AI és a magyar munkaerőpiac: kit hoz előnybe, és kit sodor partvonalra?

Milyen döntési keretrendszer alapján jelentheti ki egy cég, hogy érdemes AI implementációban gondolkodnia? Milyen belépési feltételek vannak, és melyek azok a vörös zászlók, amelyek jelzik, hogy más fejlesztési megoldás hatékonyabb lehet?

A mesterséges intelligencia valóban nagy hype-ot kapott manapság, fontos azonban, hogy a vállalatok alaposan mérlegeljék, mikor érdemes AI-t alkalmazni, és mikor célszerűbb más megoldást választani. Több szempontot is figyelembe kell venni a döntéshozatal során: meg kell vizsgálni, hogy rendelkezésre áll-e megfelelő mennyiségű és minőségű adat az AI betanításához. Ha nincs elegendő releváns adat, az komoly akadályt jelenthet.

Fontos felmérni, hogy a cég rendelkezik-e a szükséges technológiai infrastruktúrával és szakértelemmel az AI-rendszerek implementálásához és működtetéséhez. A munkaválallókról sem szabad megfeledkezni, a célterületen tevékenykedő kollégák képzése, közel sem triviális történet.  A legfontosabb pedig talán az, hogy az AI-megoldás valóban hatékonyabb - elsősorban költséghatékonyabb-e - a hagyományos módszereknél az adott probléma megoldására.

Vörös zászlónak tekinthető, ha a cég nem tudja pontosan meghatározni, milyen üzleti problémát szeretne megoldani az AI-val, de mindáron AI-t szeretne. Az is intő jel lehet, ha már AI Agentek működését várja, de a digitalizációs életútban még egyetlen lépést sem tett meg.

Sólyom Balázs, a Trendency Zrt. adatüzletágának vezetője Fotó: Berecz Valter

Mi a tapasztalata, a cégek mennyire érdeklődnek az AI megoldások iránt? Ügyféloldalon milyen valós igényeket észlel?

Tapasztalatom szerint egyelőre nem jellemző, hogy mindenki használni akarná az AI‑t, sokkal inkább az eladói oldal aktív. Konferenciákon és a LinkedInen főként beszállítók és tanácsadók a leghangosabbak a témában, miközben ügyféloldalról az igény gyakran még nem érkezett meg.

Sokan hajlamosak az AI és a ChatGPT között egyenlőségjelent tenni, holott az AI ennél egy jóval nagyobb halmazt képes lefedni.

Ezen felül leginkább mikroszintű feladatokra használják, például fordításra, dokumentumok, e-mailek szortírozására, összefoglalására. Ezek hasznosak, de ritkán eredményeznek vállalati szintű, mérhető üzleti hatást. A nagy nyelvi modellekre (LLM‑ekre) épülő chat eszközök használata ma már szinte bárki számára elérhetők, különösebb technikai tudás, nagy adatvagyon vagy komoly beruházás nélkül.

Mi az a szervezeti és adatérettségi küszöb, amely felett az AI implementálása valóban érdemi eredményt hozhat?

Őszintén szólva, ma még kevés cég tudja deklarálni, hogy szüksége van-e AI-ra vagy sem, éppen ezért nehéz felelősen meghatározni egyértelműen, hogy "neked ez való, neked pedig nem". Mi ezért fordítva közelítünk, és azt javasoljuk, hogy először legyen kristálytiszta, hogy a szervezet ma, mire képes. Sok helyen ez is hiányzik: a vezetők jól ismerik a cégüket, mégis gyakran nincs pontos képük arról, milyen adatvagyonon ülnek, az mire használható, és valójában milyen feltételek mellett működhet náluk bármilyen AI‑alapú megoldás, és milyen szinten hat ez a vállalat működésére – például mi optimalizál költséget, mi termelhet többletbevételt.

Az LLM‑ek ebben azért különlegesek, mert demokratizálták a belépést, egy ChatGPT-t vagy Gemini-t vagy Copilote-ot szinte bármelyik vállalat tud használni. De, amikor prediktív modellekről, gépi tanulásról vagy anomáliadetektálásról beszélünk, ott már szükség van megfelelő adatmennyiségre és -minőségre, valamint kiforrott infrastruktúrára—ez a legtöbb helyen még nincs meg.

