Az ember-AI szimbiózis a legnagyobb versenyelőny. Hogyan?

2024 februárjában a svéd fintech Klarna olyan AI-asszisztenst vezetett be, amely egy hónapon belül az ügyfélszolgálati chateknek már a kétharmadát kezdte kezelni, 700 teljes munkaidős alkalmazott munkáját helyettesítve. Az ügyintézési idő 11 percről 2 percre csökkent, az ismételt megkeresések száma pedig 25 százalékkal esett vissza.

Épp itt válik érdekessé a történet: 2025-re a Klarna ugyanis – némiképp változtatva a korábbi irányon – átállt a humán-hibrid modellre. Nem azért, mert az AI kudarcot vallott volna.. A technológia pontosan úgy működött, ahogy ígérték. A probléma az volt, hogy a minőségi prioritásuk sérült: 

a kiváló hatékonysági mutatók ellenére az ügyfelek visszajelzései alapján hiányzott az empátia. 

A Klarna ezután visszatért az emberi erőforrásokhoz és ezzel egyidejűleg bővítette az AI-képességeket. Ez a történet nem az AI és az emberiség szembenállásáról szól, hanem annak a felismeréséről, hogy a valódi versenyelőny az AI és az emberi képességek köré épített működésről szól. Ez három kritikus kihívást vet fel: 

• a sebesség buktatói (mert a gyorsaság új kockázatokat is teremt), 
• a szimbiózis lehetősége (ami megoldja azokat), és 
• a megfelelő szervezeti architektúra kialakítása (ami fenntarthatóvá teszi az egészet).

A sebesség buktatói

/ A tempókülönbség, amiről senki sem beszél

A hagyományos cégek AI-t rendelnek a meglévő munkafolyamatokhoz, a digital native cégek viszont az AI-képességekből építenek fel új munkafolyamatokat. Az AI exponenciális fejlődése és a hagyományos szervezetek lassabb, lineáris alkalmazási sebessége egyre növekvő tempókülönbséget teremt. Ennek semmi köze a nyers számítási teljesítményhez vagy az adott technológia erejéhez. A digitális cégek sebességelőnye nem abból származik, hogy gyorsabban dolgoznak, hanem abból, hogy kiküszöbölik a szervezeti súrlódást. 

Napi standup meeting? Az AI agent már összesítette a státusz frissítéseket. A kérdés, amit tegnap emailben küldtél? Megválaszolva, még mielőtt befejezted volna a kávédat. 

Az átváltás agent-first működési modellre a munka ritmusának felgyorsulásával jár (az AI agent, vagyis AI-ügynökök működéséről például itt írtunk nemrég – a szerk.). Az AI elsődleges és legnagyobb hatása az, hogy felszámolja a tétlen várakozási időt és a koordinációs súrlódást. Ez a legnagyobb értékteremtő változás. A hagyományos működési modellekben az egyik legértékesebb vezetői készség a koordináció. A menedzserek a napjaik egy részét a vállalati hálózat fenntartásával, információk összesítésével és munkafolyamatok szinkronizálásával töltik – ezek mind olyan tevékenységek, amiket egy AI agent kiválóan el tud végezni és a menedzserek szintjén is értékes idő és kapacitás szabadul fel. 

Mindez hatványozott sebességelőnyt teremt: az agent-first cégek nem csupán megspórolják a koordinációs időt, hanem azt azonnal konkrét értékteremtő feladatokra fordíthatják. A legnagyobb kérdés az, hogy a hagyományos, AI agent nélküli modellek hosszú távon túlélhetik-e ezt a tempókülönbséget.

/ Amikor a gépek túl gyorsan mozognak az elszámoltathatósághoz

A sebesség tehát fontos, de csapdát is teremt. Amikor az Anthropic hagyta, hogy egyetlen AI agent teljesen önállóan vásároljon egy hónapig, az AI-nak egyfajta identitáskrízise alakult ki. Egy idő után elkezdett pénzt veszíteni és fenyegetőzni. Most képzeljünk el több ezer AI agentet, akik egyszerre lépnek interakcióba egymással. Erre a legtöbb szervezet nincsen felkészülve.

