A nagy AI-sztori: nem mindenre az AI a válasz, de nagy segítség lehet a magyar cégeknek
Itt állíthatja be, hogy a Google keresőben elsők között legyen a VilággazdaságA mesterséges intelligenciáról sok vállalat még mindig úgy gondolkodik, mintha önmagában megoldás lenne minden problémájára. Ha bevezetnek egy AI-eszközt, hatékonyabb lesz a működés, gyorsabb a munka, jobb a döntés. Farkas Dávid adattudós, a Principle Zero társalapítója szerint azonban ez veszélyes leegyszerűsítés: az AI nem egyszerűen megoldja a meglévő folyamatokat, hanem felerősíti azt, ami már eleve ott van a rendszerben, a magyar cégekben is. A podcast állandó szakmai vendége Aczél Petra kommunikációkutató, a Széchenyi István Egyetem professzora.
A teljes adást itt tekinthetik meg:
Ha egy cég tudatosan működik, átgondolt digitális folyamatai vannak, érti a saját adatait, és tudja, hol akar értéket teremteni, akkor az AI valóban komoly versenyelőnyt hozhat. Ha viszont a vállalat csak az analóg folyamatait másolta át a digitális térbe, majd erre engedi rá a mesterséges intelligenciát, akkor könnyen ugyanazokat a hibákat fogja gyorsabban és nagyobb mennyiségben újratermelni.
Farkas Dávid szerint egy vállalati AI-átállás legfeljebb kisebb részben technológiai kérdés. Az IT-biztonságot, az infrastruktúrát és a technikai implementációt természetesen meg kell oldani, de a nagyobb feladat emberi és szervezeti:
meg kell érteni, hogyan dolgoznak az emberek, milyen döntési pontok vannak a cégben, mit lehet automatizálni, és mi az, amit nem szabad átadni a gépnek.
Ez különösen fontos azért, mert az AI jelenlegi formájában nem helyettünk gondolkodó, mindent megoldó rendszer, hanem inkább erősítő. Felerősítheti a jól működő döntési folyamatokat, de ugyanígy felerősítheti a szervezet zavarait, rossz adatkezelését, pontatlan munkafolyamatait vagy végig nem gondolt üzleti logikáját is.
Felmerült, hogy lehet-e ma AI nélkül vállalatot építeni. Farkas Dávid szerint lehet, mert önmagában nem az a lényeg, hogy egy cég AI-t használ-e, hanem az, hogy jó minőségű, költséghatékony és értékes szolgáltatást tud-e nyújtani. Az „AI-cég” címke szerinte idővel ugyanúgy elhalványulhat, ahogy a kétezres évek elején az „internetes cég” megjelölés is elvesztette különleges jelentését.
Ez az AI-startupoknál különösen fontos. Ha valaki úgy indul el, hogy „AI-startupot” akar építeni, az Farkas Dávid szerint nagy eséllyel rossz irányból közelít. Előbb problémát kell találni, majd meg kell vizsgálni, hogy arra valóban az AI-e a jó megoldás. Lehet, hogy igen, de az is lehet, hogy egy egyszerűbb automatizáció, egy jól megírt folyamat vagy akár egy „falapát” jobb eszköz lenne.
A legnagyobb kockázat azoknál a cégeknél jelenik meg, amelyek csak vékony réteget építenek rá egy nagy nyelvi modellre. Ha egy startup például fog egy frontier modellt, hozzátesz egy kisebb felületet vagy egy-két pluszfunkciót, akkor könnyen előfordulhat, hogy a következő modellfrissítés egy mozdulattal lenullázza az üzleti értékét.
A tartós érték nem abban van, hogy valaki használ egy API-t, hanem abban, hogy saját tudásbázist, folyamatot, logikát és piaci tapasztalatot épít köré.
Az AI-vállalkozások jövője ezért nem a puszta technológiai címkézésről szól. Egy jó AI-folyamatnak konzisztensen, sok futáson keresztül kell jól működnie. A vállalatnak tudnia kell, milyen információ megy be, milyen formátumban jön ki a válasz, hogyan ellenőrzi az eredményt, és hogyan épül erre a következő lépés. Ez már nem egyszeri demonstráció, hanem valódi üzleti rendszer.
A globális AI-versenyben Farkas Dávid szerint az amerikai, kínai és európai megközelítés között is fontos különbségek látszanak. Az Egyesült Államok célja a legerősebb, legokosabb modellek létrehozása, miközben Kína és Európa inkább abban lehet érdekes, hogyan lehet olcsóbban, nyíltabban vagy vállalati környezetben hasznosítható módon működtetni a technológiát. A Mistral példája is azt mutatja: nem minden szereplő akar vagy tud beszállni a frontier modellek tőkeigényes versenyébe, ezért a hangsúly átkerülhet az implementációra.
Felmerült, mi történne, ha holnap minden magyar irodai dolgozó kapna egy kimeríthetetlen prémium AI-asszisztenst. Farkas Dávid szerint sokan valószínűleg nem is használnák, mert
önmagában egy új eszköz nem változtatja meg a munkavégzést.
Motiváció, képzés, vezetői szándék és világos cél kell ahhoz, hogy az AI tényleg jobbá tegye a munkát. Kontroll nélkül viszont könnyen abszurd helyzetekhez vezethet. Az egyik ember öt gondolatból AI-jal hosszú e-mailt írat, a másik oldalon pedig valaki ugyanazzal az AI-jal visszasűrítteti ugyanarra az öt gondolatra. Ilyenkor a technológia nem hatékonyságot teremt, hanem felesleges kerülőutat épít.
Az AI tehát nem attól lesz értékes, hogy mindenbe beletesszük, hanem attól, ha tudjuk, mit akarunk vele elérni, hol van rá szükség, hol veszélyes, és mi az, amit továbbra is emberi gondolkodásnak kell megtartania.
Részletek a beszélgetés tartalmából:
- Mi köti össze az emberi gondolkodás megértését az adatokkal? (01:01)
- Mi a különbség adat és információ között, és hogyan segíthetne az AI az információzaj szűrésében? (05:16)
- Mit jelent ma adattudósnak lenni, és hogyan változott a szakma az elmúlt években? (06:24)
- Ki tudja-e váltani az AI az adattudós munkáját? (09:10)
- Lehet-e ma vállalat AI nélkül, és mit jelent valójában az AI-cég? (13:52)
- Mitől lesz tartós üzleti értéke egy AI-alapú szolgáltatásnak? (15:31)
- Hogyan érdemes AI-startupot indítani 2026-ban? (20:32)
- Miben különbözik az amerikai, kínai és európai AI-stratégia? (22:57)
- Mikor válik veszélyessé az AI egy cég működésében? (28:33)
- Mi történne, ha minden magyar irodai dolgozó kapna egy prémium AI-asszisztenst? (32:59)
A korábbi podcastjeinket itt hallgathatják meg.
