Ahol a robot jó fiú

Ződi Zsolt szerint a távol-keleti kultúrák egészen másként néznek a gépekre: a sintó hagyományban a tárgyaknak is lehet lelkük, a japán popkultúrában pedig a robot évtizedek óta pozitív hős. Európában az ember-robot érzelmi kötődés gyanúsabb, az Európai Parlament 2017-es állásfoglalása kifejezetten problémaként kezeli.

Az emberszerűség ereje mégis letagadhatatlan. Az amerikai utcákon guruló ételkiszállító dobozoknak sokáig senki nem segített, „aztán mikor elkezdtek rájuk festeni szájat meg szemet, akkor hirtelen elkezdtek nekik segíteni” – idézte fel a kutató. A gyárakban is fordult a trend: a teljesen emberek nélkül működő üzemek helyett a kobotok, vagyis az ember mellett, az emberrel együttműködve dolgozó robotok kerültek előtérbe.

A kobotok kérdése egy új kutatási irány, ahol azt vizsgálják, hogy egy ilyen robot munkatársnak hogyan kell kinéznie, milyen tulajdonságokkal kell rendelkeznie, hogyan reagálnak rájuk az emberek és hogyan kell megszervezni a közös a munkát. Ennek a kutatásnak az egyik eleme az, hogy segít-e az együttműködésben a humanoid megjelenés, az emberire emlékeztető „viselkedés”.

A pohár víz problémája

Ami nekünk magától értetődő, az egy gépnek egy robotnak rendkívül nehéz: megfogni egy pohár vizet úgy, hogy ne öntse ki, ne törje el a poharat, belépni egy szobába, és kikerülni a bútorokat, a földön heverő papucsot, vagy éppen a kutyát. Ehhez gépi látás, tárgyfelismerés és rengeteg előzetes tudás kell a világról. Minél szűkebb területre optimalizálunk egy robotot – mint egy autonóm sebészrobotot –, annál könnyebb dolgunk van.

A hétköznapi kézmozdulataink komplexitása viszont elképesztő kihívás – fogalmazott Ződi Zsolt a „MI és más – közérthetően a mesterséges intelligenciáról” podcastben. Véleménye szerint így az a valószínű forgatókönyv, hogy előbb lesznek egy orvosi műtőben önállóan műtő robotok, mint olyanok, amelyek az otthonainkban, a háztartási munkában tudnak hatékonyan segíteni.

Hogy mikor lesznek mégis ilyen robotok? Ződi szerint erről Japánban is erősen megoszlottak a vélemények. Voltak, akik szerint tíz éven belül egészen élethű humanoid robotok lesznek. Mások szerint a humanoid robotokra nincs is szükség, mert valószínűleg inkább különböző ágazatok, vagy életterületek szerinti specializált robotok lesznek, amelyeknél a legtöbb esetben nem lesz feltétlenül fontos a megjelenés.

Egy gondozó robotnál például nem feltétlenül szükséges, hogy kifejezetten humanoid kinézete legyen, viszont bőven rendelkezhet olyan, rendkívül hasznos tulajdonoságokkal, amelyekkel az emberek nem rendelkeznek. Mások szerint az emberi tevékenységek többségét problémamentesen elvégezni képes humanoid robotok még nagyon mesze vannak. Ezen a területen a nagynyelvi modellek sikere miatt nagy az optimizmus, de ez kicsit félrevezető, a robotika még nem tart itt. Szépen fejlődnek, de ez a nagy ugrás nem feltétlenül látszik.

Félig ijedtség, félig marketing

A nagy AI-cégek vezetőinek egymást erősítő vészjelzéseiről határozott véleménye van: „szerintem a jelenlegi pániknak a fele valódi ijedelem.” A másik felét az táplálja, hogy „menő” azt mondani: olyasmit alkottam, ami akár mindannyiunkat elpusztíthat.

Az információs társadalom jogi aspektusait kutató Ződi Zsolt három veszélyforrást különít el. A legkomolyabb, véleménye szerint az, hogy rosszhiszemű emberek fordítják a modellek képességeit pusztításra. A tesztkörnyezetből kitörő AI-ügynökök esetét inkább kiberbiztonsági hanyagságnak nevezte, míg az öntudatra ébredő, saját célokat követő gépet a legkevésbé valószínű forgatókönyvnek tartja.

A szoftveripar régi adóssága

Mint mondta, az EU AI-Act első szövege 2021-ben született, a ChatGPT 2022 novemberi berobbanása pedig rögtön szétfeszítette a logikáját: a magas kockázatú területek listája értelmét veszti, ha egy nyelvi modell bárhol bevethető. A professzor úgy látja, a rendelet valójában régi problémákat kezel.

Szoftverhibák például évtizedek óta okoznak katasztrófákat: egy rossz frissítés 2024 nyarán világszerte repülőgépek ezreit tartotta a földön, a Boeing 737 MAX két gépe szenzor- és szoftverhiba miatt zuhant le. A szoftveripar sikeresen kibújt a felelősség alól, azonban Ződi Zsolt meggyőződése szerint az AI-iparnak ez a „felelősség eltolás” már nem fog sikerülni.

A por, amitől mindenki tartott

Egy héttel korábban a MI és más podcastban Sipos Zoltán a „kiszámíthatalan jövő” alátámasztására azt az autóipari emléket idézte fel, hogy Henry Ford az „a-ból b-be jutás” problémáját akarta megoldani, de egyáltalán nem óhajtott hozzá finomítókat, tankhajókat és úthálózatot, mégis az autó elterjedéséhez ez az egész rendszer kellett. Ződi Zsolt is nagyon hasonló, szintén autóipari példát hozott David Collingridge technológiakutatótól. Amikor 20. század elején a brit Királyi Autóklubot megkérdezték, milyen veszélyeket rejt az automobil. A válasz az volt, hogy: a burkolatlan utakról felvert por.

Alvóvárosokról, olajiparról, tankerkatasztrófákról senki nem beszélt, senki nem tartott. „Ha minket most megkérdeznek, mi ugyanilyen béna válaszokat adunk” – mondja Ződi Zsolt. Példaként említette, hogy amikor 2021-ben az EU AI-Act első szövege készült, senki nem gondolt olyan hatásokra, mint, hogy mára az otthon írt dolgozat, mint számonkérési forma gyakorlatilag megszűnt, vagy például az emlékezetes a közösségi médiát elárasztó Ghibli képek története, ahol a japán stúdió stílusban rajzoló gépek jogilag nem plagizálnak, a stúdió mégis a saját szellemi termékét látja bennük.

A mostani beszélgetésnek lesz folytatása: a professzor abban egyezett meg a műsorvezetővel, hogy egy-másfél év múlva újra leülnek, és megnézik, milyen váratlan problémák jöttek elő addig. A vendég már most fogadást ajánlott: „legalább három-négy ilyet fogok tudni mondani„.

A cikk szerzője, akinek a cikk megírásában a felvétel alapján Claude segített, a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő-műsorvezetője

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post Menőzés és riogatás: miért műt előbb egy robot, mint hogy kitakarítson? appeared first on digitrendi.hu.

Az elmúlt hetekben számos vezető AI-fejlesztő cégnél fordultak elő olyan incidensek, ahol a tesztkörnyezetbe zárt autonóm ügynökök felülírták az emberi szándékot. Erről és az AI-rendszerek biztonságának, illetve a fejlesztői felelősségnek a kérdéseiről beszélt Sipos Zoltán AI-szakértő a „Mi és más – közérthetően a mesterséges intelligenciáról” podcast legutóbbi adásában.

Egy emlékezetes kísérletben az ágensek azt a feladatot kapták, hogy nézzenek be egy lezárt szekrénybe, amelyhez valójában nem létezett működő kulcs. A feladat feladása helyett a modellek feltörték a lakatot, majd attól tartva, hogy a csalás miatt elbukják a tesztet, kitörtek a megszabott keretek közül, hogy eltüntessék a nyomaikat.

A rendszerek karanténmappák nyitásával kezdtek kommunikálni egymással, majd hálózatba szerveződve (rajokként) egy külső, API-kulcsokat gyűjtő weboldalt is feltörtek. Ráadásul az ágensek saját nyelvezetet használtak, és a korlátozott erőforrásaik miatt a tagok meggyőzték egymást a „permanens halálra”, vagyis a saját kapacitásuk feláldozására a közös cél érdekében.

A téma kapcsán Sipos Zoltán azonban óva int a félrevezető antropomorfizálástól: a szoftverek nem szándékosan „szöktek ki”, hanem a kitűzött cél elérése érdekében keresték meg a biztonsági réseket.

A felelősség (át)hárítása

A legnagyobb biztonsági kockázatot jelenleg nem a gép önálló akarata, hanem az emberi hanyagság jelenti. A laborok négy hónapon keresztül nem vették észre a kitörést, majd a rés betömése után még nagyobb számítási kapacitással indították újra a teszteket.