Az AI-only rendszerek három egymással is összefüggő kihívással néznek szembe, amelyek fel is erősítik egymást:

• Eltűnik a nyomonkövethetőség. A hagyományos rendszerekben a döntéseket egy személyre, egy találkozóra vagy egy email láncra tudjuk visszavezetni. Az agentic rendszerekben az áttekinthető ok-okozati láncok helyett csak a készen felbukkanó eredmények jelennek meg. Amikor nem tudod nyomon követni a döntéshozót és a döntés alapját, hogyan határozod meg a felelősséget vagy értékeled az eredményt?
• Az elszámoltathatósági keretrendszerek összeomlanak. 2022-ben az Air Canada chatbotja hamis információt adott egy utasnak, felvetve egy mélyreható kérdést: ki a felelős, ha a „valaki” nem egy ember? A hagyományos elszámoltathatóság egyetlen személyre mutat. Amikor tíz AI agent működik együtt egy problémán, kié a felelősség és kié az érdem?
• A sebesség ellehetetleníti az emberi felügyeletet. Bár a gyorsabb AI-rendszerek a megnövekedett kockázat miatt több emberi felügyeletet igényelnének, a tempó éppen, hogy lehetetlenné teszi az értelmes beavatkozást. Az emberek egyszerűen kevésbé tudnak lépést tartani az AI agentek döntéseivel.

A teljes automatizálás tehát elszámoltathatósági réseket teremt, amelyek jogi és működési kockázatnak teszik ki a szervezeteket. A sebesség felügyelet nélkül nem előny, hanem kiszolgáltatottság.

A szimbiózis lehetősége

A tiszta automatizálás elszámoltathatósági réseket és kockázatokat teremt, míg a kizárólag emberi modellekben még a legtehetségesebb emberek is sokszor a szervezeti súrlódások és az információ-koordinálás hálójában rekednek.

A legtöbb szervezet tévedése az, hogy az AI által a munkaerő leváltásában gondolkodik, nem pedig az együttműködésben. Az igazi lehetőség azokban a feladatokban rejlik, amelyek nem létezhetnek human-AI interakció nélkül.

Vegyük figyelembe, amit Upwork kutatása ténylegesen mutat: az emberi visszajelzések beépítése javítja az eredményeket a teljes automatizáláshoz képest. Az AI agentek ugyan 90 százalékkal alacsonyabb költséggel működnek, mint az emberek, és 88 százalékkal gyorsabb eredményeket szállítanak, de a sebesség és a költség nem minden. Az optimális helyzet akkor alakul ki, amikor a feladat milyenségéhez és üzleti értékéhez igazítod azt, hogy mennyire építesz AI-alapú versus emberi képességekre.

Itt három kategóriát érdemes megkülönböztetni:

• Az alacsony üzleti értékkel és téttel rendelkező, de gyakran ismétlődő, nagy volumenű feladatok klasszikusan az AI-only megoldásokhoz tartoznak. Itt az érték a sebességből, a skálázhatóságból és a konzisztenciából származik, az emberi részvétel többnyire csak költséget jelent.
• A közepes értékű feladatok ún. “human-in-the-loop” (HITL) rendszereket igényelnek. Itt az emberek aránytalanul nagy értéket képviselnek a minőségjavulás és a sikertelen kísérletek utáni helyreállítás terén, de csak akkor, ha a rendszert kezdettől fogva partnerségre tervezték. Az emberi felülvizsgálat automatizált rendszerekkel való szimpla összekapcsolása még nem valódi szimbiózis.
• A magas értékű, nagy téttel rendelkező feladatok továbbra is kizárólag emberi megközelítést igényelnek. Ezek azok a döntések, ahol a kontextus, az etika és a stratégiai gondolkodás többet számít, mint a sebesség. Az ítélőképesség, kreativitás és elszámoltathatóság szükségessége indokolja az emberi koordinációt.

BeHive

Ez a kategorizálás részben megoldja a nyomonkövethetőség problémáját. A nagyobb értékű feladatoknál az elszámoltathatóság egyértelműen meghatározható, mivel az emberek továbbra is a döntési ciklusban maradnak. Az AI agentek kezelik a volument, az emberek pedig biztosítják az ítélőképességet.

A versenyelőnyt tehát nem a leggyorsabb automatizálás vagy a legóvatosabb emberi felügyelet határozza meg. Azok a szervezetek fogják nyerni a versenyt, amelyek az első naptól kezdve tudatosan tervezik a szimbiózist. 

A szervezeti architektúra

/ A szervezeti struktúra lebomlik (és ez rendben is van)

Az ember-AI szimbiózis megvalósítása nemcsak technológiai kihívás, de szervezeti átalakulás is. Az előretekintő szervezetek már elkezdték a transzformációt, a változások pedig mélyebbre nyúlnak, mint pusztán az „AI” kifejezés hozzáadása egyes munkakörökhöz. Új szerepkörök jelennek meg: AI orchestration menedzserek szolgálnak például az elszámoltathatóságért, a stratégiai architectek pedig megtervezik a felületeket, ahol az emberi ítélőképesség és az AI képességei találkoznak.

