Mi az az AI-ügynök
És miben több a chatbotnál
- AI építőkövek
A gyártók mostanra szinte minden szoftverüket ügynöknek nevezik. Az alábbiakból kiderül, mit takar valójában a szó, hogyan működik egy ügynök a gyakorlatban, és mikor éri meg az önállóság.
Ma már több ezer gyártó hirdet ügynöki mesterséges intelligenciát, angolul agentic AI-t. Az alábbiakban tisztázzuk a fogalmat, adunk hozzá egy képet, amely beszerzési tárgyaláson is megállja a helyét, és elővesszük azokat a számokat, amelyekből kiderül, érdemes-e egyáltalán ügynököt építeni.
A különbség egyetlen mondatban
A chatbot kérdésre válaszol. Az ügynök feladatot végez el.
Kérdezz valamit a chatbottól, és szöveget kapsz válaszként. A párbeszéd ezzel le is zárul, a következő lépés az emberre marad. Az ügynök elé célt tűzöl ki, ő pedig lépéssort tervez hozzá, sorra veszi a szükséges rendszereket, elolvassa, mit kapott, és menet közben korrigálja az irányát. Addig dolgozik, amíg a cél nem teljesül, vagy amíg olyan falba nem ütközik, amelyen nem jut át.
Az Anthropic mérnökei aszerint húzzák meg a határvonalat, hogy ki irányítja a folyamatot. Rögzített munkafolyamatnál a kód útvonala előre ki van jelölve. Ügynöknél maga a modell dönti el, milyen lépéseket tesz és milyen eszközhöz nyúl.
Mihez hasonlítható a kettő
Gondolj egy nagy irodaház recepciójára.
A chatbot a pult mögött ül. Ismeri az épületet, pontosan válaszol, és megmondja, hogy a szállítói kifizetéseket a harmadik emeleti pénzügyi osztály intézi. A harmadik emeletre viszont már magad sétálsz fel.
Az ügynök inkább az első hetét töltő új kolléga. Kiadod neki a feladatot: „Járj utána a hat lejárt szállítói számlának, és csütörtökre számolj be róluk.” Lekéri a listát a vállalatirányítási rendszerből, mindegyik számlát összeveti a megrendelésekkel, két szállítónak levelet ír. A harmadikat átadja a beszerzőnek, mert a számlán szereplő ár eltér a szerződésestől. Csütörtökön pedig egy összefoglalóval és egy nyitott kérdéssel áll elő.
Az ügynök működéséhez öt dolog kell. Mind az öt mögött mérnöki döntés áll, és mindegyik döntésnek ára van.
- Adni kell a célhoz elkészültségi feltételt. A „csütörtökre beszámoló hat számláról” teljesülése egyértelműen eldönthető. A „segíts a számlákkal” teljesülése nem.
- Jogosultságot kell kapnia a rendszerekhez. Az új kolléga belépést kap a vállalatirányítási rendszerbe, és kap egy postafiókot is. Az ügynöknek ugyanerre van szüksége, ráadásul szűkre szabott jogosultsággal, naplózással és olyan visszaállítási lehetőséggel, amely egy délután alatt üzembe állítható.
- Emlékeznie kell a feladat egészére. A negyedik lépés attól függ, mit hozott vissza a második. A chatbot a munkamenet végén mindent elfelejt, az ügynök végig fogja a fonalat.
- Igazodnia kell a valósághoz. Az ügynöknek látnia kell minden hívás eredményét, hogy tudja: a levél kézbesíthetetlen volt, a lekérdezés pedig üresen jött vissza. Az Anthropic útmutatója szerint éppen a tényleges eredmények visszajelzése tartja pályán az ügynököt.
- Meg kell tudnia állni. A kolléga pénteken hazamegy. Az ügynöknek maximált iterációszámot, költségkeretet és eszkalációs utat kell adni, különben végtelen ciklusba fut.
| Chatbot | AI-ügynök | |
|---|---|---|
| Bemenet | Kérdés | Cél, elkészültségi feltétellel |
| Kimenet | Szöveg, amit ember visz tovább | Elvégzett feladat vagy egyértelmű eszkaláció |
| Rendszerhozzáférés | Olvasás, jellemzően tudásbázisból | Olvasás és írás, több rendszerben |
| Emlékezet | Csak az adott beszélgetésre | A teljes feladatra, gyakran futások között is |
| Ki választja a következő lépést | A felhasználó | A modell |
| Jellemző hiba | Rossz válasz | Rossz művelet, többször megismételve |
| Mérőszámok | Válaszminőség, továbbítás aránya emberi ügyintézőhöz | Elvégzett feladatok, egy feladat költsége |
Miért kerül pénzbe az „ügynök” címke
A Gartner arra számít, hogy 2027 végéig az agentic AI projektek több mint 40%-át leállítják. Három fő okot emelnek ki: az elszabaduló költségeket, a nem egyértelmű üzleti értéket és az elégtelen kockázatkezelést. Anushree Verma, a Gartner Senior Director Analyst szakértője egyetlen mondatban foglalja össze a problémát:
„Sok olyan felhasználási eset, amelyet ma agentic megoldásként pozicionálnak, valójában nem igényel agentic megvalósítást.”
