„Nem az AI a probléma, hanem az, hogy nincs világosan leírt rendszer” – interjú Bernáth Rolanddal

HVG BrandLab: Azt vallod, hogy az AI-korszak tartós versenyelőnyét nem a jobb modell, hanem a jobb vállalati kontextus adja. Mit jelent ez egy átlagos magyar vállalkozás számára?

Bernáth Roland: Azt látjuk, hogy az átlagos magyar kkv-ban rengeteg tudás centralizálódik egyetlen embernél vagy egy-egy rendszerben. Lehet ez az ügyvezető több évtizedes tapasztalata, bizonyos személyes kapcsolatok vagy akár olyan történelmi döntések, amelyeknek már senki sem tudja pontosan az eredetét.

Ezek nagyon könnyen szűk keresztmetszetté válnak. Ha jön egy új kolléga, vagy növekedni szeretne a cég, kiderül, hogy ennek a tudásnak a jelentős része nem átadható. Szét van szórva Excel-táblákban, e-mailekben, különböző rendszerekben, illetve emberek fejében.

A vállalati kontextus számomra azt jelenti, hogy a megfelelő tudás egy olyan strukturált rendszerbe kerül, amelyet az AI is használni tud. Így amikor kérdezünk valamit, nem a káoszból próbál választ összerakni, hanem a vállalat saját tudására támaszkodhat.

Ez azért is fontos, mert önmagában egy AI-agent felépítése kevés. Ha nem ismeri a cég múltját, döntéseit, folyamatait és szabályait, hiányzik mögüle a kontextus. Ha viszont van egy folyamatosan épülő vállalati AI-agy, arra már sokkal jobb agenteket és folyamatokat lehet építeni.

H.B.: Ma lényegében minden cég ugyanazokhoz az AI-eszközökhöz fér hozzá. Mitől lehet mégis jobb az egyik vállalat AI-használata, mint a másiké?

B.R.: Attól, hogy mit tud saját magáról. Egy általános nagy nyelvi modellnél egy beszélgetés kontextusa véges. Minél hosszabb lesz, annál inkább szükség van arra, hogy a korábbi információkat összefoglalja és szelektálja. Egy saját tudásrendszernél viszont a vállalati információ külön tárolható, és a modell szükség esetén abból tudja elővenni azt, ami éppen releváns.

Olyan ez, mintha valaki végigjárta volna az általános iskolát, a középiskolát és az egyetemet. Ha hirtelen megkérdezem egy ötödikes kémiaanyag részletéről, lehet, hogy nem emlékszik, ha viszont mögötte van az összes régi tankönyve, ki tudja keresni.

Szerintem ugyanez lesz a különbség a cégek között is. Nem az számít majd elsősorban, hogy Claude-ot, ChatGPT-t vagy valamilyen más modellt használnak, hanem az, hogy milyen saját tudást képesek mögé tenni.

H.B.: A Cégagy építésénél milyen tudást kell először összegyűjteni?

B.R.: Én általában a folyamatokkal kezdem. Első lépésként végignézzük a teljes működést az ügyfél onboardingjától az ajánlatadáson és az értékesítésen keresztül egészen a teljesítésig. Ez már önmagában nagyon hasznos. Ha valakinek csak azt mondom, hogy adjon ajánlatot egy ügyfélnek, abból nem feltétlenül tudja, mit kell csinálnia. Ha viszont tudja, hogy öt fő termékcsoport van, melyik kettőből lehet kedvezményt adni, milyen szabályok alapján árazzunk, már érti a keretet.

Ez ugyanúgy igaz az emberre és az AI-ra. Ha hiányzik a folyamat, az ember frusztrált lesz, az AI pedig rossz kimenetet ad. Sokszor nem maga az ember vagy az AI a probléma, hanem az, hogy nem létezik világosan leírt rendszer, amely alapján dolgozhatna.

