Az AI körüli gazdasági vita gyakran egyszerű technológiai versennyé válik: kinek van jobb alapmodelle, több GPU-ja vagy nagyobb adatközpontja. Egy Magyarország méretű országnak azonban valószínűleg nem ez a legfontosabb dilemmája. Nem fogunk saját OpenAI-t, Anthropicot vagy Google DeepMindot építeni; a kérdés sokkal inkább az, hogy az AI által létrejövő gazdasági értékből mennyi keletkezik és marad Magyarországon.
Különösen fontos, hogy hazai tulajdonú, skálázható vállalkozások jöjjenek létre, képesek legyünk a tranzakciós és végrehajtási feladatokat ellátó munkaerőt magasabb hozzáadott értékű szerepekbe áthelyezni, és a magyar cégek úgy használják az AI-t, hogy az irányítási és megfelelési költségek ne egyenek fel minden termelékenységi nyereséget. Emellett fontos a magyar szereplők részvétele a nemzetközi kutatási, standardizációs és tudáshálózatokban, ahol a technológia következő generációja formálódik.
Mire utalnak a számok és jelenlegi tapasztalatok?
A múlt évtizedekben Magyarország növekedési modellje jelentős mértékben épített a külföldi működőtőkére, ipari termelésre és üzleti szolgáltató központokra. A Nemzeti Befektetési Ügynökség (HIPA) 2025-ös felmérése szerint Magyarországon 245 business service center (BSC) működött 118 543 munkavállalóval; a szektor az utóbbi években egyre összetettebb, magasabb hozzáadott értékű tevékenységeket hozott az országba.
Ugyanakkor az AI megváltoztatja, hogy hol lesz szükség emberi munkára: a standardizálható, dokumentálható és végrehajtás-intenzív feladatok egy része automatizálódik. Ez nem feltétlenül jelent tömeges és azonnali munkahely-vesztést, de azt igen, hogy ugyanannak a gazdasági értéknek az előállításához más kompetenciák, más munkamegosztás és sok esetben más létszám lesz szükséges.
Hazai tulajdon és kockázati tőke
Az AI egyik különleges lehetősége, hogy bizonyos vállalati funkciók skálázásához kevesebb humánkapacitás szükséges. Egy kis csapat ma olyan terméket vagy szolgáltatást hozhat létre, amelyhez korábban sokkal nagyobb szervezet kellett volna — így néhány tucat főt foglalkoztató technológiai cég gyorsan értékes és exportképes vállalattá válhat. Ehhez azonban rendszerint tőke kell: a startupok, különösen a deep-tech cégek hosszabb időn át igényelnek befektetést a fenntartható növekedésig, és ebben a kockázati tőke kulcsszerepet játszik.
Ezért versenyképességi szempontból fontos például a vagyonadó-tervezet társadalmi egyeztetése. A cikk rámutat: ha a cégérték növekedése személyes adókötelezettséget generál az alapítóra anélkül, hogy likvid jövedelem keletkezett volna, az likviditási problémát okozhat és visszatarthatja a növekedést. A vállalkozói érdek-képviseletek ezért már felvetették a működő vállalkozói vagyon speciális kezelésének szükségességét.
Készségekért zajló verseny és átképzés
A tőke önmagában kevés: kritikus lesz, hogyan kezeljük azokat a munkavállalókat, akik munkaköre jelentősen átalakul. A World Economic Forum 2025-ös Future of Jobs kutatása szerint a megkérdezett munkáltatók 63%-a a skill gapet nevezte a vállalati átalakulás egyik legnagyobb akadályának, és a válaszadók szerint 2030-ig minden száz munkavállalóból 59-nek valamilyen upskillingre vagy reskillingre lesz szüksége. A gyorsan növekvő készségek között szerepel az AI és big data, technológiai műveltség, kiberbiztonság, analitikus gondolkodás, rugalmasság és kreativitás.
Ez különösen fontos Magyarországon, ahol közel 120 ezer ember dolgozik business service centerekben: a munkaerőpiaci stratégia nem épülhet arra, hogy a mai munkakörneveket változatlan formában megtartjuk. Szükség van stratégiai munkaerő-tervezésre, a feladatok automatizálhatóságának és átalakulásának előrejelzésére, valamint arra, hogy az átképzés időben és célzottan induljon el — nem csak általános AI-képzésekre van szükség, hanem a konkrét szerepváltást támogató programokra.
Arányos irányítás és megfelelés
A governance kérdése gyakran hamis dilemmaként jelenik meg: vagy innovációnak adjuk át a terepet, vagy szigorúan szabályozunk. A valóság ennél összetettebb: az AI-nak valós kockázatai vannak — adatvédelmi, diszkriminációs, üzleti, működési, reputációs és kontrollkockázatok is. Ezek kezelése nem opcionális, de arányosság szükséges.
A kockázat nem lineárisan skálázódik a vállalat méretével: egy ötvenfős cég is kezelhet érzékeny adatokat használó toborzó rendszert, de nincs mögötte nagy jogi és megfelelőségi apparátus. Ha az irányítási, dokumentációs és megfelelőségi költségek nagyobbak, mint az AI-ból származó termelékenységi előny, a technológia bevezetése gazdaságilag értelmetlenné válik.