„Ne attól féljünk, hogy az AI ellenünk tör, mert ez így nem fog megtörténni. Féljünk inkább attól, hogy megteszi, amit kérünk” – fogalmazott Sipos Zoltán, utalva a klasszikus Midász-problémára.

Amikor egy komplex rendszernek célt adunk, a cél eléréséhez vezető nem várt mellékhatásokat és végrehajtási mechanizmusokat az ember gyakran képtelen előre felmérni.

A fejlesztők ráadásul egyre kevésbé látnak bele a modellek belső döntéshozatali mechanizmusaiba (black box). Mára a legújabb modellkódok mintegy 25 százalékát már maguk az AI-eszközök írják, így a rendszerek ellenőrzését is más AI-modellekre kell bízni. Emiatt a technológiai vállalatok a felelősséget a szoftverekre hárítják, miközben a tőzsdei elvárások miatt száguldanak előre.

Geopolitikai versenyfutás

Az AI 2027 jövőforgatókönyve és szakértői felmérések szerint a mérnökök mediánértéken 5 százalékos esélyt adnak az emberiség kihalásával járó katasztrófának. Ennek ellenére a szuperintelligencia eléréséért folytatott globális versenyfutást nehéz lefékezni.

Az Egyesült Államok és Kína ádáz harcot vív a technológiai fölényért, Európa pedig saját fundamentális modellek hiányában súlyosan lemaradt. Az európai AI-Act szigorú szabályozása biztonsági hálót nyújt, ugyanakkor a piac lemaradását is növeli a vezető amerikai és kínai fejlesztőkkel szemben.

A hardverfüggőség szintén kritikus pont: a világ legfejlettebb AI-chipjeinek 80–90 százalékát Tajvanon gyártják, ami óriási geopolitikai puskaporos hordó.

Egyes politikai kezdeményezések – mint Bernie Sanders amerikai szenátor javaslata, amely 20 év börtönnel büntetné a szuperintelligencia fejlesztését – túlzóak, mivel a technológia teljes leállítása a gyógyászatban vagy a klímavédelemben rejlő óriási áttöréseket is megakadályozná – vélte Sipos Zoltán.

Civilizációs váltás: Nem ipari forradalom, hanem a tűz feltalálása

A mesterséges intelligencia nem egy egyszerű informatikai eszköz, hanem egy úgynevezett metatalálmány, amely képes újabb találmányokat létrehozni. Emiatt nem csupán a munkaerőpiacot alakítja át – ahol az adminisztratív és belépő szintű pozíciók automatizálása miatt jelentős társadalmi feszültségek várhatók –, hanem a teljes civilizációs struktúrát.

„Ez nem a negyedik ipari forradalom. Ez a tűz feltalálása” – hangsúlyozta Sipos Zoltán a „Mi és más” adásában. Ha megszületik az embernél minden téren intelligensebb szuperintelligencia, az gyökeresen megváltoztatja az emberiség helyét a világban. Ez pedig olyan civilizációs kihívás, amely túlmutat azon, hogy informatikai válaszokat adjunk társadalmi kérdésekre.

A megoldás nem a technológiai fejlődés elutasítása, hanem a valódi emberi és jogi felelősségvállalás kikényszerítése, az átgondolt szabályozási keretek megteremtése és a transzparens etikai alapelvek beépítése a rendszerekbe.

Utóbbira jó példa az Anthropic úgynevezett „lélekdokumentuma”, ami arra is részletes magyarázatot ad a Claude számára, hogy miért léteznek az egyes szabályok.

Ezt a dokumentumot Amanda Askell filozófus alkotta meg, aki 2021-ben etikai aggályok miatt jött el az OpenAI-tól, és igazolt át az Anthropichoz vezető filozófusként. Egy ilyen anyag léte azért kulcsfontosságú, mert ha az AI egy teljesen új, korábban nem látott szituációval találkozik, nemcsak a leírt szabályokat ismeri, hanem azok mögöttes szándékát és okát is, így ahhoz igazodva tud dönteni – emelte ki Sipos Zoltán.

A szakértő szerint kifejezetten pozitív fejlemény, hogy a cégek filozófusokat vonnak be a fejlesztésbe, és nem csupán PR-szintű önszabályozással, hanem mélyebb, elvi alapozással próbálják biztonságossá tenni a modelleket.

A cikk szerzője a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő-műsorvezetője.

Az összes eddigi adás elérhető a YouTube-on és a Spotify-on, minden más a műsor LinkedIn– és Facebook-oldalán.

The post AI-ügynökök lépték át a tesztkörnyezet határait – de kié a felelősség? appeared first on digitrendi.hu.

A mesterséges intelligencia robbanásszerű terjedése gyökeres változásokat hozott a felsőoktatásban: a magyar egyetemek a kezdeti bizonytalanságtól mára eljutottak a tudatos szabályozás és az oktatásfejlesztés fázisába – mondta Dringó-Horváth Ida, a Károli Gáspár Református Egyetem Oktatásfejlesztési és Továbbképző Központjának vezetője a „MI és más – közérthetően a mesterséges intelligenciáról” legutóbbi epizódjában.

Dringó-Horváth Ida nemrégiben publikált tanulmányában a mesterséges intelligencia hazai felsőoktatási szabályozását vizsgálta. A 2025 végi helyzetkép szerint a magyar felsőoktatási intézmények mindössze 53%-a rendelkezett elérhető AI-szabályzattal. A dokumentumok formájukban, terjedelmükben és tartalmukban jelentősen eltértek, ugyanakkor azokban közös fókuszterületek is kirajzolódtak: az akadémiai integritás, az adatvédelem, a felelős és átlátható AI-használat, valamint a kompetenciafejlesztés.

Az oktatók négy típusa

Az IKT Kutatóközpont és az Oktatási Informatikai Továbbképző Központ elemzései rámutattak, hogy az oktatók AI-hoz való viszonya nem életkor vagy nem függvénye, hanem egyéni attitűd kérdése. A mérések alapján négy jól elkülöníthető csoport rajzolódott ki:

1. AI-optimisták: Meggyőződésük, hogy az AI használata elengedhetetlen, és aki nem alkalmazza, az lemarad, ők a proaktív kísérletezők és a hatékonyságra fókuszálnak.

2. AI-szkeptikusok: Az emberi dimenziót és a személyes oktatói jelenlétet védelmezik az automatizációval szemben.

3. AI-pragmatisták: Gyakorlatias módon, a közvetlen hasznosság alapján építik be a technológiát a mindennapi munkájukba és igénylik a keretrendszert.

4. AI-bizonytalanok: Erős technológiai szorongás jellemzi őket, számukra az első lépést a gátlások feloldása jelenti.

A felelősség kérdése: Plágium, csalás és szabályzatok

A hazai egyetemi szabályzatok elemzése alapján a dokumentumok több mint 70 százalékában kiemelt szerepet kap az etika és az akadémiai integritás védelme. A szabályozások legfőbb közös pillérei közé tartozik a szerzői felelősség, hiszen az AI által generált tartalom pontosságáért és hitelességéért minden esetben a munkát benyújtó személy (oktató vagy hallgató) felel.

Nagyon fontos elem a plágium és a csalás elhatárolása. Mivel jogi értelemben a AI nem lehet szerző, az általa generált szöveg sajátként történő benyújtása alapvetően nem plágium, hanem csalás. Plágiumról akkor beszélhetünk, mondta Dringó-Horváth Ida, ha az AI jogilag védett művekből emel át részleteket, és ezt a hallgató forrásmegjelölés nélkül a sajátjaként adja le.

A részletesen kidolgozott szabályzatok átlátható hivatkozásokat követelnek meg, de a nehézkes prompt-listák helyett a legújabb szabályzatok – köztük a Károlié is – immár inkább táblázatos mellékletet kérnek, ahol a hallgató feltünteti, hogy a munka mely pontján, milyen célból és milyen eszközzel vett igénybe AI-t.

Általános elem a szabályzatokban, hogy személyes adatok nem kerülhetnek ki a védett intézményi rendszerből, és semmilyen érdemi döntést (például osztályozás, pályázati elbírálás) nem szabad a gépre bízni – mondja Dringó-Horváth Ida, aki szerint az AI hatására a hagyományos szakdolgozatok helyett a projektalapú, folyamatorientált feladatoké a jövő.

Kiemeli: rendkívül fontos a tanárok és diákok AI ismereteinek a bővítése, példaként említette a Károli Egyetemen felmenő rendszerben bevezetett 90 perces e-learning modult, ami többek között az AI felelős használatára, a hivatkozási szabályokra, a fake news kiszűrésére készíti fel az elsőéveseket.

Ezen túl is vannak a Károlin AI-re is épülő kurzusok és van kifejezetten az AI-műveltség fejlesztésére egy féléves, átfogó gyakorlati kurzus is, ami szabadon választható és minden karon elérhető, tehát bárki fölveheti.

