Az AI-bevezetés nem egyenlő pár előfizetés kiosztásával

Németh Gábor november 18-án az AI Talks 2026 előadója lesz a Bálna Budapestben. Arról beszélgettünk vele, miért nem tekinthető AI-bevezetésnek néhány előfizetés kiosztása, honnan lehet felismerni, ha egy teljes munkafolyamatot újra kell gondolni, mit tehetnek a vállalatok a már most is létező shadow AI-jal, és hogyan képezhetők tapasztalt szakemberek, ha a pályakezdők hagyományos feladatait egyre nagyobb arányban gépek végzik el.

A titulusa szerint AI-szemléletformáló szakember. Mit kell ma valójában átformálni egy vállalatnál: a technológiához való hozzáállást, a munkafolyamatokat vagy azt, ahogyan az emberek a saját munkájukról gondolkodnak?

Németh Gábor: Elsősorban azt, ahogyan a saját munkájukról gondolkodnak. A másik kettő ennek a következménye. Korábban olyan szoftverekkel dolgoztunk, amelyek azt tudták, amit beléjük programoztunk. Az AI viszont képes mintázatokat felismerni, javaslatokat tenni, sőt bizonyos esetekben önálló döntéseket hozni. A hagyományos szoftverek továbbra is megfelelőek az ismétlődő, pontosan meghatározott feladatokra, az AI azonban összetettebb munkák elvégzésére is alkalmas.

Ez identitáskérdéssé is válik. Ha korábban az volt az értékem, hogy ki tudtam nyerni az információt egy Excel-táblázatból, most újra kell gondolnom a szerepemet. Egyre kevésbé az számít, hogy magam végzem-e el a feladatot, sokkal inkább az, hogy képes vagyok-e megszervezni a munkát, értelmezni az eredményt és dönteni.

Ez különösen a tapasztalt szakembereknek jelenthet kihívást, hiszen egy fiatalabb, kevesebb szakmai tudással rendelkező kolléga akár hatékonyabban is dolgozhat az AI-jal. A cél az, hogy a tapasztalt szakértők is elsajátítsák ezt a munkamódszert. Ehhez nem elég az eszközhasználatot megtanítani, szemléletváltásra is szükség van. Ez inkább alkalmazkodás, mint hagyományos értelemben vett tanulás.

Németh Gábor, a Stylers Group tanácsadója

Mi a leggyakoribb tévhit, amellyel akkor találkozik, amikor egy vállalat vezetése azt mondja: „mi már használunk AI-t”?

N.G.: Az, hogy a licencek megvásárlásával már be is vezették az AI-t. Pedig önmagában a hozzáféréstől senki nem lesz produktívabb. Az számít, milyen céllal használja: csak meg akar spórolni egy feladatot, vagy új összefüggéseket szeretne feltárni, és értékteremtő munkafolyamatokat kialakítani?

Ez sokkal inkább szervezeti, mint technológiai kérdés. Hogyan tehetjük például motiváltabbá és önállóbbá azokat, akik korábban rutinfeladatokat végeztek? A valódi AI-használat sokszor néhány lelkes kollégán múlik. A vezetők pedig gyakran még részt vesznek az első érzékenyítő tréningen, de a következő alkalomra, ahol már az új szemlélet szerint kellene dolgozniuk, nem mennek el. Így nem értik meg, mi történik a szervezetben.

Paradigmaváltás zajlik: a korábbi szabályok és viszonyítási pontok részben érvényüket vesztik. Egy új koordináta-rendszerbe kerültünk, amelyet még nem ismertünk ki.

Honnan lehet felismerni azt a pontot, amikor már nem az AI-eszközt kell kiválasztani, hanem a teljes munkafolyamatot kell újragondolni?

N.G.: Onnan, hogy habár az AI gyors, de a folyamat mégsem lesz hatékonyabb tőle. Hiába készít el néhány perc alatt egy kutatást vagy összefoglalót, ha utána egy kollégának hosszasan kell dolgoznia az eredményen. Ilyenkor nem gyorsítottuk fel a teljes folyamatot, csak eggyel tovább toltuk a terhet. Ezt workslopnak nevezik.

Az AI azonban nemcsak gyorsabbá teheti a munkát, hanem új lehetőségeket is nyithat. Ha például gyorsan át tudok tekinteni több ezer összefüggést, olyan irányokba is elindulhatok, amelyek korábban nem voltak reálisak. Ezért nem elég azt kérdezni, hogyan végezhetnénk el gyorsabban ugyanazt a munkát, hanem azt is meg kell vizsgálni, miért végezzük egyáltalán.

