Mikor kell AI, és mikor elég az automatizálás?

Az AI-projekt előtt előbb a folyamatot kell tisztázni: sok magyar KKV-nál egyszerűbb automatizálás is elég lehet.

Mi történt

1. szeptember 20-án a Digital Thought Disruption egy olyan vállalati döntési keretről írt, ami azt vizsgálja: egy üzleti problémára tényleg AI kell-e, vagy elég egy egyszerűbb megoldás. A cikk lényege, hogy a technológiaválasztás előtt előbb a mérhető üzleti problémát, a folyamatot, a költséget, a kockázatokat és a pilot feltételeit kell tisztázni.

Mit jelent ez egy magyar KKV-nak

Magyar KKV-ként ennek az üzenetnek különösen nagy jelentősége van, mert itthon sokszor nem az a szűk keresztmetszet, hogy nincs elég AI, hanem az, hogy a folyamatok eleve nincsenek rendesen leírva, mérve és felelőshöz kötve. Ha egy cég úgy kezd „AI-projektbe”, hogy valójában nincs tiszta baseline-ja, nincs egységes adatkezelése, és a kivételek kezelése is emberről emberre változik, akkor könnyen olyan megoldás születik, ami látványos, de a napi működésben kevés hasznot hoz.

Ez a magyar KKV-knál azért fontos, mert a legtöbb üzleti folyamat nem „AI-probléma”, hanem folyamatprobléma. Például egy lassú jóváhagyás mögött lehet az is, hogy túl sok a kör, túl sok az e-mail, vagy nincs kijelölve, ki dönt. Egy hibás riport mögött lehet adatminőségi gond, rossz kézi másolás, vagy az, hogy senki nem ugyanazt a verziót nézi. Egy ügyfélkérésekre épülő adminisztráció pedig gyakran nem generatív AI-t, hanem egyszerű workflow-automatizálást, űrlapot vagy ügyfélportált igényel.

Ez a gondolkodásmód nagyon közel áll ahhoz, amit a codemesh is képvisel a digitalizációs projektekben: előbb a működést kell rendbe tenni, és csak utána érdemes eldönteni, hogy ehhez kell-e AI, szabályalapú automatizálás, egy webes admin felület, vagy akár csak egy jobb riportfolyamat. Ha ezt a sorrendet megfordítod, könnyen előfordulhat, hogy a cég drágább és bonyolultabb eszközt vezet be annál, mint amire valójában szüksége lenne.

A hír egyik legfontosabb gyakorlati tanulsága, hogy az AI-nak versenyeznie kell az egyszerűbb alternatívákkal. Ez Magyarországon különösen releváns, mert sok KKV-nál még mindig Excelben, e-mailben, megosztott mappákban és kézi jóváhagyásokkal futnak a kritikus folyamatok. Ilyen környezetben nem az a kérdés, hogy „be tudunk-e tenni AI-t”, hanem az, hogy mi a legkisebb működési teherrel járó megoldás, ami tényleg javítja a működést.

Ha például dokumentumok beérkezését kell osztályozni, első körben lehet, hogy elég egy szabályalapú besorolás vagy egy központi űrlap. Ha a probléma a vezetői döntések csúszása, lehet, hogy nem AI kell, hanem automatikus összefoglaló és egységes riport. Ha a partneri vagy ügyféloldali egyeztetések szétesnek e-mailben, akkor egy ügyfélportál sokszor többet ér, mint egy „okos” asszisztens. Erről részletesebben is érdemes gondolkodni a mikor érdemes AI-t használni a bejövő e-mailek osztályozására és a mikor érdemes dokumentumok osztályozására AI helyett szabályalapú automatizálást használni témákban is.

A magyar sajátosság az is, hogy a döntéshozók gyakran egyszerre keresnek gyors eredményt és alacsony működési kockázatot. Ez teljesen érthető, de pont ezért veszélyes, ha a pilotot úgy indítják el, hogy nincs előre kimondva: mitől számít sikernek, mi az elfogadható emberi felügyelet, és mikor kell leállítani a tesztet. Egy pilot nem azért van, hogy igazolja a beruházást, hanem azért, hogy megmutassa, valóban van-e értelme továbbmenni. Ha ezt a logikát nem követed, akkor a pilot könnyen „bemutatóprojekt” lesz, nem üzleti döntéstámogatás.

A forrásban megfogalmazott szemlélet azért hasznos a magyar piacon, mert segít rendet tenni a divatos AI-elvárások között. Sok vezető ma már érzi, hogy „kell valami AI”, de a valós kérdés inkább az, hogy melyik üzleti folyamatban keletkezik kézzel végzett, ismétlődő, drága vagy hibára hajlamos munka. Ilyenkor az AI csak egy lehetséges eszköz a sok közül, és nem feltétlenül a legjobb első választás.

