A SAP és az Oxford Economics által készített SAP Value of AI Report 2026 alapján a vállalati mesterséges intelligencia (AI) használata átlépett a kísérleti szakaszból a gyakorlatba: a felmérésben részt vevő 2 600 üzleti vezető (13 országban) szerint az átlagos szervezetben az AI ma már a feladatok közel harmadát támogatja — ez 30%-ra nőtt az előző évi 25%-ról.
ROI és ügynökös (agentic) AI várakozások
Az úgynevezett agentic AI-hoz kapcsolódó megtérülési (ROI) várakozások jelentősen emelkedtek: tavaly 10%-ról idén 17%-ra. Ugyanakkor sok vállalat úgy vélte, hogy az AI jóval nagyobb értéket tudna hozni, ha nem lennének stratégiai, adat- és kormányzási akadályok. Sean Kask, a SAP Chief AI Strategy Officer-e szerint a probléma gyökere nem elsősorban a modellhez való hozzáférés, hanem az, hogy az AI hiányos kontextussal — például folyamatokkal, adatokkal vagy irányelvekkel — legfeljebb aktivitást generál, gyakran pedig kockázatot teremt.
Részleges, széttagolt AI-befektetések
Bár a beruházások gyorsulnak, a szervezetek többsége továbbra is ad hoc vagy részleges módon fektet be AI-megoldásokba; csak 17% számol be stratégiai, holisztikus prioritásról, bár ez az arány majdnem megduplázódott az elmúlt évhez képest (9% -> 17%).
A széttagoltság részben a felsővezetői elvárásokból eredhet: egyes helyeken a vezetés azonnali AI-alkalmazást követel stratégia és megfelelő AI-írástudás nélkül, ami elszórt skunkworks kezdeményezésekhez vezet. Másutt a vezetői figyelem hiánya engedi meg, hogy munkavállalók saját eszközöket hozzanak be és csak kísérletezzenek.
Kask szerint a sok organikus, egymástól elszigetelt AI-projekt gyakran adatminőségi problémákba ütközik. Még a stratégiai megközelítést alkalmazó kezdeményezések is sokszor szigetmódon dolgoznak: egy-egy use case-ben lehet jó, konzisztens adat, de ez ritkán elég egy teljes üzleti folyamat átalakításához.
Érdekes paradoxon a jelentésben, hogy a válaszadók 69%-a elégedett az AI megtérülésével — mert az AI már bizonyított visszaadott értéket — ám 67% nincs meggyőződve arról, hogy a technológia jelenleg a teljes potenciálját hozza; a tanulási folyamat világossá tette számukra, mennyi további érték rejlik és milyen kihívásokat kell leküzdeni a skálázáshoz.
Az ügynökök megváltoztatják a vállalati AI gazdaságosságát
A SAP eddig több mint 400 AI-use case-t szállított portfóliójában, és továbbiak vannak fejlesztés alatt. Az ügynökök (agents) következnek a bővülésben, mert képesek több lépésen és eszközön keresztül tervezni és következtetni egy cél eléréséhez, ez pedig jól tükrözi az emberi munkafolyamatokat.
Kask egy konkrét példát említ: a SAP bétában elérhető ügynöke az accruals accounting (időbeli elhatárolások) feladatára, amely egy közepes cégnél egy könyvelőnek havi kb. 12 órát venne igénybe, az ügynökkel ez 2–3 órára csökken. Ha ezt kiterjesztik sok folyamathoz, jelentős potenciál adódik.
Általánosságban az AI ROI 16%-ról 21%-ra nőtt idén, és az előrejelzés szerint két év múlva 15,9 millió dollárra emelkedhet, miközben mindössze 3% vallja magát teljesen felkészültnek az agentic AI-ra.
Az adatminőség a legnagyobb akadály
Az ügynökök számára való felkészülés két alapvető feltételre épül: az ügynökök összekapcsolására kontextusban gazdag adatokkal, és ezek méretezett kormányzására. A jelentés szerint az adatok minősége és elérhetősége a fő oka annak, hogy a szervezetek nem kapnak nagyobb értéket az AI-ból: a válaszadók 73%-a jelölte meg ezt. Emellett 79% számolt be arról, hogy alacsony minőségű AI-kimenetek miatt legalább alkalmanként előfordul újra végzés, késés vagy visszaesés.
