AI-forradalom Magyarországon: óriási a töredezettség, a tátongó szakadékok áthidalása hatalmas kihívást jelent

Magyarországon hol tartunk most az AI technológia fejlődési ciklusában és használatában? Megvannak már azok a use case-ek, amelyek valóban eredményeket szállítanak?

Kormos Benjámin: Szerintem óriási a töredezettség, bár ez talán nem meglepő Magyarországon. A fejlődésben nagyon elhúztak a legnagyobb bankok és a távközlési vállalatok, ám a náluk nem sokkal kisebb cégek, biztosítók és egyéb pénzügyi szervezetek eléggé le vannak maradva. Ugyanakkor még a nagy szereplők között is látni jelentős eltéréseket, van, ahol az eltérő szabályozás jelenti az akadályt, valahol a legacy rendszerek jelentik a szűk keresztmetszetet, amikhez sokszor nagyon nehéz az AI-architektúrákat, megoldásokat párosítani. A távközlési cégeknél például több a zöldmezős beruházás és az újfajta, microservice alapú fejlesztés, ami sokkal könnyebben lehetővé teszi azt, hogy ne monolit rendszerekben, hanem kis robotokban, agentekben gondolkodjanak.

Elkezdtek megjelenni és jól teljesíteni azok a use case-ek, amik már erőforrást spórolnak: kódolásban, illetve egyszerűbb munkafolyamatok kiváltásában ez már látható értéket teremt.

De akkor lesz igazi áttörés, amikor már nem azon gondolkodunk, hogyan tudja az AI lemásolni vagy helyettesíteni az ember munkáját, hanem úgy alakítjuk át a meglévő folyamatokat, úgy tervezzük a jövőbeni fejlesztéseket, hogy az az AI-jal kompatibilis legyen: precíz döntési logikával, megfelelő tudáskontextussal és beépített kontroll pontokkal.

Csorba Gyula: A hazai piacon, azok a vállalatok, akik már az elmúlt 10 évben is tudatosan fordítottak pénzt és erőforrást arra, hogy innováljanak, digitalizálják a munkafolyamataikat, azok most az AI-ban is nagyon elöl járnak. Az egyébként is jelentős technológiai érettség-beli különbség „olló” most még jobban kinyílt. A lemaradók között sokan csak most keresik a lehetőségeket, hogy hogyan lépjenek az AI-adaptáció útjára, nem születettek meg a döntések az AI szervezeti szintű használatáról.

A komplexebb munkafolyamatok közül a kódolás, alkalmazásépítés olyan terület lehet, amit rövidebb időtávon kiválthat az AI?

Kormos Benjámin: Ez már látható Magyarországon is: dolgozunk olyan szervezetnél, ahol a programozók jelezték a menedzsernek, hogy elfogyott a token keret. Ilyenkor a szolgáltatást meg kell rendelni, ez pár órát vesz igénybe. A fejlesztők jelezték, hogy nem érdemes dolgozni AI nélkül, mert amin ők 4 órán keresztül dolgoznának, azt az AI-jal leprogramozzák majd tíz perc alatt, majd leellenőrzik szintén az AI-jal harminc perc alatt. A vezetőnek ez jelentett nagy váltást a felfogásában arról, hogy mit is jelent az AI a részlegének. Mit kezdenek a cégek a mesterséges intelligencia által elért hatékonyságnövekedéssel? Mi történik azzal a jól bevált emberállománnyal, amely eddig a hátán cipelte a céget, a fejlesztéseket, de most olyan eszközök állnak rendelkezésre, amelyek 10 perc alatt 4 órányi magas hozzáadott értékű munkát állítanak elő.

Csorba Gyula: Ez egy érdekes kérdés, mert az AI-boom elején sokszor elhangzott, hogy a cégek majd leépítésekben fognak gondolkozni, de én nem tapasztalom ezt tömegesen. Szerintem ez a félelem már elmúlt. Az AI-trend inkább azt szülte, hogy hogyan tudjuk a mechanikus robotmunkáról, a kevésbé vonzó feladatokról áthelyezni a hangsúlyt az értékteremtésre egy munkatárs mindennapjaiban. Inkább a munkakörök alakulnak át, az adminisztrációs feladatok folyamatosan eltűnnek. A cégek jellemzően hatalmas backlog halmazt terelnek maguk után, már ami az értékteremtő folyamatokat illeti, és ezt tudják gyorsabban ledolgozni a felszabaduló kapacitásokkal.