A tavaszi felmérésünk, amelyben közel 300 cég vett részt, arra mutatott rá, hogy bár sokan az idő- és költségmegtakarításra használnák az AI‑t, a többség nem méri a hatást, sőt, sok helyen még koncepció sincs arra, hogy hogyan lehetne mérni. Ilyen helyzetben jogos a vezetői kérdés: hol a kimutatható plusz 10–20% megtakarítás vagy a plusz bevétel? Ez azért nem jelenik meg, mert ritkán készül valódi business case és folyamat‑újratervezés az AI rendszerek implementálása előtt.

A megoldás egy célzott audit: először azonosítani kell a valós problémát, és azt, hogy egyáltalán AI‑ra van‑e szükség az adott cél eléréséhez.

A mesterséges intelligencia nem minden vállalatnak és nem minden feladatra megfelelő. Ott éri meg, ahol nagy adathalmazból kell mintázatokat előállítani és döntést támogatni – például a legértékesebb ügyfelek azonosítására, a lemorzsolódás előrejelzésére vagy akár ügyfélszegmentálásra.

Milyen üzleti kockázatot jelent, ha olyan területeken erőltetik AI‑t, ahol nem érdemes? Miből lesz drága zsákutca?

Az AI‑beruházások könnyen hatalmas költséggé és erőforrás‑lekötéssé válhatnak: a fejlesztés pénzt visz, a munkatársakat elvonja, közben a napi működés akadozhat. Drága zsákutca lesz belőle, ha a kezdeményezés csak kínálati oldalról érkezik - például "Vegyetek AI Agent-et, mert most ez a hype!" felkiáltással, anélkül, hogy az adott AI értékesítő szoftvercég az ügyfél valós problémáit és igényeit feltárta volna ezt megelőzően. Ilyenkor a cég sok pénzt és időt fordít a bevezetésre, majd a megoldás használhatatlannak bizonyul. Épp pár hete jelent meg egy MIT‑tanulmány, amely

szerint a generatív mesterséges intelligenciával kapcsolatos vállalati projektek 95%-a kudarcot vall, és csak 5% éri el a kitűzött célt. Vagyis ez azt jelenti, hogy a rendszer "működik", lehet vele beszélgetni, ír szöveget, generál kódot, de nem nő tőle mérhetően a bevétel, nem csökken érdemben a költség. 

Az informatikai megvalósítás önmagában kevés, a szervezeten belüli tudásdeficit és az alacsony felhasználói elfogadottság könnyen meghiúsítja a bevezetést. A fentebb említett "fordított megközelítés" a mi tapasztalataink szerint drasztikus módon tudja csökkenteni a kockázatot, és pontos támogatást nyújt a technológiai dolgokon túl, a szervezeti kérdésekben is.

Jelenleg még ritkán készül valódi business case és folyamat‑újratervezés az AI rendszerek implementálása előtt Fotó: Berecz Valter

Ha már a tudásdeficitet említette: mi a minimum „AI‑alapműveltség”, amit 2025‑ben el lehet várni egy munkavállalótól?

Őszintén szólva erről nehéz ítéletet mondani, mert az AI‑használat sikere erősen függ az adott területtől és a kollégák digitális érettségétől. Magyarországon nagy a szórás: még alap irodai feladatok is gondot okozhatnak egyes helyeken, és ha a digitális alapok akár munkavállaló akár céges szinten (például mobilbarát web, rendezett adathasználat) sincsenek meg, akkor nehéz elvárni a legújabb AI‑modellek magabiztos használatát.