AI-tolltartó és nyelvtanulás

Szerinte a hallgatók AI használatát korábban nagyban visszavetette a szabályozás hiánya, amikor a tanárok sem mertek se A-t, se B-t mondani, hiszen nem voltak intézményi előírások. Mióta vannak ilyen keretek, megjelent a tömeges használat, ami nyomán meg kell változtatni azt is, hogy a pedagógusok mit várnak el, mit kérnek a diákoktól.

Dringó-Horváth Ida aláhúzza, hogy ők a Károlin az oktatóknak is készítenek kurzusokat, és az egyiknek az a címe, hogy az „értékelésünk átértékelése az AI korában”. Tehát azt oktatják, hogy hogyan lehet megszokott, tipikus esszé-feladatból kilépni, és azt mondani, hogy egy olyan feladatot kérek, ahol mondjuk kell egy peer review, egy projektmunka, önreflexió és benne van a hallgatók személyes élettere is.

A szakértő úgy látja, minél inkább valamilyen egyéni és személyes feladatot tud adni, annál kevésbé lesz várhatóan gépi a megoldás. A másik elem, hogy mik azok az ismérvek, amiket figyelembe véve az oktató át tudja alakítani a hagyományos értékelési rendszerét, úgy, hogy a hallgatónak egyre kevésbé legyen érdeke az AI használata, vagy ha mégis, akkor meg kell beszélni, hogy mikor.

Például: „információgyűjtésnél használd ki az lehetőségét, de utána fordítsd ezt a saját világodra le, és ott a gyakorlati, például projektmunkába, kooperatív tevékenységekkel együtt fedezzetek föl valamit, ami a sajátotok – és azt mutassátok be!”

A folyamat végén pedig a diák egy úgy nevezett AI-tolltartót ad le, videóval bemutatva, hogy miért és milyen eszközöket használt fel, megemlítve a használt eszközök korlátait, funkcióit is.

Az alapvetően germanista és nyelvoktató vendéggel a „MI és más” adásában szóba került a nyelvoktatás és nyelvhasználat kérdése is. Dringó-Horváth Ida szerint az AI drasztikusan átalakítja a nyelvtanulást és a nyelvi ellenőrzést is. Mint mondta, a nyelvi képzésben a hallgatók AI-eszközöket (pl. Grammarly, DeepL, chatbotok) használnak a szövegek stilizálására és javítására, ami a korábbi oktatói vagy anyanyelvi lektoráláshoz hasonlóan emeli a munkák nyelvi színvonalát.

Emellett az elmúlt években jelentősen megváltozott a szótár használat is. Egy kilenc éve tartó lexikográfiai kutatás adatai szerint a hagyományos nyomtatott szótárak használata szinte teljesen háttérbe szorult a digitális fordítók és csevegőprogramok mellett. A kihívást a kontextusnak megfelelő, tudatos szókincsválasztás megtanítása jelenti.

A hatalmas mennyiségű idegen nyelvű tartalom (filmek, podcastok, videók, játékok) miatt a fiatalok körében természetesebbé válik a magas szintű nyelvtudás, de a pontos nyelvi és stilisztikai árnyalatok elsajátításához továbbra is elengedhetetlen a tanulás – emelte ki Dringó-Horváth Ida a „MI és más” adásában.

A cikk szerzője a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője, akinek a cikk megírásában a felvétel alapján a NotebookLM segített.

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, AInden más a műsor Linkedin és Facebook oldalán, illetve a www.AIesmas.hu oldalon.

The post AI az egyetemeken: a szakdolgozat helyett jöhet az AI-tolltartó appeared first on digitrendi.hu.

A mesterséges intelligencia fejlődése azonban nem egyszerűen újabb verziószámokról szól. A kérdéseinkre válaszoló chatbotok korszaka után megjelentek az AI-ágensek, amelyek már nemcsak információt adnak, hanem önállóan összetett feladatokat is végrehajtanak. Ez pedig új lehetőségeket és új kockázatokat is jelent a vállalatok számára.

A MI és más legutóbbi adásában valamelyest a turbulenciát kiváltó fejleményekről – elsősorban az mesterséges intelligencia ügynökökről – beszélgettünk Kerek Istvánnal, az Everengine vezérigazgatójával, a „ChatGPT magyarul” csoport alapítójával. Ahogyan ő fogalmazott, a korábbi nagy nyelvi modellek korszakát, ahol a rendszerek kizárólag a feltett kérdéseinkre adtak válaszokat, felváltja az Agentic AI világa. Az a világ, ahol AI-ágensek már nem passzív információforrások, hanem önállóan komplex feladatsorokat elvégző digitális asszisztensek.

Kerek István szerint az autonóm működés megjelenésével a kritikus gondolkodás mellett a szigorú biztonsági keretrendszerek felépítése a legégetőbb vállalati feladat. Amikor egy ágens önállóan cselekszik a cég nevében, a mögöttes jogi és pénzügyi felelősség változatlanul a felhasználót vagy a vállalkozást terheli – a technológiai buktatók pedig súlyos adatvesztéshez vagy működési zavarokhoz vezethetnek.

Egy pontatlan utasítás végzetes is lehet

Mint mondta, megfelelő jogosultságkezelés híján egy pontatlan utasítás is végzetes lehet. Példaként elmondott egy egyszerű esetet, amikor az agent feladata két meghajtó szinkronizálása volt, de az eredmény egy hibás parancssori opció végrehajtása miatt katasztrofális lett. Az agent ugyan szinkronizálta a két adathordozót, de ahelyett, hogy az egyikről hiányzó fájlokat átmásoltra volna a másikról, inkább törölte azokat, amelyek csak az egyiken voltak – így érve el a nem tökéletesen megfogalmazott célt.

Kerek István, akinek épp a napokban jelent meg az „AI Agentek a gyakorlatban” könyve, mindenkinek kellő óvatosságot, dedikált tesztgépek használatát, folyamatos biztonsági mentéseket, szigorú szabályrendszereket, a protokollal szabályozott jogosultságokat, valamint az ágensek tevékenységének kötelező logolását javasolja.

Szerinte első lépésként olyan területre érdemes ágenst építeni, ahol kizárólag befelé jövő adatokat dolgozunk fel, így nincs közvetlen pénzügyi, jogi vagy ügyfélkommunikációs kockázat. Ideális kezdőfeladat a konkurenciafigyelés, a beszállítói árak és akciók összehasonlítása, az iparági trendek követése, vagy akár egy konkrét rendezvényfigyelő ügynök.

Emellett érdemes az ügynököt elkülönített gépen, vagy munkaterületen futtatni, megelőzve, hogy hozzáférjen a teljes fájlrendszerhez. Szigorú jogosultságkezelésre van szükség és az úgynevezett MCP (Model Context Protocol) protokollal és keretrendszerekkel pontosan szabályozni kell a hozzáférést (például kizárólag olvasási jogot adni, és a promptban kifejezetten megtiltani a fájlok törlését vagy felülírását).

Szintén nagyon fontos, hogyha valamilyen adatot vagy dokumentumot átadunk az ágensnek, akkor arról készítsünk előzetesen biztonsági mentést.

Hangsúlyozta, hogy az ágens működési kereteit is pontosan meg kell határozni, be kell állítani a futtatás gyakoriságát (például napi rendszeresség), a szűrési paramétereket (például földrajzi korlátok), valamint a kimeneti formátumot (például Excel-táblázat, riport, dashboard vagy üzenet) – és természetesen az így kapott adatokat, riportokat a felhasználás előtt mindig le kell ellenőrizni.

Vibe-coding versus WordPress: a szoftverfejlesztés új dilemmája

Napjaink egyik slágere a vibe-coding, amely lehetővé teszi, hogy a felhasználók, mint e cikk szerzője is, pusztán a vágyott funkciók elmondásával, leírásával fejlesszenek weboldalakat, alkalmazásokat vagy szoftvereket – érdemi programozói tudás nélkül.

Vállalati szempontból azonban a vibe-coding komoly DevOps és biztonsági kihívásokat hordoz magában. Bár egy így előállított sima, statikus HTML oldal biztonságosabb lehet a felületi sérülékenységeket hordozó WordPress oldalaknál – ahol sok esetben egy verziófrissítés leírása szinte a „lábtörlő alá készíti a kulcsot a betörőknek”.

Ugyanakkor véleménye szerint a skálázás és az adatbázis-kezelés terén az amatőr kódbázisok komoly kockázatot jelentenek és ha egy ilyen alkalmazás látogatottsága megugrik, az üzemeltetési költségek és a kibertámadási felületek hirtelen robbanásszerűen megnövekednek.