A core üzleti tevékenységet is érintik már az AI-fejlesztések, vagy még mindig csak hatékonyságot növelnek a cégek?

Csorba Gyula: Valójában még nem tartunk ott, hogy a core folyamatokat támogassa az AI: hatékonyságot már tud növelni, de nem alakítja még át a mindennapi munkafolyamatokat. Az AI-boom akkor hoz majd óriási ugrást, amikor úgy kezdünk el gondolkodni egy új folyamatban, új feladatban, új szoftverfejlesztésben, hogy agentic AI-jal hogyan lehetne ezt máshogy, jobban megoldani. A szigetszerű működési gondolkodásból át kell lépni egy komplexebb adat-folyamat-technológia hármas leképzés alapú magasabb szintű IT megoldás gondolkodásmódba.

Melyek a legnagyobb szervezeti akadályok az AI-megoldások bevezetésében? Ti mit tapasztaltok?

Csorba Gyula: Sokat beszéltünk arról, hogy kinek vannak jó megoldásai, de a vállalatok jelentős része még mindig nem jártas ebben a témában. És ez nem a technológiában rejlik - van 4-5 olyan tényező, ami közül szerintem a technológia a legkisebb akadály. Az egyik legfontosabb a döntés meghozatala a menedzsment részéről, hogy az AI-használattal foglalkozni kell szervezeti szinten. Utána jön, hogy gyorsan mérhető, azonnali eredményeket várunk, és nem egy 4-5 éves folyamatos adaptációban gondolkodunk. El kell fogadni, hogy egy olyan gyorsan változó technológiai ökoszisztémával állunk most először szemben, hogy nem az időtálló legjobb megoldást kell kiválasztani, hanem a vállalat adoptációs képességeit kell fejleszteni a folyamatosan változó világban. És ekkor jön be a legnagyobb kockázati faktor, az ember, amikor a vállalat nem megfelelően vonja be a változásokba az alkalmazottakat. Ezen faktorok miatt mondjuk már, hogy az AI-adoptáció nem egy IT-projekt, inkább egy vállalati kultúrát formáló HR-projekt.  

Óriási cégen belüli szakadékokat látunk. Szinte mindenhol van egy AI-evangelizáló csapat, akik szeretnek előre menni, nem érdeklik őket a szabályozások, ők újat akarnak teremteni. De mi van a többiekkel, a cég többi 90 százalékával?

Mit tanácsoltok azoknak a cégeknek, amelyek biztonságosan szeretnének AI eszközöket adni munkavállalóiknak? Milyen kihívásokkal kell szembenézniük a nagyvállalatoknak ezen a téren?

Kormos Benjámin: Nálunk ez kiemelt stratégiai kérdés. Magyarországon és az egész Európai Unióban a pénzintézetek és a nagyvállalati szektor szigorú szabályozás alatt áll - GDPR, NIS2, DORA, AI Act és még számos más direktíva ide sorolható. A hazai nagyvállalati világban a kiberbiztonság és adatbiztonság kiemelt téma, ezért nagyon érzékeny kérdés, hogy milyen AI-rendszernek milyen vállalati adatokat adunk át.

Két fő kihívást látunk. Egyrészt azt, a cégek hogyan integrálják a különböző rendszereket adatbiztonsági szempontból. Mindenképpen szükség lesz egy új rétegre, egy úgynevezett Policy Gateway rétegre, ami szabályozni fogja a nagyvállalati környezetben, hogy melyik munkatárs milyen AI modellt (nyílt vagy zárt) és agenteket használhat. Kell lennie egy olyan rétegnek is, ami kontrollálja a felhasználó és az AI közötti kommunikációt és az érzékeny adatok kijutását. Ezek az úgynevezett guardrail funkciók, amelyek biztonságossá és kontrollálhatóvá teszik az AI-használatot. A másik kihívás az ezzel kapcsolatos költséggazdálkodás, fel fognak értékelődni az AI-költségeket hatékonyan bemutató FinOps dashboardok és az azáltal kiváltott tudatos költségtervezések, a licence gazdálkodás.

