Iparág

Mesterséges intelligenciával generált szöveg

A magyar munkavállalók többségének feladatait átalakíthatja a mesterséges intelligencia

A BeHive és az AI Budapest közös kutatása szerint a magyar munkavállalók mintegy 64 százalékának munkakörét lényegesen átalakíthatja a mesterséges intelligencia a következő két-három évben.

A magyar munkavállalók többségének feladatait átalakíthatja a mesterséges intelligencia

A magyar munkavállalók mintegy 64 százaléka dolgozik olyan munkakörben, amelynek feladatait a mesterséges intelligencia jelentősen átalakíthatja a következő két-három évben. A BeHive és az AI Budapest közös munkaerőpiaci hatástérképe szerint ez egyelőre nem feltétlenül jelent tömeges elbocsátásokat: sok esetben inkább a feladatok megoszlása és a szükséges készségek változhatnak meg.

A készítők 462 foglalkozást és 4,67 millió munkavállalót vizsgáltak. A térkép Andrej Karpathy amerikai modelljének magyar változata, amely a Központi Statisztikai Hivatal (KSH), a FEOR-08 foglalkozási osztályozás és a Cedefop adataira épül. A kutatás a szoftveralapú AI-t vizsgálja, a fizikai robotika és az ipari automatizáció hatását nem.

A magyar munkaerőpiac szerkezete eltér az amerikaitól és a nyugat-európaitól, ezért a korábbi, elsősorban ezekre a piacokra épülő becslések nem alkalmazhatók közvetlenül Magyarországra. A hazai térkép három csoportba sorolja a munkaköröket aszerint, milyen jellegű változás várható.

Háromféle hatás a munkakörökre

A leginkább átalakuló munkakörökben mintegy 414 ezren, a munkavállalók 9 százaléka dolgozik. Ide tartoznak például adminisztratív dolgozók, könyvelők és pályakezdő szoftverfejlesztők, akiknek feladatai között sok az ismétlődő, szabályok alapján elvégezhető tevékenység.

A könyvelésben az AI számlákat dolgozhat fel, adatokat egyeztethet és eltéréseket kereshet. Ez nem feltétlenül szünteti meg a szakmát, de a hangsúlyt az összetettebb, értelmezést igénylő feladatok felé tolhatja. Az eszközök használatának megtanulása mellett ezért olyan készségekre is szükség lehet, amelyek túlmutatnak az automatizálható munkán. Az átképzéshez a vállalatoknak is meg kell teremteniük a feltételeket.

A második, úgynevezett augmentálható csoportba a munkavállalók 54 százaléka, mintegy 2,51 millió ember tartozik. Jellemzően képzett szellemi dolgozókról van szó, például jogi, pénzügyi és elemzői területeken. Náluk az AI elsősorban kiegészítheti és gyorsíthatja az emberi munkát. Egy ügyvéd például nagy terjedelmű dokumentumok átnézéséhez használhatja, miközben a szakmai mérlegelés és a végső döntés továbbra is emberi feladat marad.

A vezetőknek ebben a csoportban azt is el kell dönteniük, mely tevékenységeket érdemes az AI-ra bízni, hol szükséges az emberi közreműködés, és hogyan alakítsák át a munkafolyamatokat a termelékenység javítása érdekében.

A harmadik csoportba, a strukturálisan stabil munkakörökbe mintegy 1,75 millió ember, a dolgozók 37 százaléka tartozik. Munkájukat a szoftveralapú AI várhatóan kevésbé változtatja meg a következő két-három évben. Sokuk fizikai jelenlétet vagy közvetlen emberi kapcsolatot igénylő területen dolgozik, például az építőiparban, a takarításban vagy az ápolásban.

Ez nem jelenti azt, hogy ezekben az ágazatokban ne lenne szerepe az AI-nak. Egy építőipari cégnél például a kőműves munkája kevésbé változhat, miközben az irodai ügyintézés gyorsabbá válhat. A technológia támogató használatára ezért itt is érdemes felkészíteni a munkatársakat.

Nyitott kérdés a pályakezdők képzése

Az automatizáció különösen fontos kérdést vet fel a szellemi pályákra belépők számára. A kezdők hagyományosan olyan egyszerűbb feladatokon keresztül szereznek tapasztalatot, mint az adatok rendezése vagy a dokumentumok átnézése. Az AI azonban éppen ezeket a tevékenységeket képes gyorsan automatizálni.

Egyelőre nem világos, hogyan jutnak majd gyakorlathoz a pályakezdők, ha például egy ügyvédi iroda az akták előzetes átvizsgálását gépre bízza. Lehetséges, hogy szerepükben hamarabb válik fontossá az ítélőképesség és a kontextus értelmezése, ez azonban a korábban megszokottnál nagyobb felelősséget is jelenthet számukra.

A technológia önmagában nem garantál termelékenységet

Bár az AI sok munkavállaló munkáját gyorsíthatja, a vállalati beruházások számos esetben még nem hozták meg a várt, mérhető termelékenységnövekedést. Az infrastruktúra kiépítése és működtetése költséges, a bevételek pedig nem mindig tartanak lépést a kiadásokkal. A BCG 59 országra kiterjedő kutatásában a megkérdezett vezetők mintegy háromnegyede nehéznek nevezte, hogy az AI használatából kézzelfogható üzleti értéket mutasson fel.

A probléma nem feltétlenül magában a technológiában rejlik: a sikeres kísérletek is elakadhatnak, ha a munkafolyamatok és a döntéshozatal nem változik velük együtt. A forrás három visszatérő szervezeti akadályt emel ki:

  • Elvárásbeli szakadék: a vezetői stratégia nem fordítódik le az egyes munkakörök mindennapi feladataira.
  • Bizalmi deficit: a dolgozók bizonytalanok abban, hogyan ellenőrizzék az AI eredményeit, és ki vállal értük felelősséget.
  • Mérési hiány: visszacsatolás nélkül a vállalatok nem látják, hol akad el az alkalmazás, és keletkezik-e üzleti érték.

Az Anthropic adatai szintén eltérést mutatnak az AI elméleti képességei és tényleges használata között. Az amerikai üzleti és pénzügyi munkakörök feladatainak 94 százalékában lenne elméletileg alkalmazható nagy nyelvi modell, miközben a Claude tényleges használata a feladatok 30 százalékánál figyelhető meg. Az adatok az amerikai munkaerőpiacra és a Claude használatára vonatkoznak, ezért közvetlenül nem vetíthetők Magyarországra.

Felkészülés az eltérő változásokra

A következő két-három évben a vállalatoknak egyszerre kell foglalkozniuk az automatizálható, az AI-val támogatható és az egyelőre kevésbé változó munkakörökkel. Rövid távon a meglévő feladatok újragondolása, hosszabb távon az önállóbban működő, ágens AI-rendszerekre épülő folyamatok kipróbálása is feladat lehet.

Ehhez világossá kell tenni, mit végezhet el az AI, és hol nélkülözhetetlen az emberi döntés. A biztonságos technológiai feltételek mellett olyan képzésre is szükség van, amely nemcsak az eszközhasználatot tanítja meg, hanem segít a dolgozóknak megérteni saját szerepük változását. A termelékenység javulása végső soron azon is múlik, hogy a szervezetek képesek-e a technológiát és az emberi tudást a napi munkában összehangolni.