GazdaságSzerző: portfolio 41 perccel ezelőtt 10 percnyi olvasás
Az AI miatt nemcsak az elvesző magyar munkahelyek miatt kellene a legjobban aggódnunk, hanem azért, hogy hol jönnek létre helyettük az újak. A mesterséges intelligencia terjedése Magyarország számára nem pusztán technológiai vagy munkaerőpiaci kérdés. Arról is dönthet, hogy az ország képes-e magasabb hozzáadott értékű munkára épülő növekedési pályára állni. Ehhez azonban az átképzést nem kizárólag a munkavállalók és a vállalatok magánügyeként kellene kezelnünk.
Ez itt az on the other hand, a portfolio vélemény rovata.
Van egy kérdés, amely szinte minden mesterséges intelligenciáról szóló konferencián előkerül: hány munkahelyet vesz majd el az AI? Magyarország szempontjából szerintem van ennél fontosabb kérdés:
hol jönnek létre azok a munkahelyek, amelyek az automatizált feladatok helyére lépnek?
A két kérdés között óriási a különbség. Egy multinacionális vállalat automatizálhat Budapesten száz adminisztratív pozíciót, majd létrehozhat ötven új, magasabb képzettséget igénylő adat-, technológiai vagy AI-közeli munkakört. De semmi nem garantálja, hogy ezt az ötven embert is Magyarországon fogja felvenni.
Lehet, hogy Budapesten történik a „fire”, miközben Varsóban, Lisszabonban, Bangalore-ban vagy bárhol máshol a „hire”.
A leépítés társadalmi és költségvetési következményeinek jelentős része viszont Magyarországon marad. Ezért az AI okozta munkaerő-átalakulás nem egyszerűen HR-kérdés. Nemzetgazdasági és versenyképességi kérdés.
Ennek most különös jelentősége van. Az Európai Bizottság 2026-os Magyarország-jelentése meglehetősen egyértelmű diagnózist ad. Magyarország jövedelmi felzárkózását az elmúlt másfél évtizedben jelentős részben a foglalkoztatás bővülése, nem pedig a készségek és a termelékenység javulása hajtotta. A magyar munkatermelékenység EU-átlaghoz viszonyított szintje körülbelül ugyanott áll, mint tizenöt évvel ezelőtt, miközben több régiós versenytárs ennél gyorsabban javított a termelékenységén. A Bizottság következtetése ennél is erősebb. A 2026 Country Report – Hungary „Structural challenges call for ambitious reforms című fejezete úgy fogalmaz:
a jelenlegi növekedési modell elérte a korlátait.
Ennek demográfiai oka is van. A munkaképes korú népesség a Bizottság szerint évente mintegy 30 ezer fővel csökken, ezért további növekedés már aligha várható pusztán a foglalkoztatás további bővítésétől. A jelentés szerint az életszínvonal fenntartásához és további javításához a növekedés nagyobb részének innovációból és magas hozzáadott értékű beruházásokból kell származnia. És pontosan ezen a ponton találkozik a magyar versenyképesség problémája a mesterséges intelligenciával. Az AI ugyanis nemcsak munkát automatizál. Átrendezi azt is, hogy milyen munkáért, milyen készségekért és mely országokban lesznek hajlandók fizetni a vállalatok.
A magyar gazdaság szerkezete miatt ennek az átalakulásnak két területen különösen nagy lehet a jelentősége. Az egyik az üzleti szolgáltató központok, vagyis a BSC-k – korábbi nevükön SSC-k – világa. A HIPA 2025-ös felmérése 245 üzleti szolgáltató központot azonosított Magyarországon, 118 543 munkavállalóval. 2019-ben még 120 központ és mintegy 55 ezer munkavállaló szerepelt a statisztikában. Ez a magyar gazdaság egyik látványosan fejlődő szektora: pénzügyi, HR-, beszerzési, IT-, ügyfélszolgálati és elemzési folyamatok tömegét végzik Magyarországról nemzetközi vállalatok számára. Csakhogy a generatív AI éppen az ilyen, nagyrészt információfeldolgozásra épülő munkát alakítja át gyorsan.
