A generatív mesterséges intelligencia velünk van és velünk marad, a vállalatok többsége már használja is valamilyen módon. A „valamilyen módon” azonban nem garantálja, hogy az AI tényleges üzleti értéket is teremt. Az ITBUSINESS és a Shiwaforce márciusi közös rendezvényén kiderült, hogyan lehetnek a vállalatok az ügynök alapú (agentic) AI korszakának nyertesei, és hol tartanak ebben az élenjáró vállalatok.
◼︎ Vállalati multi agent AI evolúció
Mint minden forradalmian új technológiát, a mesterséges intelligenciát is hajlandóak minden problémát megoldó csodaszernek tekinteni a vállalatok. Erről persze szó sincs: az AI (sok tekintetben) csak az ügyfélelérés és -kiszolgálás újabb eszköze, amit az ügyfelek egyre inkább el is fognak várni. Itt azonban van egy kis bökkenő: a jelenlegi AI-eszközök bevezetése csalódást okozhat az ügyfeleknek, mert ezek még nem állnak azon a fejlettségi szinten, mint a többi ügyfélkiszolgálási csatorna és eszköz, így a meglévő folyamatok szolgai átvitele AI-alapokra nem járható út – figyelmeztetett nyitó előadásában Kállai Gábor, a Shiwaforce CTO-ja.
Lépésről-lépésre
Az AI, és különösen az agentic AI használatba vétele olyan evolúciós út, amelynek lépcsőfokait minden vállalatnak be kell járnia. Kállai Gábor négy ilyen lépcsőfokot különböztetett meg:
1. Látszat AI (AI washing)
Az első lépésben felszínes AI-megoldásokkal kísérleteznek a vállalatok. Egymástól elszeparált rendszerek működnek, amelyek jellemzően marketingeszközként funkcionálnak, a folyamatokat, a KPI-okat igazából nem javítják, az ügyfélélmény fokozásához csak minimálisan járulnak hozzá. Ilyen lehet a weboldalba ágyazott chatbot, amely a termékekről ad felvilágosítást, de tranzakciók végrehajtására nem alkalmas.
2. AI szigetek (AI islands)
Ebben a fázisban már konkrét üzleti igények alapján állítanak be AI-eszközöket. A cél leginkább a meglévő, ember által vitt üzleti folyamatok felgyorsítása, hatékonyabbá tétele. Tipikusan ebbe a körbe tartoznak a cégen belül használt chatbotok, LLM-ek. A megoldások már hajtanak üzleti hasznot, a cégen belül már van némi tudás és tapasztalat a használatról, de az AI-ágensek még nincsenek összekapcsolva.
3. AI gerinc (AI backbone)
A korábbi tapasztalatokra és belső fejlesztésekre építve az AI túllép azon, hogy meglévő folyamatokban az emberi dolgozó asszisztense legyen. A megoldások jellemzően nem egy általános ágenst használnak, hanem több kisebb, specializált rendszert, amelyek csapatot alkotva, egymással együttműködve komplex feladatokat hajthatnak végre. Az AI-használatban élen járó magyar vállalatok most lépnek be ebbe a fázisba.
4. Integrált AI (AI Black Mirror)
Ebben a fázisban a mesterséges intelligenciára épülő ágensek megbecsült tagjai lesznek a dolgozói közösségnek. A kérdés már nem az, hogy a folyamatban hol lehet alkalmazni az AI-t, hanem hogy egyáltalán hol van szükség emberi beavatkozásra, felügyeletre. Az ágensekre épülő rendszerek adatokat gyűjtenek, feladatokat hajtanak végre, és döntéseket is hoznak.
Már ma is elérhető több olyan platform, amelyen keresztül elérhető az egymással együttműködő AI-ágensekből álló rendszer. Ilyen az Atlassian Rovo AI, a Google Agentspace vagy a Microsoft Copilot Agents. Kállai Gábor azonban figyelmeztetett: nem feltétlenül érdemes kiszerveznie egy vállalatnak az AI gerincet, mert a vállalat így az adatvagyonát, és akár a profitját is kockáztatja. A szakember arra is felhívta a figyelmet, hogy továbbra is az ügyfélélmény javítása az üzleti cél, az AI megoldások is digitális ügyfélkiszolgáló rendszerek, ami jól illeszkedik a webes, mobilos és fióki ügyintézés evolúciójához. A fejlődési úton viszont nem lehet végigmenni, ha a belső szakértők, munkatársak nem rendelkeznek megfelelő tudással, ismeretekkel, attitűddel, de az is nehezítő körülmény, ha a vállalaton belül silókban megrekednek az eredmények. (Lásd a keretet!)