Üzleti szempontból ez az egész vita egyik legfontosabb mondata. Az önállóságnak ára van: több modellhívás, hosszabb futási idő, egymásra rakódó hibák és olyan governance-teher, amely egy csak olvasni képes chatbotnál egyszerűen nem jelenik meg. Az Anthropic fejlesztőknek szóló ajánlása ugyanerre mutat: a legegyszerűbb működő megoldást érdemes választani, és csak akkor növelni a komplexitást, ha az bizonyíthatóan javítja az eredményt.
Ez a governance-teher már az ügynök élesítése előtt megjelenik. Ha az adatoknak nincs egyértelmű gazdája, definíciója vagy lineage-e, az autonómia csak gyorsabban viszi tovább a rossz döntéseket. Erről bővebben: Miért buknak el az AI-projektek data governance nélkül →
A Gartner ugyanakkor az ellenkező irányú trend erősödésére is számít. Előrejelzésük szerint 2028-ra a mindennapi munkadöntések legalább 15%-át agentic AI rendszerek hozzák majd meg önállóan, szemben a 2024-es 0%-kal. Ugyanerre az évre azt várják, hogy a vállalati szoftveralkalmazások 33%-ában jelennek meg agentic funkciók, míg 2024-ben ez az arány még 1% alatt volt. A két előrejelzés nem mond ellent egymásnak: a rosszul megválasztott projektek kiesése és az agentic rendszerek strukturális terjedése egyszerűen más időtávon zajlik.
Hol tartanak most a cégek
A McKinsey „State of AI” felmérése 2026 májusában és júniusában készült, 97 országban, 1719 válaszadóval. Számszerűsíti a szándék és a gyakorlat közötti szakadékot. Az AI-eszközök közül a chatbot áll a legelőrébb: a válaszadók 47%-a szerint a cégük vállalati szinten skálázza a chatbotokat. Az ügynököknél ez az arány 20% körül mozog.
A különbséget nagyrészt a cégméret magyarázza. Az egymilliárd dollár feletti éves árbevételű cégeknél egy év alatt 27%-ról 40%-ra nőtt azok aránya, akiknél már legalább egy területen skálázzák az ügynököket. A kisebb cégeknél ez az arány 22%-on maradt. A költség viszont cégmérettől függetlenül jelentkezik: a válaszadók 20%-a szerint a mesterséges intelligencia üzemeltetési költsége, a tokenköltséggel együtt, már korlátozza a használatot.
Az AI ügynöki terveidet két szám alakítja minden másnál jobban. A válaszadók 80%-a szerint a mesterséges intelligencia javította a munkájuk termelékenységét, ugyanakkor mindössze 37% számol be bármilyen EBIT-hatásról, és ez az arány egy éve változatlan. Az egyéni haszon tehát mindenütt megjelenik. A vállalati szintű pénzügyi hatás viszont ott jelentkezik, ahol magát a munkát szervezték át. A McKinsey által élenjárónak minősített cégek közel 75%-a tervezte újra alapjaiban a folyamatait, egy évvel korábban ez az arány 55% volt. A többi válaszadónál ugyanez a mutató 25% körül áll.
Amit a chatbotok tanítottak, az az ügynökökre is érvényes
A Gartner 2026 februárjában és márciusában 3566 ügyfelet kérdezett meg. A válaszadók 49%-a használt volna ügyfélszolgálati chatbotot, ha a cég kínálna ilyet. A legutóbbi ügyfélszolgálati megkeresésükkor viszont mindössze 7% használt ténylegesen chatbotot. Rossz élmény után mindössze 27% adna újabb esélyt egy chatbotnak. Emellett 87% szerint elengedhetetlen, hogy emberi ügyintéző is elérhető legyen, amikor a cég generatív mesterséges intelligenciát használ az ügyfélkiszolgálásban.