Ahol különösen sokat számít ez a hozzáállás, az a belső adminisztráció, a riportkészítés, a dokumentumfeldolgozás és a jóváhagyási folyamatok. Ha például a heti vezetői összefoglalók manuálisan készülnek, lehet, hogy nem generatív AI-ra, hanem automatikus kivonatokra és egységes adatforrásra van szükség. Ha a belső kérések elvesznek, akkor inkább központi bejelentési és követési folyamat kell. Ha a dokumentumok különböző helyeken élnek, akkor előbb egységes tárolási és visszakeresési rend kell, különben az AI is csak a káoszt fogja gyorsabban feldolgozni. Ezekről hasznos lehet átnézni a belső kérvények digitalizálása beadástól lezárásig és a riportok kézi másolgatás nélkül anyagokat is.

Ami itthon még fontosabb, mint sok nagyvállalati környezetben: a KKV-k gyakran nem rendelkeznek külön adat-, AI- vagy compliance-csapattal. Ezért egy rosszul kiválasztott AI-megoldás nemcsak drágább lehet, hanem üzemeltetési terhet is hozhat. Ha a rendszerhez folyamatos kivételkezelés kell, ha a felhasználók nem értik, mikor bízhatnak benne, vagy ha a kimenetet újra és újra kézzel kell ellenőrizni, akkor az „automatizálás” valójában csak áthelyezi a munkát máshová. KKV-knál ez sokszor nem fér bele.

Másrészt a keretrendszer jó hír is a magyar cégeknek: nem kell mindenre AI-t venni csak azért, mert a piac erről beszél. Sőt, a legtöbb esetben az lesz a jobb döntés, ha előbb egyszerűsíted a folyamatot, tisztázod a felelősségeket, és csak utána döntesz a technológiáról. Ez különösen igaz olyan helyzetekben, ahol a szabályok egyértelműek, az adatok strukturáltak, vagy a döntés logikája jól leírható. Ilyenkor a szabályalapú automatizálás, a workflow-rendszer vagy egy webes admin felület sokkal stabilabb és könnyebben fenntartható megoldás lehet.

A magyar KKV-k számára tehát a hír nem azt üzeni, hogy „ne használj AI-t”, hanem azt, hogy ne a technológiából indulj ki. Előbb nézd meg, mi a pontos üzleti fájdalom, mennyibe kerül most, hol hibázik, és mi lenne az a minimális javulás, ami már megéri a változtatást. Ha ezt tisztán látod, sokkal könnyebb lesz eldönteni, hogy AI, workflow-automatizálás, ügyfélportál, dokumentumfeldolgozás vagy egyszerűbb szoftverfejlesztés a jó irány.

Mit csinálj vele

Első lépésként válassz ki egyetlen folyamatot, ahol most tényleg fáj a kézi munka, a csúszás vagy a hibaarány. Írd le egyszerűen: ki indítja, ki hagyja jóvá, hol akad el, milyen adat hiányzik, és mi a jelenlegi kézi költség vagy időráfordítás.

Második lépésként ne AI-megoldással kezdj, hanem alternatívákkal. Tedd fel ugyanarra a problémára ezeket a kérdéseket: elég lenne-e egy jobb űrlap, egy jóváhagyási workflow, egy központi adatbázis, egy riportautomatizálás vagy egy ügyfélportál. Ha a folyamat szabályalapú, akkor valószínűleg nem AI az első választás.

Harmadik lépésként határozd meg előre a sikerkritériumot. Például: gyorsabb átfutás, kevesebb manuális hiba, kevesebb e-mail, jobb visszakereshetőség, rövidebb riportkészítés. Ha ezt nem tudod kimondani, a pilot sem fog tisztán értékelhető lenni.

Negyedik lépésként nézd meg az adatokat és a felelősséget. Van-e elég jó minőségű bemenet, ki lesz az üzleti gazda, ki ellenőrzi a kivételeket, és mi történik, ha a rendszer nem biztos a dolgában. Ez különösen fontos dokumentumfeldolgozásnál, jóváhagyásoknál és ügyfélkommunikációban.

Ötödik lépésként csak ezután dönts a technológiáról. Sok magyar KKV-nál a helyes sorrend: folyamat tisztázása, egyszerűsítés, workflow vagy riportautomatizálás, és csak utána AI. Ha így haladsz, kisebb lesz a kockázat, és nagyobb az esélye, hogy a fejlesztés tényleg üzleti értéket ad.

Ha szeretnéd átnézni, nálatok melyik folyamatnál érdemes AI-t, workflow-t vagy egyszerűbb digitalizációt választani, kérj ingyenes konzultációt a codemeshtől, vagy töltsd ki a Digitalizációs felmérés oldalt.