Az AI-automatizálás önmagában nem ér semmit
AI-projektben a legfontosabb kérdés az, hogy mely folyamatokat érdemes egyáltalán automatizálni
- AI az üzletben
A generatív AI-ba beruházó vállalatok 46%-a szerint a befektetés egyetlen vállalati céljukra sem volt érezhetően jó hatással. Az adat az S&P Global Market Intelligence 2025-ös Voice of the Enterprise felméréséből származik, amelyhez 1006 észak-amerikai és európai IT- és üzleti vezetőt kérdeztek meg. Ugyanebből a felmérésből az is kiderül, hogy egy év alatt 17%-ról 42%-ra nőtt azoknak a cégeknek az aránya, amelyek AI-kezdeményezéseik többségét még az éles bevezetés előtt leállítják.
A vállalati AI-projektekben ma már nem a technológia a nehéz, hanem a kiválasztás: el kell dönteni, hogy mely folyamatokat érdemes egyáltalán gépre bízni.
Amikor már minden lehetséges, a választás a nehéz
Három évvel ezelőtt a legtöbb vállalati AI-javaslatra az volt az őszinte válasz, hogy ezt a technológia még nem tudja. Ez a válasz mára nagyrészt elvesztette érvényét. Egy modell ma már elolvassa a szerződést, besorolja az ügyfélszolgálati jegyet, összefoglalja az értékesítési hívást és megírja az azt követő e-mailt is, működő demó pedig bármelyikből összerakható egyetlen délután alatt.
Az olcsó megvalósíthatóságnak megvan a maga csapdája. Ha minden megvalósíthatónak tűnik, észrevétlenül az lesz a kiválasztás szempontja, hogy mit a legkönnyebb bemutatni. Márpedig amit a legkönnyebb bemutatni, az üzletileg általában a legkevésbé fontos. Az S&P-felméréséből látszik, hova vezet ez. Ma már a költség a leggyakrabban emlegetett szempont, amikor eldől, mely AI-projektek mehetnek tovább. A folyamatautomatizálás pedig azok közé a területek közé tartozik, ahol a tényleges haszon elmaradt attól, amire a vállalatok számítottak.
Erre a csapdára van egy egyszerű teszt. Írja le a folyamatot anélkül, hogy megnevezné a technológiát. Ha a mondatban így is marad, egy mérhető üzleti probléma, a projektnek van esélye. Ha a mondatból csak egy eszköz leírása marad, akkor az nem projekt, hanem demó, amire költségvetést írtak.
Mibe kerül, ha nem azt automatizáljuk, amit kellene
A RAND Corporation arra kereste a választ, miért buknak el az AI-projektek, és ehhez 65 olyan adattudóst és mérnököt kérdezett meg, akiknek legalább 5 év gyakorlati tapasztalatuk van. A legtöbbet idézett adat az, hogy az AI-projektek több mint 80%-a elbukik, ami kétszer annyi, mint az AI-nélküli IT-projekteknél; ezt a számot azonban a jelentés maga is csak becslésnek nevezi. A hasznosabb adat viszont a jelentés mélyén bújik meg: a megkérdezettek 84%-a a vezetői döntéseket nevezte meg elsődleges okként, és csak ezután következik az adatminőség, az infrastruktúra és magának a technológiának a korlátai.
A jelentésben leírt egyik tipikus hibaminta pontosan erről szól. A csapatok olyan feladatot kapnak, hogy gépi tanulással oldjanak meg valamit, amit néhány ha-akkor szabály is elintézne. Az ilyen projektek gyakran el is készülnek, a modell működik, az egész mégis kudarc, mert a munkára eleve nem volt szükség. A kutatás másik példája még beszédesebb: a vezetés olyan modellt kér, amely megmondja egy termék helyes árát, holott a cégnek arra az árra lenne szüksége, amelyik a legjobb árrést hozza. A modell pontosan azt csinálja, amit a specifikáció előír, csak a specifikáció nem azt mérte, amit kellett volna. A jelentés egyetlen mondatban foglalja össze a lényeget: „Az AI nem varázspálca, amely bármilyen nehéz problémát eltüntet.”
Egy rossz irányba indított projekt mindig többe kerül, mint amennyi a költségvetésében szerepel. Egy ilyen projekt leköti azt az egyetlen adatmérnököt, aki érti a forrásrendszert, és egy teljes negyedévre leköti a folyamatgazda figyelmét. Ráadásul a hitelességet is felemészti: egy leállított pilot után a következő javaslatot már jóval nagyobb gyanakvással fogadják.
A projekt látható költségvetése csak a teljes költség egy része. A belső időráfordítás, az integráció, a tesztelés és a javítás gyakran a felszín alatt marad. Ezt bontjuk ki részletesebben itt: A rejtett költségek anatómiája egy AI-projektben →
5 kérdés arról, hogy nemcsak lehet-e, hanem érdemes-e is
Mielőtt egy AI-javaslat bekerülne a költségvetésbe, ez az 5 kérdés kiszűri a drága hibák többségét. Mind az 5 üzleti kérdés, egyik sem technológiai.