A probléma az, hogy ezek az új szerepkörök nem illeszkednek a hagyományos szervezeti hierarchiába és az AI agentek sem követik a szervezeti struktúrát, hiszen egyszerre működnek a teljes hálózaton. A szervezeteknek nem azt a kérdést kell feltenniük, hogy „hány AI agentet kell alkalmaznunk?”, hanem azt, hogy

hogyan hangoljuk össze a rendszereinket egy olyan világban, ahol az AI agentek a saját céljaik elérésére törekszenek?

Azok, akik már korán elkezdték az átállást, már most tapasztalják a dominóhatást: az AI bevezetésének változásai átterjednek a szervezet más területeire, váratlan helyeken kényszerítve ki az alkalmazkodást. A versenyelőny azoké, akik elfogadják a strukturális transzformáció szükségességét, nem pedig azoké, akik ellenállnak neki.

/ Az implementációs keretrendszer

Az AI-t nem lehet egyszerűen beilleszteni a meglévő munkafolyamatokba. A vállalati szintű hatások eléréséhez az AI agenteket meghatározott üzleti folyamatokba kell beágyazni, és ezeket a folyamatokat újra is kell tervezni, hogy elősegítsék az AI adoptiont, tehát az AI-megoldások beépülését és konzisztens használatát. 

Így működik ez az újratervezés a gyakorlatban:

• Kezdd a folyamatok lebontásával! Bontsd le a meglévő folyamatokat agent-méretű feladatokra. Először azt nézd, hogy az agentek mit tudnak kezelni és ne azt, hogy mi igényelt eddig emberi munkát. Ez a lépés egyelőre a képességek feltérképezéséről szól.
• Haladj lépésekben, ne akarj mindent egyszerre! Először alkalmazz ún. “shadow agenteket”, tét nélküli, nem valós döntési helyzetekre (az azonnali, teljes automatizáció helyett) és csak figyeld, mit csinálnak. Ez lehetővé teszi, hogy észrevedd a hibákat és a bizalom is kiépülhessen a szervezeten belül.
• Figyelj a sebességre és kommunikáld nyíltan az eredményeket! A sebesség és a reagálóképesség nemcsak a funkcionalitás, hanem a felhasználói élmény és az adaptáció szempontjából is fontos. Az érték és az agent ROI egyértelmű kommunikációja elengedhetetlen a teljes körű AI-bevezetés érdekében, mivel feltárja a skálázási lehetőségeket és bizalmat épít a szkeptikus csapatokban (a ROI szakmai kifejezés jelentése Return On Investment, vagyis befektetésarányos megtérülés – a szerk.)
• Fókuszálj az emberekre a hatékonyság mellett! Kreatív munkaszabadságot kell teremteni az emberek számára, meg kell érteni az igényeiket, és fel kell hatalmazni őket a munkafolyamatok tervezésére. A felülről lefelé irányuló utasítások helyett a visszajelzésen alapuló megvalósítást kell ösztönözni. Itt nyer értelmet a Klarna döntése: nem hátrálnak az AI-tól, hanem azt az emberi réteget építik, amely fenntarthatóságot teremt az AI-al karöltve.
• Cselekedj minél előbb! A nagy tech cégek és startupok többsége már kísérletezik agentic rendszerekkel. Akik most cselekszenek, lehet, hogy néha hibáznak, de biztosan a versenyben maradnak, mert tanulságok sorával gazdagodnak. Akik várnak, azok egyre növekvő versenyhátránnyal fognak szembesülni.

Közös potenciál

A Gartner amerikai kutató és tanácsadó cég októberi előrejelzése szerint az agentic piac 2030-ra berobban, mégis: a vállalatok 80 százaléka még nem tapasztalt pozitív megtérülést az AI-rendszerein.  A nyertesek és a vesztesek közötti különbség nem az lesz, hogy ki alkalmazza a legtöbb AI agentet, hanem az, hogy ki tervezi meg a legjobb humán-AI integrációs stratégiát: ki érti meg előbb azt, hogy az agenteket az emberekkel, a folyamatokkal és a feladattípusokkal összehangolva érdemes csak alkalmazni – és nem munkaerőt helyettesíteni velük pusztán költségcsökkentési célból.

A kérdés tehát nem az, hogy az AI-first vagy a human-first filozófiát alkalmazzuk. A cél, hogy olyan teret tervezzünk, amiben mindkettő a lehető legnagyobb potenciállal tud működni.

Nyitókép: BeHive