Elveszik az ember munkáját az algoritmusok, vagy csupán felszabadítják az idejét a monoton, automatizálható munkák elvégzésével?
A mesterséges intelligencia (AI) nem csupán egy újabb IT-eszköz, hanem olyan transzformációs technológia, amely gyökeresen átírja a folyamatokat, a szerepeket és a szükséges készségeket. Mátyás-Kollár Gabriella, a ShivaForce AI-részlegének vezetője a radiocafé Epic Stories című műsorában Dojcsák Dánielnek mesélt arról, hogyan érdemes bevezetni az AI agenteket egy szervezetbe, mit csináljon a cég a felszabaduló emberi idővel, és miért a tagadás a legveszélyesebb hozzáállás.
Nem az IT és nem a HR dolga, hanem mindenkié
Az egyik leggyakoribb hiba, amellyel Mátyás-Kollár Gabriella találkozik: a vállalatok vagy IT-feladatként, vagy HR-feladatként tekintenek az AI-transzformációra. Valójában egyik sem igaz. A technológia ismerete és az emberi oldal – a csapatok felkészítése, a folyamatok újrarajzolása – csak együtt hozza meg az eredményt.
Ennek megfelelően a ShivaForce megközelítése azzal kezdődik, hogy a folyamatokat feltérképezik: egy teljes napot ülnek egy-egy csapat mellett, és rögzítik, hogy milyen fájlokat nyitnak meg, milyen rendszerekbe lépnek be, milyen emaileket néznek. Ez az a külső szem, amellyel meglelhetők azok a pontok, ahol az automatizálásnak van értelme.
A modell sem mindegy, és kell az ember is
Az automatizálás nem egységes. Egy szabályalapú, ismétlődő folyamat – Excel megnyit, cella kimásol, emailbe be, lekönyvel – hagyományos RPA-val megoldható, és a szűk keresztmetszet ilyenkor csak a hivatkozott rendszer sebessége. Ahol viszont az érkező adat nem szabványos – például egy „küldöm, mert majdnem elfelejtettem” tárgyú email tartalmaz számlát –, ott jön be a nagy nyelvi modell intelligenciája, amely kontextusból és tartalmából következtet.
Az összetett rendszereknél a költségek is fontosak: egy drágább LLM modell token-költsége nem mindegy, ha naponta ezrével futnak le ugyanazok a folyamatok. A megoldás: az egyszerűbb feladatokra egyszerűbb modell, a bonyolultabbakra fejlettebb, és minden esetben beépített emberi ellenőrzési pont – a Human-in-the-Loop – azokra az esetekre, amelyek kilépnek a definiált folyamatból.
A felszabaduló idő nem meetingekbe megy
Sokat vitatott kérdés, hogy mi történik, amikor az AI átveszi az adminisztratív munkát. Az egyik félelem az, hogy az emberek a felszabaduló időt szervezeti súrlódásba – felesleges értekezletekbe, nem értékteremtő tevékenységekbe – forgatják. Mátyás-Kollár Gabriella tapasztalata más: az üzleti logika azt diktálja, hogy a szervezet azonnal a következő értékteremtő feladatra ugrik.
Ezt egy nagyvállalati AI-érettségi felmérés is alátámasztotta: a megkérdezett vezetők elsősorban nem költségmegtakarítást vártak az AI-tól, hanem munkaminőség-emelkedést. Az a fő elvárás, hogy az adminisztratív terhektől megszabaduló munkatársak a kutatásra, az üzleti lehetőségek feltárására és a tapasztalatalapú munkára fordíthassanak több időt.
A tagadók és a naivan lelkesek lehetnek a vesztesek
A vesztes pozíciót azok foglalják el, akik tagadják, hogy ez transzformációs technológia lenne. Ez már bizonyított, és hetvenévnyi gépi tanulásra és automatizálásra épül.
