Megtakarított idő, szétforgácsolt figyelem
Hogyan hat az AI a vállalat kognitív kapacitására
- AI az üzletben
Az AI felgyorsítja a munkát. Hogy a minőséget is javítja-e, az azon múlik, hogyan hat a munkatársak figyelmére és szakértelmére; ezt a két erőforrást kevés üzleti terv veszi figyelembe.
Négy lengyel endoszkópos központ olyan AI-rendszert vezetett be, amely a vastagbéltükrözés során jelzi a rákmegelőző állapotra utaló elváltozásokat. A kutatók ezután összevetették, milyen eredménnyel végezték az orvosok a vizsgálatokat AI-támogatás nélkül a rendszer bevezetése előtti és az azt követő három hónapban. A The Lancet Gastroenterology & Hepatology című folyóiratban megjelent tanulmány szerint az AI nélkül végzett vizsgálatoknál az elváltozások felismerési aránya 28,4%-ról 22,4%-ra csökkent.
A szerzők szerint az AI folyamatos használata azt is megváltoztathatta, hogyan dolgoznak az orvosok a rendszer támogatása nélkül. A visszaesés csak azért vált láthatóvá, mert a kutatók azt is mérték, hogyan teljesítenek az orvosok az eszköz nélkül.
Ezzel a vakfolttal minden olyan vállalat szembesül, amely az AI-t beépíti a napi működésébe. Az AI és a digitális eszközök úgy takaríthatnak meg időt, hogy közben kognitív kapacitást emésztenek fel. A legtöbb vállalat már döntött az AI alkalmazásáról. Nyitott kérdés, hogy a bevezetés megőrzi-e a figyelmet és a szakértelmet, és hogy a munkatársak továbbra is ellenőrizni tudják-e az eredményeket.
A gyorsaság jól látható, de könnyen túlbecsülhető
Az AI előnyei közül a gyorsaság a legkönnyebben érzékelhető, egyben a legkönnyebben túlbecsülhető is. A METR nonprofit kutatóintézet 2025-ös kísérletében 16 tapasztalt szoftverfejlesztő arra számított, hogy az AI-eszközökkel 24%-kal gyorsabban fog elvégezni a feladatokat. A feladatok befejezése után a résztvevők úgy ítélték meg, hogy az eszközökkel 20%-kal gyorsabban haladtak. A mérések mást mutattak: AI-val a feladatok elvégzése 19%-kal több időt vett igénybe.
A METR szerint ezek az eredmények a mai AI-eszközökre már nem érvényesek. Ami viszont változatlanul érvényes, az a saját teljesítményünk megítéléséről szóló tanulság: a kutatók szerint a felhasználók saját gyorsulásukat igen pontatlanul ítélik meg.
Az AI kompetenciahatára egyenetlen, és előre nem látható
A minőség feladatfüggő. Fabrizio Dell’Acqua és munkatársai előzetesen regisztrált kísérletében, amely az Organization Science folyóiratban jelent meg, a Boston Consulting Group 758 tanácsadója dolgozott valósághű feladatokon GPT-4-gyel vagy anélkül. Azoknál a feladatoknál, amelyek az AI-kompetenciahatárán belül estek, az AI-t használó tanácsadók 12,2%-kal több feladatot oldottak meg, 25,1%-kal gyorsabban dolgoztak, és a munka minősége is számottevően javult.
Amikor viszont a kutatók szándékosan e határon kívül eső üzleti feladatot adtak nekik, az AI-t használó tanácsadók gyakrabban jutottak téves következtetésre, mint az AI nélkül dolgozó kollégáik. A kutatók ezt a határvonalat egyenetlen határmezsgyének (jagged frontier) nevezik: két egyformán nehéznek látszó feladat a határvonal két oldalára kerülhet.
A megtakarított idő csak az AI üzleti megtérülésének egyik oldala. A belső ellenőrzés, az utómunka és a folyamatok átalakítása szintén költségekkel járhat. Ezt a tágabb képet a A rejtett költségek anatómiája → cikkünkben mutatjuk be.
Minél nagyobb a bizalom az AI-ban, annál kevesebb az ellenőrzés
A Microsoft és a Carnegie Mellon Egyetem kutatói 319 szellemi munkát végző munkavállalót kérdeztek meg 936 valós munkafeladatról, amelyeket generatív AI-val végeztek el. Minél jobban megbíztak a válaszadók az AI-ban, annál kevesebb kritikai gondolkodásról számoltak be. Minél jobban bíztak a saját tudásukban, annál inkább rá támaszkodtak.
Ugyanebből a kutatásból az is kiderül, hogy az AI használatakor a kritikai gondolkodásban a hangsúly az információ ellenőrzésére, a válaszok munkafolyamatba illesztésére és a feladat felügyeletére helyeződik át. A munka egyre nagyobb hányada válik ellenőrzéssé, az ellenőrzés pedig szakértelmet igényel.
