Egy McKinsey által 2025 december és 2026 január között lebonyolított kérdőív 27 C‑szintű vezetőt szólított meg az európai fogyasztóiparból (kiskereskedelem, gyorsan forgó fogyasztási cikkek, ruházat és divat, valamint kapcsolódó fogyasztói szolgáltatások). A cél az volt, hogy képet kapjanak az AI‑stratégiákról, befektetési prioritásokról, a tehetség, adat és technológia terén mért szervezeti felkészültségről, valamint a skálázás előrehaladásáról. A megkérdezettek többsége informatikai vagy technológiai vezető, közel negyedük pedig adat‑ vagy analitika‑vezető; a csoport 16 tagja 20 000‑nél többet foglalkoztató nagyvállalatnál dolgozik.
A felmérés ellentmondásos képet mutat: 27‑ből 23 vezető szerint az elmúlt évben nőtt a szervezetük AI‑tevékenysége, és senki sem állította, hogy csökkentették volna ezeket a befektetéseket. Ugyanakkor csak hatan jelezték, hogy AI‑kezdeményezések legalább 1 százalékos hatást gyakoroltak az EBIT‑re, és több mint a fele még mindig azt válaszolja: túl korai mérni a pénzügyi hatást.
Ez a paradoxon — növekvő ambíció, korlátozott pénzügyi hatás — határozhatja meg a következő időszakot az ágazatban. A vállalatok széleskörűen kísérleteznek az értékteremtés különböző területein, de sok helyen hiányzik az a végrehajtási képesség, amely a kísérletezést vállalatszintű, mérhető üzleti eredménnyé alakítaná.
Ambíciók, költségvetés és fókuszterületek
A vezetők ambíciója erős: a megkérdezettek több mint fele hároméves távlatban „jelentős” vagy „transzformatív” AI‑változást vár. Ennek megfelelően 27 válaszadóból 22 tervezi növelni az AI‑költségvetést a következő évben; a többség 10–30 százalékos emelkedésre számít, öten pedig több mint 30 százalékos növekedést jeleztek előre. Jelenleg is jelentős a kiadás: a megkérdezettek több mint fele a digitális költségvetés legalább 5 százalékát szánja AI‑projektekre, több mint egyharmaduk pedig 10–30 százalékot.
Az AI‑tevékenység számos üzleti területet érint: marketing és növekedés (19 válaszadó), szoftverfejlesztés és technológiai műveletek (18, illetve 17 válaszadó) valamint előrejelzés, ügyfélélmény, árazás és promóció, ellátási lánat és termékfejlesztés is gyakori célterület.
Stratégiai összhang és skálázás hiányosságai
A stratégiai érettség gyakran hiányos. A 27 vezetőből 10 a stratégia „fejlődő” státuszát jelölte meg — azaz vannak részegység‑szintű stratégiák, de nincs integrált vállalati megközelítés. Ugyanannyian írják le helyzetüket „felmerülőnek”, vagyis korai megbeszélések és kezdeti tervek zajlanak. Csak kevesen jelezték, hogy világos értékcélokkal és priorizált ütemtervvel rendelkező, jól beágyazott stratégia állna rendelkezésükre.
A válaszokból az is látszik, hogy sok szervezet túl gyorsan terjeszti a kezdeményezéseket a stratégiai koordinációhoz és a végrehajtási kapacitások kiépítéséhez képest. Ennek egyik következménye a „pilot trap”: széles pipeline‑t építenek, de kevés projektet skáláznak. Nyolc vállalat 10–20 projektet kezel, hat szervezet több mint 50 projektet tart nyilván; átlagosan azonban csak mintegy 10 százalékra tehető azoknak az AI‑kezdeményezéseknek az aránya, amelyek skálázott üzembe álltak. Sok projekt még PoC vagy fejlesztési fázisban van, illetve több mint egyharmaduk még el sem indult.
Képességhiányok: tehetség, műveltség, adatok és technológia
A végrehajtás képességei jelentik a fő akadályt. A legnagyobb hiány a tehetség terén érzékelhető: mindössze kilenc válaszadó tartja úgy, hogy rendelkeznek a megfelelő szakemberekkel az AI hatékony fejlesztéséhez és skálázásához. A kihívás gyakran nem létszámcsere, hanem a megfelelő arányú adat‑tudósok, gépi tanulási mérnökök, termékmenedzserek és üzleti domain‑szakértők összeállítása.
Az AI‑műveltség a szélesebb munkaerő körében sem tart lépést a befektetésekkel: közel kétharmaduk a szervezeti AI‑műveltséget „fejlődőnek” minősítette, vagyis léteznek strukturált képzések, de az alkalmazás területenként egyenetlen. Csak két válaszadó számolt be arról, hogy az AI a szervezet egészében mindennapi, széleskörű használatban áll.
