A cloud-first korszak vége
Miért hozza haza a vállalatok 93%-a a mesterséges intelligenciát futtató rendszereit
- AI Körkép
2026 februárjában a Cloudian közölt egy számot, amelytől minden pénzügyi és informatikai vezetőnek meg kellene állnia egy pillanatra: a vállalatok 93%-a már legalább néhány, mesterséges intelligenciát futtató rendszert visszahozott a publikus felhőből, éppen most teszi ezt, vagy aktívan mérlegeli. Nem kísérletezgetnek, nem elméletben gondolkodnak: meg is teszik. Ez már rég nem valami szűk réteg különcködése, hanem ott van minden komoly infrastruktúráról szóló beszélgetés középpontjában.
A szakma már nem azt kérdezi, hogy a felhő jobb-e a saját üzemeltetésnél. A kérdés mostanra sokkal élesebb: melyik rendszernek hol a helye, és valójában mennyibe kerül nekünk, ha erre újra meg újra rosszul válaszolunk?
A jelzés: egy cloud-first évtized szembesül a valósággal
Tíz éven át az alapértelmezett architekturális válasz egyszerű volt: vidd a felhőbe. Új projekt? Felhő. Egy régi szerver cseréje? Felhő. Kísérlet a mesterséges intelligenciával? Egyértelműen felhő. Ezt az alapértelmezést megkérdőjelezni sok cégnél kifejezetten karrierkockázatnak számított.
Aztán elkezdtek érkezni a számlák – és velük együtt a mesterséges intelligencia számlái.
A Cloudian Enterprise AI Infrastructure Survey 2026 felmérése 203 vállalati informatikai döntéshozót kérdezett meg, és a 93%-os főszám mögött meghúzódó adatok mesélik el az igazi történetet. A megkérdezettek több mint háromnegyede (79%) már vissza is hozott ilyen rendszereket, közel ugyanennyien (73%) pedig azt tervezik, hogy a következő két évben tovább lépnek a saját üzemeltetés vagy a hibrid megoldás felé. Eközben a költés nem csökken: tízből közel kilenc cég (86%) arra számít, hogy 2026-ban nőni fog a mesterséges intelligenciára szánt költségvetése, sőt a válaszadók 40%-a legalább 25%-os emelkedést vár.
A pénz tehát továbbra is ömlik a mesterséges intelligenciába, csak épp más infrastruktúra felé, mint korábban.
Egy másik, a Barclays által informatikai vezetők körében készített felmérés ehhez egy újabb sokatmondó adatot tett hozzá: a megkérdezett vezetők 83%-a tervezi, hogy legalább egy rendszert hazatelepít a publikus felhőből – ez a felmérés történetének eddigi legmagasabb értéke. A Cloudian saját adatai szerint pedig a válaszadók 40%-a már túl is lépte a mesterséges intelligenciára szánt felhős keretét.
„A vállalatok nem hagyják el a felhőt – inkább egyre tudatosabban döntik el, hogy a mesterséges intelligenciát futtató rendszereiknek hol a helyük.”
Jon Toor, CMO, Cloudian
És épp ez a nézőpont a lényeg. Amit a címlapok tömeges kivonulásként tálalnak, az a valóságban inkább egy észszerű korrekció.
Miért épp a mesterséges intelligencia kényszerít döntésre
A felhő költségei miatt nem mostanában kezdtek el morgolódni a cégek. Régóta zúgolódnak az adatkihozatali (egress) díjak, az átláthatatlan árazás és a folyamatosan futó rendszerek miatt, amelyek szép csendben viszik a pénzt. Az elmúlt másfél évben annyi változott, hogy a mesterséges intelligencia megjelenésével ezt a problémát többé nem lehetett a szőnyeg alá söpörni.
Három dolog történik, amikor komoly, mesterséges intelligenciát futtató rendszereket viszünk a publikus felhőbe:
- A költség kiszámíthatósága megtörik. A GPU-bérlés drága és kiszámíthatatlan, a betanítási adatok adatkihozatali díjai pedig könyörtelenek. Pénzügyileg egészen mást jelent egy sikeres kísérleti projekt akkor, ha utána éles üzemben napi 24 órában jár, mint amikor még csak heti pár órát futott.