Itt kapcsolódik össze a két eredmény. A szakértelem abban az önálló szellemi munkában épül fel, amelyet ma már az AI átvesz. Az a szervezet, amely ezt teljes egészében az AI-ra bízza, néhány év múlva azzal szembesülhet, hogy egyre kevesebb munkatársa tudja megkülönböztetni a helyes választ a csupán meggyőzően hangzó válaszoktól.
A megtakarított idő külön mérés nélkül is megjelenik a kimutatásokban. A szakértelem és az ellenőrzési képesség csak akkor válik láthatóvá, ha a vállalat méri.
A figyelem szűkös erőforrás, és a költségét a címzett viseli
A probléma gyökerét Herbert Simon, a Carnegie Mellon Egyetem professzora, a későbbi közgazdasági Nobel-emlékdíjas, írta le 1971-ben megjelent előadásában:
“Kézenfekvő, hogy mit emészt fel az információ: befogadóinak a figyelmét. Az információbőség ezért a figyelem szegénységét teremti meg.”
Herbert A. Simon: „Designing Organizations for an Information-Rich World”, 1971
Simon a figyelmet gazdasági erőforrásnak tekintette. Információbőség idején a figyelem válik szűkös erőforrássá, és az információ költségének nagyobb része a címzettet terheli. Az előadást követő vitában Karl Deutsch politológus, így foglalta össze Simon egyik gondolatát: „a figyelemgazdaságot a nagy szervezetek tervezési kritériumaként javasolja”.
Ma már számokkal is mérhető, mennyire szétaprózódik a figyelem
A Microsoft „végtelen munkanapról” szóló Work Trend Index különjelentése szerint a munkavállalók munkáját kétpercenként, naponta 275 alkalommal szakítják meg értekezletek, e-mailek és chatértesítések miatt. Az átlagos munkavállaló naponta 117 e-mailt és 153 Teams-üzenetet kap.
Az értekezletek fele a legproduktívabb időszakra esik: délelőtt 9 és 11, illetve délután 13 és 15 óra közé. A munkavállalók közel fele (48%) kaotikusnak és töredezettnek érzi a munkáját. A jelentés Microsoft 365 használati adataiban az uniós ügyfelek nem szerepelnek, ezért a számokat nemzetközi viszonyítási alapként célszerű kezelni és a saját vállalat levelezési és naptáradataival összevetni.
A vállalat szempontjából ez a kapacitás kérdése. A munkabér ellenében a vállalat munkaidőt kap, értéket azonban ebből csak a figyelem teremt. Minden megszakítás csökkenti ezt a figyelmet, és ez a veszteség egyetlen bérköltségkimutatásban sem jelenik meg.
Az AI maga is zajforrás lehet
Az AI ezt a terhet csökkentheti és növelheti is. A BetterUp Labs és a Stanford Social Media Lab kutatói workslopnak nevezik azt az AI-val előállított munkaanyagot, amely első ránézésre késznek és igényesnek tűnik, de érdemben nem viszi előrébb a feladatot.
A Harvard Business Review-ban ismertetett kutatásuk szerint a munkavállalók 41%-a már kapott ilyen anyagot, és egy-egy eset közel két órányi átdolgozást igényelt. Az időmegtakarítás a küldőnél jelentkezik, a költség pedig a címzettnél figyelem formájában. Simon pontosan megnevezte, ki viseli ezt a költséget: a címzett.
Ugyanez a minta jelenik meg akkor is, amikor az AI használata a formális folyamatokon kívül terjed: az egyéni produktivitás nőhet, miközben a szervezet elveszíti a rálátást és a kontrollt. Ezt a problémát a Shadow AI a munkahelyen → cikkünkben vizsgáljuk.
Simon minden új információs rendszerre kritériumot is megfogalmazott, legyen szó számítógépről vagy új szervezeti egységről: a rendszer csak akkor tehermentesíti a szervezet többi részét, ha több információt dolgoz fel, mint amennyit előállít. Simon szavaival: csak akkor, „ha többet hallgat és gondolkodik, mint amennyit beszél”.
A figyelem és a szakértelem vezetői felelősség
A figyelem és a szakértelem első ránézésre HR-témának, a munkavállalói jóllét kérdésének tűnhet. Pedig mindkettő a működés alapvető erőforrása. A figyelemért a vállalat minden hónapban munkabért fizet; a szakértelem pedig az, amelynek köszönhetően a munkatársak még azelőtt kiszűrik az AI hibáját, hogy az ügyfél, a könyvvizsgáló vagy a felügyeleti hatóság észlelné.
A szakértelem pótlása ráadásul évekbe telik. Akik öt év múlva az AI eredményeit ellenőrzik majd, most sajátítják el a szakmájukat, méghozzá azokon a feladatokon, amelyeket a vállalat ma automatizál.
A szabályozás is ebbe az irányba mutat. Az EU AI-rendeletének (AI Act) 14. cikke a nagy kockázatú AI-rendszerek emberi felügyeletét szabályozza. Előírja, hogy a felügyeletet úgy kell kialakítani, hogy a felügyeletet ellátó személyek tisztában legyenek az automatizálási torzítással (automation bias), vagyis azzal a hajlammal, hogy a felhasználó reflexszerűen, akár túlzott mértékben is a rendszer eredményére hagyatkozik. Az eljárásrendben rögzített felügyelet csak akkor működik, ha a munkatársaknak van idejük és szakmai tudásuk ahhoz, hogy szükség esetén felülbírálják a rendszert.
