integrations;
• brak niezależnych case studies, opinii i benchmarków;
• niezweryfikowane model cards, dokładność polskiego, OCR i RAG;
• brak dowodu certyfikacji mimo odwołań do ISO;
• brak publicznego DPA, privacy, terms, subprocessors i incident policy;
• brak publicznego cennika, SLA i sizingu infrastruktury;
• niejasne approvals, permissions per tool, retry, idempotency i rollback;
• niejasny eksport/import/versioning agents i flows;
• zastosowania sprzedażowe są wnioskowane, nie udokumentowane.

Profil zweryfikowano 2026-09-20. Linki źródłowe znajdują się bezpośrednio przy wspieranych twierdzeniach.