Szótár

Stratégiai és üzleti érték

AI-érettség (AI maturity)

A vállalat felkészültségi szintje az AI befogadására. Nem csak az IT-t jelenti, hanem azt is, hogy a dolgozók mennyire nyitottak, a folyamatok mennyire digitalizáltak, és az adatok mennyire vannak rendben.

Automatizáció vs. augmentáció (automation vs. augmentation)

Fontos stratégiai különbségtétel.

Automatizáció: az emberi munka kiváltása gépekkel (fókusz: költségcsökkentés, gyorsaság).

Augmentáció: a munkatársak képességeinek és döntéseinek támogatása AI-val (fókusz: minőségjavítás, a kreativitás növelése, „okosabb munkavégzés”).

Adatvezérelt döntéshozatal (data-driven decision making)

Amikor a menedzsment a megérzések, a megszokás vagy a „leghangosabb vezető” véleménye (HiPPO-effektus) helyett a valós adatok és az AI által nyújtott előrejelzések alapján hoz döntéseket.

AI ROI (return on investment)

Az AI-projektek megtérülése. Az AI-nál ezt nehezebb kiszámolni, mint egy szokásos szoftvervásárlásnál, mert az eredmény lehet közvetlen bevételnövekedés, de akár a hibák számának drasztikus csökkenése vagy az ügyfél-elégedettség (NPS) javulása is.

Technológiák – mit csinálnak az üzlet számára?

Gépi tanulás (machine learning, ML)

Az AI olyan ága, amelynél a rendszert nem programozzák be minden lépésre, hanem történeti adatokból „megtanulja” a szabályokat.

Üzleti haszna: célzott marketingajánlatok, a hitelbírálat felgyorsítása, csalások észlelése (fraud detection).

Prediktív analitika (predictive analytics)

Olyan rendszerek, amelyek a múlt adatai alapján megjósolják, mi fog történni a jövőben.

Üzleti haszna: készletoptimalizálás (miből mennyit fognak venni a jövő hónapban?), a gépek karbantartásának előrejelzése (mikor fog elromlani a gyártósor?).

Generatív AI (GenAI)

Olyan AI, amely teljesen új tartalmakat (szöveget, képet, kódot, dizájnt) hoz létre (pl. ChatGPT, Midjourney).

Üzleti haszna: a tartalommarketing automatizálása, a kódolás felgyorsítása, ügyfélszolgálati válaszok azonnali generálása.

GEO (generatív keresőoptimalizálás, Generative Engine Optimization)

A keresőoptimalizálás (SEO) folytatása az AI korában. Egyre több ember nem a találati listát böngészi, hanem közvetlenül egy AI-tól kérdez (pl. ChatGPT, Gemini, Perplexity, a Google AI-összefoglalói). A GEO célja, hogy ezek a rendszerek az Ön cégét, termékét vagy szakértőjét is megtalálják, helyesen értsék, és a válaszaikban forrásként megnevezzék.

Üzleti haszna: AI láthatóság ott, ahol a vásárlók ma már tájékozódnak. Eszközei: jól strukturált, tényszerű, naprakész tartalom, egyértelmű szerzők és források, gépileg olvasható adatok.

NLP (természetesnyelv-feldolgozás, natural language processing)

A gép képessége arra, hogy megértse, értelmezze és létrehozza az emberi nyelvet.

Üzleti haszna: a bejövő e-mailek automatikus szortírozása panasz, kérés vagy érdeklődés szerint; közösségimédia-kommentek hangulatelemzése (pozitív/negatív).

RPA (robotic process automation) vs. intelligens automatizáció

Az RPA a „buta” robot, amely ismétlődő kattintásokat, adatmásolásokat végez el a kollégák helyett.

Ha ehhez AI-t adunk (intelligens automatizáció), a robot már képes elolvasni egy papírszámlát, értelmezni azt, és úgy bevinni a vállalatirányítási rendszerbe.

Szerepkörök és infrastruktúra – kire és mire van szükség?

Adatirányítás (data governance)

A vállalati adatok minőségének, biztonságának és hozzáférhetőségének menedzselése.

Miért fontos egy vezetőnek? „Szemét be, szemét ki”: ha az adatok rendezetlenek, torzak vagy hiányosak, a legdrágább AI-projekt is csak hibás döntéseket fog javasolni.

MLOps (machine learning operations)

Az a folyamat és keretrendszer, amely biztosítja, hogy egy AI-projekt ne csak a tesztlaborban működjön jól, hanem éles, folyamatos üzleti környezetben is megbízható maradjon.

Adatmérnök (data engineer)

Ő az, aki „kiépíti a csővezetékeket”. Biztosítja, hogy az adatok a megfelelő forrásokból tisztán, a megfelelő helyre áramoljanak. AI-projekt nem létezik az ő munkája nélkül.

Adattudós (data scientist)

Ő az, aki az adatmérnök által szállított adatokon dolgozik: matematikai, statisztikai modelleket és AI-algoritmusokat épít, amelyek megoldják a konkrét üzleti problémát.

Promptmérnök, promptmérnökség (prompt engineer, prompt engineering)

Nem feltétlenül külön szakma, egyre inkább általános munkavállalói készség. Azt a képességet jelenti, hogy valaki olyan pontosan, kontextussal ellátva tud kérdezni vagy utasítást adni a generatív AI-nak (pl. a ChatGPT-nek), hogy abból maximális üzleti értékű válasz szülessen.

Kockázatok és szabályozás

Algoritmikus torzítás (bias)

A kockázat, hogy az AI diszkriminatív vagy igazságtalan döntéseket hoz, mert a tanítóadatai eleve torzítottak voltak.

Üzleti kockázat: súlyos PR-katasztrófa vagy jogi perek (például ha egy HR-szoftver diszkriminál bizonyos jelentkezőket, mert a múltbeli adatok alapján „rosszul tanult”).

Hallucináció

A generatív AI-modellek azon tulajdonsága, hogy rendkívül magabiztosan állítanak teljesen hamis, kitalált információkat, pusztán azért, mert a szavak valószínűségi lánca ezt adta ki.

Üzleti kockázat: a kritikus üzleti tartalmaknál mindig emberi felügyelet (human-in-the-loop) szükséges.

EU AI Act (mesterségesintelligencia-rendelet)

Az EU új, átfogó jogszabálya, amely kockázati kategóriákba sorolja az AI-rendszereket (az elfogadhatatlan kockázattól a minimálisig).

Üzleti kockázat: az európai piacon működő cégeknek tudniuk kell, milyen kategóriájú AI-t használnak, különben a GDPR-hoz hasonlóan súlyos bírságokra számíthatnak.

Árnyék-AI (shadow AI)

Amikor a munkavállalók a menedzsment vagy az IT tudta és engedélye nélkül használnak nyilvános AI-eszközöket (pl. érzékeny céges adatokat, forráskódokat töltenek fel egy ingyenes ChatGPT-be). Komoly adatbiztonsági kockázat.