K3Net Kft.

12/08/2026

Saját adat. Saját kontroll. Magyar fejlesztés. 🔐

A pénzügyi, szerződéses és munkavállalói dokumentumok kezelése nemcsak hatékonysági, hanem adatbiztonsági kérdés is.

A K3NET DocAI saját szerveres telepítés esetén helyben futó, nyílt forráskódú mesterségesintelligencia-modellekkel dolgozza fel a dokumentumokat. Az adatok nem kerülnek ki külső AI-szolgáltatókhoz; külső kapcsolat csak közhiteles vagy hatósági ellenőrzéshez történik. 🛡️

A rendszer adatbiztonsági alapjai:

🔒 titkosított fájltárolás;
👤 szerepkör-alapú hozzáférés;
🗄️ cégenként elkülönített adatbázis;
📱 kétlépcsős azonosítás;
🧾 minden megnyitás, módosítás és döntés naplózása;
👥 elkülönített munkavállalói hozzáférés a saját dokumentumokhoz.

A DocAI megbízhatóság-vezérelt működésre épül. Amikor egy pénzügyi adatot nem tud egyértelműen felismerni, nem próbálja kitalálni: üresen hagyja, és emberi ellenőrzést kér. A dokumentumok besorolásához két független felismerő modell egyetértése szükséges. ✅

A vezető mindeközben természetes nyelven kérdezhet rá a saját irattárára:

💬 „Mennyit fizettünk az X cégnek tavaly?”
💬 „Melyik szerződésünk jár le idén?”
💬 „Mutasd az utolsó öt bejövő számlámat!”

A válaszok a vállalat saját dokumentumaiból érkeznek, az eredeti iratokra történő hivatkozással.

A K3NET célja, hogy hidat építsen a papír és a döntés közé. 🌉

🌐 K3NET DocAI: docai.hu
📩 Bemutató: [email protected]

05/08/2026

🤖 Mi történik, ha holnap megduplázzák a tokenárakat?

A K3-nál nem találgatunk: mérünk. Saját infrastruktúránkon, valós dokumentumokkal vizsgáljuk, melyik AI-modell milyen feladatra, milyen sebességgel és milyen költséggel használható.

⚙️ K3-szempontból ez technológiai függetlenséget, mérnökileg optimalizált rendszereket és kiszámíthatóbb üzemeltetést jelent.

📄 A DocIT szempontjából pedig olyan AI-funkciókat, amelyek közvetlenül a dokumentumkezelési folyamatokba épülnek be – anélkül, hogy a költségek korlátlanul növekednének minden újabb feldolgozott irattal.

A tanulság? Nem mindig a legnagyobb modell a legjobb, és nem minden esetben a felhő vagy a helyi működés az egyetlen helyes választás. A saját terhelésen végzett mérés alapján kell dönteni. 📊

👉 Olvasd el a teljes cikket: https://docai.hu/blog/mi-tortenik-ha-duplazzak-a-tokenarat

29/07/2026

📂 Régen elég volt, ha egy dokumentumkezelő megtalálta az iratot.
Ma már azt várjuk, hogy értse is, mi van benne. 🤖

A DocIT + DocAI páros ezért több egyszerű digitális irattárnál:

🔎 felismeri a dokumentum típusát
📌 kinyeri a számlák, szerződések és HR-iratok fontos adatait
✅ ellenőrizhető, strukturált információt készít
⚙️ továbbítja az adatokat a jóváhagyási, könyvelési vagy ERP-folyamatokba

A DocIT adja a biztonságos, naplózott és auditálható alapot, a magyar dokumentumokra hangolt DocAI pedig leveszi a kézi adatbevitel jelentős részét a válladról. 🔐🇭🇺

Az adat akár a saját céges infrastruktúrán is maradhat — ami GDPR- és NIS2-szempontból sem mellékes.

👉 Olvasd el, mit jelent a gyakorlatban az intelligens iratkezelés:
https://docit.hu/blog/intelligens-iratkezeles-dokumentumkezelo-rendszer-ai

23/07/2026

Két gyártó adott ki kvantálást ugyanahhoz a modellhez. Mindkettő külön szekciót szentelt a DGX Sparknak a dokumentációban. És pontosan az ellenkezőjét írják.

Az NVIDIA: használd a marlin backendet. Az Unsloth: NE használd a marlint, kétszer lassabb.

Ugyanaz a chip, ugyanaz a modell, ugyanaz a formátum.

Lemértük tíz mérési ponton. A különbség 2,0–3,3-szoros, és nincs olyan terhelés, ahol a második ajánlás megérné.

Aztán jött a fordulat: a „használj marlint" tanulság is hamis. A produkciós FP8-modellünkön a marlin veszít. A helyes backend nem a hardver tulajdonsága, hanem a hardveré és a kvantálási formátumé együtt.