H.B.: Sokszor éppen a legértékesebb tudás nincs leírva, hanem tapasztalt munkatársak fejében létezik. Hogyan lehet ezt átadhatóvá tenni?

B.R.: Ezek a tapasztalatok hosszú idő alatt keletkeznek, ezért nem is lehet arra számítani, hogy egy AI-t egy nap alatt „betanítunk”. Érdemes úgy gondolni rá, mint egy folyamatos tanulási folyamatra. Egyik héten bekerül egy összefoglaló egy meetingről, máskor egy döntés háttere érkezik meg, aztán egy kolléga hozzátesz valamit a saját területéről. Az AI ebből egyre jobban megértheti, hogyan működik a vállalat, hogyan születnek a döntések és milyen a kultúra.

Az AI nagy előnye, hogy sok ember tud párhuzamosan hozzájárulni ehhez a tudáshoz, a rendszer nem fárad el tíz óra után, és külső tudással is bővíthető. Ha ezt hosszú távon és következetesen csináljuk, a tudás egymásra épül.

H.B.: Ha a vállalati tudás egyre fontosabbá válik, ki felel majd azért, hogy pontos és naprakész legyen?

B.R.: Ez azért érdekes kérdés, mert jelenleg sok cégnél valójában senki sem felel egységesen a vállalati tudásért. Szerintem ezért is jelennek meg új szerepkörök, például a Chief AI Officer, vagyis az AI-ért felelős vezető. Ez természetesen teljesen mást jelent egy tízfős cégnél és egy nagy multinál.

Egy kisvállalatnál lehet, hogy az a feladata, hogy világossá tegye, hogyan használjuk a ChatGPT-t, hová szabad adatot feltölteni, és hová nem. Egy nagyvállalatnál már a teljes AI-stratégiáért és a szervezeti bevezetésért felelhet.

Ez nem feltétlenül olyan pozíció lesz, amelyhez hatalmas csapat tartozik. Aki jól használja az AI-t, az több agent munkáját is képes egyszerre koordinálni. A szerep jelenleg szerintem jelentős részben edukációból és a vállalati tudás rendezéséből áll.

H.B.: Melyik területeken lehet a leggyorsabban kézzelfogható eredményt elérni?

B.R.: Az AI-agy építésének nincs igazán vége. Erre inkább úgy érdemes gondolni, mint az egészség megőrzésére: minél korábban kezdjük, annál hamarabb jelentkezhetnek a hosszú távú előnyei. A gyorsabb eredményekhez érdemes megnézni, hol megy el sok emberi munka olyan digitális folyamatokra, amelyek világos szabályokkal leírhatók.

A könyvelésben például rengeteg ilyen adatfeldolgozási feladat van. Ugyanez igaz sok adminisztratív folyamatra. Ha meghatározható a szabályrendszer, az AI nagyon sok ügyfélnél ugyanazt a feladatot képes elvégezni.

Az ügyfélelégedettség is jó példa. Ha egy webáruház folyamatosan kap egycsillagos értékeléseket, egy megfelelő vállalati tudással rendelkező rendszer észreveheti a visszatérő problémákat, és segíthet azonosítani, hol kellene változtatni a működésen.

H.B.: Mi a leggyakoribb hiba, amit a cégek az AI használatakor elkövetnek?

B.R.: Szerintem az edukáció hiánya. Meglepően sok cégnél az AI gyakorlatilag egyenlő a ChatGPT-vel, amelyet valamivel jobb Google-ként használnak. Ez persze önmagában is hasznos lehet, de elképesztően kis részét használja ki annak, amire a technológia képes.

A másik nagy probléma a kontextus hiánya és az, hogy nem rendszerben gondolkodunk. Ha például ajánlatot szeretnék küldeni, nem azt kell mondanom az AI-nak, hogy keresse ki egy e-mailből az árat. Ezt én is megcsinálom néhány másodperc alatt.