- Megjelennek a késleltetési korlátok. A Cloudian felmérésében a válaszadók 55%-a mondta, hogy a publikus felhő nem képes megbízhatóan tartani a mesterséges intelligencia válaszidejét (vagyis az ún. következtetés, inference késleltetését). A valós idejű felhasználásnál – csalásészlelés, gyártósori minőség-ellenőrzés, ügyféloldali asszisztensek – ez kemény korlát, nem pedig finomhangolás kérdése.
- A szuverenitás többé nem elméleti kérdés. A válaszadók 52%-ának biztonsági vagy megfelelőségi okból saját üzemeltetésben kell tartania a mesterséges intelligencia betanítási adatait. Az EU-ban már hatályban van a DORA, a GDPR és az amerikai CLOUD Act ütközése pedig rég nem elvont jogi vita – ott van az auditokban.
A Deloitte elemzése konkrét számot tesz a költségoldalra: egy bizonyos token-mennyiség fölött a saját üzemeltetésű mesterséges intelligencia három év alatt legalább 50%-os megtakarítást hoz ahhoz képest, mintha ugyanazt a rendszert továbbra is a publikus felhőben futtatnánk.
A megtérülési pont rendszerenként más és más, de a dedikált GPU-kon, közel teljes kihasználtsággal futó mesterséges intelligencia esetében a saját üzemeltetés már hónapok alatt megtérül.
Három cég, amely hangosan számolt
GEICO: tíz év felfelé, most visszafelé
Warren Buffett biztosítója, a GEICO 2013-ban kezdte meg a költözést a publikus felhőbe. Tíz évvel és több mint 600 alkalmazással később kínos kép rajzolódott ki: a felhőköltségek az eredeti előrejelzés 2,5-szeresére rúgtak, a megbízhatóság romlott, a cég pedig azon kapta magát, hogy évi több mint 300 millió dollárt költ felhőszolgáltatásokra.
A GEICO most egy OpenStack-alapú privát felhőre és Kubernetesre épít újra. A belső előrejelzések 50%-kal alacsonyabb magonkénti számítási költséget és 60%-kal alacsonyabb gigabyte-onkénti tárolási költséget céloznak. Rebecca Weekly, aki az infrastruktúra-átalakítást vezeti, nyíltan fogalmazott a tanulságról:
„Hirtelen az a bizonyos »működési költség alapú modell« kezd úgy festeni, mint egy beruházási költség alapú modell.”
Rebecca Weekly, VP of Platform and Infrastructure Engineering, GEICO
Dropbox: az eredeti repatriáció, mielőtt a fogalom létezett volna
2013 és 2016 között a Dropbox az ügyféladatok nagyjából 90%-át áthelyezte az AWS-ről saját, egyedileg épített infrastruktúrájára, amelynek kódneve Magic Pocket volt. Az eredmény, amelyet mérnöki utóelemzések és nyilvános pénzügyi jelentések is dokumentálnak: körülbelül 75 millió dollár megtakarítás két év alatt, és a bruttó árrés 33%-ról 67%-ra emelkedett.
A Dropbox mindezt jóval azelőtt megtette, hogy a mesterséges intelligencia igazgatótanácsi szintű témává emelte volna a repatriációt. A számítás már akkor is megérte minden adatigényes, folyamatosan futó rendszernél – a mesterséges intelligencia csak annyit tett, hogy ezt a számítást mindenki más számára is láthatóvá tette.
37signals: dokumentált felhőkivonulás
„A felhő bizonyos helyzetekben jó választás lehet, de a szakma átverte az embereket azzal, hogy elhitette: ez az egyetlen út.”