Ja, és a vLLM hat FP8-backendjéből négy el sem indul ezen a chipen. Az ötödik, ami az alapértelmezés, assert-tel elszáll.

Minden mérési adat és minden konfigurációs sor a cikkben:

Két gyártó, ugyanaz a GB10, ellentétes indítási parancs ugyanarra a modellre. Lemértük: a rossz backend 2,0–3,3× lassulás. Plusz a fordulat: NVFP4-en a marlin nyer, FP8-on veszít — a helyes backend a hardver és a kvantálási formátum párosáé.

22/07/2026

🚀 A jó fejlesztés nem attól látványos, hogy több gomb kerül a képernyőre.
Hanem attól, hogy kevesebbet kell kattintanod. 😄

A DocIT és a DocAI több olyan újdonságot kapott, amelyek gyorsabbá és átláthatóbbá teszik a napi adminisztrációt:

🏦 banki utalási listák exportálása EDIFACT vagy XML formátumban
📊 hat hónapra előretekintő pénzforgalmi nézet
🔍 Partner 360 – pénzügyi, tulajdonosi és cégadatok egy helyen
🧾 bankszámlakivonatok automatikus párosítása a számlákkal
📄 szerződések és bérjegyzékek intelligens feldolgozása
💬 okosabb chat-asszisztens, amely már konkrét számlatételekre is válaszol

Kevesebb kézi adatmunka, gyorsabb ellenőrzés és több használható információ egyetlen rendszerben. 🤖⚙️

👉 Nézd meg részletesen az újdonságokat:
https://docit.hu/blog/docit-es-docai-ezekkel-az-ujdonsagokkal-lett-konnyebb-a-hasznalat

15/07/2026

🎉 Jó hírrel jövünk: a K3Net Kft. bekerült a Pécs-Baranyai Kereskedelmi és Iparkamara hírlevelébe is!

A megjelent cikkben arról írunk, hogyan vághat bele egy kisvállalkozó a mesterséges intelligencia használatába — érthetően, túlmisztifikálás nélkül. 🤖💡

Mert az MI nem csak a nagyvállalatok játékszere.
Egy jól kiválasztott, konkrét folyamatnál már kisebb cégeknél is sokat segíthet:

📄 dokumentumok feldolgozásában
🔎 adatok gyorsabb megtalálásában
⚙️ ismétlődő adminisztrációs feladatok automatizálásában
📊 jobb, gyorsabb döntés-előkészítésben

A K3Netnél mi pontosan ezen dolgozunk: olyan megoldásokat fejlesztünk, amelyek nem bonyolítják, hanem egyszerűsítik a cégek mindennapi működését. 🚀

Köszönjük a megjelenési lehetőséget a Pécs-Baranyai Kereskedelmi és Iparkamarának! 🙌

08/07/2026

🤖 A nagyobb AI-modell mindig jobb?

Spoiler: nem feltétlenül. 😄

A DocAI fejlesztése során mi is feltettük ezt a kérdést:
érdemes-e a jelenlegi, 35 milliárd paraméteres modell helyett mindenhol egy jóval nagyobb, 122 milliárd paraméteres modellt használni?

A válasz érdekesebb, mint egy sima „igen” vagy „nem”. 👇

📄 Dokumentumfeldolgozásnál — például számlák, szerződések, HR-iratok strukturált adatkinyerésénél — a kisebb modell már olyan jól teljesít, hogy a nagyobb modell nem hozott érezhető pluszt.

💬 Egyszerű lekérdezéseknél — például „mutasd a 10 millió Ft feletti kintlévőségeket” típusú kérdéseknél — szintén nem volt nagy különbség.

🧠 Komplex üzleti elemzéseknél viszont már igen.
Cashflow-előrejelzés, beszállítói kockázat, áfa-pozíció, vevői koncentráció — ezeknél a nagyobb modell célzottabban, kevesebb adatlekéréssel és jobb következtetésekkel dolgozott.

A tanulság?
Nem mindig a legnagyobb AI a legjobb választás.
Hanem az, amelyik az adott feladatra a legjobban illik. 🎯

A DocAI-ban ezért több modell dolgozik különböző célokra:
⚡ gyorsabb modell a napi dokumentumfeldolgozásra
🧠 nagyobb modell a komplex, háttérben futó üzleti elemzésekre

Pont úgy, ahogy egy cégnél sem ugyanaz az ember készíti a napi adminisztrációt és a stratégiai pénzügyi elemzést. 😉

Ez nem AI-hype.
Ez mérés, optimalizálás és tudatos fejlesztés. 🚀

https://docai.hu/blog/122b-vs-35b-mikor-jobb-a-nagyobb-modell

Esettanulmány a DocAI-ből: miért nem a 4× nagyobb 122B-os modellt választottuk minden feladatra, és hol térül meg mégis a komplex éjszakai elemzéseken.