Az AI-val kitágíthatjuk a képességeinket, de akár le is mondhatunk róluk, ha mindent a gépre bízunk, hiszen sokszor csak arra használjuk, hogy a meglévő munkáinkat átadjuk neki. A nagyobb lehetőség az, hogy olyan összetett feladatokat is kezelhetővé tehetünk, amelyek korábban meghaladták a kapacitásunkat. A végrehajtói szemlélet helyett ezért felfedező, kísérletező hozzáállásra van szükség, hogy felismerjük, milyen új munkát és munkafolyamatot tesz lehetővé az AI.

Sok cégnél az AI-használat ma még gyorsabb e-maileket, prezentációkat és összefoglalókat jelent. Hogyan lehet innen eljutni a valódi szervezeti átalakulásig?

N.G.: A gyorsabb e-mail időmegtakarítás, de nem transzformáció. A szervezeti átalakuláshoz nyitottság kell, mert az AI nemcsak a munkafolyamatokat, hanem magát a szervezetet is megváltoztatja. Egy pénzügyi részlegen például olyan feladatokat azonosítottunk, amelyeknél több kolléga kézzel rögzített adatokat, pedig ezt egyszerű automatizálással is ki lehetett volna váltani. Ők azonban szerették ezt a munkát, így végül nem technológiai, hanem emberi fejlesztésre volt szükség.

A változás gyors alkalmazkodást kíván, ezért ahol lehet, érdemes lassítani, miközben a versenyképességet is meg kell őrizni. Ebben fontos szerepük van a belső AI-championöknek, akik összegyűjtik a felhasználási lehetőségeket, beszélgetnek a kollégákkal, és segítik őket az átállásban. Mi is ezért készítünk interjúkat és tartunk explorer workshopokat. Nem elég kívülről megmondani, mit kell automatizálni: előbb meg kell érteni, hogyan dolgoznak valójában az emberek.

Mi történik akkor, ha a munkatársak gyorsabban kezdik használni az AI-t, mint ahogy a vállalat kialakítja a szükséges szabályokat és infrastruktúrát?

N.G.: Ezt hívják shadow AI-nak, és nem az a kérdés, hogy létezik-e, hanem az, hogy a vállalat látja-e. A tiltás önmagában nem állítja meg, mert a munkatársak saját telefonon vagy magánfiókban is használhatják az eszközöket.

Sokkal jobb, ha a szervezet támogatott útra tereli ezt a folyamatot. Ehhez szükség van szabályokra, vállalati megoldásokra és arra, hogy mindenki értse, milyen adatot hova lehet feltölteni, hogyan kerülhet ki egy AI által létrehozott tartalom az ügyfélhez, és hol kell emberi ellenőrzés.

Ha egy cég komolyan gondolja az AI-bevezetést, nem érdemes szigetszerű megoldásokban gondolkodnia. Olyan ökoszisztémára és keretrendszerre van szükség, amelyben az egyes felhasználási módok egy közös szervezeti tudást és működést táplálnak.

Hogyan lehet megkülönböztetni az értékes AI-projektet attól, amely csak azért született, mert a vezetés úgy érezte, hogy „nekünk is kell valami AI”?

N.G.: A jó AI-projektben az AI szó mindig a végén kerül elő. Először azt kell megkérdezni, milyen üzleti problémára keresünk választ, kié ez a probléma, mi lesz másfél év múlva, és mik a valódi fájdalompontok. Ha már a projekt neve is azzal kezdődik, hogy AI, akkor könnyen előfordulhat, hogy van egy kalapácsunk, és mindent szögnek nézünk.

Az a nehéz, amikor a projekt nem meglévő problémából, hanem valamilyen fejlesztési igényből indul. Például megkérem a ChatGPT-t, hogy tegyen be egy találkozót a naptáramba, miközben lehet, hogy kézzel gyorsabban megcsinálnám.

Ráadásul az emberek nem mindig jól fogalmazzák meg a saját céljaikat. Lehet, hogy azt mondják, össze akarják foglalni a dashboardot, de a valódi szándék az, hogy gyorsan át akarják látni az információkat egy közelgő meeting előtt. Vagy az összefoglaló valójában egy minőségbiztosítási folyamat része. Látszólag ugyanazt a feladatot kérjük, de teljesen más célból, ezért más megoldásra van szükség.

Mennyi technológiai tudásra van szüksége ma egy cégvezetőnek ahhoz, hogy jó döntéseket hozzon AI-ról?

N.G.: Nem kell feltétlenül belátnia a motorháztető alá, de tapasztalatot kell szereznie abban, mire képes egy modell. A vezetők sokszor azért nem teszik ezt meg, mert az a dolguk, hogy delegáljanak. Így viszont éppen az a tapasztalat nem alakul ki, amelyre a jó döntéshez szükségük lenne. Érteniük kell, mi az adat, a felelősség, a kockázat, és hogyan változik meg a szervezet, amikor bekerül egy AI-entitás. Azt is tudniuk kell, hol legyenek a kontrollpontok. A technológia ugyanis delegálható, a szemlélet nem. A vezető és a szakember szerepe túlmutat az AI eredményeinek ellenőrzésén. Nekünk kell meghatároznunk, mitől jó egy eredmény, milyen szempontokat követünk, és milyen értéket akarunk létrehozni. A saját szakmai mércénknek a rendszer működésében is meg kell jelennie.

