Az AI nem ketchup, amit mindenre rá kell önteni: így lesz használható pilotból mindennapi gyakorlat

Turny Ákos moderátorként egy kutatási eredménnyel indította a beszélgetést: a mesterséges intelligenciába irányuló beruházások nemzetközi szinten gyorsan nőnek, és a nagyvállalatok a korábbinál nagyobb részt szánnak erre az árbevételükből. Kiemelte, hogy a vezetők többsége akkor is folytatná a befektetéseket, ha az adott évben még nem látszik azonnali megtérülés, ami hosszabb távú elköteleződést jelez.

A Boston Consulting Group igazgatója szerint a következő „szintugrás” ma már elsősorban szervezeti kérdés: az számít, ki tudja a jól működő kísérleteket beilleszteni a mindennapi folyamatokba. Ennek felvezetésére személyes kérdéssel fordult a résztvevőkhöz: ki hogyan tartja karban a saját tudását, és mennyi időt tölt ezzel hetente.

Linczmayer Zsófia, a KPMG associate partnere az AI használatának, implementálásának tanulását nem órákban mérte, inkább folyamatos, több csatornán zajló fejlődésként írta le, a szakmai beszélgetésektől az online képzésekig. Hangsúlyozta, hogy a szervezetekben ugyanezt kell támogatni: nem elég egy egyszeri oktatás, belső programok és rendszeres tréningek kellenek, hogy a tudás széles körben megjelenjen.

Amikor a magyar cégek helyzetéről kérdezték, árnyalta a képet: sokan ma is kizárólag a szöveget és tartalmat előállító megoldásokra gondolnak, pedig előrejelzési modelleket már régóta használnak például pénzügyi tervezésben. Szerinte a személyes hatékonyságot támogató eszközök jó belépési pontok lehetnének, de a tudatos bevezetés és visszamérés gyakran hiányzik.

Achilles Georgiu, a MOL Csoport AI-stratégiai vezetője azt emelte ki, hogy egy termelő vállalatnál az értékteremtés több lépcsőn át épül: kísérletből működő megoldás, majd üzleti területre illesztés és végül skálázás lesz. Elmondta, hogy náluk egyszerre sok területen futnak kezdeményezések, ezért nem mindig lehet egyetlen „csodamegoldást” kiemelni, az AI nem ketchup, amit mindenre rá kell önteni. Mégis érzékletesen beszélt a fejlesztési sebesség ugrásáról: ami korábban hónapokig tartott, ma napok alatt létrejöhet, és a cél a további gyorsulás.

Georgiu szerint a legnagyobb ígéret nemcsak a folyamatok javítása, hanem a működés újragondolása lenne, vagyis hogy a cégek már eleve úgy tervezzék a működésüket, hogy számolnak a mesterséges intelligencia képességeivel. Úgy látta, ezen a legmagasabb szinten még kevés területen tartanak, de az irány adott.

Lóska Gergely, a K&H informatikai és innovációs vezetője banki oldalról kézzelfogható példát hozott: digitális pénzügyi asszisztensük már évek óta működik, és nagyszámú ügyfél használja, így náluk bizonyos felhasználási módoknál a kísérleti szakasz már lezárult. Vezetőként ugyanakkor nem technológiai részletekben mélyül el, hanem azt keresi, mely innovációs kulcsterületek adnak versenyelőnyt, és az AI csak akkor kerül előtérbe, ha valóban jó eszköz a célhoz.

A mérésről is konkrétan beszélt: a közvetlen hatás szerinte leginkább bevételnövekedésben, hatékonyságjavulásban és kockázatcsökkentésben ragadható meg. A banki világ dilemmájaként felhozta, hogy autonóm döntések esetén a felelősség és az ellenőrizhetőség nem megkerülhető, mert egy rosszul igazolható döntés komoly kockázatot hozhat. Szerinte ezért „kontrollált autonómiára” van szükség, ahol a jogosultságok és a felülvizsgálat keretei előre rögzítettek.

Strén Gábor, az Amazon Web Services Hungary nagyvállalati üzletágának képviselője a szolgáltatói oldal kettősségét hangsúlyozta: hiába technológiai cégben dolgozik, a saját munkájában is felhasználóként találkozik az új, intelligens funkciókkal. Példaként hozta, hogy az üzleti tervezésben a mennyiségi elemzések mellett ma már a szöveges, indoklást és befektetési igényeket összerakó részeket is támogatják gépi megoldások.

A piacon szerinte azok a megoldások terjednek a leggyorsabban, amelyek sok iparágban hasonlóan hasznosak, például ügyfélszolgálati rendszerekben vagy a szoftverfejlesztés gyorsításában. Emellett a következő hullámot abban látta, hogy a mesterséges intelligencia kilép a tisztán digitális világból, és a fizikai automatizálásban, robotikában is szerepet kap. Figyelmeztetett: a technológiai irányok gyorsan változhatnak, ezért a cégeknek a célokat és mérőszámokat kell stabilan tartaniuk, miközben a megoldásokat rugalmasan cserélik.

Szertics Gergely, a HUN-REN AI Szolgáltatási Központ igazgatója a kutatói hálózat nézőpontját hozta be: náluk rengeteg párhuzamos mikroprojekt fut, és a feladat inkább a szervezeti képességek fejlesztése, mint egyetlen „nagy rendszer” bevezetése. A saját tanulásáról azt mondta, ritkán ül le hosszú órákra, inkább folyamatos figyelemmel követi a területet, mert az impulzusok állandóan jönnek.

Két irányt különített el: egyrészt magának a mesterséges intelligenciának a kutatását, másrészt az AI használatát a tudományos munka támogatására. Szerinte a szervezetben mindig lesz egy lelkes élcsapat és egy óvatosabb többség, ezért rétegezett fejlesztés kell, különben túl nagy marad a szakadék. Az autonóm „ügynökök” kapcsán arra hívta fel a figyelmet, hogy az ellenőrzés kérdése mindennél fontosabb: ha a rendszer gyorsan és összetetten dolgozik, akkor nem a régi, lépésenkénti kontroll skálázódik, hanem új felügyeleti logikát kell kitalálni.

A beszélgetés végig ugyanabba az irányba futott össze: a sikert többnyire nem a technológia önmagában hozza, hanem az, hogy van-e világos cél, megfelelő adat, reális elvárás, és hogy az embereket végigkísérik-e a változáson.

Turny Ákos záró kérdése – mennyire támogatja a szervezeti hangulat az AI-t – összességében optimista képet festett, de egy fontos kitétellel: nem az átlag számít, hanem a különbségek. A lelkes „húzóemberek” mellett mindenütt ott vannak azok is, akik még kivárnak, és ezt a feszültséget a következő években tudatosan kell kezelni. A panel tanulsága így végül józan: a mesterséges intelligencia nem varázslat, hanem szervezeti tükör, amely felnagyítja a célok, adatok és működési fegyelem hiányait, viszont ahol ezek rendben vannak, ott tartós eredményt tud hozni.

Címlapkép forrása: Portfolio