Наш први запослени: Анонимзатор података — MVP0 у испитном року

----
----
Données brutes client (SPG, cours, évaluations)
  ├→ Noms de stagiaires en clair dans les PDF
  ├→ Emails dans les métadonnées JSON
  ├→ IP de connexion dans les logs pgvector
  ├→ Identifiants dans les nœuds Graphify
  └→ Références OF pilote dans les schémas SQL
----

Rezultat: ili radiš RAG na nečistim podacima (halucinacije PII, neusklađenost sa GDPR, pravni rizik), ili ne radiš ništa (bez proizvoda). Treći pristup — rukovno čišćenje — nije skalabilno.

Moj odgovor: ne obilaziti problem. L'**automatizovati**.

== MVP0: Anonimizator, Prvi zaposleni u periodo probnog rada

MVP0 nije funkcija. To je**stručnjak za udobnost**— zaposleni koji radi nečist, glup i zlonamerni posao, i o kom nitko ne želi da priča u pitch dekovi.

Шта он ради :

[source]
----
ENTRÉE : Données brutes multi-sources
  ├→ AsciiDoc (SPG_A2SP.adoc) → noms, dates, OF pilote
  ├→ JSON (catalogue formations) → emails, téléphones
  ├→ YAML (config workspace) → tokens OAuth2
  ├→ SQL (schémas DDL) → IP, adresses
  ├→ pgvector (métadonnées embeddings) → identifiants
  ├→ ONNX (outputs classification) → noms propres
  └→ Graphify (graph.json) → nœuds avec PII

SORTIE : Datasets propres, format standardisé
  ├→ [ANONYMIZED] remplace les PII détectées
  ├→ Classification RGPD (niveau 0→4)
  ├→ Rapport d'audit (quoi a été nettoyé)
  └→ Dataset prêt pour RAG ET fine-tuning
----

On detektuje najjasniji uzorci prv o(emails`.*@.*`, токени`sk-*`, `ghp_*`, IPs), zatim uči. Probni period je to: proveravamo da ne propusta lažna negativa pre nego što ga zaposlimo na stalno.

== Šta ovaj MVP otključava (i to nije samo usaglašenost)

Anonimizacija kao MVP0 nije GDPR pedža pre autoputa. Ona je sama autoput. Evo što otvara:

=== Присутно : Раширена реалност у Prompt

[source]
----
DONNÉES BRUTES CLIENT
    ↓
Anonymiseur MVP0 → datasets propres
    ↓
RAG pgvector (MVP1) → top-K documents similaires (filtrés, anonymisés)
    ↓
LLM (deepseek-v4-pro) → réponse augmentée, zéro PII
----

RAG ne pretražuje u nečistim podacima — pretražuje u prostoru**čist po konstrukciji**. Ова променила све за квалитет одговора: LLM не губи време на обилажавање PII која препознаје, али не сме да наведе.

=== Будуће: Фин-тјунинг на здравким подацима

[source]
----
MVP0 → datasets propres accumulés (session après session)
    ↓
Fine-tuning expert métier (CDA, FPA) sur données zéro PII
    ↓
Modèle fine-tuné exposé via Ollama (sans fuite de données)
----

Fine‑tuning na neobrađenim podacima je potencijalna pravna katastrofa. Na čistim podacima, to je**reproduktivna metoda**. Svaki klijent akumulira svoje očišćene datasetove, svaki klijent može fine-tunirati svoje poslovne stručnjake na svojim podacima — nikad ne izlagajući lične podatke.

== Zasto je tržišno pogodna

Nije « alat za GDPR saglasnost » . To je**повторљива метода која преобразује универзални проблем у актив**:

1. *Svaka kompanija za obuku ima nečiste podatke* — to je problem
2. *Nema ni jedne sa automatizovanim pipeline-om za multi-izvorno čišćenje* — to je tržište
3. *Pетља: анонимовање → RAG → fine-tuning је сопствена* — то је баријера

SaaS Edster (MVP3) neće da proda „Gradle radni prostor“. Prodaće ovaj zatvoreni ciklus. I MVP0 je ulazna vrata.

== SQL format kao treći put konteksta

Uvoz strukturalnih podataka nije samo format razmene. Šema SQL (DDL) nosi**model entiteta-veze domena**:

[source]
----
CREATE TABLE formation (
  id UUID PRIMARY KEY,
  titre VARCHAR NOT NULL,
  referentiel RNCP REFERENCES rncp(id),
  organisme OF REFERENCES of_pilote(id)  -- ← va être anonymisé
);
----

Ovaj DDL, jednom anonimizovan (linija 4), postaje izvor konteksta za LLM. Nije tekst — od**poslovni model**. RAG daje sadržaj (vektorska sličnost), Graphify daje veze (tačna struktura), a SQL šema daje**Dizajn vodjen domenom implicitno**: bounded contexts, agregati, vrednosni objekti. LLM razume poslovnu domenu jer čita njenu shemu.

== Roadmap: od MVP0 do SaaS

[source]
----
MVP0 — Anonymiseur (ce que cet article décrit)
  Sortie : datasets propres, reproductible

MVP1 — RAG pgvector (dépend de MVP0)
  Realité augmentée en prompt sur données nettoyées

MVP2 — Graphify + ONNX + SQL DDD (dépend de MVP1)
  Vecteur composite de contexte (règles + similarité + relations exactes)

MVP3 — SaaS Edster (dépend de MVP0-2)
  Provisionnement workspace client complet
----

Svaki MVP zavisi od prethodnog. Nijedan ne može biti dostavljen bez MVP0. To je razlog zašto Anonymiser nije « P0 » u backlogu — on je**MVP0**. Ово је први комерцијални достављив, а све остало зависи од његовеспеха.

== Zaključak: Nevidljivi rad koji omogućava sve

U običnoj startupu, čišćenje podataka je outsourcovan, rukovno ili ignorisano. U ovoj arhitekturi, to je**srce proizvoda**. Анонимајзер је први запослени зато што без него, ништа не ради :

* Bez MVP0 → ni pravnog RAGa (MVP1)
* Bez MVP0 → bez fine-tunink bez zaklečavanja podataka (EPIC 5)
* Bez MVP0 → ne postoji kredibilan SaaS (MVP3)
* Bez MVP0 → bez proširene realnosti u promptu
* Bez MVP0 → nema trećeg kontekstnog puta (SQL DDD)

On radi nečistu poslu. Nikada neće biti naveden u pitch-ovima. Ali on je onaj koji pokreće fabriku.

A zato ga zapošljavamo prvo.

== Reference

* Članak o prostornoj ontologiji i krugovima poverenja :link:../2026/0114_gouvernance_cercles_confiance_ontologie_spatiale_alignement_llm_post.html[Просторска онтологија као механизам за поравнање]
* Članak o Eager/Lazy agentu upravljanja:link:../2026/0108_gouvernance_agent_opencode_eager_lazy_post.html[Upravljanje AI agentom pomoću AsciiDoc]
* Članak o mehanizmu Hot/Warm/Cold :link:../2026/0110_mecanisme_backup_contexte_agent_post.html[pomični prozor i hladna vala]
* Članak o poredanju tri LLM-a :link:../2026/0112_comparaison_kimi_glm_deepseek_long_contexte_plugin_gradle_opencode_post.html[DeepSeek-V4-Pro, Kimi K2.6, GLM-5.1]
----