A Nemzetközi Munkaügyi Szervezet (ILO) 2025-ös, közel 30 ezer feladat elemzésére épülő kutatása szerint világszerte minden negyedik munkavállaló olyan foglalkozásban dolgozik, amely valamilyen mértékben kitett a generatív AI hatásának. Fontos: az ILO nem azt állítja, hogy ezek a munkahelyek eltűnnek. Éppen ellenkezőleg, a kutatás szerint a legtöbb érintett munkakör esetében az átalakulás valószínűbb, mint a megszűnés. És ez talán még fontosabbá teszi a reskilling kérdését. Mert ha egy munkakör megszűnik, a probléma látható. Ha viszont egy munkakör tartalmának jelentős része változik meg, akkor azt kell eldönteni, hogy a jelenlegi munkavállalót képezzük át az új munkára, vagy lecseréljük valakire, aki már rendelkezik a szükséges tudással.
Tegyük fel, hogy egy nagyvállalat AI-transzformációja miatt háromszáz ember munkaköre jelentősen átalakul. A vállalat előtt leegyszerűsítve két út áll. Az egyik a reskill and retain: felméri, mely munkavállalók képesek az új szerepek betöltésére, meghatározza a készséghiányt, és célzottan átképzi őket. A másik a fire and hire: leépíti azokat, akiknek a jelenlegi munkájára már nincs szüksége, majd a piacról felveszi az új profilnak megfelelő embereket. Egy vállalati pénzügyi modellben a második út könnyen lehet vonzóbb. Csakhogy nem minden költség szerepel ugyanabban az Excelben.
A vállalat viseli a végkielégítés, a toborzás, a betanítás és az elvesző szervezeti tudás egy részének költségét. A munkanélküliség és az inaktivitás társadalmi költségei, az elmaradó adó- és járulékbevételek, illetve a későbbi munkaerőpiaci programok költségei viszont részben az államnál és a társadalomnál jelentkeznek. Magyarország esetében ehhez még egy fontos tényező társul. A KSH adatai szerint 2024-ben a külföldi irányítású vállalatok a magyarországi vállalkozások hozzáadott értékének 40,6 százalékát állították elő. Ez önmagában nem probléma, de azt jelenti, hogy
a globális vállalatok lokációs döntéseinek különösen nagy jelentőségük van a magyar gazdaság számára.
Ha egy nemzetközi vállalat itt automatizál munkát, az új munkakörök helyéről nem feltétlenül Magyarországon döntenek. És amikor a döntés megszületik, a kérdés egyszerű lesz: hol található az a munkaerő, amely képes elvégezni az új, magasabb hozzáadott értékű munkát?
Ugyanez a kérdés jelenik meg a magyar gazdaság másik meghatározó területén, a feldolgozóiparban. A járműgyártás és a villamosberendezés-gyártás – utóbbin belül az akkumulátorgyártás – a magyar feldolgozóipar meghatározó ágazatai. A KSH 2026. márciusi adataiban például a járműgyártást is magában foglaló járműipari alág súlya 26,4 százalék, a villamos berendezések gyártásáé 8,9 százalék volt a feldolgozóipari termelésen belül. A pontos arányok hónapról hónapra változnak, de a szerkezeti jelentőségük nem kérdéses. Ezekben az ágazatokban a robotika, a gépi látás, a prediktív karbantartás, az autonóm anyagmozgatás és az AI-alapú termelésoptimalizálás egyre fontosabbá válik.