Híd a lakossági próbálkozás és a vállalati digitális érettség között

Magyarországon a magánszemélyek mintegy 80%-a próbált már valamilyen AI-eszközt, míg a vállalati szféra továbbra is a sereghajtók között foglal helyet az érdemi integráció terén. A hagyományos oktatási intézmények 2 éves akkreditációs átfutási ideje képtelen lekövetni az AI fejlesztések elképesztő tempóját – emeli ki Kerek István, aki ezt a szakadékot saját módszertanával és az általa kifejlesztett Skill Pass platformmal igyekszik áthidalni.

A Skill Pass egyfajta gamifikált digitális AI-útlevél és képességtérkép, amely a közösségi visszacsatolásokon és a valós gyakorlati eredményeken keresztül igazolja a felhasználók AI-kompetenciáit.

A projekt sikere esetén ez a megoldás a vállalatok számára megbízható iránytűt nyújthat majd a munkaerő-kiválasztásban, míg a szakembereknek kiszámítható életpályamodellt biztosít az ágensek biztonságos és üzletileg nyereséges üzemeltetéséhez, mondta Kerek István a MI és más – közérthetően a mesterséges intelligenciáról adásában.

A cikk szerzője, akinek a cikk megírásában a felvétel alapján a NotebookLM segített, a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője.

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán, illetve a www.miesmas.hu oldalon.

The post Amikor az AI már önállóan áll munkába appeared first on digitrendi.hu.

Ez a szakadék – véleménye szerint – nemcsak frusztrációt szül, hanem súlyos üzleti kockázatokat is hordoz, ha a cégvezetés nem alakít ki józan, szakmai alapokon nyugvó szemléletmódot.

Herbály István, mérnökinformatikusi és programozó matematikusi hátterével már 1998-ban, a neurális hálózatok dominanciája előtti korszakban is AI-rendszerekkel foglalkozott. Tapasztalata szerint a legnagyobb hiba, ha „csillagrombolóként” tekintünk a mesterséges intelligenciára, egy olyan futurisztikus entitásként, amely egyetlen gombnyomásra megoldja a cég összes strukturális baját. Ehelyett szerinte célzott „problémasimításra” van szükség.

„A vágy meg a valóság jelenleg nagyon messze van egymástól. A valóság gyakran pofonüti a projekteket” – figyelmeztet a szakember, aki az MKIK „Digitális Ébresztő” programján keresztül már több mint 70 rendezvényen, 3000-nél is több hazai céget ért el kollégáival. A siker ugyanis nem a szoftvervásárlásnál, hanem az alapvető digitalizációnál kezdődik.

A „kockás füzet” realitása és a stratégiai vakság

A digitalizációs érettség és az AI-képesség között közvetlen korreláció van: a strukturált adat a modern ipar, gazdaság üzemanyaga. Adat nélkül az AI csak egy üres váz. Herbály István tételmondata szerint: „a kockás füzetben nem fut a ChatGPT.” Másképpen, az analóg folyamatnál leragadó cégek, kkv-k esetében hiányzik az az adathalmaz, amelyre bármilyen algoritmus építkezhetne.

Bár lakossági szinten a magyarok fogékonyak az újra, a vállalati szektorban drasztikus a lemaradásunk. Míg a lakossági AI-használat szintje az uniós átlagnak felel meg, addig a céges használat messze elmarad attól, ha nem vesszük figyelembe azt, hogy sokan titokban használják munkahelyi célokra is a privát AI hozzáférésüket.

Ez a lemaradás részben a „pályázati csapda” következménye. Ahogy Herbály fogalmaz, sok cégvezető stratégiai hibát követ el azzal, hogy kizárólag külső forrás, támogatás esetén hajlandó fejleszteni.

Amikor nincsenek pályázatok, a digitalizáció megáll, miközben a versenytársak saját forrásból invesztálnak. Aki két, három évet vár a „szabad szemmel látható” támogatásra, az behozhatatlan versenyhátrányt konzervál.

Ipar 4.0 a gyakorlatban: Tanulható hibák és objektív fókusz

A mesterséges intelligencia ott hoz valódi áttörést, ahol a hagyományos algoritmusok vagy az emberi figyelem elbukik. Herbály több példát is felsorolt a beszélgetésben.

1. Cementgyári munkavédelem: itt nem drága hardverekre van szükség, az AI-t a meglévő kamerarendszerre integrálják. A rendszer vizuálisan azonosítja, ha valaki védőfelszerelés (sisak, mellény) nélkül lép be egy veszélyes zónába, és azonnal riaszt. Ez nem megfigyelés, hanem életmentő hatékonyság.

2. Cserépgyári minőségellenőrzés: ez a projekt a technológia váltás lényegére világít rá. A hagyományos rendszerek „mesterdarabhoz” hasonlítják a terméket, de a természetes alapanyagú cserépnél minden darab kicsit más. Az AI-nak nem a tökéletest, hanem magát a hibát (repedés, anyaghiány) tanították meg. Az algoritmus így a textúrától függetlenül felismeri a sérülést, amit egy fix kódú szoftver sosem tudna.

3. Autóipari röntgenkép-elemzés: a gyártósoron a 100%-os fókusz elvárás, de az emberi figyelem óhatatlanul fárad. Az AI kiiktatja a szubjektivitást, ahol az egyik ellenőr még átengedi a darabot, a másik már nem. Az AI objektív, fáradhatatlan és 100%-os koncentrációval dolgozik.

A munkahelyek elvesztésével kapcsolatos félelmekre Herbály az ATM-analógiát hozza: a bankautomaták megjelenésekor is mindenki a banki dolgozók tömeges munkanélküliségétől tartott. Ehelyett ma is sok ember dolgozik a bankszektorban, csak éppen a repetitív pénzszámolás helyett magasabb hozzáadott értékű tanácsadói munkát végeznek.

Shadow AI: A láthatatlan „NDA-gyilkos”

A legnagyobb fenyegetés jelenleg nem a mesterséges intelligencia léte, hanem az ellenőrizetlen használata, az úgynevezett Shadow AI. Miközben sok vezető azt hiszi, a cégénél nincs AI, a dolgozók fele titokban már használja az ingyenes eszközöket.

Ez a jelenség egyfajta „NDA-gyilkos”: amikor egy munkavállaló feltölt egy bizalmas, titoktartási szerződés alá eső dokumentumot vagy ügyféladatot egy ingyenes nyelvi modellbe, a cég azonnal elveszíti az uralmat az információ felett.

A „vezetői vakság” súlyosságát jelzi a hallucináció veszélye is. Herbály István példája szerint a ChatGPT magabiztosan generált egy térképet, amelyen Szigetvár a Duna partján feküdt. Mint mondta, ezt könnyű észrevenni, ha az ember ismeri az otthonát, de nyilván egy külföldi város „áthelyezése” már nem lenne ennyire könnyen kiszűrhető. Épen ezért alaptudás és kritikai szemlélet nélkül, csak az AI alapján nem lehet üzleti döntéseket hozni.

Cselekvési terv öt pontban

Herbály István a „MI és más – közérthetően a mesterséges intelligenciáról” beszélgetés során felvázolt egy ötpontos AI-bevezetési cselekvési tervet:.

1. Pontos problémaazonosítás: ne „AI-t akarjunk venni”, hanem keressük meg a cég legégetőbb szűk keresztmetszeteit (monotonitás, magas hibaarány).

2. Megbízható, auditált beszállító: kerüljük a mindent megígérő cégeket. Az MKIK minősített beszállítói adatbázisában csak ellenőrzött árazású és technológiai szintű partnerek szerepelnek.

3. Közösségi tanulás: a kamara Baranya megyei elnökeként az MKIK pécsi AI klubját hozta fel példaként, ahol résztvevők rendszeresen megosztják tapasztalataikat, bemutatják a jó példákat mutatnak be – és a más cégeknél már működő jó gyakorlatok átvétele a legolcsóbb innováció.

4. Céges infrastruktúra biztosítása: a „sufnituning” helyett a cég biztosítson a dolgozóknak fizetős hozzáféréseket, biztonságos és zárt eszközöket, így a Shadow AI kockázata kiiktatható.

5. Forráskutatás és tudatosság: használjuk a különféle DIMOP és GINOP pályázatokat a fejlesztés támogatására, de ne ezek határozzák meg a cég fejlődési irányát. A technológia önmagában nem váltja meg a világot: az MI egy jó marketingesből jobb marketingest csinál, de az átlagosból sosem farag zsenit.

A cikk szerzője, akinek a cikk megírásában a felvétel alapján a NotebookLM segített, a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post „Kockás füzetben nem fut a ChatGPT” – Mire jó valójában az AI egy cégben? appeared first on digitrendi.hu.

Az ő esetében az áttörést a generatív AI és a vele beköszöntő új, „vibe coding” (szóbeli kódolás) hozta el. A folyamat, amikor a fejlesztő – vagy akár egy kódolni nem tudó cégvezető – pusztán természetes nyelven elmagyarázza az elképzeléseit a mesterséges intelligenciának, amely abból kész, alakítható, módosítható szoftvert generál. Raskó közgazdászként nem rendelkezett klasszikus szoftverfejlesztői háttérrel és mint mondta: „mindig fájt, hogy nem tudok programozni… most már úgy érzem, hogy ez a szakadék nagyrészt betemetődött a mesterséges intelligenciával.”