Ami a közeljövőben elengedhetetlen lesz, az egyfajta konszenzuális alapműveltség arról, hogy mire jók a nagy nyelvi modellek, és ezeket hogyan kell vagy lehet alapszinten használni. Ezek közé a feladatok közé tartozhatnak például a szöveggenerálás, a fordítás, riportolás, alapadat‑elemzés. Nem szabad figyelmen kívül hagyni, hogy a közös megértés nem lehetséges nyitottság nélkül: nehéz úgy hétköznapi értelmezést adni az AI-nak, ha a felhasználókban nincs kíváncsiság, vagy félnek kipróbálni ezeket az eszközöket. Ehhez célzott képzések kellenek, valamint világos keretek, hogy pontosan mire szabad használni a belső chatbotokat, és mire nem, hogyan tanítjuk őket, milyen témákban érdemes segítségül hívni őket.

Összességében a vállalati AI-implementálás még gyerekcipőben jár. Ezeket a rendszereket emberek fejlesztik és a mi adataink formálják, ezért a torzítások is a társadalmi mintákat tükrözik vissza. Vállalati oldalon nincs mindenre univerzális "csodafegyver", folyamatos gondozásra van szükség. Ez gyakorlatban azt jelenti, hogy szükség van dedikált AI szakértői csapatra vagy megfelelő tanácsadókra, egyértelmű szabályokra és jogosultságokra, rendszeres monitorozásra és visszacsatolásra.

A helyzet inkább vírus–antivírus logika szerint működik: ahogy felbukkan egy új felhasználási mód vagy kockázat, frissíteni kell a szabályokat, oktatni a felhasználókat, és irányítani őket.

A cél nem lehet a "szellem" palackban tartása, mert arra vajmi kevés esélyünk van, viszont a tudatos, biztonságos és hasznos működtetés elérhető.

Tényleg reális, hogy az AI rövid távon munkahelyeket szüntet meg? Amerikai techóriások – például a Microsoft, az Amazon Web Services vagy az Intel– az utóbbi hónapokban komoly leépítéseket jelentettek be. Ezeket már intő jelként vehetjük, vagy inkább átstrukturálásról van szó? Mire készüljön egy magyar dolgozó a következő 3–5 évben?

Nem fekete‑fehér a kép.

A kreatív, erős egyedi látásmódra épülő szakmák - mint például fodrász, séf, fotós - rövid távon védettebbek, mert a generatív AI alapvetően meglévő mintákból építkezik, nem teremt új személyiséget vagy stílust. Nagyobb a kockázat ott, ahol a munka ismétlődő, sablonos (például hírátvételek, rutintartalom‑gyártás): ezeket az AI már most is jól utánozza.

A technológiánál ugyanakkor nemcsak a „munkát elveszi‑e” kérdés a lényeg, hanem a munkaerő‑utánpótlás is. Sok területen az AI ma már junior–medior szintű teljesítményt tud hozni, de emberi felügyeletre továbbra is szüksége van. Ha viszont a cégek emiatt nem vesznek fel juniorokat, akkor ki és hogyan nő fel szeniorrá? Ki fogja majd ellenőrizni a gépet? Könnyen kialakulhat hosszú távú tudáshiány.

Ezért a valódi kihívás most a tranzíció: hogyan építünk be AI‑támogatott gyakornoki/junior pályákat, milyen feladatokat adunk a kezdőknek, hogyan tanítjuk és ellenőrizzük őket.

Lesznek pozíciók, amelyek megszűnnek vagy átalakulnak, de az égető kérdés jelenleg az, hogy miként biztosítjuk a következő generáció belépését és fejlődését egy AI‑val átszőtt munkakörnyezetbe.

Sólyom Balázs kihangsúlyozta, a mesterséges intelligencia nem minden vállalatnak és nem minden feladatra megfelelő

A Trendency Online Zrt. több mint 20 médiummal áll kapcsolatban. Mit gondol, az AI válaszfelületek hogyan befolyásolják a kiadók, szerkesztőségek, médiumok forgalmát és hirdetési bevételeit?

Lényegében két irány között kell dönteni: a kérdés, hogy olvasóbázist akar valaki építeni, vagy az algoritmusoknak szeretne inkább megfelelni. A nagy platformok, mint a Facebook vagy a Google évek óta abba az irányba tolják a fogyasztóikat, hogy a minél több időt töltsenek a felületeiken, és ha el is hagyják, ugyan oda térjenek vissza: saját böngészőt fejlesztettek, a kivezető linkeket tartalmazó posztok organikus elérését letekerték, a cél a figyelem ökoszisztémában tartása, ami ellentétes a média céljával. Ha valaki ezt szolgálja ki, állandóan az algoritmushoz kell igazodnia.