Ezért üdvözlendő, hogy a magyar szakértők is bekapcsolódhatnak az uniós AI-jogszabály (AI Act) végrehajtását meghatározó szabványosítási munkába. A szerző részt vesz az MSZT CEN-CENELEC JTC 21 munkáját követő magyar tükörbizottság tevékenységében. Az Európai Bizottság a CEN és CENELEC közös JTC 21 bizottságától tíz területre kért harmonizált szabványt — többek között kockázatkezelésre, adatirányításra és adatminőségre, naplózásra, átláthatóságra, emberi felügyeletre, pontosságra, robusztusságra, kiberbiztonságra, minőségirányításra és megfelelőségértékelésre. Ha egy harmonizált szabvány hivatkozása megjelenik az Európai Unió Hivatalos Lapjában, alkalmazása megfelelőségi vélelmet adhat az AI Act vonatkozó követelményeire.
Az uniós szabályozás emellett külön figyelmet fordít a kis- és középvállalkozásokra (kkv-kra), startupokra és az AI-rendszereket bevezető szervezetekre: célzott képzésekre, tájékoztatásra, szabályozói tesztkörnyezetekhez való hozzáférésre és a szabványosításban való részvétel támogatására van szükség. Az EU 2026-os egyszerűsítési lépései szintén az arányosabb megfelelési követelmények és szélesebb hozzáférés irányába hatottak.
Nem kell mindent itthon feltalálni, de be kell kapcsolódni
Egy kis ország számára nem reális cél, hogy minden fontos AI-kutatási területen kritikus tömeget építsen önállóan. Sokkal lényegesebb, hogy egyetemek, kutatók, vállalatok és civil szereplők jelen legyenek azokban a nemzetközi hálózatokban, ahol a következő évtized technológiai és irányítási megoldásai kialakulnak.
Példák a már meglévő kapcsolódásokra: a HunAIFA révén Magyarország bekerült az európai AI Factory Antenna hálózatba, amely az AI-infrastruktúrához és innovációs ökoszisztémához való hozzáférést próbálja szélesíteni startupok és kkv-k számára. Ugyanakkor a részvétel önmagában még nem elég: fontos, hogy ezekből projekt-, tudástranszfer-, kutatói mobilitás- és vállalati együttműködések legyenek.
Jó összehasonlításként említhető az ELLIS (European Laboratory for Learning and Intelligent Systems): 47 európai site-tal, 19 országgal, több mint 2300 taggal, 16 nemzetközi kutatási programmal és több mint 500 PhD-hallgatóval és posztdoktori kutatóval működik — a nyilvános site-listán jelenleg nincs magyar ELLIS-site. Ez nem jelenti, hogy magyar kutatók nincsenek jelen az európai AI-kutatásban, de jelzi, hogy az intézményi integrációban van tér előrelépésre.
A társadalomtudományok és a civil szféra részvétele is fontos, hiszen az AI társadalmi hatásai — foglalkoztatás, diszkrimináció, adatvédelem, hozzáférhetőség, munkavállalói jogok és emberi felügyelet — nem csupán technikai kérdések.
Az AI-nak el kell jutnia a kkv-khoz és a közepes vállalatokhoz
Az Eurostat adatai szerint 2025-ben az EU legalább tíz főt foglalkoztató vállalatainak 20%-a használt legalább egy AI-technológiát; Magyarországon ez az arány körülbelül 10,5% volt. Dániában 42%, Finnországban 37,8%, Svédországban 35% volt az arány. A vállalatméret szerinti különbség is jelentős: EU-szinten a nagyvállalatok 55%-a használt AI-t 2025-ben, míg a kkv-knál csak 18,9% volt az arány.
Az AI gazdasági hatásának jelentős része nem kizárólag látványos startupokból származik, hanem abból, hogy a gyártó-, szolgáltató- és logisztikai középvállalatok hogyan használják az eszközöket a tervezés, adminisztráció, előrejelzés és értékesítés támogatására. Ha az AI-hozzáférés elsősorban a nagyvállalatok kiváltsága marad, nőhet a produktivitási különbség a magyar gazdaságon belül.
Ezért a kkv-k AI-használatának támogatása nem egyszerű technológiai evangelizáció kérdése: célzottan ott kell segíteni, ahol mérhető gazdasági értéket teremt, biztosítva a szükséges tudást, infrastruktúrát, tőkét és arányos irányítási/megelőző megfelelőségi megoldásokat.
Konklúzió: gazdasági átmeneti stratégia kell
Az AI-versenyképességet könnyű technológiai kérdésként felfogni — legyen több adatközpontunk, AI-szakemberünk és stratégiai dokumentumunk. Ezek fontosak, de önmagukban nem elegendők. Magyarország számára az AI elsősorban gazdasági alkalmazkodási kérdés: a technológia újrarendezi a tőke, a munka és a tudás értékét.
Ha a kormányok és a piac szereplői jól alakítják a tőkét, a képzést és a szabályozást, az AI lehetőség arra, hogy Magyarország feljebb lépjen az értékláncon — több saját tulajdonú, exportképes technológiai vállalattal, magasabb hozzáadott értékű üzleti szolgáltatásokkal, produktívabb kkv-kkal és olyan munkaerővel, amely tudásával versenyez. Ez azonban konzisztens ösztönzőket, arányos szabályozást, hozzáférhető megfelelőségi infrastruktúrát és nemzetközi kapcsolódásokat igényel; különben a technológia előnyei könnyen kifolynak az országból.
Ez a cikk a Portfolio "on the other hand" véleményrovatában jelent meg. A szerző véleménye nem feltétlenül egyezik a Portfolio szerkesztőségének álláspontjával.