Itt sem az a legérdekesebb kérdés, hogy hány operátori feladat automatizálható. Hanem az, hogy amikor egy üzemnek kevesebb rutinszerű munkát végző emberre, de több automatizálási, robotikai, adatelemzési vagy digitális karbantartási tudással rendelkező szakemberre lesz szüksége, ezek az emberek rendelkezésre állnak-e Magyarországon. Ha igen, a technológiai váltás magasabb hozzáadott értékű magyar munkahelyeket is teremthet. Ha nem, akkor könnyen előfordulhat, hogy az értéklánc magasabb hozzáadott értékű része máshol épül fel. Ezért a reskilling nem pusztán foglalkoztatáspolitika, hanem iparpolitika is.
Ez nem teljesen új probléma. Amikor Ausztráliában a Ford, a Holden és a Toyota 2016–2017-ben befejezte a helyi autógyártást, a kormányzat és az iparág nem egyszerűen megvárta, hogy a munkavállalók elveszítsék az állásukat. Az ausztrál szövetségi kormány, Victoria és Dél-Ausztrália kormányai, valamint a három autógyártó több mint 380 millió ausztrál dollár támogatást biztosított az autóipari dolgozók és a beszállítói vállalkozások átmenetéhez.
Karriertanácsadás, képzés és készségfejlesztés, álláskeresési segítség és más átmenetet támogató intézkedések egyaránt részei voltak a beavatkozásnak.
Az ausztrál kormány 2019-ben publikált értékelése szerint a munkaerőpiacon aktív, korábban elbocsátott autóipari dolgozók 82 százaléka ismét dolgozott, ezen belül 4 százalék saját vállalkozást indított. A történet természetesen nem bizonyítja, hogy ugyanez a modell egy az egyben alkalmazható az AI-átmenetre, azt viszont jól mutatja, hogy egy nagy technológiai vagy ipari átalakulás költségeit nem szükségszerűen kell kizárólag az érintett munkavállalókra terhelni.
Szingapúr Career Conversion Programme-jai már sokkal közelebb állnak ahhoz a logikához, amelyre az AI-átmenetben is szükség lehet. A rendszer egyik konstrukciója, a "Job Redesign Reskilling" kifejezetten lehetővé teszi, hogy
a vállalat a már meglévő munkavállalóját képezze át új vagy átalakított, növekedési perspektívával rendelkező munkakörre.
A támogatás ráadásul nem pusztán egy képzés árának megtérítéséről szól. A 2026-ban hatályos szabályok szerint a munkáltató a képzési időszak alatt standard esetben a havi munkabér legfeljebb 70 százalékának megfelelő bértámogatást kaphat, havi 5000 szingapúri dolláros plafon mellett. Meghatározott jogosult csoportoknál – például a 40 éves vagy annál idősebb szingapúri állampolgárok és állandó lakosok esetében – a támogatás akár 90 százalék, legfeljebb havi 7500 szingapúri dollár lehet.
Ez alapvetően változtatja meg a vállalat döntési helyzetét. Az állam nem próbálja megmondani a cégnek, milyen technológiát használjon vagy pontosan kit tartson meg. Ehelyett csökkenti annak vállalati költségét, hogy egy átalakuló munkakörben dolgozó embert átképezzenek ahelyett, hogy lecserélnék. Tulajdonképpen pontosan erről szólna a Magyarországra javasolt modell is.
Magyarországon ennek most különösen érdekes aktualitása van. Az Európai Unió Tanácsa 2026. július 10-én jóváhagyta Magyarország új helyreállítási és rezilienciaépítési tervét. A Tanács hivatalos közlése szerint a terv várhatóan 10 milliárd euró folyósítását teszi lehetővé, ebből mintegy 6,5 milliárd euró vissza nem térítendő támogatás és 3,5 milliárd euró hitel. Ez nem jelenti azt, hogy minden korábban vitatott vagy befagyasztott magyar uniós forrás automatikusan hozzáférhetővé vált; a különböző uniós források jogi státusza eltérő. De a tágabb kép szempontjából van egy ennél fontosabb körülmény.
