A KPMG kutatása szerint az AI-ba befektetett összeg akár kétszeresen is megtérülhet. Milyen tényezők határozzák meg a tényleges megtérülést és mely területeken jelentkezik a leggyorsabban a profit?

Kórász Tamás: A kutatásban valóban találhatunk olyan helyzeteket és eseteket, amelyekben a befektetett költségek tekintetében akár kétszeres megtérülés is elérhető, azonban fontos kiemelni, hogy ez egyrészt az egyszeri bevezetési költségekből, másrészt a folyamatos üzemeltetési költségektől függ. Ha ezeket együttesen vizsgáljuk, akkor vannak olyan sikeres bevezetések, amelyek esetében az adott vállalat akár már egy éven belül a befektetés kétszeresét is realizálni tudta bevételben. 

Ugyanakkor több kutatás is rámutatott arra, hogy az AI-ba fektetett erőforrás sok esetben egyáltalán nem térül meg, sőt az AI-projektek jelentős része el sem jut az éles indulásig. Egy Gartner-kutatás szerint az elindított AI-projekteknek körülbelül csak 40%-a kerül ténylegesen éles üzembe, egy másik, szintén meghatározó kutatás szerint pedig igazán eredményesnek mindössze minden huszadik AI-projekt tekinthető. Ez különösen kiábrándító annak fényében, hogy jelenleg mennyi kísérletezés és mennyi zsákutca jellemzi ezeket a projekteket. 

Milyen tényezőktől függ, hogy a befektetési hullám valóban látható eredményt hoz a profitabilitásban?

Meggyőződésem, hogy amennyiben megfelelően választjuk ki azt az üzleti problémát vagy szakmai területet, ahol az AI valóban adekvát megoldást jelent, akkor ezek a projektek sikeresen megvalósíthatók. 

Fontos ugyanakkor megérteni, hogy a különböző üzleti problémák kezelésére ma már számos technológiai eszköz áll rendelkezésre: vállalatirányítási rendszerek, workflow-rendszerek, ügyfélkapcsolati rendszerek és egyéb megoldások, amelyek alkalmazásával számos üzleti probléma hatékonyan lefedhető. A valódi kérdés az, hogy képesek vagyunk-e azonosítani azokat az AI-alapú üzleti eseteket, amelyekben az AI alkalmazása ténylegesen jelentős hozzáadott értéket teremt. 

Ezek jellemzően olyan helyzetek, amelyekben nem lehet pusztán algoritmikus módon meghatározni, hogy egy adott üzleti problémára mi a helyes válasz; ehelyett a megoldás mintázatok felismerésén és tanulási folyamatokon alapul.

Ez rendkívül sok szektorban alkalmazható, hogy néhány példát mondjak: a bankok gyakran alkalmaznak AI-megoldásokat csalásfelderítésre, ahol különböző csalási mintázatok azonosítása a cél. Szintén hasznos lehet az AI az ügyfélkiszolgálásban, például egy kontaktcenterben, ahol a rendszer bizonyos válaszokat előzetesen képes meghatározni vagy támogatni. Egy streamingplatform is AI-alapon határozza meg, hogy milyen filmeket ajánljon a felhasználóknak, a szépségiparban pedig az AI képes virtuálisan ruhákat ajánlani, megjelenést formálni vagy akár frizurát átalakítani.  

Ezek mind olyan AI-lehetőségek, amelyek érdemi hozzáadott értéket biztosítanak az ügyfelek számára, miközben vállalati oldalon akár alacsony költséggel is megvalósíthatók. Ezzel szemben azok a megközelítések, amikor különböző adatrendszerbeli vagy működési hiányosságokat próbálunk AI-megoldással elfedni, rendszerint kudarcba fulladnak. 

Az ügyfélkörükben tapasztaltak alapján mennyire nyitottak a vállalatok más, nem AI-alapú megoldásokra, ha azok indokoltabbak? Főleg annak tükrében, hogy a cégvezetők egy részében erősen munkál a lemaradástól való félelem az AI költések kapcsán.

Tapasztalatom szerint a vállalatok többsége alapvetően nyitott erre. A munkamódszerünk alapján első lépésként a potenciális területeken felmérjük, hogy az adott vállalat milyen érettségi szinten áll, és az adott helyzetben melyek lehetnek a legmegfelelőbb szakmai megoldások: ez adott esetben lehet AI-alapú megoldás, de lehet más megközelítés is. 

Kivételt jelentenek azok a vállalatok, ahol külön költségvetés áll rendelkezésre kifejezetten AI-fejlesztésekre, ilyen esetekben előfordul, hogy az ügyfél azt jelzi, hogy számára az lenne az optimális, ha az adott üzleti problémát AI-megoldással fednénk le, még akkor is, ha az elvileg AI- és nem AI-alapú megoldással egyaránt kezelhető lenne. 

Az AI terjedésével párhuzamosan a kiberbiztonság jelentősége is nő. Melyek ma a legfontosabb kockázatok, amelyekre a vállalatoknak figyelniük kell?