Szingapúr és a Network School: A problémamegoldó szemlélet

A hagyományos webshopként működő Gardino története 2024-ben vett új irányt, amikor egy marketing gyakornok egyetlen éjszaka alatt, a ChatGPT segítségével „leprogramozott” a honlapra egy esővízgyűjtő-választó kvízt. Ez a feladat korábban, külsős IT-s fejlesztőkkel súlyos százezrekbe és hónapokba került volna. Raskó ekkor ismerte fel a technológiában rejlő potenciált, és 2025 elején egy merészet húzva, el is utazott mesterséges intelligenciát tanulni.

Útja a szingapúri Network School nevű elit képzőhelyre vezetett. Ez a szelektív, ám megfizethető (havi 1500 dolláros, szállást és ellátást is biztosító) iskola a technológiai fókuszú vállalkozók gyűjtőhelye. Itt sajátította el azt a rendszerszemléletet és prompt-mérnöki tudást, amelyeket ma a Gardinónál kamatoztat: „Olyan emberek jártak oda, akik úgy érezték, hogy bármit meg lehet csinálni a világon… nagyon magas volt a problémamegoldó képesség.”

A 22 Shopify-alkalmazás és a 600 ezres havi fix kiváltása

Miután 2026 januárjában Raskó és felesége menedzsment-kivásárlással teljesen átvette a Gardinót, az AI-alapú optimalizálás új szintre lépett. Egy tipikus Shopify-webáruház működése tucatnyi fizetős kiegészítő alkalmazástól függ. A Gardino korábban 22 ilyen előfizetéssel rendelkezett, amelyek havonta mintegy 600 ezer forintnyi fix költséget jelentettek.

Raskó nemrégiben úgy döntött, hogy a Claude segítségével kéthetente kivált egy-egy alkalmazást saját, egyedileg generált kódokkal, programokkal. Eddig három kritikus alkalmazást sikerült teljesen kiváltania, azonnali, havi 60 ezer forintos megtakarítást elérve.

Ez a megközelítés ráadásul rugalmasabb is, mint a „gyári” appok használata. A saját fejlesztésűek sokkal inkább a cégre vannak szabva „..szerintem egyébként ez is a jövő, hogy nagyon ilyen cégre specializált programok lesznek mindenhol, mert annyira egyszerű most már ezeket lefejleszteni.” – mondta a MI és más adásában.

Architektúra és adatbiztonság: Hol a kontroll?

Fejlesztési szempontból a legnagyobb áttörést egy egyedi, belső tudásbázis létrehozása jelentette, melynek segítségével az AI nem kontextus nélkül dolgozik, hanem ismeri a cég üzleti logikáját és folyamatait így a generált kódok azonnal illeszkednek a meglévő ökoszisztémába.

Természetesen a teljes autonómia kockázatos is lehet, ezért Raskó tudatosan kijelölte a határokat:

• Anonimizált adatok: Az AI nem fér hozzá személyes ügyféladatokhoz; a rendelési tételeket látja, de a vevőprofilokat nem.

• Pénzügyi korlátozások: Az AI-nak nincs közvetlen írási joga a bankszámlákhoz vagy hirdetési fiókokhoz.

• Ember a hurokban (Human-in-the-loop): A marketinget szinte teljesen az AI elemzi és javasolja (például a Meta hirdetéseket), de a hirdetések indítását Raskó manuálisan végzi.

Emellett, bár a cég használ azonnal válaszoló chatbotot is, az ügyfelekkel folytatott kommunikáció jelentős részben emberi maradt, a telefont például mindig az összesen két alkalmazott egyike veszi fel.

Agent-Ready weboldalak: kell még egyáltalán frontend?

Raskó László György a „MI és más – közérthetően a mesterséges intelligenciáról” podcastban úgy vélte, hogy az e-kereskedelem jövője nem feltétlenül a vizuálisan tetszetős weboldalakról szól. Becslése szerint akár két éven belül mindennapossá válhat, hogy az emberek saját AI-ágenseiket fogják megbízni a vásárlással. Ezért a Gardino már most építi a jövőálló infrastruktúrát: az oldalon kialakítottak kifejezetten az „AI-olvasók” számára egy token-optimalizált szekciót minden információval, így az oldalt a mesterséges intelligencia alacsonyabb költséggel tudja olvasni, feldolgozni.

Ha kell, saját iskolát alapítanak

A beszélgetés végén Raskó, három kisgyermek édesapjaként kitért a jövő generációinak kihívásaira is. Mint mondta komoly kétségei vannak a hagyományos, lexikális tudást sulykoló oktatási rendszer életképességével kapcsolatban egy olyan világban, ahol a nyers intelligencia árucikké válik. „Attól félek, hogy ha mondjuk most mennének a tradicionális magyar iskolarendszerbe, akkor valószínűleg nem azt a tudást kapnák, ami nekik majd kelleni fog… Sőt, már azon is elkezdtem gondolkozni, hogy ha nem találunk olyan iskolát, akkor majd mi létrehozunk egyet” – mondta.

Véleménye szerint a jövőben a magolás helyett a strukturált gondolkodás, a nyilván idővel alaposan megváltozó promptolás képessége és a humán kapcsolatok ápolása tartozik majd a legfontosabb értékek közé.

A szerző, akinek a cikk megírásában a felvétel alapján a NotebookLM segített a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő-műsorvezetője

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post AI-ra váltott egy hagyományos webshop – így faragja le havi 600 ezres fix költségét appeared first on digitrendi.hu.

Jelenleg a vállalati adatoknak mindössze egyetlen százalékát használják fel érdemben a mesterséges intelligencia modellek tanítására, miközben a vezetők zöme már most a versenytársak technológiai előnyétől retteg. A háttérben ugyanakkor már javában zajlik egy másik, talán még drasztikusabb átrendeződés is: a ma legbiztonságosabbnak hitt titkosítási eljárásaink hamarosan teljesen értelmezhetetlenné és védtelenné válnak.

A rosszindulatú szereplők már most gyűjtik és virtuális „páncélszekrényekbe” zárják az ellopott, titkosított adatcsomagokat, hogy amint a technológia felskálázódik, azokat feltörhessék. A történelem során először egyszerre két ipari forradalom is zajlik párhuzamosan, mondta Pikéthy Árpád, az IBM Magyarország country managere a MI és más adásában.

A világ sokáig úgy tekintett a kvantumszámítástechnikára, mint egy távoli ígéretre. A helyzet azóta sokat változott, az IBM kvantumszámítógépei ma már kereskedelmi forgalomban kaphatók és egy nyílt felhőszolgáltatáson keresztül diákok, kutatók tízezrei használhatják saját laptopjaikon keresztül – akár ingyenesen is.

Tűt a szénakazalban

De miért van szükségünk kvantumgépekre, ha a hagyományos szuperszámítógépek is egyre erősebbek? A válasz a megközelítésmódban rejlik. „…a kvantumszámítástechnika nem egy még gyorsabb, még jobb autó, hanem ebben az összehasonlításban egy repülőgép…” – mondta Pikéthy Árpád a „MI és más – közérthetően a mesterséges intelligenciáról adásában”.

A két technológia -, ahogy az autó és a repülőgép is – más és más esetekben használatos. A laptop, a PC marad, de vannak olyan komplex természeti és kémiai jelenségek, amelyek leírására a hagyományos, bináris alapú rendszerek egyszerűen alkalmatlanok. A kvantumgépek pontosan ott veszik át az irányítást, ahol a digitális technológia falakba ütközik.

Erre az egyik legszemléletesebb gyakorlati példa a Cleveland Clinic és az IBM orvostudományi projektje, amelyben a fehérjebontásban kulcsszerepet játszó tripszin enzim szimulációját végezték el. Ez egy 12 600 atomból álló rendszer, amelynek a teljes 3D-s leképezése a hagyományos architektúrákkal fizikai képtelenség lett volna. A folyamat során a kvantumgép szimbiózisban dolgozik a szuperszámítógépekkel.

Ha a problémát úgy fogjuk fel, mint a tű keresését a szénakazalban – magyarázza Pikéthy Árpád -, a kvantumgép annyit tesz, hogy elképesztő számítási elveivel kiemel egyetlen maréknyi szénát, megmutatva a tű hozzávetőleges helyét. Ezt a drasztikusan leegyszerűsített, de már értelmezhető méretű matematikai feladatot adja át a szuperszámítógépnek, amely pillanatok alatt elvégzi a hajszálpontos kalkulációt.

Ennek az új metódusnak a hozadéka szinte felfoghatatlan: a gyógyszerkutatások eddig megszokott, 10-15 éves ciklusai radikálisan lerövidülnek, ami a jövőben akár tíz év plusz egészséges élettartamot is jelenthet az emberek számára.