Az AI összefoglalóknak nem fog kelleni 20-30 olyan oldal ami ugyan azon tartalmakat másolgatja egy kaptafára, ez pedig a piac racionalizálódásához fog vezetni, más szóval sok szereplő ki fog szorulni ebből a működésből..

A másik út az, hogy kevesebb, de saját, egyedi értéket adó tartalom előállítására koncentrál a médium, így erősebb a kapcsolat az olvasóval, aki nem csak ajánlókból vagy egy feedből fog az adott oldalra menni, hanem saját, tudatos szándékból. Nemzetközi példa, hogy egyes lapok, például a Le Monde az utóbbi években növelte az újságírói létszámot, miközben csökkentették a cikkek számát. Kiszálltak a hírversenyből, és a saját belső anyagaikra, elemzéseikre építenek. Erre van igény, nem a huszonnyolcadik hírátvételre, hanem a saját nézőpontra és magyarázatra — igaz, itt is nagy a verseny. Ezt talán alátámaszthatja az is, hogy a szóban forgó francia médium már a bevételeinek több mint 30%-t az online előfizetőiből realizálta.

A Google AI‑összefoglalói még nagyon újak, a fogyasztói szokások finoman szólva sem kiforrottak. Valószínűleg szét fog válni, hogy mikor hogyan keresünk, és mitől várunk, vagy mitől kapunk választ, már most megfigyelhető, hogy van, hogy a Google egyből egy videót kínál, van hogy termékeket, van, hogy AI Summary-t van pedig, hogy a sokak által hőn áhított klasszikus találati listát. A döntőbíró végső soron a felhasználók keresési szokásai, amelyek dinamikusan változnak: az már napjainkban tetten érhető, hogy ameddig korábban sok-sok évnek kellett eltelnie ahhoz, hogy 1 kulcsszóról 2-3 szavas kulcsszavakat is be merjenek írni a felhasználók a keresőbe, ehhez képest nagyon gyorsan ráálltak már a komplex kérdések feltételére.

Az AI a mindennapi munkában inkább felpörgeti és javítja a teljesítményt, vagy inkább kényelmessé tesz, és erodálja a kritikus gondolkodást?

Az AI nem fejleszti, ellenkezőleg, ha kontroll nélkül használjuk, leépítheti a kritikus szemléletet. Az internet és a közösségi platformok is a kényelemre optimalizálnak, gyors választ adnak, kevés erőfeszítést kívánnak. Az AI is ilyen: ha valaki úgy tekint rá, mint tévedhetetlen forrásra, ritkábban kérdez vissza, ritkábban ellenőriz. Volt arra példa az oktatásban, hogy egy iskolai dolgozatnál a ChatGPT tévesen sorolta fel Az ember tragédiájának színeit, és csak célzott visszakérdezésre javította ki magát. Aki nem ismeri az alapművet, észre sem veszi a hibát. Ez jól mutatja, hogy kritikus gondolkodás nincs alaptudás nélkül.

Ugyanakkor határozott keretek között az AI kifejezetten jó segítő lehet. Az iskolában és a munkahelyen is működik a koprodukciós modell: a felhasználó készít egy vázlatot vagy kivonatot, az AI bővíti, vagy épp fordítva, az AI ad egy első változatot, az ember pedig forráskritikával javít.

Vállalati oldalon ez szabályokkal és mérési pontokkal tehető biztonságossá, kötelező forrásmegjelöléssel és duplaforrás‑ellenőrzéssel, prompt‑ és ellenőrzőlistákkal, szerepkör‑alapú mini‑képzésekkel.

Így az AI nem autopilot, hanem copilot: gyorsít, de az ítélőképesség az emberé marad. Akik megtanulják tudatosan használni — kérdezni, ellenőrizni, kontextusba helyezni —, előnyt szereznek, akik viszont vakon rábízzák magukat, lemaradnak.