Első helyen minden esetben a humán faktort emelném ki: a kiberbiztonság egészében továbbra is mi, emberek vagyunk a legsérülékenyebb pontok, és az AI megjelenésével még könnyebbé vált a megtévesztésünk. Ennek oka, hogy ma már hangokat és videóképeket is nagyon jó minőségben lehet reprodukálni egy-egy személyről, ami a megtévesztés szempontjából kifejezetten erős kockázati tényezővé válhat. 

A másik izgalmas terület az úgynevezett AI-agentekben való gondolkodás megjelenése, amikor helyettünk egy ügynök, egy digitális megbízott intéz bizonyos ügyeket. Itt kiemelt kérdés, hogy ezeket az ügynököket milyen jogkörökkel, felhatalmazásokkal és kontrollokkal kezeljük. Véleményem szerint ez egy újabb jelentős kihívást jelent.

Kórász Tamás, fotó: Mónus Márton

Emellett azzal, hogy az AI használata során nagyon sok adatunk kerülhet felhőalapú környezetekbe, sokszor szétszórtan és nehezen követhető módon, kulcskérdéssé válik, hogy az adatvagyonunk védelme hogyan alakul. Ehhez kapcsolódó fontos kérdés, hogy az AI-eszközöket milyen módon engedjük hozzá a vállalati adatokhoz, a vállalati működéshez, az üzleti titkokhoz vagy akár a szabadalmakhoz.

Az is jelentős trend, hogy bizonyos AI-eszközöket már sérülékenység-vizsgálatra is használnak informatikai rendszerekben, ami által olyan sérülékenységek is feltárhatóvá váltak automatizált eszközökkel, amelyeket korábban nem lehetett ilyen könnyen azonosítani.

Ezek a problémák nyilvánvalóan az egész iparágat gyorsabb reakcióra késztetik annak érdekében, hogy megfelelően biztonságos rendszereket lehessen kialakítani és fenntartani. 

A riport egyik legérdekesebb megállapítása, hogy az AI átlagosan a munkavállalók idejének 30 százalékát felszabadíthatja a következő két évben. Ha ez valóban így lesz, jelentősebb létszámcsökkentéssel kell majd számolni?

Az ezzel kapcsolatos szakirodalmat és kutatásokat vizsgálva nagyon szélsőséges álláspontokkal találkozhatunk, de a saját kutatásunk alapján egy átlagos irodai munkakör esetében körülbelül 30%-os érintettséggel lehet számolni. Természetesen ez az arány egyes munkakörökben ennél lényegesen magasabb vagy alacsonyabb is lehet, attól függően, hogy az adott munkakör milyen jellegű feladatokból áll, mennyire repetitívek ezek a tevékenységek, illetve milyen mértékben tartalmaznak kreatív vagy komplex döntéshozatali elemeket. 

Azt gondolom, hogy a munkakörök jelentős átalakuláson fognak keresztülmenni, a szolgáltató központi szektorban például már látható, hogy az elmúlt öt évben 12%-kal csökkent azoknak a munkaköröknek az aránya, amelyek erősen repetitív jellegűek.

Ezeket a feladatokat különböző automatizációs megoldásokkal vagy AI-val el lehetett látni, az így felszabaduló kapacitásokat pedig magasabb hozzáadott értékű munkakörökre csoportosították át. Ez részben a munkatársak cseréjével, részben pedig a meglévő munkakörök átalakításával valósult meg. 

Én arra számítok, hogy bizonyos számú munkavállaló el fogja veszíteni a munkáját, ugyanakkor elsősorban azt tartom valószínűnek, hogy képzéssel, átképzéssel, szemléletformálással és tudatos szervezeti építkezéssel a munkavállalók olyan többlettudást szerezhetnek, amelynek segítségével új feladatokat tudnak ellátni a meglévő munkaidejükben, ezzel párhuzamosan pedig teljesen új típusú munkakörök is meg fognak jelenni, amelyek új lehetőségeket teremtenek. 

A Global Tech Report szerint a vezetők egyre inkább az úgynevezett „AI-ready” szervezeteket tekintik nyertesnek. A becsléseik szerint Magyarországon hány olyan vállalat lehet, amely valóban AI-readynek tekinthető?

Egy 2024-es KSH-felmérés még körülbelül 8%-ra tette az AI éles üzemi használatát a vállalatok körében, ezt követően a GKI 2025-ben készített egy hasonló felmérést, amelyben már a vállalatok 32%-ánál jeleztek AI-használatot. Bár ez utóbbi egy kisebb mintás kutatás volt, egyértelműen látható, hogy az elmúlt egy-két évben ezeknek a megoldásoknak az alkalmazása nagyon erőteljesen növekszik.  