David Heinemeier Hansson, CTO, 37signals
Korrekció – miközben a felhőköltés tovább nő
Az olyan címek láttán, hogy „az informatikai vezetők 86%-a elhagyja a felhőt”, csábító lenne egyszerűen a feje tetejére állítani a korábbi dogmát: a felhő rossz, a saját üzemeltetés jó. Csakhogy ez ugyanakkora tévedés volna, mint amekkora annak idején a felhő automatikus, gondolkodás nélküli választása volt.
A vállalatoknak mindössze 8–9%-a tervezi, hogy teljesen kilép a felhőből. A többiek – vagyis a cégek több mint 90%-a – ennél jóval megfontoltabban járnak el: tudatosan eldöntik, mi hová kerüljön. Felhőbe azok a rendszerek valók, ahol a rugalmasság az igazi érték (változó kereslet, globális kiszolgálás, korai fázisú kísérletezés); saját üzemeltetésbe vagy privát felhőbe pedig azok, ahol a kiszámíthatóság, a kontroll és a fajlagos gazdaságosság a fontosabb (éles mesterségesintelligencia-következtetés, szabályozott adatok, folyamatosan futó adatbázisok, integrációs gerincrendszerek).
A Gartner továbbra is több mint 700 milliárd dolláros globális felhőköltést jósol. A felhő tehát tovább növekszik, csak épp egyre tudatosabban használják. Az a kérdés, amelyre ma minden infrastruktúra-döntésnek válaszolnia kell, eltolódott: már nem az a tét, hogy „felhő vagy saját üzemeltetés?”, hanem az, hogy „mit csinál valójában ez a rendszer, és hol éri meg igazán működtetni?”
Egy gyakorlati döntési keretrendszer
Mielőtt repatriációs projektbe fogna, vagy aláírná a következő hároméves, előre lekötött kapacitásról szóló szerződést, érdemes minden fontosabb rendszert végigvinni öt kérdésen. Egyik sem technikai – mindegyik gazdasági.
- Kiszámítható vagy változó a kereslet? A stabil, folyamatosan futó rendszerek (éles mesterségesintelligencia-következtetés, törzsadatok, ERP, integrációs platformok) gyorsan elveszítik a felhő melletti költségérvet. A lökésszerű, szezonális vagy kísérleti rendszereknél viszont megmarad.
- Mennyire adatigényes? Az adatkihozatali díjak és a tárolási szintek aránytalanul sújtják az adatigényes rendszereket. Ha egy rendszer nagy adatmennyiséget olvas vagy mozgat nap mint nap, a saját üzemeltetés mellett szóló számok gyorsan meggyőzővé válnak.
- Mi a valódi késleltetési követelmény? Ha egy adott felhasználáshoz 50 ezredmásodperc alatti válaszidő kell, a felhő gyakran egyszerűen szóba sem jöhet.
- Mekkora a szabályozói kockázat? A DORA, az EU adatmegosztási rendelete (Data Act) és a hasonló szabályozások mellett a „mert a szállító azt mondta” már nem elfogadható válasz egy auditon. Dokumentált, bizonyítható kontroll kell.
- Hogyan néz ki a teljes üzemeltetési költség (TCO) – beleértve a személyzetet, az áramot, a hardver életciklusát és a költözés költségét is? A repatriációnak is megvannak a maga költségei. A tipikus hiba az, ha pusztán beszerzési feladatként kezeljük, nem pedig architekturális döntésként.
Ha minden rendszert végigviszünk ezeken a kérdéseken, többé nem az automatikus alapértelmezés dönt, hanem egy valódi, átgondolt válasz.
Ez az operatív tisztánlátás különbözteti meg a skálázható AI-kezdeményezéseket az elakadó pilotoktól is, amiről részletesebben írtunk am következő cikkünkben: Gyakori hibák, amelyeket érdemes elkerülni egy AI-pilot során →
A tanulság
A 93%-os szám valójában nem magáról a felhőről árul el sokat, hanem arról, hogy a „mindent a felhőbe” hozzáállás túlságosan kényelmes beidegződéssé vált.