Ezt tekintsd az ügynökökre szóló figyelmeztetésnek. Egyetlen látható hiba megszabja, mennyit tűrnek el mindabból, ami utána jön. Ez a szabály a saját szervezeteden belül ugyanúgy igaz, mint kifelé, az ügyfelek felé. Elég egyetlen alkalom, hogy a pénzügyi csapat lássa, egy ügynök rossz tételt könyvelt, és onnantól minden későbbi javaslatot ugyanolyan tartalékosan fogad, ahogy a chatbotot elhagyó ügyfelek 27%-a. A szűk hatókör, ha minden alkalommal működik, bizalmat épít. Bővíteni akkor érdemes, amikor a számok ezt tartósan alátámasztják.
Mit nézünk meg, mielőtt ügynököt javasolnánk
Az ügyfélprojektjeinkben az ügynök kérdését ritkán technológiai beszélgetés dönti el. A táblánál dől el, amikor az ügyfél saját csapata felrajzolja a folyamattérképet az elejétől a végéig, és együtt megszámoljuk a döntési pontokat. Három kérdés vezet el a válaszig.
- Mennyire kiszámítható az útvonal? Ha a lépések előre ismertek, a rögzített folyamat olcsóbban, gyorsabban és kiszámíthatóbban működik, akár modellhívásokkal együtt is. Az önállóság ott hozza vissza az árát, ahol a lépések száma megjósolhatatlan.
- Miben mérhető az elkészültség? Például futásonként lezárt számlákban, emberi beavatkozás nélkül megoldott hibajegyekben, egy elvégzett feladat költségében. Kockázatos olyan célt felügyelet nélkül futó rendszerre bízni, amelynek a teljesülése nem mérhető.
- Kinél van a felülbírálás joga? Nevesített folyamatgazdánál, aki mellé szűkre szabott jogosultság, minden műveletről naplózott nyomvonal és az írási műveletekhez visszaállítási út tartozik.
Ha az első kérdésre az az őszinte válasz, hogy az útvonal kiszámítható, akkor éppen megspóroltál magadnak egy projektet. Ez az eredmény ugyanannyit érhet, mint egy sikeres pilot — csak jóval olcsóbban jutottál el hozzá.
Ugyanez a kontrollprobléma már az egyszerűbb AI-eszközöknél is megjelenik: a használat gyakran megelőzi a felelősségi köröket, jogosultságokat és szabályokat. Erről bővebben: Shadow AI a munkahelyen →
A kérdés, amit a következő demón érdemes feltenni
Az első bekezdésben említett fogalmi zavar egyszerűen feloldható. Hagyd figyelmen kívül, mi van a diára írva, és kérdezz rá három dologra: mit tehet meg a rendszer önállóan, milyen rendszerekhez fér hozzá, és mi történik, ha hibázik. Egy chatbot, amely jól válaszol, jó megoldás. Egy ügynök, amely hat számlát elintéz, a hetediket pedig megfelelően eszkalálja, szintén jó megoldás. Csakhogy a kettő közül csak az egyik igényel komoly governance-beszélgetést az élesítés előtt — és ezt egy látványos demó önmagában nem fogja megmutatni.
Hol tudna egy ügynök végigvinni egy feladatot az Önök működésében?
A technológia megértése fontos. A költségvetést azonban egy másik kérdés dönti el: mennyit érne Önöknek, ha egy rendszer az elejétől a végéig elvégezne egy feladatot? A válasz az Önök folyamataiban van. Egy ingyenes, 30 perces konzultáción végigvesszük Önökkel a szóba jöhető folyamatokat, és nyíltan megmondjuk, indokolt-e rájuk az ügynöki megközelítés. Ha strukturált választ szeretnének, az AI Opportunity Check egy egyhetes felmérés, amely egy workshopból, 8 és 12 oldal közötti összefoglalóból és egyértelmű állásfoglalásból áll arról, érdemes-e most kísérleti projektbe kezdeni.
Források
- Anthropic. (2024, December 19). Building Effective Agents. Source of the distinction between workflows and agents. Cikk megnyitása →
- Gartner. (2025, June 25). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. Source of agentic AI project risks and cancellation forecasts. Cikk megnyitása →
- Gartner. (2026, September 2). Gartner Survey Finds Only 27% of Customers Would Try a Chatbot Again After a Negative Experience. Source of chatbot adoption and trust figures. Cikk megnyitása →
- McKinsey & Company. (2026, August 25). The State of AI in 2026: On the Road to ROI. Source of AI agent adoption, costs, productivity, and ROI findings. 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
A felszín alatti 70%, amit a legtöbb ajánlat nem mutat meg
Biztos benne, hogy az AI a megfelelő következő lépés?
Segítünk feltárni a valódi lehetőségeket, korlátokat és a reális következő lépéseket.