Ki a felelős, ha az AI hibázik a cégedben?

Az AI-agenteknél nem a beszállítóra mutogat a felelősség. Magyar KKV-ként ez főleg a jogosultságokról, jóváhagyásokról és ellenőrzésről szól.

Mi történt

A singaporelawwatch.sg 2026. szeptember 24-én közölt anyagában Yeong Zee Kin, a Singapore Academy of Law vezetője arról beszélt, hogy ha egy AI-agent kárt okoz, a felelősség jellemzően nem tolható át egyszerűen a beszállítóra vagy a technológiára. A forrás szerint az üzenet lényege az, hogy a döntési lánc végül mindig visszavezethető egy emberi vagy szervezeti döntésre: singaporelawwatch.sg.

Mit jelent ez egy magyar KKV-nak

A magyar KKV-k számára ez a hír nem azért fontos, mert holnap új jogszabályt kellene miatta átírni, hanem mert nagyon pontosan rávilágít egy már most is létező kockázatra: ha AI-t használsz a működésedben, attól még a felelősség nem „külsődik ki”. Ha egy AI-eszköz rossz adatot továbbít, félreoszt egy bejövő ügyet, hibás dokumentumot generál, rossz partnernek enged hozzáférést, vagy automatikusan elindít egy folyamatot, a bajt jellemzően a céged fogja viselni — nem az a tény, hogy a rendszer „okos” volt.

Ez különösen igaz azokra a helyzetekre, ahol az AI nem csak szöveget ír, hanem ténylegesen cselekszik: e-mailt osztályoz, dokumentumot nyit meg, adatot másol át, jóváhagyási lépést indít, ügyféladatot módosít, vagy egy belső folyamatban döntést előkészít. Ilyenkor már nem egyszerű asszisztensről beszélünk, hanem olyan eszközről, amely beavatkozik az üzleti működésbe. Egy magyar KKV-nál ez a gyakorlatban azt jelenti, hogy az AI nem „külön projekt”, hanem a napi admin, a pénzügy, az értékesítés, a beszerzés vagy az ügyfélszolgálat része lesz — és onnantól ugyanúgy kell rá szabály, felelős és ellenőrzési pont, mint bármelyik másik kritikus folyamatra.

A hír egyik fontos tanulsága az, hogy a beszállító kiválasztása önmagában nem elég. Attól, hogy egy AI-megoldás felhőből jön, licencelt termék, vagy külső partner fejlesztette, még neked kell eldöntened, mire használhatják a munkatársak, milyen adatot láthat, mit módosíthat, és mikor kell embernek ránéznie. Ez Magyarországon sem lesz másképp: a jogi és működési felelősség tipikusan a vállalkozásnál marad, mert a rendszert te vezeted be a saját folyamataidba.

Ami a magyar KKV-knál különösen fontos: sok cég még mindig úgy használ automatizálást, hogy az „majd segít valamit”, de nincs mögötte pontos folyamatleírás. Ez addig kevésbé látványos, amíg egy AI csak javasol. De amikor már dokumentumot tölt fel, státuszt vált, ügyféladatot ír át vagy továbbít egy kérést, akkor a homályos felelősségi kör azonnal probléma lesz. Ha nincs rögzítve, ki hagyta jóvá a működést, ki ellenőrzi a kimenetet, és ki állítja le hibánál, akkor a rendszer gyorsítja fel a hibát is.

A hírben említett „action space”, vagyis az a határ, amin belül az AI mozoghat, magyar szemmel nézve nagyon hasznos gondolat. Ezt lefordítva céges nyelvre: nem az a kérdés, hogy az AI mit tud megtenni technikailag, hanem hogy neked mit szabad neki megengedni. Például egy belső adminisztrációs agent lehet, hogy képes lenne több rendszerből adatot olvasni, űrlapot kitölteni és e-mailt küldeni. Ettől még lehet, hogy nálad csak az olvasás és a javaslattétel fér bele, a tényleges küldést vagy jóváhagyást pedig embernek kell elvégeznie. Ez nem lassítás, hanem kontroll.

A magyar KKV-k többségénél a legnagyobb kockázat nem egy látványos „AI-baleset”, hanem a csendes, mindennapi hibahalmozódás. Egy rossz partneradat bekerül a rendszerbe, onnan megy a számlázásba, majd a riportba, végül a vezetői döntésbe. Ha erre ráteszel egy AI-t, amely automatikusan osztályoz, kitölt vagy továbbít, a hibák terjedési sebessége nő. Ezért az AI bevezetését nem külön technológiai kérdésként, hanem folyamatkockázatként érdemes kezelni.

