A Deloitte és az ABSL közös kerekasztal‑beszélgetésén a Global Business Services (GBS) szektor automatizációs szakértői egybehangzóan megállapították, hogy sok vállalat még nem rendelkezik világosan meghatározott mesterségesintelligencia‑stratégiával. A beszélgetés során kiemelték: az AI iránti érdeklődés széles körű, ám a gyakorlatban gyakran hiányzik az irány, ami miatt a kezdeményezések széttagolttá válnak és sok lehetőség kimarad.
Mi a probléma? Hiányzó stratégiai fókusz és egyensúly
A szakértők szerint az egyik leggyakoribb akadály a világos stratégiai célok és a felhasználási esetek meghatározásának hiánya. Sok szervezet nem tudja pontosan eldönteni, mire akarja használni az AI‑t, vagy hogyan illeszkedjenek a széles körben elérhető általános modellek az egyedi üzleti problémákhoz. Ennek következményeként gyakoriak a szigetszerű projektek, amelyek nem konvergálnak egységes üzleti értékké.
Governance és felelősségi körök: előbb a szabályozás, aztán a technológia
A résztvevők hangsúlyozták az irányítási (governance) struktúrák megszervezésének fontosságát: mielőtt nagyobb technológiai bevezetés történne, tisztázni kell a felelősségi köröket, az elveket és a működési modelleket. Több vállalat már létrehozott dedikált AI‑testületeket, jellemzően IT, compliance és automatizációs szakértők bevonásával, hogy egységes stratégiai alapot teremtsenek és biztosítsák a felelős AI‑használatot. Ezek a testületek foglalkoznak olyan összetett kérdésekkel, mint az adattulajdonlás és az etikus működés.
Megvalósítási modellek: top‑down és bottom‑up megközelítések
A kerekasztalon különböző megvalósítási minták kerültek terítékre: a felsővezetés által vezérelt „top‑down” programoktól a munkavállalókat bevonó „bottom‑up” kezdeményezésekig. Egyes cégek az AI‑t működésük átalakítására használják, mások belső gyorsító programokkal és hackathonokkal ösztönzik az innovációt. Ezek az eszközök nemcsak a félelmek csökkentését szolgálják, hanem elősegítik a kísérletezésre nyitott szervezeti kultúra kialakulását.
Konkrét alkalmazások és megtérülés
A bemutatott gyakorlati példák között szerepelt az árazási és promóciós stratégiák optimalizálása, a visszaélésszerű termékvisszaküldések kiszűrése, valamint az e‑mailek és dokumentumok automatizált feldolgozása. Emellett szó esett AI‑alapú szimulációkról és intelligens készletgazdálkodásról. A szakértők szerint ezek az alkalmazások egyszerre növelhetik a működési hatékonyságot és javíthatják az ügyfélélményt, és tipikusan 18–24 hónapon belül térülnek meg.
Kockázatok: ne csak költségcsökkentésként tekintsünk az AI‑ra
A kerekasztal résztvevői figyelmeztettek, hogy az AI‑t kizárólag költségcsökkentési eszközként kezelni rövidlátó lehet, mert így háttérbe szorulhatnak a bevételnövelési és képességfejlesztési lehetőségek. Ugyanakkor fontos megérteni a különbséget a nagy nyelvi modellek és a specializált megoldások között: míg az előbbiek erősek szövegfeldolgozásban, hajlamosak lehetnek pontatlanságokra, ezért nagy precizitást igénylő feladatoknál célzottabb eszközök indokoltak.
Tehetségfejlesztés és belső képzések
A beszélgetésen visszatérő téma volt a tehetségfejlesztés és az átképzés szükségessége. Bár Magyarország erős alapokkal rendelkezik az analitikai és mérnöki kompetenciák terén, az AI gyors fejlődése gyakran megelőzi az oktatási rendszert. Ennek következményeként sok vállalat saját képzési programokat indít, amelyek technikai ismeretek mellett problémamegoldó és proaktív készségeket is fejlesztenek.
Állami támogatás és K+F ösztönzők
A résztvevők megemlítették az állami támogatások és a K+F ösztönzők szerepét is: ezek jelentős segítséget nyújthatnak az AI‑projektek finanszírozásában, mivel a fejlesztési költségek egy részét vissza lehet igényelni, ami javítja a beruházások megtérülését és elősegíti az innovációt.
Emberközpontú megközelítés és adatstratégia
A szakértők hangsúlyozták az emberi tényező fontosságát: sem az AI túlértékelése, sem az elutasítása nem kívánatos. A cél, hogy a technológia erősítse az emberi képességeket; ehhez elengedhetetlen a szakértők bevonása és a folyamatos eredményellenőrzés. Végül kiemelték az erős adatstratégia szükségességét: bár a modern AI képes strukturálatlan adatok feldolgozására, a jó minőségű, egységes adatok jelentősen növelik a megbízhatóságot, és az AI‑és adatkezelési rendszerek összehangolása továbbra is kihívás marad.
Következtetés: folyamatos tanulás és stratégiai szemlélet
A résztvevők egyetértettek abban, hogy az AI sikeres integrációja folyamatos tanulást és alkalmazkodást igényel. Előnyben lesznek azok a vállalatok, amelyek nem csupán költségcsökkentési eszközként, hanem stratégiai növekedési tényezőként tekintenek az AI‑ra, és képesek összehangolni a jövőképet, az agilis megvalósítást és az emberközpontú megközelítést.
