A kérdés ma már nem az, hogy mire képes az AI, hanem az, hogy egy szervezet képes-e biztonságosan, mérhetően és üzletileg megtérülő módon beépíteni azt a működésébe.
Jagusztin László: az AI-stratégia alapja a tudatos szolgáltatásválasztás
Jagusztin László, az Alterant CTO-ja az AI-transzformáció stratégiai dilemmáira hívta fel a figyelmet. Szerinte a vállalatoknak tudatosan kell dönteniük arról, milyen szolgáltatási modellt választanak: publikus AI-szolgáltatást, privát felhőt, on-premise megoldást vagy ezek kombinációját.
A költségek, az adatbiztonság, a megfelelőség és az auditálhatóság mind olyan szempontok, amelyek nélkül az AI-bevezetés könnyen kontrollálatlan kockázattá válhat. Jagusztin szerint sok szervezet ma még úgy használ AI-eszközöket, hogy nem látja pontosan, milyen adat kerül külső szolgáltatókhoz, hogyan alakulnak a költségek, és milyen szabályozási vagy biztonsági következményekkel kell számolnia.
Kiemelte azt is, hogy a jövő egyik fontos iránya a kisebb, specializált modellek használata lehet. Ezek bizonyos vállalati feladatoknál pontosabbak, olcsóbbak és jobban auditálhatók lehetnek, mint az általános nagy nyelvi modellek.
Sajtos István: a pilotok kora után a megtérülés számít
Sajtos István, a PeakX AI üzletágvezetője gyakorlati oldalról mutatta be, miért bukik el sok vállalati AI-projekt. Tapasztalata szerint 2024-ben rengeteg proof of concept, demó és pilot készült a piacon, de ezek jelentős része nem jutott el éles, üzletileg értelmezhető bevezetésig.
Ennek oka többek között az integrációs káosz, a szabályozatlan kockázatkezelés, a tesztelési és üzemeltetési tudás hiánya, valamint az, hogy a projektek mögött gyakran nem volt világos megtérülési logika.
A PeakX megközelítése ezzel szemben az enterprise szoftverfejlesztési szemléletre épül: compliance by design, mérhetőség, auditálhatóság és megtérülés. Sajtos szerint a banki szektor különösen alkalmas terep az AI bevezetésére, mert erősen szabályozott, jól dokumentált folyamatokkal dolgozik, ugyanakkor jelentős operációs költségekkel küzd.
Egy konkrét példán keresztül bemutatta, hogy egy hiteligénylési dokumentumokat ellenőrző AI-agent bevezetése 35 napról 29 napra csökkentette az átfutási időt, ami éves szinten jelentős (több százmilliós) pénzügyi eredményt jelentett egy nagy hazai bank számára.
Mihályi Antal: az agentek új governance-réteget hoznak a vállalatokba
Mihályi Antal, a Google Budapest Engineering Site Leadje az agentek és a vállalati AI-platformok fejlődéséről beszélt. Szerinte az AI-agentek lényege, hogy nem csupán válaszolnak, hanem cselekedni is képesek: rendszereket hívnak meg, adatokat dolgoznak fel, folyamatokat indítanak el.
Ez azonban új governance-kérdéseket vet fel. Az agenteknek saját identitásra, jogosultságokra, naplózásra, szabályokra és megfigyelhetőségre van szükségük, hasonlóan ahhoz, ahogy egy munkavállaló is hozzáféréseket kap egy vállalati rendszerben.
Mihályi szerint a következő időszak egyik kulcskérdése az lesz, hogyan lehet az agenteket biztonságosan és skálázhatóan működtetni. Ehhez agent registryre, policy-rendszerekre, observabilityre, memory detectionre és olyan biztonsági kontrollokra van szükség, amelyek megakadályozzák például a jogosulatlan adathozzáférést vagy a prompt injection jellegű támadásokat. Az agentek világa tehát nemcsak technológiai innováció, hanem új vállalatirányítási réteg is.
Hódy Árpád: a frontier company nem eszközöket vesz, hanem működést alakít át
Hódy Árpád, a Microsoft CSSL-je a nagyvállalati AI-transzformáció mindennapi tapasztalatait hozta be az előadásblokkba. A Microsoft saját működéséből kiindulva arról beszélt, hogy a „frontier company” nem egyszerűen olyan vállalat, ahol mindenki használ valamilyen AI-eszközt. Sokkal inkább egy olyan szervezet, amely képes az AI-t a belső folyamatokba, az ügyfélkapcsolatokba, a döntéstámogatásba és a munkaszervezésbe beépíteni.
Hódy szerint a sikeres AI-bevezetés három alappillére az emberek felkészítése, az adatok hozzáférhetővé és szabályozottá tétele, valamint a folyamatok újragondolása. Nem elég egy rosszul működő folyamat tetejére „rátenni” egy chatbotot vagy agentet, mert attól a folyamat nem lesz jobb. A vállalatoknak először meg kell érteniük, hol keletkezik felesleges adminisztráció, hol akad el a munka, és hol lehet valódi üzleti értéket teremteni.
Közös tanulság: az AI-t nem elég használni, irányítani is kell
Az előadások közös tanulsága, hogy a mesterséges intelligencia bevezetése ma már nem az innovációs osztály elszigetelt kísérlete. A mesterséges intelligencia vállalati használata stratégiai döntés, amely érinti az adatkezelést, az IT-architektúrát, a compliance-t, a kockázatkezelést, a költségkontrollt, a munkaszervezést és a vezetői felelősséget is.
Az előadások alapján azok a szervezetek lesznek versenyelőnyben, amelyek nem pusztán használni akarják az AI-t, hanem irányítani is tudják. A technológia rendelkezésre áll, de az üzleti érték nem automatikusan keletkezik belőle. Ehhez tudatos stratégia, mérhető célok, biztonságos működési keretek és folyamatos tanulás szükséges.
(Címlapkép: Depositphotos)
Szólj hozzá