A 2026-os bizottsági országjelentés szerint a magyar kohéziós programokban 5,5 milliárd euró jut kutatásra és innovációra, a kkv-k versenyképességére és digitalizációra. A félidős felülvizsgálat során pedig mintegy 930 millió eurót csoportosítottak át új stratégiai prioritásokra, többek között a kritikus technológiákhoz kapcsolódó készségfejlesztés támogatására. Ezen belül 135 millió euró ESF+ forrást rendeltek kifejezetten a STEP kritikus technológiáihoz kapcsolódó speciális készségek fejlesztéséhez. Vagyis egyszerre van jelen három dolog: egy termelékenységi probléma, egy technológiai átalakulás és jelentős fejlesztési forrás. Érdemes lenne ezt a három dolgot összekötni.
Az állami társfinanszírozásnak szerintem csak akkor lenne értelme, ha egészen más logikával működne, mint sok hagyományos képzési támogatás. Nem az lenne a kérdés, hogy egy vállalat hány embernek vásárolt AI-tréninget, hanem az, hogy milyen munkaerő-átmenetet finanszírozunk. Egy támogatást kérő vállalatnak például be kellene mutatnia:
Más szóval: stratégiai munkaerőtervet kellene benyújtania. Nem prezentációt arról, hogy „hiszünk az embereinkben”, hanem adatokat, auditálható feltételezéseket és mérhető eredményeket – vállalati társfinanszírozás mellett.
Így az állam nem azt finanszírozná, hogy egy vállalat képzéseket vásároljon, hanem egy konkrét, számszerűsíthető munkaerő-átmenet költségében vállalna részt.
Természetesen szükség van az oktatási rendszer alkalmazkodására is. Sőt, a Bizottság 2026-os jelentése szerint a 25–34 éves magyarok felsőfokú végzettségi aránya 32,6 százalék, miközben az EU átlaga 44,8 százalék. A jelentés az alacsony felsőfokú végzettségi arányt a készséghiánnyal és az innovációs kapacitással összefüggő strukturális problémák között tárgyalja. De az oktatási reform hosszú távú válasz.
Azok az emberek, akiknek a munkája 2027-ben, 2028-ban vagy 2030-ban jelentősen átalakul, már ma a munkaerőpiacon vannak.
Őket egy új egyetemi tanterv már nem éri el. A következő öt év problémáját ezért jelentős részben a munkahelyeken belül kell megoldani.
A mesterséges intelligencia terjedését nem tudjuk megállítani, és gazdasági szempontból nem is lenne értelme. Azt viszont befolyásolhatjuk, hogyan alkalmazkodik hozzá a magyar munkaerő. Választhatjuk azt az utat, hogy a vállalatok automatizálnak, az érintett munkavállalókat szükség esetén elbocsátják, az állam pedig utólag kezeli ennek társadalmi következményeit. Ebben a modellben reménykedhetünk abban, hogy az új, magasabb hozzáadott értékű munkahelyeket is Magyarországon hozzák létre. Vagy megpróbálhatjuk tudatosan növelni ennek az esélyét.
A következő évek fejlesztési forrásainak egy részét arra lehetne használni, hogy Magyarország ne egyszerűen technológiát és termelőkapacitást vonzzon, hanem felépítse azt a munkaerőt is, amely képes az új technológiával magasabb hozzáadott értéket teremteni. Ez nem szociális támogatás lenne a vállalatok számára, hanem versenyképességi beruházás.
Mert az AI-korszakban egy ország előnye egyre kevésbé azon múlik majd, hogy mennyire olcsón tud munkaerőt kínálni.
Sokkal inkább azon, hogy milyen gyorsan képes a már meglévő munkaerejét új, magasabb hozzáadott értékű munkára átállítani. És amikor egy multinacionális vállalat következő nagy „hire” döntése megszületik, végső soron ezen múlhat, hogy az új munkahelyekből mennyi marad Magyarországon.
Felhasznált források:
A címlapkép illusztráció. Címlapkép forrása: Getty Images
Napi