Azt mondom inkább: szeretném, hogy ez az ügyfél kapjon ajánlatot, férjünk bele ebbe a keretbe, három kategóriára van szükség, az információkat keresd meg a beszállítói e-mailekben, a táblázatokban és a korábbi beszélgetésekben, majd készíts belőle egy megfelelő formátumú ajánlatot. Ha valami hiányzik, kérdezz vissza.

Így már nem én szolgálom ki folyamatosan az AI-t apró feladatokkal, hanem megadom neki a célt és a kontextust, ő pedig elvégzi a munka jelentős részét. Ráadásul több ilyen folyamat futhat párhuzamosan. Az ember akkor lép be, amikor valóban szükség van rá, például autentikációra vagy egy bizonytalan döntésre.

H.B.: Hogyan lehet mérni egy ilyen rendszer megtérülését?

B.R.: Többféleképpen. Az egyik legegyszerűbb az idő. Ha pontosan látjuk, hogy egy adott feladathoz korábban hány emberi óra kellett, és mennyi kell most, már van egy nagyon jól mérhető mutatónk.

A másik a hibák csökkenése. Ennek értéke természetesen iparáganként teljesen eltér. Nemrég beszéltem egy építőipari cégvezetővel, ahol egyetlen rossz döntés több tízmillió forintos kárt tud okozni. Egy útépítési folyamatban például kimarad egy olyan szakmai összefüggés, amelyet megfelelő kontextussal számoló rendszer figyelembe vehetett volna. Ott nem az a kérdés, hogy hány percet spórolunk, hanem az, hogy elkerülhető-e egy húsz-harmincmilliós hiba. Ezért a ROI-t mindig ahhoz kell igazítani, hogy az adott vállalatnál hol keletkezik az érték.

H.B.: Ha az AI a vállalat múltjából tanul, nincs annak veszélye, hogy a régi hibákat és beidegződéseket is automatizálja?

B.R.: De, abszolút. Viszont van egy érdekes különbség: ha egy vállalatnál öt vezető húsz éve ugyanazokkal a beidegződésekkel dolgozik, ezeket rendkívül nehéz előhozni és megváltoztatni. Egy AI tudása elvileg sokkal könnyebben vizsgálható és módosítható. Viszont rögtön felmerül egy másik probléma: ki jogosult módosítani ezt a tudást?

Ha valaki hozzáfér a vállalati AI működéséhez, meg kell oldani az autentikációt és azt is, hogy visszakövethető legyen, ki milyen információt változtatott meg. Ugyanez igaz a külső támadásokra. Ha egy AI például e-mailekből tanul, megfelelő kiberbiztonság nélkül valaki akár olyan üzenetet is küldhet neki, amely manipulálni próbálja a rendszer viselkedését. Tehát amikor vállalati AI-agyat építünk, a tudás minősége mellett a hozzáférési jogosultságok, a módosíthatóság és a visszakövethetőség is nagyon fontos kérdés lesz. Hogy ebből milyen szintű védelemre van szükség, az mindig az adott cég kockázatvállalásától és kultúrájától függ.

H.B.: Mit szeretnél, hogy az AI Talks-előadásodat meghallgató cégvezetők mit csináljanak másképp a következő reggel?

B.R.: Már annak nagyon örülnék, ha úgy mennének haza, hogy elültettem bennük egy gondolatot arról, mennyivel többet lehet kezdeni az AI-jal annál, mint amit ma általában használunk belőle.

Azt szeretném megmutatni, hogyan nézhet ki egy ilyen vállalati AI-agy a gyakorlatban, hogyan lehet a szétszórt információkat egy helyen használhatóvá tenni, és ebből milyen új lehetőségek nyílhatnak. Ha valaki másnap elkezd azon gondolkodni, hogy hol van ma a cége tudása, ki fér hozzá, és hogyan lehetne ezt úgy rendszerezni, hogy az AI is használni tudja, akkor szerintem már megtette az első fontos lépést.