A magyar környezetben van még egy sajátosság: sok KKV-nál az adminisztráció részben Excelben, részben e-mailben, részben különböző felhős eszközökben él. Ilyenkor az AI könnyen „ragasztóanyagként” jelenik meg a rendszerek között. Ez hasznos lehet, de csak akkor, ha világos, hogy melyik adat honnan jön, ki a forrásgazda, mi az érvényes verzió, és mi történik, ha az AI bizonytalan. Ezt a kérdést különösen komolyan kell venni dokumentumfeldolgozásnál, belső kérvényeknél, riportkészítésnél és ügyfélkommunikációban. Erről bővebben is érdemes gondolkodni például a belső kérvények digitalizálása, a riportok kézi másolgatás nélküli készítése és a bejövő kérésekből automatikus teendőlista szemszögéből.

Fontos azt is kimondani, hogy nem minden AI-használat veszélyes vagy túl bonyolult. Ha az AI csak címkéz, összefoglal, javasol vagy előszűr, és az ember dönt a végén, akkor a kockázat kezelhetőbb. Ha viszont az AI már jogosultságot kap dokumentumok mozgatására, ügyféladatok módosítására, vagy folyamatok automatikus elindítására, akkor a felelősségi szint megugrik. A különbség tehát nem az, hogy AI-e a megoldás, hanem az, hogy mennyire kap valódi üzemi jogosultságot.

A hír alapján a magyar KKV-knak nem kell pánikolniuk, de érdemes kijózanítóan végiggondolniuk: ha holnap egy AI-eszköz hibázik, tudnád-e bizonyítani, hogy volt rá szabály, volt rá jóváhagyás, volt rá tesztelés, és volt emberi kontroll? Ha erre a válasz bizonytalan, akkor nem az AI a gond, hanem az, hogy a bevezetés gyorsabb volt, mint a governance.

Mit csinálj vele

Először is írd össze, hol használ a céged AI-t vagy AI-szerű automatizálást: e-mail szűrés, dokumentumkezelés, ügyfélkommunikáció, riportkészítés, belső admin, jóváhagyási folyamatok. Ne csak a látványos eszközöket nézd, hanem azt is, ahol egy szabályalapú automatizmus és egy AI-modul együtt dolgozik.

Másodszor minden ilyen pontra tedd fel ezt a négy kérdést: mit csinálhat a rendszer, mit nem csinálhat, ki ellenőrzi a kimenetét, és mi a hibakezelés menete. Ha ezekre nincs egyértelmű válasz, ott előbb folyamatot kell tisztázni, és csak utána eszközt választani.

Harmadszor nézd meg a jogosultságokat. Sok kockázat nem a modellből, hanem a túl széles hozzáférésből jön. Ha egy agent hozzáfér minden mappához, minden ügyfélhez és minden küldési lehetőséghez, akkor egy hiba vagy félreértés sokkal nagyobb kárt okozhat, mint amekkora hasznot termel.

Negyedszer teszteld a kritikus útvonalakat emberrel együtt. Nem elég azt megnézni, hogy „működik-e”. Azt is tesztelni kell, hogy hibás bemenetre, hiányos adatra, ellentmondásos információra vagy bizonytalan helyzetre hogyan reagál. Ha a rendszer ilyenkor is magabiztosan továbblép, az nem előny, hanem kockázat.

Ötödször rögzíts egy egyszerű AI-használati szabályzatot. Nem kell jogi regénynek lennie. Elég, ha kimondja, milyen célra használható, milyen adat nem vihető be, mikor kötelező emberi jóváhagyás, és kihez kell fordulni probléma esetén. Ez különösen fontos, ha több munkatárs épít saját megoldásokat ugyanarra a felhőszolgáltatásra.

Amit nyugodtan figyelmen kívül hagyhatsz: a látványos, de távoli nemzetközi példák önmagukban nem segítenek, ha a saját cégedben nincs tiszta folyamat. Nem az a kérdés, hogy egy AI „milyen okos”, hanem az, hogy a te működésedben hol ér véget az automatizmus és hol kezdődik az emberi felelősség.

Ha szeretnéd átnézni, hol vannak a cégedben az AI-hoz és automatizáláshoz kapcsolódó kockázatos pontok, kérj ingyenes konzultációt a codemesh-től, vagy nézd meg a Digitalizációs felmérés oldalt. Ez segít tisztábban látni, melyik folyamatot érdemes szabályalapúan automatizálni, és hol kell különösen szoros kontroll.