Salt Lake City-ben dokumentálták az első olyan autóvásárlást, amelynél mind a vevő-, mind az eladóoldalon mesterséges intelligencia ügynökök folytattak tárgyalást: az utahi Mark Miller Subaru kereskedőjének értékesítője közel négy órán át egyeztetett árajánlatokról, finanszírozási opciókról és egyedi feltételekről — majd kiderült, hogy a vonal másik végén nem ember foglalt helyet. A történet rávilágít, hogy az AI-ügynökök alkalmazása a globális autópiacon már a gyakorlatban is megjelenik.
A magyar piac digitális hátránya
Ezzel párhuzamosan a 4YES Kft. esettanulmánya szerint a magyar autókereskedelmi szektor jelentős része továbbra is a 2010-es évek szoftvereire és manuális Excel-táblákra támaszkodik. A nemzetközi adatok szerint ugyanakkor az AI-vezérelt rendszerek növelik a konverziót és csökkentik a vezetőgenerálási költségeket: a Fullpath Auto Intelligence Index 2026. áprilisi adatai 37,3 százalékos konverziónövekedést és 14,8 százalékos lead-költség-csökkenést jeleznek.
Esettanulmány: egy ötvenéves magyar márkakereskedés
A 4YES Kft. egyik partnere egy több mint ötvenéves magyar márkakereskedés volt, amely 2026 februárjában indított AI-asszisztens projektet — a cél egy olyan lead-kezelő és ajánlatgeneráló modul volt, amely képes e-maileket fogadni, vevői kérdéseket értelmezni és javaslatot tenni modellre.
A bevezetés azonban azért akadt el, mert nem állt rendelkezésre olyan CRM és feladatkezelő rendszer, amely egyszerre illeszkedett volna az autókereskedelmi folyamatokhoz és az AI-asszisztens strukturált adatigényéhez. A 4YES szerint ezért nem elég egy meglévő Excel-folyamat automatizálása: az alapfolyamatokat kell átépíteni. Manuális táblákra és széttöredezett adatokra építve az AI réteg nem tud megbízhatóan működni, a hibakockázat túl nagy.
Az ajánlott sorrend: előbb alapok, aztán AI
A 4YES megoldásában a projekt legfontosabb lépése az volt, hogy a lead-pipeline, az ajánlatgenerálás és a státuszkövetés egységes, valós idejű felületre kerüljön. Csak ezt követően kapcsolták rá az AI-réteget, amely így strukturált és konzisztens adatokon dolgozhatott.
Hasonló logikát fogalmazott meg Todd Smith, a QoreAI vezérigazgatója is egy 2026. május 20-i, a CBT News-nak adott interjúban: előbb a belső „dealership brain” — azaz az adat-, folyamat- és tranzakciós réteg — kiépítése szükséges, és csak ezután érdemes AI-asszisztenst telepíteni.
Mi a tétje? — nem ugyanaz az időhorizont minden szereplő számára
A Salt Lake City-i AI–AI tárgyalás és a magyar márkakereskedés hétfő reggeli Excel-rendje látszólag két külön világ, de valójában ugyanannak a kérdésnek a két végpontját mutatják: melyik szereplő mire építi az elkövetkező öt évét. A 4YES tapasztalata szerint a magyar kereskedőknek elsőként a működési alapokat kell helyreállítaniuk, hogy az AI valóban értéket teremthessen.
„A célunk nem az, hogy AI-t adjunk el. A célunk az, hogy a kereskedők újra a vevőikkel foglalkozhassanak, ne az adatlapokkal. Az AI ehhez csak eszköz” — foglalta össze a 4YES álláspontját Horváth Emese.
Következtetés
Az AI már képes vevőt és eladót is helyettesíteni bizonyos tárgyalási folyamatokban, de ahhoz, hogy a technológia a hazai autókereskedelemben is megbízhatóan működjön, előbb a digitalizációs alapokat — egységes CRM, valós idejű felület és tiszta adatfolyamatok — kell kiépíteni. A 4YES Kft. esete azt mutatja: az AI-t nem ajánlatos rétegről rétegre, rendszerek helyett közvetlenül beágyazni; először a belső működés rendbetétele hoz tartós eredményt.