Az adat‑infrastruktúra és a technológiai platformok is jelentős korlátok. A válaszadók háromnegyede az adat‑infrastruktúrát a kívánt érettségi szint alattinak tartja; a technológiai rendszereknél hasonló helyzetet jeleztek, egyedül egy válaszadó mondta, hogy rendszereik elég robusztusak a vállalati méretű AI‑kiterjesztéshez.
Kockázatkezelés és szabályozás
A vezetők aktívan foglalkoznak a kockázatokkal: kiberbiztonság, adatvédelem, jogi megfelelés és az AI‑kimenetek pontossága mind napirenden vannak. Munkaerő‑átcsoportosítás, reputációs kockázatok és tisztességességi kérdések is felmerülnek. Eddig viszonylag kevés jelentős negatív incidensről számoltak be, ami részben az adja, hogy a bevezetés még korai szakaszban van, és több vállalat már kialakított némi kormányzati keretrendszert.
A szabályozás is alakítja a játékszabályokat: az EU AI Act 2026‑ig szakaszosan lép hatályba, új követelményeket hoz az átláthatóság, a kockázat‑besorolás és a kormányzás terén. Az ügyfélközpontú fogyasztói vállalatok számára ez különösen érinti a személyre szabást, árazást és a munkaerő‑kezelést. Azok a vezetők, akik megfelelésüket a bizalomépítés lehetőségének tekintik, jobb pozícióba kerülhetnek, amint a szabályozási környezet stabilizálódik.
Mi működik: hatékonyság előbb, bevétel később
A pénzügyi eredmények tükrözik a fenti mintát: több mint a felük számára még túl korai megállapítani az EBIT‑hatást. A kilenc válaszadó közül, akik hatásról számoltak be, csak ketten említettek jelentős nyereségnövekedést (5–10 százalékos EBIT‑javulás). A megtakarítások és hatékonyságjavulás volt a leggyakrabban említett érték, ezt követték az ügyfél‑elégedettség és az innováció terén tapasztalt javulások.
A jelenlegi mintázat alapján az AI az európai fogyasztóiparban ebben a szakaszban elsősorban hatékonysági értéket teremt, kevésbé gyorsan alakít át bevételi forrásokat. A döntés tehát az, hogy a vezetők tudatosan időzítik‑e az erőforrásokat a magasabb értékű kimenetek felé, vagy a könnyebb, korlátozottabb hasznot hozó lehetőségek felé sodródnak.
Ajánlott lépések a paradoxon oldására
A McKinsey Rewired játékkönyve egy világos útvonalat javasol a vállalati AI‑átalakuláshoz:
- Koncentráció a magas hozamú esetekre: a legtöbb vezető szétszórja a beruházásokat; a piacvezetők ehelyett egyértelmű stratégiát határoznak meg és néhány nagyobb, mérhető hatásra képes tétre összpontosítanak, miközben kisebb részben fenntartják a kísérletezést (például 80/20 elv).
- „Elég jó” adat‑ és technológiai alapok: a tökéletességre várni gyakran halasztja a skálázást. A sikeres szervezetek az elsődleges esetek támogatásához szükséges szintet építik ki, gyorsan telepítenek, tanulnak és iterálnak.
- Munkamód‑váltás és befogadás: a skálázás nem csak technikai feladat; a működési modellbe kell beágyazni az AI‑t, üzleti csapatokba helyezve AI‑tehetséget, széleskörű át‑ és továbbképzéseket biztosítva, és az ösztönzőket üzleti eredményekhez igazítva.
- Szakaszos skálázás: célzott területeken bizonyítani az értéket, ami után a működő megoldásokat skálázni és a képességeket idővel fejleszteni.
Következtetés
Az európai fogyasztóipar átlépett egy határt: az AI már nem perifériális kísérlet, hanem stratégiai prioritás a legtöbb nagy szervezetnél. A költségvetések nőnek és az alkalmazások köre szélesedik, de a beruházások önmagukban nem garantálják a pénzügyi eredményt. A következő fázist azok a vállalatok nyerhetik, amelyek a legtöbb kezdeményezés indítása helyett a skálázásra és az alapok kiépítésére fókuszálnak: tehetség, adatok, technológia és kormányzás. A paradoxon nem megoldhatatlan, de megoldásához a kísérleti bővítés helyett a végrehajtás mélységére és a képességfejlesztésre kell helyezni a hangsúlyt.
Köszönetnyilvánítás: A szerzők köszönetet mondanak Astrid Oleander, Joe Boden és Kari Ringi hozzájárulásáért. A cikk szerkesztője Larry Kanter, a New York‑i irodában.
Ez a cikk a McKinsey AI‑kutatásának része, és azzal a céllal készült, hogy segítsen az üzleti vezetőknek megérteni az iparágat alakító erőket, azonosítani a stratégiai hatású területeket és felkészülni a következő növekedési hullámra.