- Mibe kerül ma ez a folyamat munkaórában és hibákban? Ha ezt senki nem mérte meg, akkor az üzleti terv minden ROI-száma csak találgatás, amelyet előrejelzésnek öltöztettek.
- Ki felel az eredményért az éles indulás után? Ha a folyamatnak nincs kijelölt gazdája, senki nem veszi észre, amikor a modell teljesítménye romlani kezd, márpedig ez előbb-utóbb biztosan bekövetkezik.
- Egy év múlva is fontos lesz még ez a probléma? A RAND azt javasolja, hogy egy csapat legalább egy évig dolgozzon ugyanazon az egy problémán. Ezért ez legyen a mérce: ha a probléma nem ér meg egy évnyi csapatmunkát, ne is kezdjenek bele.
- Mibe kerül, ha a modell az esetek 5%-ában téved? Ha a modell csak piszkozatot ír, ez kerekítési hiba. Ha kifizetéseket hagy jóvá vagy hatósági jelentést készít, akkor viszont már incidens lesz belőle, amelynek neve és dátuma van.
- Megoldható lenne a feladat egy szabállyal, egy űrlappal, vagy azzal, hogy egy lépést egyszerűen kihagyunk? A legolcsóbb automatizálás sokszor az, ha kihúzunk egy lépést, amely csak azért van még meg, mert valaki egyszer épített rá egy Excel-táblát.
Amelyik folyamat mind az 5 kérdésen átmegy, az megérdemel egy pilotot. Amelyik bármelyiken elakad, arról előbb beszélni kell, és egy egyórás beszélgetés olcsó ár azért, hogy ez időben kiderüljön.
A rövid lista maga az eredmény
Az S&P adataiból az a legtanulságosabb, amit azokról a cégekről mutatnak, amelyek ezt jól csinálják. Azok a szervezetek, ahol a legkevesebb projekt bukik el, abban különböznek a többitől, hogyan rangsorolnak: nemcsak a költséget nézik, hanem a szabályozási megfelelést, a kockázatot és azt is, hogy rendelkezésre állnak-e az adatok, amikor eldöntik, mit építsenek meg. A fegyelmezett kiválasztás hatása jóval előbb látszik a bukási arányon, mint bármilyen ROI-számításon.
A priorizálás nemcsak a költségről és a várható haszonról szól. Az adatkezelés, a jogosultságok és a megfelelési kockázatok már a pilot előtt kizárhatnak egy egyébként ígéretes use case-t. Ezeket a kockázatokat itt vizsgáljuk részletesebben: Az AI adatvédelmi kockázatai →
Az AI-felmérés valódi eredménye egy rövid lista. Ezen két-három olyan folyamat szerepel, amelynek a költségét megmérték, van kijelölt gazdája, tudni lehet róla, mekkora hibát bír el, egyszerű szabállyal nem lehet kiváltani, és egy év múlva is vállalható. Ami nincs rajta a listán, az demó, és egy demó egy délutánt ér.
A következő AI-egyeztetésre tehát egyetlen, egészen kicsi kérdést érdemes magával vinnie: abból, amit a cége idén automatizálhatna, melyik két folyamatot tudná 12 hónap múlva is számokkal megvédeni?
Hol érdemes kezdeni
Ha az AI bevezetése napirenden van a cégénél, de még nem világos, hol érdemes elkezdeni, a strukturált felmérés a kézenfekvő első lépés. Az AI Compass Audit 4 hetes, fix díjas folyamat. A végére tudni fogja, melyik pilotot érdemes elindítani, milyen sikerkritériumok mentén és milyen kockázatokkal. Ha előbb inkább a kérdéseket tisztázná, kezdje egy ingyenes, 30 perces konzultációval.
Források
- RAND Corporation. (2024, augusztus). The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed. Az AI-projektek bukási okainak és a vezetői döntések szerepének forrása. Cikk megnyitása →
- S&P Global Market Intelligence. (2025, május 30.). AI Experiences Rapid Adoption but with Mixed Outcomes. Az AI-projektek leállítására, üzleti hatására és priorizálására vonatkozó adatok forrása. Cikk megnyitása →
Fekszi Csaba
Fekszi Csaba informatikai szakértő, több mint két évtizedes tapasztalattal az adatmérnökség, a rendszerarchitektúra és az Mesterséges Intelligencia alapú folyamatoptimalizálás területén. Munkájának középpontjában olyan skálázható megoldások tervezése áll, amelyek mérhető üzleti értéket teremtenek.
Kapcsolódó cikkek
Miért akad el olyan sok AI-projekt — és hogyan léphetsz végre túl a pilot fázison
Az AI-projektek adatminősége jóval az első modell betanítása előtt eldönti a projekt végeredményét
Biztos benne, hogy az AI a megfelelő következő lépés?
Segítünk feltárni a valódi lehetőségeket, korlátokat és a reális következő lépéseket.