A cégek most sok esetben a nagy szolgáltatók – Microsoft Azure, Amazon AWS „ígérete” - mögé bújnak el, hogy a prompt-okon keresztül nem tanítják a modelleket. Ha már úgyis ott vannak az adatok ezeken a platformokon, akkor miért ne használhatnák ott az AI-t is? Aki ezt meg tudja tenni és elfogadtatja az IT security-vel és a joggal, az tud szárnyalni a piacon, mert nincs előtte akadály. De vajon ezeknek a hyperscaler cégeknek nem az az egyik motivációja, hogy az új – eddig számukra nem elérhető adatokkal még jobbá tegyék a modelljüket?

Létezik valamilyen középutas megoldás is erre?

Kormos Benjámin: A privát felhő lehet adatszuverén, Magyarországon lokálisan tárolt adatokkal. A megoldás akkor lesz teljesen biztonságos, amennyiben nem teljesen on premise infrastruktúrát építünk, ha privát felhőt használunk megfelelő szerződéssel, az adat Magyarországon marad egy elszeparált tenanton vagy fizikai adatközpontban, és olyan open weighted nagy nyelvi modellt használunk, ami telepítve van az adott infrasturktúrára, ezáltal biztosítva, hogy azon az adaton nem fognak egy modellt tovább tanítani. Van az OpenAI-nak is open weighted modellje, a Metának elérhető a Llama modellje, és más on-premise modellek is használhatók ezen a módon.

A költségek hogyan alakulnak ezekben a megoldásokban?

Csorba Gyula: A legdrágább megoldás, ha rengeteg havi licencet fizetsz a kollégáknak. Ráadásul többfélét is: ChatGPT, Copilot, különböző speciális modellek - ez háromszor 20-25 dollár havonta, ami szervezeti szinten nagyon drágává válik. Azt javasoljuk, és mi is erre állunk át, hogy legyen egy keretrendszer, ahol API-n keresztül hívhatóak meg a modellek. Hosszú távon az AI-költséggazdálkodás egy stratégiai tényező lesz a vállalati CFO és CIO együttműködésében.

Van már egyértelmű győztese az AI-versenynek? Melyik platform, melyik modell a legjobb, miben láthatók eltérések?

Kormos Benjámin: Ez rendkívül komplex kérdés, mivel nem csak a funkcionalitás számít, hanem a politikai és makrogazdasági hatások is. Az utóbbi hónapokban a Claude ment nagyot, de gondoljunk csak arra, hogy az amerikai állami intézményeknél betiltották a Claude használatát elnöki utasításra bizonyos események után, majd később a Google-lal kötöttek szerződést.

Azt gondolom, hogy még nincs egyértelmű győztes, de az a jóslatom, hogy a Google és a Gemini fel fog jönni, mert a stratégiájuk szerintem nagyon jó.

Náluk van a Gmail, a YouTube, a Chrome, és az Apple-lel is szerződtek, a Siri mögött tulajdonképpen a Gemini motorja lesz, és az emberek ezeket az eszközöket használják minden nap, nem kell váltaniuk más eszközökre, ez óriási versenyelőnyt jelenthet.

Mit gondoltok az Anthropic Mythos modelljéről, amely a kiberbiztonsági sebezhetőségek felkutatásában állítólag szintet ugrott. Szerintetek, amikor ez megérkezik Magyarországra és itt is használhatóvá válik, mennyire fogja felkavarni az állóvizet?

Kormos Benjámin: Szerintem ez nem hype, ez inkább egy potenciális veszély előjele lehet. Eddig még csak pár cég kapta meg, hogy kísérletezzen vele, de elképesztő, hogy tíz éves hibákat is felfedezett. Mi lesz, ha ez élesedik a világban máshol is? Milyen hatása lesz annak, ha minden általunk használt szoftverben rengeteg hibát találnak? Meginog a bizalmunk a technológiában, vagy nem fogunk vele foglalkozni, mert a hibák felfedezése után nyilvánvalóan ki is fogják javítani azokat?

Financial IT 2026

AI-boom, fintech innovációk, digitális transzformáció - Merre tart a bankszektor digitális fejlődése? Erről lesz szó május 28-án a Portfolio Financial IT konferenciáján! Regisztráció és részletek itt!

Információ és jelentkezés

A cikk megjelenését a Clarity Consulting támogatta

Címlapkép: Kormos Benjámin (bal) Csorba Gyula (jobb) Fotó: Mudra László/Portfolio

A cikk elkészítésében a magyar nyelvre optimalizált Alrite online diktáló és videó feliratozó alkalmazás támogatta a munkánkat.