A dolgozók bevonásával
Az előadásokat követő panelbeszélgetésből azt is megtudhatták az ITBUSINESS Club résztvevői, hogy milyen gyakorlati lépésekkel és módszerekkel jutottak el jelenlegi fejlettségi szintjükre az élenjáró magyar vállalatok. A generatív AI sok tekintetben más, mint az eddigi nagy technológiai ugrások, említette Tábori Gyula, az Egis Gyógyszergyár IT-szolgáltatásokért felelős vezetője. Nem egyszerűen adatokat elemez, hanem új tartalmakat hoz létre a meglévők alapján, széles körben elterjedt, újabban pedig már az érzelmi intelligencia is megjelent az eszköztárában.
| Pontszerű tréningek helyett perszóna-alapú learning journey
Az AI alkalmazása egy vállalaton belül csak akkor lehet sikeres, ha a dolgozók, és rajtuk keresztül a szervezet is felkészül az AI-korszak kihívásaira – hangsúlyozta Földházi Csaba, a Shiwaforce Pulze Digital tartalmi fejlesztéseiért felelős igazgatója. A Shiwaforce-nál úgy tartják, hogy az uniformizált és pontszerű képzések helyett érdemes szerepkörökre szabott, végiggondolt képzési utakat kínálni, és ezt akár gamifikált környezetbe helyezve megjeleníteni a munkatársak felé. Az eddigi ügyfélimplementációban négy fő technológiai területet azonosítottak: az AI-t, felhő technológiákat, az adatmenedzsmentet és a lowcode/nocode megoldásokat. Ezekhez összesen 25 vállalati szerep szerinti perszónát azonosítottak a Shiwaforce Pulze Digital üzletágának szakértői, amelyek jól lefedik egy adott területen dolgozó feladatait (például az adatmenedzserét). Tudásban öt szintet határoztak meg, az aktív érdeklődőtől a mester szintig és ezeket a 150 jelenleg elérhető tréning modul alapján 60 különböző learning jurney-be szervezték. Az elvégzett képességfejlesztési út a vállalaton belül sztenderd minősítést ad, amellyel bármely részleg tud kalkulálni, a munkatársak pedig előre tervezhetik a karrierjüket lépésről-lépésre. |
A panelbeszélgetésben képviselt vállalatok mindegyike nagy gondot fordított arra, hogy a dolgozókat bevonja az AI-evolúcióba. A Magyar Telekomnál az alapvető ismeretektől kezdve indítottak egy képzési programot, emellett pedig egy, a Geminire és egyéb modellekre alapozott belsős alkalmazást is fejlesztettek, mondta Balázs András, a Magyar Telekom Adat és AI területek igazgatója. A mesterséges intelligencia iránti érdeklődést jól jelzi, hogy a képzésre 1300-an jelentkeztek be, és óriási kreatív energiákat szabadított fel a kollégákban, tette hozzá.
Valódi segítség
Abban is hasonlóak ezek a vállalatok, hogy mindegyiknél működik üzleti hasznot hajtó AI-megoldás, amelyekre az igény már az üzleti területekről érkezett. Zsombó Dániel, az OTP Bank chat és tudásbázis platform fejlesztésekért felelős vezetője kiemelte az OTP internet- és mobilbankjából, illetve honlapjáról elérhető chat asszisztens AI alapú szándékfelismerési képességét, a bank csalásmegelőzési fejlesztéseit, emellett a weboldal ajánló motorját, amely a böngészési előzmények alapján jelenít meg perszonalizált tartalmakat a felhasználók számára. Már vizsgálják saját chatmegoldásuk multiagent irányba történő továbbfejlesztését is. Az MBH Bankban is készült saját AI-alapú chat, a contact center pedig már hangalapú AI-t alkalmaz, tette hozzá Berta Bence, aki a videobankért és egyéb elektronikus csatornákért felel a pénzintézetnél.
A Telekomnál nagymértékben elősegítette az AI elfogadását, hogy a jogi osztály is kért saját megoldást. A rendszer a jogi osztálynak leggyakrabban feltett kérdéseket válaszolja meg automatikusan és hallucináció nélkül – egyúttal „hús-vér” jogászt is javasol a kérdezőnek, ha további információra lenne szüksége.
