Az AI ügynököknek rendbe kell tenni az adatkáoszt

Az AI ügynökök csak akkor hasznosak, ha hozzáférnek a megfelelő adatokhoz. Ez a magyar KKV-knál is adat- és folyamatkérdés.

Mi történt

A CIO 2026. augusztus 13-án arról írt, hogy több kutatás szerint az AI ügynökök vállalati bevezetését nem maga a modell, hanem az adathozzáférés, a kontextus és a governance akasztja meg. A lényeg egyszerű: ha egy rendszer nem éri el időben a szükséges adatot, nem tud megbízhatóan dönteni vagy cselekedni.

Mit jelent ez egy magyar KKV-nak

A magyar KKV-k számára ez a hír nem egy távoli, „nagyvállalati AI” probléma. Inkább egy nagyon is ismerős helyzet új neve: az a cég, ahol az információk Excelben, e-mailben, külön ERP-ben, külön CRM-ben, megosztott mappákban és a kollégák fejében élnek, már most is adat-szigetekben működik. Az AI ügynökök megjelenésével ez a széttagoltság nem csak kényelmetlenség lesz, hanem közvetlen akadálya annak, hogy bármilyen automatizált, önállóan dolgozó megoldás értelmesen működjön.

Ez azért fontos, mert sok vezető fejében az AI még mindig úgy jelenik meg, mint egy „okosabb kereső” vagy egy gyorsabb szövegíró. Az ügynökalapú AI viszont nem csak válaszol, hanem feladatot hajt végre: adatot keres, ellenőriz, döntési lépést javasol, majd továbbvisz egy folyamatot. Ehhez viszont nem elég, ha a cégben vannak adatok. Az kell, hogy az adatok elérhetők, egységesek, értelmezhetők és naprakészek legyenek. Ha például az ügyfélszolgálati információ az egyik rendszerben van, a számlázási állapot a másikban, a reklamáció a harmadikban, a szerződés pedig egy mappában PDF-ként, akkor az AI nem „gyenge”, hanem egyszerűen nincs miből megbízhatóan dolgoznia.

Ez a magyar KKV-knál különösen gyakori, mert a növekedés sokszor nem tudatos architektúrával, hanem foltozással történt. Először lett egy Excel a rendeléskövetésre, aztán egy külön táblázat a készletre, később egy CRM az értékesítésnek, majd egy számlázó és egy dokumentumtár. Mindegyik részben jól működik, de egymással nem feltétlenül beszélnek. Egy ember még tud közte ugrálni, az AI már kevésbé. Vagyis minél több a kézi összekötés, annál kevésbé lesz az AI valódi termelési eszköz, és annál inkább marad bemutató vagy kísérleti funkció.

A hír magyar szemmel azt is jelenti, hogy az AI bevezetését nem szabad pusztán felhasználói oldalról nézni. Nem az a kérdés elsőként, hogy „mire tudja használni a kolléga?”, hanem az, hogy „milyen adatból fog dolgozni, ki felel az adatminőségért, és milyen szabályok szerint fér hozzá?”. Egy vezetői döntést támogató AI például csak akkor ér valamit, ha ugyanazt a vevőt ugyanazon a néven látja minden rendszerben, a státuszok egyeznek, és nem kell öt különböző oszlopból kitalálnia, hogy a megrendelés él-e vagy sem. Ez nem technikai apróság, hanem üzleti kockázat: rossz adatból rossz döntés lesz.

A magyar KKV-k másik sajátossága, hogy ritkán van külön adatarchitektúra-csapat vagy dedikált AI governance funkció. Emiatt a felelősség gyakran szétfolyik az IT, az ügyvezetés és az adott terület vezetője között. Ezért az AI ügynökök bevezetése nálunk valószínűleg nem úgy fog zajlani, hogy előbb mindent „szépen” rendeznek, és csak utána jön az automatizáció. Inkább fordítva: egy-egy szűk, jól körülírt folyamatban jelenik meg az AI, és közben kiderül, hol hiányzik a központi törzsadat, hol nincs egységes jóváhagyási rend, és hol kell emberi kontroll. Ez teljesen természetes, de csak akkor működik, ha nem próbálod az AI-ra rátolni a rendrakás felelősségét.

A gyakorlatban ez azt jelenti, hogy a legelső AI-projektek valószínűleg nem a legnagyobb, hanem a legjobban strukturált folyamatokban sikerülnek. Ilyen lehet például egy dokumentumfeldolgozási lánc, ahol a bejövő számlák, szállítólevelek vagy szerződések feldolgozása már eleve szabályalapú. Ugyanez igaz egy jóváhagyási vagy riportfolyamatra is: ha az adatok forrása tiszta, az AI gyorsíthat, de ha a bemenet kaotikus, akkor csak gyorsabban termeli a hibát. Erről érdemes úgy gondolkodni, mint az infrastruktúra új szintjéről, nem pedig „még egy szoftverről”.

A magyar piacon az is fontos különbség, hogy sok KKV még mindig Excel-centrikus. Ez nem önmagában baj, de AI ügynökök mellett rögtön látszik a korlátja: az Excel jó egyéni munkára és kisebb csapatokra, de rossz határterületeken, verziókezelésben, jogosultságban és valós idejű elérésben. Ha az AI-nak táblázatokat kell vadásznia, manuálisan másolt fájlokból dolgoznia, vagy e-mailben kapott mellékleteket értelmeznie, akkor a projekt már az elején törékeny lesz. Ezért a hír üzenete nem az, hogy „az AI-hoz nagyvállalati rendszer kell”, hanem az, hogy a szigetszerű működés most már közvetlenül korlátozza az automatizálást.

