Az Indamedia ebben az évben is megrendezte Közép-Európa legnagyobb mesterségesintelligencia-konferenciáját, az AI Summit a Városligetben zajlott 2026. szeptember 7–8-án. A kétnapos program utolsó előadását a Néprajzi Múzeumban tartotta Eperjesy Viktor, a Supercharge munkatársa – a cég digitális termékek fejlesztésével és termékstratégiai tanácsadással foglalkozik, portfóliójában olyan alkalmazások szerepelnek, mint a BudapestGO vagy a MOL applikációja.

A költségcsökkentés csak egy darabig visz el

Az AI-projektekre a vállalatok az előadó szerint túlnyomórészt költségcsökkentési szemüvegen keresztül tekintenek, ami valahol érthető – ez ömlik ránk mindenhonnan, a nagy techcégektől az influenszerekig.

Sokan a saját munkahelyükön is szembesülnek ezzel, amikor a főnökük arra kéri őket, gondolják át, hogyan lehetne ugyanazt az eredményt kevesebb erőforrásból előállítani.

A megközelítés logikája világos, hogy ha csökken a költség, ugyanaz a szolgáltatás olcsóbban nyújtható, a megspórolt pénz pedig profitként marad a cégnél.

Eperjesy Viktor szerint azonban ennek a nézőpontnak két komoly korlátja van. Az egyik, hogy a költségek csak egy bizonyos szintig csökkenthetők, és ez a szint sosem nulla, hiszen a technológia fejlesztése és fenntartása maga is pénzbe kerül.

Ha egyszer elérjük ezt a határt, onnantól gyakorlatilag nincs hova továbbfejlődni.

A másik korlát finomabb: a spórolásra kihegyezett szemlélet arra ösztönzi a cégeket, hogy a könnyen megugorható, jól körülhatárolható use case-eket – vagyis konkrét alkalmazási eseteket – keressék, amelyeknél pontosan kiszámítható a megtakarítás. Csakhogy ezek üzletileg nem feltétlenül a legrelevánsabb projektek.

A helyzetet árnyalja, hogy a technológia terjedése közben világszerte átrendezi a munkaerőpiacot, Kínában egy év alatt ötszörösére nőtt az ipari vállalatok AI-használata, miközben a rendszerek egyre több szellemi és fizikai munkát automatizálnak.

Így lehetünk „irodai vasemberek”

Az előadó szerint érdemesebb abból kiindulni, hogyan tudnak a cég kulcsszakértői magasabb minőségben, magabiztosabban és kreatívabban dolgozni. Elég belegondolni, mennyi olyan feladat – adminisztráció, adatgyűjtés – terheli egy szakember napjait, amelynek alacsony a hozzáadott értéke, mégis a munka része.

Innen jött az exoskeleton-hasonlat. Az exoskeleton fizikai külső váz, amelyet az ember magára ölt: erősebbé és gyorsabbá teszi, több fizikai munkára képessé. Ipari, katonai és egészségügyi környezetben használják.

A lényeg viszont az, hogy a viselője marad irányításban – ő dönti el, hová lép és mit emel fel, a szerkezet csak radikálisan felerősíti. Ennek mintájára építhető az AI-jal egyfajta kognitív, szellemi külső váz a szakértő köré a munkahelyen.

„A kontroll továbbra is a szakértőnél van, a döntés a szakértőé, és az ezzel járó felelősség is nála marad” – hangsúlyozta Eperjesy Viktor.

A felelősség kérdése végigkísérte az idei konferenciát: a nyitó kerekasztalon egy vasembernek öltöztetett humanoid robot is megpróbált válaszolni rá, az ELTE rektora azonban pillanatok alatt megbuktatta a színpadon.

Ami a CRM-ben alszik, és amit a kollégák fejében felejtünk

A Supercharge ügyfélprojektjei során összeállított keretrendszer hét képességet sorol fel, amelyeket a technológia felerősíthet. Az első a nagy mennyiségű információ feldolgozása: a gép mélyebb kutatást végez és több anyagot szintetizál, mint amennyire egy embernek ideje lenne.

Jó példa erre az értékesítés. Az elmúlt években rengeteg cég vezetett be CRM-rendszert – ez az ügyfélkapcsolatokat és a hozzájuk tartozó adatokat kezelő szoftver –, és sokan érzik, hogy ezekben az adatokban további potenciál rejlik. Csak épp senkinek nincs ideje végigbogarászni őket.

Ha viszont a rendszer átfésüli a teljes ügyfélportfóliót, és listát készít arról, kinek mit lehetne még értékesíteni, a szakértő sokkal felkészültebben ül le tárgyalni.

Magát az üzletkötést azonban az előadó szerint nem érdemes kiszervezni, az emberek jellemzően embertől vásárolnak.

Hasonló a helyzet a szervezeti tudással, amelyet a keretrendszer kollektív szupermemóriának nevez. A know-how az emberek fejében szétszórtan képződik, a megosztása időigényes, ezért rendre elmarad – így fordulhat elő, hogy ugyanarra a problémára a cégen belül párhuzamosan születnek eltérő megoldások.

Ha viszont az elkészült dokumentumokat, prezentációkat és felvételeket egy közösen lekérdezhető tudásbázisba töltik, egy tenderanyag írásakor visszakereshető, milyen tartalom és stratégia vezetett korábban sikerre hasonló ügyfélnél.

Másodvélemény a géptől, súgás a vonal másik végén

A hét képesség másik csoportja a döntéshozatalt célozza. A sokéves tapasztalat jó intuíciót ad, de a szakértő is tévedhet: torzíthatja a döntését elavult információ, sztereotípia vagy egyéni preferencia.

Ilyenkor a technológia döntési partnerként használható, amely a paraméterek alapján érzelemmentes, adatalapú másodvéleményt ad – ennek különösen ott van jelentősége, ahol nagy a tét, például egy biztosítási káresemény elbírálásánál.

Egy projektbecslésnél a rendszer összevetheti az aktuális kalkulációt a hasonló paraméterű korábbi becslésekkel, így kisebb az esély, hogy kimaradjon egy költségelem.

Ugyanide tartozik a lehetőségek gyors szimulálása. Egy árazási vagy készletezési szcenárió végigmodellezése órákat, akár napokat vehet igénybe, ezért gyakran el sem készül – ha viszont ez az időigény radikálisan lecsökken, olyan döntéseknél is megéri szimulálni, ahol korábban nem.

Ráadásul a gép olyan szélsőértékeket is végigfuttat, amelyekre az ember nem gondolna, hiszen mi jellemzően csak a valószínűnek tartott forgatókönyveket modellezzük.

A hetedik képesség a valós idejű támogatás, amely nem az előkészítésben, hanem munka közben segít. Egy ügyfélszolgálati híváson a háttérben futó rendszer a korábbi adatok és a céges szabályzatok alapján dobja fel a lehetséges megoldásokat – de hogy a frusztrált ügyfél végül emberi és korrekt kiszolgálást kapjon, továbbra is az ügyintézőn múlik.