01/07/2026

📄🤖 Mi történik egy dokumentummal, miután bekerül a DocAI-ba?

Nem csak „feltöltöd és kész”.
A háttérben egy komplett AI-alapú feldolgozási folyamat indul el — a DocIT rendszerhez kapcsolódva. ⚙️

A dokumentum útja nagyjából így néz ki:

🔐 jogosultságellenőrzés
🔎 OCR szövegfelismerés
🧹 szövegtisztítás és normalizálás
📂 dokumentumtípus-felismerés
📌 kulcsadatok kinyerése
🔍 klasszikus és szemantikus keresés
⚡ RAG-alapú találatrangsorolás

Vagyis a rendszer nem csak elolvassa a dokumentumot, hanem értelmezhető, kereshető és felhasználható információvá alakítja. 🚀

A DocAI a DocIT mesterséges intelligencia kiegészítője, amelyet a K3 fejleszt — azért, hogy a dokumentumkezelés ne csak tárolás legyen, hanem valódi digitális munkafolyamat. 💡

Kevesebb keresgélés.
Több használható adat.
Okosabb dokumentumkezelés. 📊

https://docai.hu/dokumentum-feldolgozas

DocAI 8 lépéses dokumentumfeldolgozó pipeline: OCR, szövegnormalizálás, irattípus felismerés, adatkinyerés, szemantikus keresés, hibrid RAG.

24/06/2026

🤖📄 AI dokumentumfeldolgozás? Jó ötlet.
De van egy fontos kérdés:

Biztos, hogy a céges adataidnak ki kell menniük a felhőbe? 👀

A DocAI pont más irányból közelít.
Nem egy újabb „küldd fel valahova, majd lesz belőle valami” típusú megoldás, hanem magyar nyelvre optimalizált, helyben futtatható AI dokumentumfeldolgozó rendszer a DocIT mellé. 🔐🇭🇺

Mit jelent ez a gyakorlatban?

✅ a dokumentum nem hagyja el a céges környezetet
✅ magyar számlákra, szerződésekre és iratokra van hangolva
✅ nem csak „látja” a szöveget, hanem strukturált adatot nyer ki belőle
✅ nem chatelgetni akar a dokumentummal, hanem használható mezőket ad tovább
✅ segíthet könyvelésben, ERP-ben, jóváhagyási folyamatokban és back-office automatizációban

Az OCR csak felismeri a betűket.
A DocAI viszont értelmezi a dokumentumot, kinyeri a lényeget, és segít abból valódi üzleti folyamatot építeni. ⚙️📊

Ez különösen azoknak fontos, akik sok érzékeny irattal dolgoznak: könyvelőirodák, ügyvédi irodák, KKV-k, szabályozott szektorok.
Mert náluk az adatbiztonság nem extra funkció. Hanem alapelv. 🛡️

Röviden:
AI, ami nem viszi el az adataidat. Hanem nálad dolgozik. 🚀

https://docai.hu

17/06/2026

🎉 Lezajlott az első DocIT/DocAI partnertalálkozó — és pont olyan lett, amilyennek szerettük volna: szakmai, közvetlen és nagyon hasznos. 🤝

Nem egy óriásrendezvényt akartunk, hanem egy olyan napot, ahol valódi beszélgetések születnek azokkal, akik nap mint nap használják, alakítják és visszajelzéseikkel fejlesztik a rendszert. 📂💬

A programban volt minden, ami ma izgalmas a digitális dokumentumkezelésben:

📌 DocIT újdonságok
🧠 „Számtech óra Danival” — AI alapok érthetően
🤖 DocAI működés élesben
📄 automatikus dokumentumfeldolgozás
🔎 NAV, IM, KOMA és VIES alapú ellenőrzések
💡 közös ötletelés a következő fejlesztési irányokról

És az egyik legjobb eredmény?
A beszélgetésekből máris kinőtt egy új irány: a NIS2-megfelelést és auditot támogató modul ötlete. 🔐🚀

Ezért szeretjük az ilyen találkozókat.
Mert a legjobb funkciók nem meeting roomokban születnek — hanem valós igényekből, valódi felhasználókkal beszélgetve. 🙌

Köszönjük mindenkinek, aki ott volt velünk!
Folytatjuk. És addig is dolgozunk tovább a DocIT + DocAI következő nagy lépésein. ⚙️

https://docai.hu/blog/elso-docit-docai-partnertalalkozo

Nyolc partnercég, a DocIT alapoktól a DocAI élő demójáig, egy kikapcsolva is figyelmet kapó DGX Spark, és egy új ötlet: a NIS2-audit modul. Beszámoló az első DocIT/DocAI partnertalálkozóról.