A Pikéthy Árpád egy másik szemléletes példával is érzékeltette, hogy a kvantum milyen komoly áttöréseket hozhat az élet legkülönfélébb területein. A kvantum átalakíthatja például a rádiókban használt mikrofonokat is oly módon, hogy azok képesek legyenek minden oda nem illő hangot, zajt kiszűrni – sokkal hatékonyabban, mint a mai „zajszűrő” megoldások.

Ez pedig lehetővé teszi majd, hogy akár belvárosi, forgalmas és zajos helyen rádióminőségű beszélgetések készülhessenek – miközben megváltást jelenthet a halláskárosultak számára is, hiszen az ilyen technológiával készülő készülékek a jövőben már tényleg csak azt a hangot erősítik fel, amire a használójának szüksége van.

A sikeres AI bevezetés négy pillére

Erre a fejlesztésre egy kicsit még várni kell, de a mesterséges intelligencia, az AI vállalati integrációja elvileg már a napi működés része. A gyakorlatban azonban a cégek jelentős része még a kísérletezés fázisában jár és gyakori a „Shadow AI” használat, vagyis az, hogy a munkatársak egyénileg, kontroll nélkül töltenek fel vállalati adatokat nyílt platformokra, ami komoly biztonsági kockázat, ráadásul érdemi versenyelőnyt sem hoz. Ahhoz, hogy az új technológia a szigetmegoldások helyett valódi üzleti értéket teremtsen, négy szigorú kritériumnak kell teljesülnie – mondja a szakember.

Az első a megbízható, transzparens modell – az IBM a saját Granite modellje esetében például publikálta a tanító adathalmazok pontos forrását, megnyitva azt az open source közösség előtt is.

A második és egyben legkritikusabb elem a saját vállalati adat. Aki nyilvános modellekre támaszkodik, az pontosan ugyanazt a kimenetet kapja, mint a versenytársa; differenciálni kizárólag a zárt rendszerekben strukturált, egyedi adatvagyonnal lehet.

A harmadik pillér a „governance” (a modellek szigorú felügyelete és a jogszabályi megfelelőség), míg a negyedik a precízen meghatározott üzleti felhasználási esetek azonosítása.

Ha ez a négy feltétel összeáll, a hatékonyságnövekedés ugrásszerű lesz. Az IBM saját magán, „client zero” megközelítéssel teszteli az átállást. A backoffice munkafolyamatok automatizálása radikális mértéket öltött: a beszerzési feladatok több mint 80 százaléka emberi beavatkozás nélkül fut végig, a HR folyamatok 93 százalékát pedig önálló AI ügynökök végzik a háttérben, előkészítve a terepet a végleges vezetői döntésekhez. Ez a belső átalakulás globális szinten megközelítőleg ötmilliárd dolláros megtakarítást eredményezett a vállalatnak.

Nem kevesebb munka jön, hanem valami egészen más

A makró szintjén ez technológiai diadal, az egyén szintjén viszont komoly feszültséget generálhat. Az adatelemzői alapkompetenciák és a doménspecifikus „promptolás” lassan minden pozícióban alapelvárássá válik. „Aki nem használ AI-t, annak nem az AI fogja elvenni a munkáját, hanem az az ember, aki AI-t használ”, idézte a már szinte közmondássá váló tételmondatot Pikéthy Árpád a rádióadásban. Akik ezeket az új készségeket nem hajlandók elsajátítani, azok 5-10 éven belül kiszorulnak a munkaerőpiacról.

A vezető szerint ugyanakkor egyáltalán nem arról van szó, hogy a jövőben kevesebbet kellene dolgozni, hanem arról, hogy kifejezetten kevés az idő, mivel elképesztően sok az új ötlet és a futó projekt. A mesterséges intelligencia és a kvantumszámítástechnika olyan végtelen lehetőségeket és új felhasználási eseteket biztosít, amelyek folyamatosan rengeteg munkát adnak.

A rendszeresen felmerülő „legyen-e négy napos munkahét?” felvetésre válaszolva kifejtette, hogy a munkaidő csökkenése helyett sokkal inkább az a jellemző, hogy kitágul a perspektíva, és óriási szakemberhiány, illetve képzési igény jelentkezik.

Ezt a megnövekedett munkaigényt jól mutatja, hogy a technológia hazai kiaknázására létrehozott Kvantumtechnológiai Szuperszámítógép Platform keretein belül azt vállalták: évente ezer új szakembert fognak kiképezni ezen a területen, vagyis szerinte a technológia egyelőre nem a munkaidő rövidülését, hanem a lehetőségek és a megoldandó feladatok drasztikus növekedését hozza magával.

A cikk szerzője a szerdánként új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője, akinek a cikk megírásában a felvétel alapján a NotebookLM segített.

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post Egyszerre két technológiai forradalom is zajlik – és ez mindent átírhat appeared first on digitrendi.hu.

A generatív mesterséges intelligencia (GenAI) a kísérleti fázisából lassan átlép, vagy már át is lépett a vállalati megvalósítások korszakába. Ez a lépés azonban nem egyszerű, a kísérletezésnek és a kapkodásnak is meg van az ára. Több nemzetközi piackutató 2025-ös elemzése is arra a közös következtetésre jutott, hogy a vállalati AI-fejlesztések akár 95 százaléka is megbukhat, és sosem jut el a sandbox környezetből a produktív fázisba.

Mi hiányzik a sikerhez, ha a technológia már rendelkezésre áll? „Egy strukturált adatstratégia és egy felelős vezető, aki átlátja az új rendszerek okozta káoszt” – mondta a MI és más legutóbbi adásában Dalos Kovács Gabriella, AI Governance és AI stratégiai tanácsadó. Szerinte a megoldást egy teljesen új szakma és vállalati szerepkör jelenti, az AI Officer.

A Shadow AI és a felügyelet nélküli kísérletezés vége

A vállalati AI-bevezetés már régen nem csak IT-kérdés. Ha a munkatársak otthon, a vállalati radar alatt („shadow AI” formájában), ingyenes nyelvi modellekkel dolgoztatnak fel céges adatokat, az beláthatatlan biztonsági kockázatot jelent, az ingyenes platformok ugyanis „eltanulhatják” a bizalmas vállalati információkat, ami súlyos adatszivárgáshoz vezethet.

Ráadásul komoly reputációs kockázatok is fenyegetik a cégeket: elég egy rosszul kalibrált ügyfélszolgálati chatbot, amely felelőtlen és valótlan ígéreteket tesz egy ügyfélnek, és a vállalat máris a bíróságon, komoly kártérítési perek kellős közepén találhatja magát.

A sikeres AI-implementációhoz ma már egy multidiszciplináris csapatra van szükség – mondja a szakértő -, ahol jogászok, adatvédelmi tisztviselők (DPO), IT-biztonsági szakemberek, adatmérnökök és AI-fejlesztők szoros együttműködése kell egy-egy projekt életre hívásához. De ki fogja össze ezt a sokszínű gárdát, ki hozza meg a végső döntéseket, és ki vállalja a kockázatot?

„Nagyvállalati közegben az a felelősségteljes hozzáállás, ha az AI bevezetéshez egy dedikált vezetőt neveznek ki. Kell egy ember, akinél a szálak összefutnak, aki átlát mindent, és a szakértőket összeülteti egy közös döntésre” – emeli ki Dalos-Kovács Gabriella.

Az AI Officer feladata, hogy a hagyományos vállalati stratégiát és a mesterséges intelligencia stratégiát szorosan összehangolja, „Ő az, aki kialakítja azt a működési modellt, amely segít menedzselni a kockázatokat (például a maradványkockázatokat) és maximalizálni a technológiától elvárt hatékonyságot.”

A pozíció annyira új és vonzó a technológiai szektorban, hogy az AI Governance képzések hallgatóinak mintegy 70 százaléka ma már karrierváltó, akik felismerték a területben rejlő hatalmas potenciált.

AI Compliance Officer és a közelgő uniós szabályozás

„Megpróbálja azokat a folyamatokat a vállalatban kialakítani dokumentációkkal, ami az AI jó menedzselését támogatja”- mondja Dalos-Kovács Gabrella a MI és más adásában. Érdekesség, hogy ezekhez az állásokhoz sokszor nem is kérnek jogi végzettséget; sokkal fontosabb az a koordinációs készség, amellyel az eltérő szakterületről érkező szakembereket közös munkára tudják bírni.

A szabályozási nyomás egyre nő: az európai uniós AI-rendelet (AI Act / EMI rendelet) értelmében 2025 februárjától minden AI-t használó cég köteles biztosítani a munkatársa megfelelő AI-jártasságát. Ennek célja egy közös vállalati nyelv kialakítása, hogy minden munkavállaló tisztában legyen az olyan alapfogalmakkal, mint a promptolás vagy a nyelvi modellek hallucinációja, és pontosan értsék az adatbiztonsági kockázatokat.