Az elmúlt évtizedben az infrastruktúra-döntések szinte reflexből születtek: felhő, hacsak az ellenkezője be nem bizonyosodott. A következő évtizedben megfordul a bizonyítási teher. Mostantól minden fontosabb rendszernek – és kiváltképp minden mesterséges intelligenciát futtató rendszernek – ki kell érdemelnie a helyét. Felhőbe ott, ahol a rugalmasság megéri a felárat; saját üzemeltetésbe vagy privát felhőbe ott, ahol a kiszámíthatóság, a kontroll és a fajlagos gazdaságosság a fontosabb.
Azok a cégek kezelik ezt jól, amelyek rendszerről rendszerre képesek tisztán megválaszolni egyetlen kérdést: „Miért épp itt fut ez a rendszer?”
Ha erre ma nem tud válaszolni a mesterséges intelligenciát futtató rendszereivel kapcsolatban, akkor Ön is a 93% része.
Hol érdemes elkezdeni
Ha a szervezetében most merül fel a kérdés, hogy bizonyos workloadok — AI vagy más rendszerek — valóban ott futnak-e, ahol kellene, akkor a procurement döntés ritkán a legjobb első lépés. Sokkal fontosabb először megérteni, hogy valójában milyen rendszerek futnak, hol vannak az operatív szűk keresztmetszetek, hogyan áramlik az adat, és mely irányok teremthetnek mérhető üzleti értéket.
Az Omnitnál strukturált módon segítünk AI- és adatvezérelt képességek felmérésében és felépítésében. AI Factory megközelítésünkön keresztül támogatjuk a vállalatokat az opportunity identificationtől és validációtól a pilot implementáción át a skálázható deploymentig. Adatoldalon az Adatmegoldások segítenek a szervezeteknek rendszerezni, integrálni és aktiválni adatvagyonukat a megbízható működés és jobb döntéshozatal érdekében.
Akár infrastruktúra, AI-adaptáció, fragmentált rendszerek vagy széttagolt adatállomány a kihívás, a cél ugyanaz: egy olyan gyakorlati fejlesztési irány kialakítása, amely valóban végrehajtható.
Nem biztos benne, merre induljon? → Foglaljon egy díjmentes 30 perces konzultációt, és segítünk megtalálni a következő lépést
Források
- Cloudian. (2026, March 3). 93% of enterprises are repatriating AI workloads or evaluating a move away from public cloud. Cikk megnyitása →
- Cloudian. (2026, April 2). Cloud data repatriation survey. Cikk megnyitása →
- Data Canopy. (n.d.). Back to private cloud. Cikk megnyitása →
- Fortuna, A. (2026, March 9). Cloud repatriation. Cikk megnyitása →
- HBS. (2025, November 26). Cloud repatriation trends: Cost, AI, and the push towards hybrid. Cikk megnyitása →
- HyScaler. (2026, January 6). Cloud repatriation: The strategic shift in IT. Cikk megnyitása →
- Linthicum, D. (2024, December 20). Cost-conscious cloud repatriation strategies. InfoWorld. Cikk megnyitása →
- MRC Productivity. (2026, April). What’s driving cloud repatriation in 2026? Cikk megnyitása →
- Reed, P., & Tatam, R. (2025, January 9). Cloud repatriation. Puppet. Cikk megnyitása →
- StorageNewsletter. (2026, March 11). Enterprise survey finds 93% are repatriating AI workloads or evaluating a move away from public cloud. Cikk megnyitása →
- Targett, E. (2024, October 17). Warren Buffett’s GEICO repatriates work from the cloud, continues ambitious infrastructure overhaul. The Stack. Cikk megnyitása →
- Toor, J. (2024, November 9). Cloud repatriation. Cloudian. 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
Amit a vállalati döntéshozóknak érteniük kell a skálázás előtt
Hogyan használják az alkalmazottaid a ChatGPT-t anélkül, hogy tudnál róla — és miért vezető szintű kockázat ez
Biztos benne, hogy az AI a megfelelő következő lépés?
Segítünk feltárni a valódi lehetőségeket, korlátokat és a reális következő lépéseket.