A mesterséges intelligencia alkalmazása a cégeknél sokszor nem elsősorban technológiai kérdés, hanem szervezeti és kockázatkezelési döntés. Sárasi Kata, a Norsk Hydro IT Compliance & Resilience Managere szerint a vállalatméret alapvetően meghatározza, hogy az AI csupán kiegészítő eszköz marad-e vagy kritikus infrastruktúra. A kisebb vállalkozásoknál gyakran elegendő egy belső szabályzat az AI használatára, míg a nagyvállalatoknál többszintű, automatizált kontrollrendszerek épülnek ki – különösen az adatvédelem és a döntések elmagyarázhatósága szempontjából.
A szakértő rámutat: ahogy nő a szervezet, az innovációs fókusz sokszor kockázatkezelési fókuszba fordul át. Ez a gyakorlatban azt jelenti, hogy a nagyobb cégek a szabályozási és biztonsági követelmények miatt inkább zárt, saját rendszereket fejlesztenek, míg a kisebbek általában kész, dobozos szoftverekkel próbálnak gyors javulást elérni.
Hol vannak a „low hanging fruit” — azonnali nyereséget hozó AI-alkalmazások?
A három megkérdezett szakértő közös gondolata, hogy a gyors, mérhető előnyök nem mindig a nagy automatizált gyártósoroknál kezdődnek, hanem a repetitív szellemi feladatok levételénél. Kiss Barna, a Pilous Hungary Kft. ügyvezetője szerint ma a leggyorsabban hozó megoldások olyan területeken érhetők el, ahol sok az adminisztráció és a rutinfeladat:
- Ügyfélszolgálat: chatbotok, automatikus visszaigazolások és az ismétlődő kérdések nagy részének kezelése.
- Értékesítés: ajánlatkészítés, follow-up e-mailek automatizálása, prezentációk és riportok gyorsabb előállítása.
- Gyártás és logisztika: dokumentumfeldolgozás, adminisztrációs teendők, munkautasítások kezelése, gyártási tervek előkészítése.
- Pénzügy: számlafeldolgozás, dokumentumkezelés és riportkészítés.
- Beszerzés: alapanyagtrendek figyelése és összegzése, készletkezelési támogatás.
- Minőségügy: reklamációkezelés, 8D-draftok előkészítése és reklamációk elemzése.
Kiss Barna hangsúlyozza, hogy a vezetők feladata megtalálni azokat a pontokat a működésben, ahol gyorsan bevezethető és mérhető hatású AI-megoldások hozhatók.
A „nulladik lépés”: edukáció és szervezeti tudás
Mindkét cégvezetői forrás — Kiss Barna és Illés Kata — kiemeli, hogy az AI-alkalmazások bevezetése előtt elengedhetetlen a szervezeti tudás felépítése. Kiss Barna szerint anélkül, hogy a szervezet rendelkezzen alapvető AI-tudással, a felsorolt lehetőségek csupán papíron maradnak. Az edukációt nevezte meg a bevezetés előfeltételének: nem elég, ha a szervezet használja az AI-t, érteni is kell, mire és hogyan.
Illés Kata, az Indivizo társalapítója és AI architectje hasonló megközelítést fogalmaz meg: szerinte az AI «ott kezdődik, amit abbahagysz» — azaz érdemes először azoknál a feladatoknál megvizsgálni a bevezetést, amelyeket célszerű elhagyni vagy automatizálni. Konkrét példájában egy toborzási folyamatot említ: korábban egy pozícióra 10–15 interjú készült, ma az AI előszűrés után 2–3 interjút kell lefolytatni. Ez egyetlen körben 20–30 vezetői óra szabaddá válását jelenti, miközben a döntések objektívabbá és pontosabbá váltak.
Illés Kata arra is felhívja a figyelmet, hogy nem először AI-stratégiákat kell tervezni, hanem elkezdeni használni azokat a pontokat, ahol gyorsabb, objektívebb és adatvezérelt támogatás érhető el.
Gyakorlati esemény és következő lépések
A Portfolio székesfehérvári KKV fóruma a Portfolio országjárásának egyik állomása: a félnapos rendezvény célja gyakorlati válaszokat adni a hazai kis- és középvállalatok működésfejlesztési, termelékenységi és munkaerő-kezelési kérdéseire. A fórumon az említett szakértők előadnak; az eseményre — a cikk megjelenésekor — még lehet regisztrálni.
Összefoglalva: a gyors haszonhoz vezető AI-alkalmazások jellemzően a rutinszerű, ismétlődő adminisztratív és döntéstámogató feladatoknál találhatók, a sikerhez azonban elengedhetetlen a szervezeti tudás és az edukáció. A vállalatméret meghatározza a kontrollok és a kockázatkezelés formáját: kis cégek egyszerűbb szabályzatokkal, nagyvállalatok több szintű, automatizált ellenőrzésekkel dolgoznak.