Ugyanakkor a naiv lelkesedéssel rohanók sem járnak jól automatikusan: az adatbiztonsági és cybersecurity kockázatok valósak, a hallucinációs problémák kezelést igényelnek, és az AI governance – tehát a korlátok, az auditálhatóság, a megbízható kimenetek biztosítása – nem spórolható el. Aki megbotlik ezeken, tanul belőle és halad tovább; aki viszont azt mondja, hogy „én mindent tudok a szakmáról, nincs rá szükségem”, az előbb-utóbb egy megváltozott szakmában találja magát.
A jövő karrierkulcsa: alkalmazkodóképesség és kritikus gondolkodás
Az INSEAD oslói konferenciáján a résztvevők úgy fogalmaztak: a legfontosabb vezetői készség a nagyfokú bizonytalanság navigálása. Nem az iparági tapasztalat évei, nem a lexikális tudás – hanem a folyamatosan változó környezethez való gyors alkalmazkodás.
Ez nem jelenti azt, hogy a szakterületi mélység értéktelen – éppen ellenkezőleg. A kontroll az embernél marad: az ember mondja meg, hogy mit tekint jó kimenetnek, mire alkalmazza az algoritmust, és milyen korlátokat épít be. Ehhez pedig szükség van arra, hogy valaki értsen a területhez annyira, hogy el tudja dönteni, hogy valami AI-szemét, vagy valóban minőségi dolog.
A fejlődés lehetősége
A junior munkatársaknak most van a fast-track lehetőségük: akik gyorsan alkalmazkodnak az új technológiához, ugrásszerűen fejlődhetnek. A seniorok ereje az, hogy látták már a különböző kimeneteleket, és tudják, mire kell kibiztosítani egy rendszert.
A KKV-k jellemzően pragmatikusan közelítenek: fel kell-e vennem plusz egy embert, vagy ki tudom váltani egy AI folyamattal? A legizgalmasabb kísérlet a solopreneur modell, ahol egyetlen ember AI agentekkel skálázza a munkáját – az egyetlen kérdés, hogy mikor fog hiányozni a kollégák társasága.
Záró tanács Mátyás-Kollár Gabriellától: ha eddig nem köszöntötted az Excel tábládat, az LLM modellt se kezdd el becézgetni. Tartsuk meg a gépeket gépeknek – és kísérletezzünk bátran.
Ki kicsoda, mi micsoda?
- Mátyás-Kollár Gabriella: A ShivaForce AI-részlegének vezetője, korábban a Morgan Stanley COO-ja volt.
- ShivaForce: Magyar technológiai és szervezetfejlesztési vállalat.
- AI agent (mesterséges intelligencia ügynök): Önálló feladatokat végrehajtó AI-rendszer, amely emberi beavatkozás nélkül képes összetett folyamatokat elvégezni – adatokat gyűjteni, döntéseket hozni, rendszerekkel kommunikálni.
- RPA (Robotic Process Automation): Szabályalapú folyamat-automatizálás, amelynél a robot pontosan meghatározott lépések szerint végez ismétlődő feladatokat. Rugalmatlan: ha valami nem illeszkedik a szabályhoz, megáll.
- LLM (Large Language Model): Nagy nyelvi modell, mint a GPT vagy a Gemini. Nem szabályalapú, hanem kontextusból következtet – képes értelmezni nem szabványos bemenetet is.
- Human-in-the-Loop: Az a tervezési elv, amelynek alapján bizonyos döntési pontokon az emberi felügyelet kötelező – például magas összegű tranzakcióknál vagy kivételes esetekben.
- AI governance: Az AI-rendszerek biztonságos, átlátható és auditálható működését biztosító szabályrendszer és korlátok összessége.
- Solopreneur: Egyéni vállalkozó, aki AI-eszközök segítségével a hagyományos egyszemélyes korlátokat meghaladó szinten tud skálázni.
- Non-determinisztikus algoritmus: Olyan algoritmus, amelynek kimenete nem teljesen kiszámítható előre, szemben a determinisztikus (mindig ugyanazt az eredményt adó) algoritmusokkal. Az LLM-ek ilyenek, innen ered a kreativitásuk és a hallucináció lehetősége is.