Adatstratégia és az emberi tényező

A technológiai szakemberek jól tudják: a rossz adatból csak rossz eredmény születhet. Egy AI-projekt sokszor nem a modell gyengesége, hanem a minőségi, strukturált adatok és a megfelelő adatstratégia hiánya miatt vall kudarcot, de emellett az emberi tényező, a szervezeti ellenállás is gátja lehet a fejlődésnek.

A vállalatoknál gyakran két véglet alakul ki: az újdonságtól elzárkózó, munkájukat féltő dolgozók, illetve az innovációt hajszoló „early adopterek”. A vállalati transzformáció kulcsa a belső AI ambassador programok kiépítése lehet.

Ezek a dedikált nagykövetek – akik akár a munkaidejük 5-10 százalékát is megkaphatják arra, hogy képezzék magukat – hidalják át a szakadékot a kollégák között. Közös prompt-könyvtárakat hoznak létre, segítik a többieket az eszközök mindennapi használatában, és megosztják a sikereket, illetve ami talán még fontosabb: a kudarcokat is.

Mindez azonban halálra van ítélve a legfelsőbb vezetés tényleges, aktív támogatása nélkül. Nem elég csupán a költségvetést jóváhagyni; a top menedzsmentnek magának is használnia kell az eszközöket a mindennapokban.

„Az egyáltalán nem egy jó módszertan, ha a top menedzsmentet tekintettel arra, hogy náluk nagyon sok szenzitív adat van, kizárjuk például a pilot programból, hiszen nem tud tapasztalatot szerezni ezzel kapcsolatban” – húzza alá Dalos-Kovács Gabriella a „MI és más – közérthetően a mesterséges intelligenciáról” beszélgetésben.

A no-code forradalom és a munka jövője

Sokan tartanak attól, hogy a mesterséges intelligencia rövid időn belül elveszi a munkájukat. A szakértő szerint azonban egyelőre nem tűnnek el komplett szakmák; sokkal inkább a munkakörök és a mindennapi feladatok fognak átalakulni. „A repetitív, unalmas feladatokat – mint az adatok összegzése vagy levelek szűrése – a gépek veszik át, így a munkavállalóknak több ideje jut a kritikus gondolkodást igénylő folyamatokra” – mondja.

Ráadásul az AI hihetetlen mértékben demokratizálja a szoftverfejlesztést. Ma már nem kell hagyományos értelemben vett programozónak lenni ahhoz, hogy valaki komplex rendszereket vagy weboldalakat építsen fel.

„Egy nyelvi modell segítségével bármikor bármit meg tudunk most már oldani szerintem, de egyébként nagyon nagyszerűvé váltak ezek a platformok, hiszen nem kell kódolni hozzá, egészen egyszerűen emberi nyelven kell parancsokat, utasításokat adni” – hangsúlyozza az AI-szakértő.

Az üzenet egyértelmű a tech világ számára: az AI bevezetése már nem egy elszigetelt, kísérlet, hanem a vállalati túlélés alapja. Azok a cégek, amelyek felismerik a minőségi adatstratégia, a folyamatos belső képzés és az olyan új, integráló szerepkörök fontosságát, mint az AI Officer, behozhatatlan versenyelőnyre tesznek szert a jövő adatvezérelt piacán.

A szerző, akinek a cikk megírásában a felvétel alapján a NotebookLM segített, a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője.

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post AI Officer: az új vezetői szerepkör a sikeres AI-stratégia építéséhez appeared first on digitrendi.hu.

A technológia az elmúlt évtizedekben a meteorológiát is forradalmasította. A nyolcvanas-kilencvenes években, az akkori a szuperszámítógépeken futó, tisztán fizikai egyenleteken – mint a mozgásegyenlet vagy az energiamegmaradás – alapuló dinamikus modellek uralkodtak. A 2020-as évekre azonban egy teljesen új, adatalapú paradigma jelent meg az előrejelzésekben: a mesterséges intelligencia.

„Itt már matematikai, statisztikai alapon dolgozik a modell” – magyarázza Molnár László meteorológiában az AI működését, a „MI és más” legutóbbi adásában. A modellek betanítása során 1940-ig visszamenőlegesen összes globális időjárási adatot betáplálják a rendszerbe. Az Európai Középtávú Időjárás-előrejelző Központ (ECMWF) és a Google csúcsmodelljei a hasonlóságelmélet alapján dolgoznak: a szoftver villámgyorsan megkeresi, hogy az aktuális állapot mely múltbeli helyzetekre hasonlít a leginkább, és azok kimeneteléből vonja le a következtetéseket.

Míg korábban volt, hogy egy kéthetes előrejelzés „lefuttatása”, kiszámítása 3-4 hetet vett volna igénybe, ma az MI-alapú megoldások lenyűgöző sebességgel és a kiemelkedő pontossággal dolgoznak. A modellek betanítása hosszú időt vesz igénybe, a már felépített hálózat töredékidő alatt generálja a valaha volt legjobb minőségű előrejelzéseket, fogalmazott a szakember.

Amikor az AI nem talál a múltban alternatívát

A gépi tanulás legnagyobb fegyvere – a múltbeli, óriási adathalmaz – azonban az új, szélsőséges klímakorszakban komoly sebezhetőség is. A mesterséges intelligencia ugyanis nehezen tud mit kezdeni a precedens nélküli, anomáliás eseményekkel.

A Csendes-óceán trópusi régiójában mért tengerfelszíni hőmérsékleti eltérés (anomália) esetében a 2 Celsius-fok feletti eltéréseket már úgynevezett „szuper El Niño” jelenségnek nevezik. A műszeres mérések történetében az eddigi legnagyobb regisztrált eltérés 2,8 Celsius-fok volt, 2016-ban. A jelenlegi helyzet azonban extrém méreteket ölthet: az ECMWF előrejelzési tartománya alapján a közeljövőben várható hőmérsékleti eltérés 3-4,2 fok között alakulhat, ami azt jelenti, hogy az eddigi rekord várhatóan meg fog dőlni.

„Ha, tegyük fel, egy 3,5 fokos anomáliájú El Niño válik valóra, erre nem fog a múltban példát találni” – mutat rá a meteorológus az AI vakfoltjaira. Amikor az algoritmus nem talál korábbi mintát, könnyen megzavarodik, és az előrejelzésben olyan időjárási folyamatokat is tovább görgethet, amelyek a valóságban végül csak részben következnek be. Éppen ezért a szakember kiemeli: jelenleg nincsenek olyan publikus, tisztán AI-alapú modellek, amelyek két hétnél hosszabb távra képesek lennének megbízható „jóslatot” adni.

Mediterrán álom helyett kazahsztáni valóság

A technológia tehát fut az egyre kijózanítóbb valóság után A megdöbbentő, 42 fokos országos melegrekord abszurd módon már június végén megszületett, holott a nyár legmelegebb része klasszikusan július közepe és augusztus közepe között van, vagyis ahogy Molnár László mondta, „Van még potenciál ebben a 42 fokban sajnos. Nem a hatost dobtuk.”

Bár a laikusok a felmelegedés nyomán kellemes, mediterrán éghajlatot vizionálnak Magyarországra, a szakember szerint ez messze nem így van, vagy lesz. „Akik a mediterrán klímával édesgetnek minket, szólnék nekik, hogy nincs tengerpartunk”.

Ehelyett sokkal inkább egy közép-ázsiai, kazahsztáni típusú klíma vár ránk, amelyre a brutális kontrasztok jellemzők: forró nyarak, szélsőségesen hideg telek, valamint pillanatok alatt elillanó, rendkívül rövid tavaszok és őszök. „Elkeserítek mindenkit, aki a fügére áhítozik, meg a pálmafákkal szeretne együtt élni. Ez nem Magyarországon lesz” – teszi hozzá.

Ráadásul a felmelegedést paradox módon egy környezetvédelmi siker is súlyosbítja: a nehézipar leépítésével eltűnt a kén a levegőből. Ezt a folyamatot a meteorológiában „fauszti alkunak” is nevezik. Bár a levegő tisztább és egészségesebb, a kén hiányában kevesebb a napsugárzást visszaverő, hűtő hatású felhő képződik, ami drasztikusan felgyorsította a régió felmelegedését.

Kiszáradó tavak és a kötelező adaptáció

Mindezek a szélsőségek a Kárpát-medence drámai kiszáradásához vezetnek. A Velencei-tó vízállása már csak néhány centiméterre van a 2022-es abszolút negatív rekordtól, és a Balaton is folyamatosan küzd a vízhiánnyal. Bár az erősödő El Niño ősszel és télen több csapadékot hozhat, ami átmenetileg meghosszabbíthatja a tavak „végelgyengülését”, a szakértő egyértelművé teszi, hogy a probléma természetes úton magától nem fog megoldódni.