Mi szintén azt látjuk, hogy a nagyvállalati és a multinacionális szektor egyértelműen használ AI-megoldásokat, sőt tulajdonképpen elmondható, hogy ebben a szegmensben ma már szinte minden vállalat aktívan igyekszik ezek bevezetésére. Ezzel együtt jól látható, hogy azok a cégek, amelyek akár az egész üzleti modelljüket AI-alapokra helyezték, mennyivel erősebben tudnak kiemelkedni a versenytársaik közül. Példaként említhető a digitális marketing területe, ahol ma már egészen kisvállalatok is nagyon komoly eredményeket tudnak létrehozni AI-val. 

Mi okozza ezt a lemaradást: az AI iránti nyitottság hiánya, az elavult informatikai infrastruktúra vagy a szakemberhiány?

A legnagyobb kihívás elsősorban nem technológiai, hanem szemléletbeli: a vállalatok korábban nem fordítottak kellő figyelmet az adatvagyon tudatos kezelésére, pedig az adatok ma már stratégiai erőforrásnak számítanak. Az AI elterjedése rámutatott arra, hogy a sikeres alkalmazáshoz megfelelő mennyiségű, jó minőségű és könnyen hozzáférhető adatokra van szükség. 

Sok szervezetnél az adatok különböző, gyakran elavult rendszerekben találhatók, ami megnehezíti azok integrációját és felhasználását: az adatok strukturálása, tisztítása és az adatirányítási folyamatok kialakítása jelentős erőforrásokat igényel, ezért ezek a fejlesztések gyakran háttérbe szorulnak. 

A vállalatok többségénél nagy mennyiségű adat keletkezik, ugyanakkor számos területen még további mérési és adatgyűjtési lehetőségek rejlenek. A mesterséges intelligencia sikeres bevezetésének alapja a tudatos adatgyűjtés, az adatminőség javítása és az adatvagyon rendszerszintű kezelése. 

Ha egy kis – vagy középvállalat most kezdi kialakítani AI-stratégiáját, melyek azok a területek, amelyekkel a kutatás tapasztalatai alapján érdemes elsőként foglalkoznia?

Szerintem fontos kiemelni, hogy az AI nem kizárólag nagyvállalati környezetben nyújthat értéket, ahol összetett könyvelési, kontrolling, értékesítési vagy stratégiai problémák támogatására alkalmazzák, hanem a kis- és középvállalati szektorban is számos releváns felhasználási területe létezik. Szemléletes példa, hogy egy légkondicionáló-szereléssel vagy nyílászárócserével foglalkozó vállalkozás esetében a beérkező ügyféligények automatizált feldolgozása, az ajánlatok előkészítése, illetve a gyakran felmerülő kérdések megválaszolása már önmagában jelentős hatékonyságnövekedést eredményezhet. 

Kiemelten fontos ugyanakkor annak mérlegelése, hogy az adott üzleti problémára valóban AI-alapú megoldás jelenti-e a legmegfelelőbb választ. Amennyiben igen, a bevezetés valamennyi feltételét és következményét érdemes átfogóan megvizsgálni. Az egyik legfontosabb tényező az adatok rendelkezésre állása és minősége. Emellett a folyamatokat is felül kell vizsgálni, hiszen egy AI-alapú működési modell bevezetése gyakran megköveteli a meglévő folyamatok és dokumentációk átalakítását annak érdekében, hogy azok megfelelően támogassák az új technológia alkalmazását. 

Legalább ilyen fontos a munkatársak felkészítése.

Az AI sikeres alkalmazásához tudatos képzésre, készségfejlesztésre és megfelelő szervezeti támogatásra van szükség. Emellett célszerű teret biztosítani a kísérletezésnek is, hiszen az AI egy gyorsan fejlődő, innovatív technológiai terület, ahol nem feltétlenül az első próbálkozás vezet a legjobb eredményre, hanem a különböző alternatívák tesztelése, az eredmények folyamatos értékelése, a nem működő megközelítések időbeni elvetése és az új lehetőségek keresése.

Végezetül külön hangsúlyozni kell az AI-használat megfelelő irányításának és szabályozásának szerepét: kiemelten fontosnak tartom, hogy az AI használata megfelelően szabályozott, kontrollált és – ahol szükséges – technológiai eszközökkel is felügyelt keretek között történjen. Ennek egyik legfontosabb célja a vállalati adatvagyon védelme, valamint annak biztosítása, hogy érzékeny üzleti információk ne kerülhessenek illetéktelen személyekhez vagy akár versenytársakhoz. 

Meggyőződésem, hogy amennyiben a vállalatok megfelelően kezelik ezeket a területeket – az adatokat, a folyamatokat, a szervezeti felkészültséget és a governance kérdéskörét –, jelentősen növelhető annak valószínűsége, hogy AI-projektjeik sikeresen valósuljanak meg és valódi üzleti értéket teremtsenek.

A cikk megjelenését a KMPG támogatta.

Címlapkép forrása: Mónus Márton

A cikk elkészítésében a magyar nyelvre optimalizált Alrite online diktáló és videó feliratozó alkalmazás támogatta a munkánkat.