Ez a helyzet ugyanakkor nem azt jelenti, hogy a magyar KKV-knak most mindent át kell építeniük. Inkább azt, hogy az AI bevezetése előtt tisztázni kell: melyik adat hol az igazság forrása, melyik rendszer a mesteradat-kezelő, és mely folyamatoknál lehet elfogadni emberi ellenőrzést. Ha ezt nem teszed meg, az AI ügynökök gyorsan látványosak lesznek, de nehezen lesznek megbízhatók. Ha viszont rend van az adatok körül, akkor már kisebb fejlesztéssel is komoly időnyereség érhető el.

Érdemes itt megkülönböztetni három szintet. Az első a „szövegíró AI”, ami önmagában kevés kockázatot hordoz. A második a „javaslatot adó AI”, ami már üzleti döntéseket támogat. A harmadik az „ügynök”, ami lépéseket is végrehajt. Minél feljebb mész ezen a skálán, annál fontosabb lesz a jogosultságkezelés, a naplózás, a jóváhagyási rend és az adatminőség. Magyar KKV-k esetében ez azért kritikus, mert sokszor egyetlen rosszul beállított hozzáférés vagy egy elavult törzsadat is elég ahhoz, hogy egy automatizált folyamat hibásan működjön.

Ha a hírnek van gyakorlati tanulsága, az az, hogy az AI-ügynökök nem az adatproblémák megoldói, hanem azok felerősítői. Aki eddig is szenvedett a több rendszer közötti kézi egyeztetéstől, annak az AI nem varázspálca lesz, hanem egy újabb ok arra, hogy végre központi adatstruktúrában és folyamatlogikában gondolkodjon. Ez különösen igaz azokra a cégekre, ahol ügyfélportál, workflow, riport és dokumentumkezelés is külön-külön, részben manuálisan működik. Ilyenkor az AI előtt általában nem „nagyobb modellre”, hanem jobb integrációra, tisztább adatmodellre és egyszerűbb folyamatokra van szükség.

Ha ezt jól csinálod, az AI nem egy plusz adminisztrációs réteg lesz, hanem egy olyan eszköz, ami ténylegesen csökkenti a kézi munkát. Ha rosszul, akkor csak újabb felületet adsz egy régi káoszra. Ez a különbség a látványos pilot és a valóban használható üzemi megoldás között.

Kapcsolódó olvasnivaló

Ha nálad is sok a kézi egyeztetés, érdemes átnézni, hogyan lehet ezt csökkenteni a kézi adategyeztetés visszaszorításával, mikor indokolt a riportautomatizálás bevezetése, és hogyan segíthet a dokumentumfeldolgozás automatizálása a rendezett adatáramlásban.

Mit csinálj vele

Először ne AI-projektet tervezz, hanem adat- és folyamatfelmérést. Nézd meg, melyik három üzleti folyamatodban keletkezik a legtöbb kézi másolás, egyeztetés vagy keresgélés. Ezekben keresd meg, hol van a „mesteradat”, hol keletkezik a hiba, és hol akad el a folyamat emberi jóváhagyás vagy hiányzó információ miatt.

Másodszor döntsd el, hogy melyik adatnak ki a gazdája. Ha nincs egyértelmű felelős a vevő-, termék-, szerződés- vagy szállítóadatokra, akkor az AI-tól se várj stabil működést. Itt sokszor már egy központi törzsadat-kezelés, egy egységes validáció vagy egy egyszerűbb integráció többet ér, mint bármilyen „okos” funkció.

Harmadszor válassz egy kis, jól körülhatárolt használati esetet. Olyat, ahol kevés a kivétel, világos a szabály, és mérhető, hogy mennyi manuális munkát vált ki. Ilyen lehet például a bejövő dokumentumok előfeldolgozása, egy jóváhagyási kör előkészítése vagy egy rendszeres riport adatgyűjtése. Ne kezdj olyan folyamattal, ahol már most is minden kivételnek számít.

Negyedszer nézd át a hozzáféréseket és a naplózást. Ha egy AI ügynök adatot olvas, módosít vagy továbbít, akkor utólag is tudnod kell, mit csinált, miből dolgozott, és ki engedte ezt meg. Ez különösen fontos ott, ahol pénzügyi, szerződéses vagy ügyféladatokról van szó.

Amit most nyugodtan figyelmen kívül hagyhatsz: a nagy, általános AI-trendeket, a hangzatos demókat és azokat a megoldásokat, amelyeknek nincs tiszta kapcsolatuk a te folyamataiddal. A kérdés nem az, hogy „használ-e a cég AI-t”, hanem az, hogy van-e olyan adat- és folyamatrendszered, amire egy AI egyáltalán biztonságosan ráépíthető.

Ha szeretnéd átnézni, nálatok hol akad el a digitalizáció, kérj ingyenes konzultációt a codemesh-től, vagy indulj el a Digitalizációs felmérés oldalon. Egy rövid áttekintésből is sokszor kiderül, hol érdemes előbb rendet tenni az AI előtt.