Lépést tartani az intelligencia-robbanással – Nyerő stratégiák a mind ádázabb AI-versenyhez az AI in Business nagyágyúitól

Az AI valódi üzleti értéke akkor jelenik meg, ha a vállalatok egy adott problémára választ keresnek, és közben nem engedik el az emberi kontrollt – sem a programozásban, sem az infrastruktúrában, sem a döntésekben, szólt a Portfolio AI in Business 2026 konferencia egyik legjobban várt panelbeszélgetésének megállapítása.

A beszélgetés egyik központi állítása Kathleen Walchtól, a Project Management Institute igazgatójától érkezett: a nagy szervezetekben nem az AI-tól tartanak az emberek, hanem attól, hogy nem tudják, mi fog történni velük és a munkájukkal.

A globálisan Top10 AI thought leaderként számon tartott szakértő úgy véli, hogy a cégvezetőknek nem kell technikai szakértővé válniuk ahhoz, hogy AI-vezetők legyenek,

ellenben érteniük kell ahhoz, hogyan vezessék be a technológiát bizalomépítő módon, és hogyan „vigyék végig” az embereket ezen az úton.

Ennek része a személyre szabott tanulás is: a különböző szerepköröknek és tudásszinteknek eltérő tanulási pálya kell, különben a bevezetés könnyen ellenállásba, majd kiábrándulásba torkollik.

Tudatosság nélkül nem fog menni

Az emberek nem az AI-tól félnek, és nem miatta mutatnak ellenállást, őket valójában a bizonytalanság aggasztja

– értettek egyet a meghívott szakértők.

Jakab Roland a hazai kkv-k helyzetéről azt mondta: az AI-használat terjed, sokszor az alkalmazottakon keresztül, de gyakran „shadow AI” formában – vagyis egyéni, saját előfizetésekkel, nem vállalati keretek között. Emiatt a szervezeti szintű „AI-first” újratervezés – amikor a munkafolyamatokat eleve AI-ra optimalizálják – még jellemzően lemaradásban van. A megoldás szerinte a vezetői tudatosság erősítése, a helyes használatot ösztönző szabályozás és a széles körű képzési programok felfuttatása.

Szintlépés vibe és agentic codinggal

A „vibe coding” és az ügynökalapú (agentic) megoldások kapcsán Walch óvatosságra intett: a legtöbb szervezet nincs felkészülve arra, milyen gyorsan és mennyire átalakíthatják a munkavégzést ezek a megközelítések, ahol programozási ismeretek nélkül is bárki létrehozhat komplex digitális munkafolyamatokat. Szerinte az AI „nem egy ’set it and forget it’ műfaj”: lesznek korai adaptálók, de a többség túlterhelt, bizonytalan, és nem fog magától tanulni – vagy ha igen, csak kis zárványokban, sikertelen próbálkozásokkal.

Jakab Roland ehhez kapcsolódva azt hangsúlyozta: az AI által generált „rengeteg output” önmagában nem érték, sőt kifejezetten káros is lehet, ha elárasztja a szervezetet – ezért a felelősségvállalás és a minőségi kontroll kulcskérdés.

A kevesebb sokszor több: az AI-jal készült kódért és dokumentumokért ugyanúgy felelősséget kell vállalni, különben csak zajt termelünk érték helyett

– vélekedett a HUN-REN vezérigazgatója, míg az AI-infrastruktúra és a szuverén AI kérdésében rámutatott, hogy rétegzett kockázatkezelésre van szükség: pontosan meg kell mondani, mely adatok mehetnek a public cloudba, és mely iparágaknál kell az adatokat országon belül, saját tulajdonú adatközpontokban tartani.

Kathleen Walch ugyanakkor emlékeztetett: mielőtt infrastruktúráról vagy modellméretről vitázunk, azt kell tisztázni, milyen problémát akarunk megoldani.

Intelligencia-robbanásra felkészülni

A beszélgetés központi témája volt még az „intelligence explosionként” emlegetett jelenség, ahol már a mesterséges intelligencia rendszerek saját magukat fejlesztik, és ezáltal gyorsítják még szédítőbb tempóban a fejlesztési ciklusokat. Ezzel kapcsolatban Walch a „human in the loop” elv fontosságát hangsúlyozta:

minél jobbak az eszközök, annál könnyebben alakul ki az a csapda, hogy az emberek nem ellenőrzik a kimenetet.

Bár lenyűgöző, hogy a rendszerek egyre inkább „magukat építik”, a stratégiánk kulcsa akkor is az kell legyen, hogy az embert ’körön belül’ tartsuk – mert ha abbahagyjuk az ellenőrzést, egyre kevesebbet értünk abból, mire és hogyan támaszkodunk

– mondta.

Ennek következménye lehet az „AI slop” jelensége is: a látszólag profi, jól csomagolt anyagok, amelyek közelebbről nézve üresek, pontatlanok vagy következetlenek. Jakab szerint pedig a tempó már kutatási szinten is olyan, hogy naponta jelennek meg új eredmények – ezért szervezeti szinten is kell egy „felderítő és validáló” kapacitás, amely a hype helyett a működőképességet bizonyítja.

Címlapkép forrása: Portfolio