A közvélemény AI‑ismerete az elmúlt évben szélesedett, de a szakértők szerint ez részben a technológia könnyű elérhetőségének és mindennapi használatba vételének tudható be, nem feltétlenül tudatos oktatásnak. Tiszavölgyi Péter (Stylers) szerint nőtt a felhasználók alaptudása, ugyanakkor hiányzik az úgynevezett AI‑írástudatosság: az a készség, hogy felismerjük, hol hibázik az AI, mélyebb kérdéseket tegyünk fel, és ellenőrizzük a válaszokat.
Tiszavölgyi hasonlata szerint a jelenlegi helyzet olyan, mintha a társadalomnak jogosítvány és szabályok nélkül adnánk nagy teljesítményű járműveket — az „ismeretlen új” korlátlan használata komoly kockázatokat rejt.
Kockázatok a „gyors bevezetés” mögött
A szakértők szerint az egyik közvetlen hatás a munkahelyek átalakulása, illetve a gyors létszámcsökkentések: több vállalatnál adminisztratív területeken 20–30 százalékos elbocsátások is történtek anélkül, hogy átgondolták volna a szervezet működését. Tiszavölgyi hangsúlyozza, hogy ilyen esetek társadalmi következményeire még nincs hatékony válasz.
Vezetői kommunikáció: lassítani és meghallgatni
Szerémi Péter (kommunikációs tanácsadó) tapasztalata szerint a legrosszabb, ha egy lelkes vezető „lerohanja” a bizonytalanabb kollégákat, és érvek sorával próbálja meggyőzni őket. Ehelyett ajánlott a folyamat lelassítása és a munkavállalók félelmeinek meghallgatása: sokszor a látszólagos ellenállás mögött a státusz, kompetenciaérzés vagy munkahelybiztonság iránti aggodalom áll.
Ha a vezető maga sem látja a pontos jövőt, Szerémi szerint nem szégyen őszintén elismerni a bizonytalanságot, miközben világos iránymutatást adni: például rövid távú, biztosított időszakok kijelölésével ("év végéig nem lesz nagyobb változás"), ezzel csökkenthető a munkahelyi bizonytalanság.
Hogyan épüljön fel egy értékalapú AI‑stratégia?
Laczkó Gábor (Stylers) szerint a stratégiaalkotáshoz három alap szükséges: vezetői iránymutatás (sávtartó), egy baseline az érettségről (automatizáció, adat, szervezet, szabályozás) és a jelenlegi folyamatok mélyfúrása, hogy feltárjuk a szűk keresztmetszeteket és a kézzel végzett munkafolyamatokat. Ezek alapján priorizált use case‑ekkel kapunk egy „kincsestérképet”, amiből elindul a megvalósítás.
Gyakori nehézségek és kezelési javaslatok
-
Szervezeti és kommunikációs kihívások: vezetői nyomás a gyors bevezetésekre, miközben hiányzik a stratégia és a dolgozók számára nem kommunikálják az AI célját. Sokszor nem hangsúlyozzák, hogy a cél a munka minőségének javítása, nem feltétlenül a feladatok teljes kiváltása — pedig ez jelentősen csökkentheti az ellenállást.
-
Technológiai akadályok: elavult rendszerek, adatsilók, eltérő formátumok és a tacit tudás (nem dokumentált, egyéni tudás) integrálása nehezíti a megvalósítást. Gyakori probléma, hogy a vezetőség irreális elvárásokat támaszt az AI‑ral szemben (például 100%-os pontosságot várva olyan rendszerben, amely 98%-os teljesítményt nyújt).
-
Kockázatkezelés: meg kell határozni, hol elfogadható egy hiba. Például orvosi döntéseknél nulla tolerancia lehet indokolt, míg egy ritka számlahiba gazdaságilag elfogadható lehet. Az integráció akkor működik hatékonyan, ha világosan definiáltak azok a pontok, ahol emberi ellenőrzés szükséges.
KKV vs. nagyvállalat: közös és eltérő kihívások
Laczkó szerint mindkét szegmensnek sokat kell edukálnia a kollégákat. A KKV‑k gyorsabban tudnak innoválni a kevésbé komplex szabályozás miatt, de gyakran kaotikusabb a kiindulási állapot az automatizáció és adathasználat tekintetében. A nagyvállalatoknál a nemzetközi anya, szervezeti komplexitás és a szabályozási bizonytalanság lassíthatja a transzformációt; ritkán maga a technológia éretlensége a fő gát.
Hogyan érdemes továbbfejleszteni egy meglévő AI‑stratégiát?
Laczkó szerint az AI‑transzformáció kifejezetten összetett szervezeti változás. Az elején hasznos lehet külső tanácsadás az irányok belökésére, majd fokozatosan házon belüli kompetenciává kell tenni a fejlesztést. A tanácsadók széles tapasztalata (Laczkó említette, hogy több száz AI‑transzformációs projekt tapasztalatára támaszkodik) segít abban, hogy a stratégiát minden releváns szempontból értékeljék és priorizálják a backlog elemeit.
Technológiai irányok: multimodalitás és természetes nyelv
Tiszavölgyi szerint a következő nagy lépés a multimodális modellek elterjedése lesz, amelyek egyszerre értelmeznek képet, videót és szöveget — ez különösen a robotika területén hozhat előrelépést. A szoftverfejlesztésben pedig azt látja, hogy a hagyományos programozási nyelvek szerepét egyre inkább a természetes nyelv alapú interakciók vehetik át.
Rendezvény és további megosztott tapasztalatok
A szakértők részt vesznek a 2026‑os HVG AI Talks konferencián, ahol workshop formájában valós helyzetek alapján mutatják be a bevezetés során felmerülő szervezeti konfliktusokat és azok kezelését kommunikációs, üzleti és technológiai nézőpontból. A rendezvényen a résztvevők szerint gyakran indulnak értékes szakmai beszélgetések és ötletek, amelyek hatással lehetnek a vállalati működésre.
Jegyvásárlási információk: a 2026‑os HVG AI Talks konferenciára jegyek vásárolhatók az aitalks.hu weboldalon.
A cikk tartalma az AI Talks, a HVG rendezvényének keretein belül készült a HVG BrandLab közreműködésével; a HVG hetilap és a hvg.hu szerkesztősége a tartalom előállításában és szerkesztésében nem vett részt.