Öt ellenőrzési pont a szélesebb körű bevezetés előtt
A cél a gyorsaság megőrzése azokkal a képességekkel együtt, amelyek biztonságossá teszik. Az alábbi öt ellenőrzési pont bármely AI-eszközre alkalmazható, a szövegíró asszisztenstől a dokumentumfeldolgozó munkafolyamatig.
Öt ellenőrzési pont minden AI-eszközhöz
1. A gyorsaság mellett a minőséget is mérje.
A megtakarított idő mellett kövesse nyomon a hibaarányt, az átdolgozás mértékét és az ellenőrzésre fordított időt is. Az a pilot, amely kizárólag a gyorsaságról számol be, az eredménynek csak az egyik felét méri.
2. Mérje fel, hogyan teljesít a csapat az eszköz nélkül.
Vizsgálja meg, el tudná-e a csapat egy hétig AI nélkül is megfelelő minőségben végezni a feladatot. Ha nem, iktasson be rendszeres, AI nélküli munkát azokon a területeken, ahol a szakmai tudás megkopása a legnagyobb kockázatot jelenti.
3. Jelölje ki az ellenőrzés felelőseit.
Rögzítse, ki ellenőrzi az eredményt, milyen szempontok szerint, és ez mennyi időt vesz igénybe. Az ellenőrzés munkaidőt igényel, ezért a tervben külön erőforrást kell rá szánni.
4. Alkalmazza Simon kritériumát.
Vesse össze, mennyi információt dolgoz fel az eszköz, és mennyit állít elő. Az az eszköz, amely a hosszú levélszálat rövid összefoglalóvá sűríti, kevesebb figyelmet igényel. Az, amely minden postafiókba újabb piszkozatokat és értesítéseket küld, többet.
5. Rögzítse az átadás felelősségét.
Határozza meg, ki felel az AI-val készített anyag minőségéért, mielőtt az a következő munkatárshoz kerül. A címzett soha ne legyen az első, aki az anyagot érdemben átnézi.
Hat hónap elteltével ismételje meg az ellenőrzést. A készségek fokozatosan kopnak, a postafiók terhelése pedig fokozatosan nő; a lengyel vizsgálatban ugyanakkor a visszaesés már három hónappal az AI bevezetését követően mérhető volt.
A mérleg mindkét oldalát számba kell venni
A lengyel endoszkópos központokban az AI ára az orvosok AI nélkül végzett munkájában jelentkezett. Csak azért vált láthatóvá, mert a kutatók ezt a teljesítményt is mérték.
Az AI-val megtakarított idő külön mérés nélkül is megjelenik a vállalat kimutatásaiban. Az, hogy mennyi figyelmet emészt fel, és mennyi szakértelem kopik meg közben, addig rejtve marad, amíg a vállalat nem dönt a mérés mellett. Ha mindkettőt méri, megőrzi a gyorsaságot, valamint azt az ítélőképességet is, amely a gyorsaságot biztonságossá teszi.
Mérje, hány órát takarít meg az AI, és mérje azt is, mennyi figyelmet emészt fel.
Az AI-val gyorsabb lett a csapat, de jobb is?
Ha a szervezet már AI-eszközöket használ, a következő kérdés az, hogy hol javítják a minőséget, és hol mennek a figyelem és a szakértelem rovására. Az AI Compass Audit 4 hetes fix díjas felmérés. A végén tudni fogja, melyik AI-pilotot érdemes elindítani, milyen sikerkritériumokkal kell mérni, és milyen kockázatokkal kell számolni. Ha előbb inkább egyeztetne a kérdésről, kezdje egy ingyenes, 30 perces konzultációval.
Források
Dell’Acqua, F., et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Cikk megnyitása →
EU AI Act Service Desk. (2024). Article 14: Human Oversight. Cikk megnyitása →
Harvard Business Review. (2025). AI-Generated “Workslop” Is Destroying Productivity. Cikk megnyitása →
Lee, H. P. H., et al. (2025). The Impact of Generative AI on Critical Thinking. Cikk megnyitása →
METR. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. Cikk megnyitása →
Microsoft. (2025). New Microsoft Study Reveals the Rise of the “Infinite Workday”. Cikk megnyitása →
Simon, H. A. (1971). Designing Organizations for an Information-Rich World. Cikk megnyitása →
The Lancet Gastroenterology & Hepatology. (2025). Endoscopist Deskilling Risk After Exposure to Artificial Intelligence in Colonoscopy. 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
Gyakorlati útmutató pénzügyi és felső vezetőknek középvállalatoknál
Biztos benne, hogy az AI a megfelelő következő lépés?
Segítünk feltárni a valódi lehetőségeket, korlátokat és a reális következő lépéseket.