Mi veszélyesebb: az a vezető, aki nem foglalkozik az AI-val, vagy az, aki minden problémára AI-megoldást keres?

N.G.: Ez ugyanannak a hibának a két előjele: egyik sem érti igazán az AI-t. A túlzottan lelkes vezető rövid távon látványosabb károkat okozhat, mert drága, kirakatba tett projekteket indít, és sok pénzt éget el. Aki viszont egyáltalán nem foglalkozik vele, hosszabb távon válik veszélyessé, mert a csapata valószínűleg már rég használja a technológiát, csak nélküle.

De létezik egy harmadik típus is, a legveszélyesebb: aki mindent az IT-ra delegál, és közben abban a hitben él, hogy a kérdés meg van oldva. Pedig az AI még abban is megváltoztathatja a viszonyokat, hogyan fogalmazunk meg fejlesztési igényeket. A vibe coding lényege például, hogy természetes nyelven írhatunk le egy elképzelést, amelyből az AI prototípust készíthet. Ettől nem válunk fejlesztővé, de sokkal pontosabban tudunk együttműködni az IT-val, és akkor tudjuk elővenni ezt a képességet, amikor szükségünk van rá.

Ha az egyszerűbb, junior feladatok automatizálódnak, hogyan neveljük ki a következő generáció tapasztalt szakembereit?

N.G.: Ez már nem egyszerűen HR-kérdés, hanem stratégiai probléma. Ha ma nem veszünk fel juniorokat, öt év múlva nem lesznek seniorjaink. Nem lehet kizárólag az a cél, hogy az AI gyorsítsa vagy rövidítse a munkát. Közben azt is végig kell gondolni, hol és hogyan lép be egy pályakezdő a szervezetbe.

A junior szerepe megváltozhat. Lehet például korrektor, irányíthat AI-ügynököket vagy ellenőrizheti azok munkáját. Nem feltétlenül azt tanulja meg először, hogyan gépelje be vagy készítse el manuálisan az alapfeladatot, hanem azt, hogyan hozzon jó döntést egy AI-jal támogatott folyamatban.

Ezekben a munkafolyamatokban továbbra is szükség lesz emberi kontrollpontokra és jóváhagyásra. Valamilyen értelemben a mester-inas modell új változata jöhet létre.

Az AI használatához egyre több adatot és vállalati kontextust kell átadni. Hol van az a határ, ahol már túl sok kontrollt adunk fel?

N.G.: Céges környezetben szabályozni kell, mi kerülhet be a rendszerbe, ki fér hozzá, és hogyan használható. A nagyobb probléma azonban sokszor nem az adatmennyiség, hanem a kontextus hiánya. Attól, hogy újabb száz táblázatot töltünk be, az AI nem feltétlenül lesz jobb.

Egy vállalatnál rengeteg dokumentum és adat áll rendelkezésre, de ezekből nem derül ki, hogyan jutottak el egy döntésig, milyen zsákutcákba futottak bele, vagy miért éppen a tizenkettedik változat lett a végleges szerződés. A valódi vállalati tudáshoz a változások történetét és okait is rögzíteni kell, az adatok mellett a szokásainkat, döntési szempontjainkat és működési korlátainkat is hozzáférhetővé kell tennünk, hogy az AI később értelmezni tudja a döntések hátterét. Ha azt kérjük, hogy „válaszold meg ezt a levelet úgy, ahogy szoktuk”, tudnia kell, mit jelent nálunk az „ahogy szoktuk”. Nem adhatunk autonómiát iránytű nélkül.

Ezért egyre fontosabb a meetingek, az ügyfélkommunikáció és a döntési folyamatok dokumentálása. Sok cégnél a tudás harminc-negyven százaléka ma is néhány kulcsember fejében van. Ezért a kilépőinterjúkon sem csak azt érdemes megkérdezni, miért távozik valaki, hanem azt is, milyen tudás veszhet el vele.

Mit szeretne, hogy az AI Talks közönsége másnap reggel másképp csináljon?

N.G.: Ne csak kérdezzen az AI-tól, hanem bízzon rá egy konkrét, ismétlődő feladatot. Adja meg a kontextust, a célt és a korlátokat, majd nézze meg, mi történik. A modellek egyre inkább képesek arra, hogy részletes utasítások nélkül, a célok és korlátok alapján maguk szervezzék meg a munkát. A vezetőknek pedig azt javaslom, kérdezzék meg a csapataikat, mire használják már most az AI-t, akár hivatalosan, akár titokban. Valószínűleg meglepődnek majd.