Harminc évvel azután, hogy az IBM Deep Blue legyőzte Garri Kaszparovot, a sakk és a mesterséges intelligencia története ma is tanulságos párhuzamokat kínál. A gépek bizonyos feladatokban gyorsabban és hatékonyabban elemeznek, de ez nem szünteti meg az emberi tudás és ítélőképesség szükségességét — éppen ellenkezőleg, más készségeket emel előtérbe. A Polgár Judit Világsakkfesztivál és a Morgan Stanley tapasztalatai alapján öt olyan elvet fogalmazhatunk meg, amelyek segítenek a döntéshozatalban az AI-korszakban.
Történeti háttér: Deep Blue és azóta
Az IBM Deep Blue eredetileg kifejezetten sakkra tervezett rendszere 1996-ban még vereséget szenvedett Garri Kaszparovval szemben, de 1997-ben már megnyerte a találkozót. A működési elv és a technológia más volt, mint a ma elterjedt generatív rendszereké, a felvetett alapvető kérdés azonban változatlan: ha a gép jobban elemez bizonyos helyzeteket, mit bízhatunk rá, és hol kell továbbra is az emberi ítélőképességre támaszkodnunk?
A pénzügyi szektor: gyakorlat és felelősség
A Morgan Stanley a pénzügyi szolgáltatók között korán vezette be a generatív AI-megoldásokat vagyonkezelési területen: 2026 júniusára a munkatársak 98 százaléka hozzáfért legalább egy ilyen eszközhöz. A vállalat budapesti technológiai és elemző központja idén ünnepli fennállásának 20. évfordulóját, és közel háromezer munkatársat foglalkoztat. A technológia széleskörű bevezetésével együtt kulcsfontosságúvá vált, hogy az emberek hogyan értelmezik és ellenőrzik a gépek válaszait.
A Morgan Stanley nyolc éve támogatja főszponzorként a Polgár Judit Világsakkfesztivált; az idei eseményt 2026. szeptember 26-án rendezték a Magyar Nemzeti Galériában, és a kritikus gondolkodás állt a középpontban.
Öt tanulság a kritikus gondolkodásról
- Nem elég megkapni a jó választ, érteni is kell
Más követni egy gép által javasolt lépést, és más megérteni, miért az a helyes döntés. Működési okokat, lehetséges ellenlépéseket és a stratégia korlátait is fel kell térképezni. Mayer Dániel, a Morgan Stanley budapesti irodájának vezetője szerint a gyors válasz önmagában nem garantál jó döntést; meg kell érteni, mire épül a válasz, és mi maradhatott ki belőle. Az AI segíti az információ feldolgozását, de a döntéshez szükséges mennyiségű és minőségű információt emberi mérlegelésnek kell megerősítenie.
- Keressük meg saját elképzeléseink gyenge pontjait
A sakkozó jó szokása, hogy nemcsak a terve erényeit, hanem a vele szembeni lehetséges ellenlépéseket is végiggondolja. Ugyanezt kell alkalmazni az AI által adott javaslatoknál: mely feltételezések a leginkább bizonytalanok, milyen új információ módosíthatja a következtetést, és milyen ellenérvek merülhetnek fel. Az AI-tól kérhetünk alternatív nézőpontokat, de azokat is ugyanúgy ellenőrizni kell, mint az eredeti válaszokat.
- A jó döntés a megfelelő kérdéssel kezdődik
A sakknál a cél megfogalmazása (győzelem, döntetlen, pozíció megtartása) meghatározza a stratégiát. Az üzleti és mindennapi döntéseknél is először a célok és prioritások tisztázandók: gyorsaság, költség vagy hosszú távú bizalom a fontosabb? Ha a kérdés pontatlan, a mesterséges intelligencia is határozottnak tűnő, de félrevezető választ adhat. Mayer Dániel arra hívja fel a figyelmet, hogy érdemes olyan kérdéseket feltenni, amelyek nemcsak megoldást adnak, hanem feltárják a feltételezéseket és a lehetséges alternatívákat.
- A feladatot átadhatjuk, a felelősséget nem
A gép segíthet az állás elemzésében vagy többlépéses feladatok végrehajtásában, de a végső stratégiai döntés és a felelősség emberi kézben marad. Különösen az úgynevezett ágensalapú AI-megoldásoknál fontos előre meghatározni, hogy a rendszer milyen műveleteket végezhet önállóan, hol fordulhatnak elő hibák, és mikor szükséges emberi beavatkozás. A Morgan Stanley korlátozott hozzáférésekkel, nyomon követhető műveletekkel és ügyféladatokat védő szabályokkal alkalmazza ezeket a rendszereket, emberi felügyelet és végső döntéshozatal mellett.
- Minél többre képes a gép, annál fontosabb a saját tudásunk
A játékos akkor fejlődik, ha nemcsak felismeri a hibát, hanem érti is annak okát, és legközelebb önállóan elkerüli a hasonló buktatókat. Ugyanez érvényes munkahelyi feladatokra: egy AI által generált kód vagy elemzés csak akkor ellenőrizhető érdemben, ha a felhasználó érti a mögöttes logikát. A technológia nem helyettesíti a szakmai tudást; eszközt ad hozzá, ugyanakkor növeli a háttértudás fontosságát. Ennek megfelelően a Morgan Stanley nemcsak eszközöket vezet be, hanem a munkatársak képzésére is fókuszál.
A gép válasza után kezdődik az ember feladata
A sakk három évtizedes tapasztalata azt mutatja, hogy a gép nem a gondolkodás végét jelenti: gyakran ott kezdődik a legfontosabb rész. A Polgár Judit Világsakkfesztiválon hangsúlyozott készségek — a válaszok megértése, a feltételezések vizsgálata, a pontos kérdésfeltevés és a felelősség vállalása — ma az AI-korszak alapvető követelményei.
Polgár Judit szerint a mesterséges intelligencia megjelenése felértékeli azokat a gyerekkorban elsajátítható készségeket, amelyek a kritikus gondolkodás alapjait adják; a játék ezeket kombinálja: érzelmeket, szabályokat, ügyességet és komoly döntéseket. Az elérhető információ önmagában még nem tudás, csupán alapanyag — rajtunk múlik, mit kezdünk vele.
Rövid összegzés
A Deep Blue‑Kaszparov mérkőzés óta világos, hogy a gépi teljesítmény nem kiváltja az emberi gondolkodást. A mesterséges intelligencia erősségeinek kihasználása mellett elengedhetetlen a válaszok megértése, a feltételezések kritikus vizsgálata, a célok pontos megfogalmazása és a döntésekért vállalt emberi felelősség. Ezek a készségek teszik lehetővé, hogy a technológia valódi tanulási és döntéstámogató eszközzé váljon.