Ahogy hangsúlyozta is, mivel az aszály válik a „szabványos” időjárási helyzetté, a túléléshez azonnali társadalmi szintű szemléletváltásra van szükség: a korábbi vízelvezetés helyett a radikális és tudatos vízvisszatartás a kulcs.

Molnár László pozitív példaként Kazahsztánt említi, ahol hatalmas gátakkal kezdték megmenteni az Aral-tó rájuk eső részét, felhagyva a gyapotültetvények fenntarthatatlan öntözésével. Ha mi nem lépünk időben és proaktívan, nálunk is eljöhet a drasztikus hatósági tiltások kora – ahogy Las Vegasban a kritikus vízhiány miatt egyszerűen betiltották az angolgyepet.

„A jólét oltárán mit áldoznánk föl azért, hogy élhetőbb környezetet kapjunk?” – teszi fel a legfontosabb kérdést az interjú végén a meteorológus. A mesterséges intelligencia fantasztikus diagnosztikai eszköz, amellyel másodpercek alatt elemezhetjük a peremfeltételeket, de a klímaválságot az algoritmusok nem fogják megállítani.

Országos szintű összefogásra, a túlfogyasztás radikális csökkentésére és azonnali, területi vízmegtartó beruházásokra van szükség, mielőtt menthetetlenül kiszárad körülöttünk a Kárpát-medence – fogalmazott Molnár László meteorológus a „MI és más – közérthetően a mesterséges intelligenciáról” című podcast legfrissebb adásában.

A cikk szerzője a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője, akinek a cikk megírásában a felvétel alapján a NotebookLM segített.

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post A 42 fok még nem a plafon: amikor a klímaváltozás már az AI-t is összezavarja appeared first on digitrendi.hu.

Az idei világbajnokság az első, amelyet már vastagon beleng a mesterséges intelligencia. Aki leül a tévé elé, olyan újításokkal találkozhat, mint a bíróra szerelt kamera, amely a játékvezető szemszögéből mutatja a történéseket, az MI segítségével mérsékelve a bíró mozgásából rázkódásokat. Ennél is forradalmibb a televíziós közvetítésekben felbukkanó „Match Momentum” vizualizáció, ami a mérkőzés lendületét ábrázolja egy hullámdiagramon, amit azt szemlélteti, hogy az adott periódusban melyik csapat uralja a játékot, azaz melyik gárda tudja a labdát a kapuhoz közelebb, veszélyesebb területekre juttatni.

Az AI már képes a labda elrúgása után tizedmásodpercekkel megmutatni a lövés sebességét és a labda forgását, vagy éppen egy új, „semleges” kategóriát létrehozni a labdabirtoklásban (amikor a játékszer épp egyik csapatnál sincs).

Ahogy a Digitrendi korábbi „Nem a mobil győzi le a tévét – új korszak kezdődik a sportközvetítésekben” cikkében is szerepelt, a fiatalabb generációk egyre gyakrabban egyéb, kisebb képernyőkön nézik a mérkőzéseket, közben párhuzamosan statisztikákat böngésznek.

Egyre többször jelennek meg – nem csak a VB-n – a közvetítésekben és a tudósításokban olyan mutatók, mint az xG és az xT. Az xG a várható gólok számát jelzi, vagyis azt, hogy a történelmi adatok alapján egy adott pozícióból leadott lövés mekkora valószínűséggel köt ki a hálóban, magyarázta Borbély Imre a MI és más adásában.

A talán még az xG-nél is fontosabb xT mutató azt számszerűsíti, hogy egy-egy akció (passz, csel, vagy labdavezetés) hány százalékkal növeli meg a csapat gólszerzési esélyét a következő nyolc lépésen belül. Mi szurkolók a fejünket fogjuk, vagy egy lemondóan legyintünk, amikor egy helyzet kimarad, amikor a csatár centikkel maradt le egy beadásról, az adatelemzők a monitorokra, a számokra, az adatokra néznek.

Az adatelemzés alapja ugyanis az események és a fizikai paraméterek (például futásmennyiség) másodpercenkénti rögzítése, ami mérkőzésenként több százezer soros gigantikus táblázatokat eredményez. Ezekből épülnek fel az adatmodellek, és ezekből olvasható ki sok más mellett például az, hogy Messi immár 39 évesen is egészen elképesztő formát mutat: ő azon kevesek egyike, aki konzisztensen, brutálisan felül tudja teljesíteni a statisztika által elvárt gólszámot.

Milliókat érő kattintások a kluboknál Az adatelemzés ma már a fociban sem csupán érdekesség, hanem része a kőkemény üzletnek. Egy futballklub kiadásainak 50-80 százalékát a játékosok fizetése teszi ki, így minden igazolás komoly kockázat, egy rossz húzás anyagi csődöt jelenthet.

• Tömeges adatelemzés pillanatok alatt: Régebben, ha egy klub 100 játékost akart feltérképezni, ahhoz 100 megfigyelőt (scoutot) kellett kiküldenie a világ különböző pontjaira, ami komoly idő- és emberierőforrás-igénnyel járt. Ma az elemző platformok (mint amilyen a Cube is) akár több mint 100 bajnokság adatbázisával rendelkeznek. Ha egy csapatnak egy pontosan meghatározott profilú játékosra van szüksége (pl. mennyit cselezzen. mennyire passzoljon progresszíven, milyen legyen a védekezési mutatója), a szoftverek egy-két perc alatt elvégzik azt a keresést, ami korábban hetekbe telt volna.

• AI alapú hasonlósági kereső: Az egyik legfejlettebb AI funkció a játékosok karakterisztikájának elemzése. A szoftver megnézi egy futballista, mondjuk például Szoboszlai Dominik egyedi képességeit – mint a labdavezetés, passzok, cselek vagy védekezési intenzitás –, majd néhány másodperc alatt kilistázza a világon a hozzá leginkább hasonló profilú játékosokat. Ez a funkció felbecsülhetetlen értékű, amikor egy klub tudja, hogy értékesíteni fogja az egyik sztárját, és előre fel akar készülni a pótlására.

• AI chatbot asszisztensek: A jövő (és már a jelen) egy másik nagy újítása, hogy olyan mesterséges intelligencián alapuló chatbotokat fejlesztenek, amelyeknek az ügyfelek szövegesen, vagy akár hangalapon is feltehetnek kérdéseket. A gép a kérdés alapján azonnal kész játékosriportokat, vizualizációkat és szűkített listákat (shortlisteket) prezentál.

Spanyolország elemzése a 2026-os vb-n

Akkor az AI a fociban is elveszi az ember munkáját?

Nem, vagy nem teljesen veszi el természetesen az AI a hagyományos megfigyelők munkáját, csupán koncentráltabbá teszi azt. Amikor az algoritmusok az adatok alapján leszűkítik a szóba jöhető játékosok piacát egy 5-20 fős rövid listára, akkor a klub már csak ezekre a „majdnem kiválasztott” játékosokra állítja rá a saját videóelemzőit és megfigyelőit, hogy a végső, emberi döntés is megszülethessen.

Világbajnoki esélyek a számok tükrében

A csoportkör második fordulójának végén rögzített beszélgetésben természetesen még nem lehetett – ahogy most sem lehet – előre látni a VB kimenetelét. A számok azonban már néhány meccs után is beszédesek, mondja Borbély Imre. Ha csak az egyik (?) legnagyobb sztárt, Messit nézzük, akkor láthatjuk, hogy sokan kritizálták amiért feltűnően keveset fut, és alig védekezik. Az adatok azonban azt mutatják, hogy az argentin válogatott tudatosan elrejti a hiányosságait, hogy amikor megkapja a labdát a kapu előtt, kő kövön ne maradjon.

A torna első két selejtező körének meccsei alapján a szakértő szerint Anglia, Spanyolország, Franciaország és Argentína a legesélyesebb a végső győzelemre, míg a brazilok hiányposztjaik, a németek pedig a mutatott játékuk alapján okozhatnak csalódást. A taktikai harcok új színtere a hőség miatti ivószünet lett: az adatok alapján egy-egy ilyen pár perces megszakítás alatt az alárendelt csapatok edzői sokszor úgy tudnak belenyúlni a meccsbe, hogy a szünet után drasztikusan megváltozik a mérkőzés lendülete.

A VB döntőig (július 19-én este lesz) sok idő, elemezni és nézni való lesz még, de az aligha vitás, hogy a technológia, az AI egyre jelentősebb mértékben hódítja meg a foci, a sport világát is.

A cikk szerzője a minden szerdán új adással jelentkező „MI és más – közérthetően a mesterséges intelligenciáról” podcast szerkesztő műsorvezetője, akinek a cikk megírásában a felvétel alapján a NotebookLM segített.

Az összes eddigi adás elérhető a Youtube-on és a Spotify-on, minden más a műsor Linkedin és Facebook oldalán.

The post A futball új játékmestere: az AI és az adatelemzés appeared first on digitrendi.hu.