2025 júliusában tette közzé az ausztrál munkaügyi minisztérium a Deloitte 440 ezer ausztrál dolláros szakértői jelentését. A közzététel után egy egyetemi kutató vette észre, hogy a lábjegyzetekben nem létező tanulmányok szerepelnek, és egy bírósági ítéletből vett idézet is kitalált. A javított változatba bekerült, hogy a szöveg egy része generatív nyelvi modellel készült, a Deloitte pedig vállalta, hogy visszafizeti a szerződés utolsó részletét. Az eszköz azt tette, amire képes. Ami hiányzott, az egy vezetői döntés arról, mire szabad használni, és ki ellenőrzi, amit ír.
A számok a cikkben hivatkozott nyilvános forrásokból származnak – nem Devertix-eredmények.
Ezzel a cikkel sorozatot indítunk azoknak a vezetőknek, akiknél most kerül napirendre a mesterséges intelligencia: ügyvezetőknek, pénzügyi, HR- és értékesítési vezetőknek. Harminc rész lesz, naponta egy. Technikai mélységekbe nem megyünk: azt vesszük sorra, amit egy vezetőnek tudnia kell, mielőtt aláír egy AI-projektet.
Magyarországon a kérdés sok cégnél most válik élessé. Az Eurostat 2025-ös felmérése szerint a legalább 10 fős hazai vállalkozások 10,4%-a használt valamilyen AI-technológiát, nagyjából feleannyi, mint az uniós átlag. Az AI-t használó hazai nagyvállalatok többsége kész, megvásárolt szoftvert használ, saját fejlesztés jóval ritkább. A legtöbb vezetőnek tehát nem modellt kell építenie: azt kell eldöntenie, mire bízza a meglévőket.
Mit csinál valójában egy nyelvi modell
A ChatGPT-hez, a Claude-hoz vagy a Copilothoz hasonló eszközök mögött nagy nyelvi modell (large language model, LLM) dolgozik. Leegyszerűsítve egy dolgot tud: a kapott szöveg alapján megadja, milyen folytatás a legvalószínűbb. Ebből a képességből meglepően sok minden következik. Jól fogalmaz, összefoglal, átír, fordít, kategóriába sorol, egy hosszú szerződésből kigyűjti a felmondási feltételeket.
Ugyanebből következik a gyengesége is. Maga a modell semminek nem néz utána: ha az eszköz nem kap forrást vagy keresőt, emlékezetből fogalmaz, és magától nem jelzi, ha valamit nem tud. Az OpenAI kutatói 2025 szeptemberi tanulmányukban azt írják, hogy a modellek tanítása és értékelése a magabiztos tippelést jutalmazza a „nem tudom” helyett. A kitalált, de hihető állítást hallucinációnak hívják, és a szerzők szerint a pontosság soha nem éri el a 100%-ot. Egy vezetőnek ebből annyit érdemes megjegyeznie, hogy a nyelvi modell válasza mindig folyékony, de nem mindig igaz, és a kettőt ránézésre nem lehet megkülönböztetni.
A felelősség a cégnél marad
2024 februárjában a kanadai Brit Columbia tartomány polgári vitarendező testülete (Civil Resolution Tribunal) döntött egy ügyben, amelyben az Air Canada weboldalán futó csevegőrobot tévesen tájékoztatott egy utast a gyászoló hozzátartozóknak járó kedvezményről. A légitársaság azzal védekezett, hogy a csevegőrobot külön felel a saját válaszaiért. A testület ezt elutasította: a robot a cég weboldalának része, a pontosságáért a cég felel. Az összeg kicsi volt, összesen 812 kanadai dollár, az indoklás viszont minden cégre érvényes tanulságot hordoz.
A Deloitte esete ugyanezt mutatja belülről. A minisztérium szerint a jelentés lényege és ajánlásai nem változtak, a cég neve mégis a hibás hivatkozások miatt került a hírekbe. Egy magyar cégnél ugyanez lehet egy ügyfélnek elküldött ajánlat rossz határidővel, egy kitalált jogszabályhely egy belső memóban, vagy egy rosszul összesített táblázat a vezetői értekezleten.
A vezető első kérdése
Véleményünk szerint egy AI-bevezetés első kérdése az, hogy melyik folyamatunkban fér bele, ha a gép időnként meggyőzően téved, és ki veszi ezt észre. Az eszköz kiválasztása ehhez képest másodlagos. Ahol a hibát olcsó észrevenni és kijavítani, ott gyorsan lehet kezdeni. Ahol a téves válasz egyenesen az ügyfélhez vagy a könyvelésbe kerül, ott előbb ellenőrzési pontot kell tervezni.
Ezzel az állásponttal szemben is lehet érvelni. A modellek évről évre pontosabbak, és a forráshoz kötött megoldások (erről a 2. részben lesz szó) a hibák nagy részét kiszűrik. Ez igaz, de a fenti két esetben a hiba csak utólag, kívülről derült ki, mert nem volt ellenőrzési pont, és ezen egy pontosabb eszköz sem változtatott volna. Az ellenőrzési pontról pedig vezetőnek kell döntenie.
Mielőtt bármilyen eszközt kiválaszt, írja fel három olyan folyamatát, ahol sok a szöveg és sok az ismétlődő munka, és mindháromhoz azt, hogy ma ki ellenőrzi az eredményt. Ha ezt külső szemmel szeretné végigbeszélni, az AI-stratégia és felmérés szolgáltatásunk is a folyamatok feltérképezésével kezdődik.
Kérdések a következő vezetői értekezletre
- Kik használnak már nálunk ChatGPT-t vagy hasonló eszközt, és mire?
- Van-e olyan folyamatunk, ahol AI által írt szöveg ellenőrzés nélkül jut el ügyfélhez?
- Ha egy AI-val készült anyagban hiba van, ma kinek a felelőssége?
- Melyik az a három szöveges folyamatunk, ahol a hiba olcsón észrevehető?
Holnap, a 2. részben azt nézzük meg, hogyan lehet a nyelvi modellt a cég saját dokumentumaihoz kötni úgy, hogy minden válasza mellett ott legyen a forrás, és mit érdemes ilyenkor kérdezni a szállítótól. Ha addig is beszélne arról, hol tart ebben a cége, nézze meg az AI-tanácsadás oldalunkat.
Források
- Eurostat: 20% of EU enterprises use AI technologies (2025. december 11.)
- Eurostat isoc_eb_ai adatbázis: AI-használat vállalatméret szerint, 2024–2025 (Magyarország és EU)
- OpenAI: Why language models hallucinate (2025. szeptember 5.)
- Moffatt v. Air Canada, 2024 BCCRT 149 (2024. február 14.)
- AP / BNN Bloomberg: Deloitte to partially refund Australian government for report with apparent AI-generated errors (2025. október 7.)
- The Register: Deloitte refunds Aussie gov after AI fabrications slip into $440K welfare report (2025. október 6.)
Hol kezdje a saját cégénél?
Egy rövid egyeztetésen végignézzük, melyik folyamatában lehet kis kockázattal elindulni, és hol kell előbb ellenőrzési pontot tervezni.