A probléma jellege megváltozott a klasszikus mélytanulási idők óta: a foundation modellek sok kézi adat-előkészítési teendőt megszüntetnek (adatkeresés, kinyerés, tisztítás, egyedi modell betanítása), ugyanakkor a vállalati kontextus megőrzése kulcsfontosságúvá vált. Kask rámutatott, hogy az ERP-ből kinyert adatok gyakran elveszítik a szemantikai és kontextuális információt, ami a generatív AI számára a legértékesebb részt jelenti.
A SAP ezt skálázható módon tudja megőrizni egy tudásgráf segítségével a felhőalapú ERP-jében, amely 452 000 ABAP-táblát és 7,3 millió adattartományt (data field) térképez fel. Az SAP Business Data Cloud adattermékei így konzisztensen tudják bemutatni például a számlák vagy beszállítók adatait SAP és nem-SAP rendszerek között anélkül, hogy elveszne az üzleti jelentésük.
A kormányzás a vállalatoknál fel nem ismert kihívás
Ahogy az AI egyre mélyebben beépül az üzleti folyamatokba, a kormányzás (governance) válik a következő nagy vállalati kihívássá. A szervezetek mindössze 12%-a érzi magát teljesen felkészültnek az AI kormányzására, miközben 69% elismeri, hogy alkalmanként vagy gyakran használnak jóváhagyatlan, ún. shadow AI eszközöket.
Kask rámutat, hogy ahogy a cégek bevezetik AI kezdeményezéseiket, gyakran fedeznek fel "shadow agenteket" — olyan ügynököket, amelyek hozzáférhetnek olyan adatokhoz vagy tehetnek olyan lépéseket, amelyeket nem kellene. Ekkor felmerül a kérdés: hogyan auditáljuk ezeket?
A SAP AI Agent Hub erre válaszul felfedezi és leltárba veszi az ügynököket, LLM-eket és MCP szervereket; ügyfelek már több ezer, korábban ismeretlen SAP és nem-SAP ügynököt találtak saját környezetükben. Erre épít lifecycle managementet, identitás- és hozzáférés-kezelést, valamint teljesítménymonitorozást. Kask az eljárást összehasonlította a munkavállalók felvételével: a legtöbb vállalat nem venne fel alkalmazottat anélkül, hogy előre meghatározná annak hozzáférési jogait és engedélyeit.
A kormányzás azonban túlmutat a technológián: a munkaerő átalakítása párhuzamosan zajlik az adatmunkával. Majdnem 80% egyetért abban, hogy az AI értékének maximalizálása több, mint technikai átképzés, és 75% már tervezi a munkavállalók átképzését. A beszélgetés egyre kevésbé arról szól, mely munkákat váltja ki az AI, és inkább arról, hogyan működjenek hatékonyan együtt emberek és AI: az ügynökök továbbra is emberi felügyeletet, áttervezett munkafolyamatokat és erősebb ítélőképességet igényelnek.
Az autonóm vállalat irányába
Mindez az irányvonal az, amit a SAP "Autonomous Enterprise" néven ír le: ügynökök összekapcsolása kontextusban gazdag adatokkal és vállalati kormányzással a funkcionális silókon át, miközben a Joule természetes nyelvű, generatív felületként köti össze az embereket és rendszereket.
"A valódi érték elérése az AI-ból nem lesz könnyű, mert új megközelítést követel meg," zárta Kask. "Végső soron ez inkább emberi változás, mint technikai, mert csak akkor érhető el valódi érték, ha az ügynökök, a folyamatok és az emberek együtt működnek."
További információ
A teljes eredmények elérhetők a SAP Value of AI Report 2026-ban.
(Szponzorált tartalom: a cikket a SAP készítette együttműködésben az Oxford Economics-szal.)
