.png)
Röviden: A cégek folyamatosan a látható, ügyfélközpontú feladatokra – marketingre, fordításra – költik AI-büdzséjüket, ahol a megtérülést a legnehezebb bizonyítani. A valódi érték – nagyjából 70 százaléka – a strukturált háttérfolyamatokban, például a beszerzésben rejlik, amelyek mérhetők, ismétlődők, és drága külső kiadásokhoz kötődnek. A magyar cégek alig kezdtek bele tudatosan, és épp ez az előnyük: mivel nincs mit leállítaniuk, rögtön ott indulhatnak, ahová a bizonyítékok mutatnak, nem pedig ott, ahol a legkényelmesebb.
Egy korábbi cikkünkben arról írtunk, hogy a magyar cégek AI-lemaradása nem technológiai, hanem szervezeti kérdés: az emberek magabiztosan használják az AI-t, a cégek viszont nem építik be a működésükbe, és amit stratégiának hiszünk, az gyakran csak irányítatlan árnyékhasználat. A tanulság az volt, hogy nem több egyéni használatra van szükség, hanem keretre.
Egy keret azonban önmagában üres. Amikor egy cégvezető úgy dönt, hogy mostantól tudatosan, cégszinten használják az AI-t, rögtön szembetalálja magát a következő kérdéssel, amelyre viszont ritkán kap választ: melyik folyamattal kezdjen? Hova kerüljön az első átgondolt AI-beruházás, hogy valódi eredményt hozzon, ne pedig a sok kudarcba fulladó próbálkozás sorsára jusson?
A nemzetközi adatok erre meglepően egybehangzó választ adnak. A legtöbb cég ugyanis épp azt a területet választja, ahol az AI a legkevésbé térül meg.
Kezdjük egy kényelmetlen megállapítással: a legtöbb cég – magyar és amerikai egyaránt – rendszeresen rossz helyen keresi az AI hasznát.
Az MIT 2025-ös, sokat idézett „The GenAI Divide" kutatása kimutatta, hogy a vállalati AI-büdzsék több mint fele a látható, ügyfélközpontú területekre – értékesítésre és marketingre – jut, miközben a nagyobb haszon a háttérfolyamatok automatizálásában rejlik. Ez a torzítás Magyarországon még élesebb: a hazai felmérések szerint az AI leggyakrabban fordításban, levél- és kivonatírásban, valamint marketingkommunikációban jelenik meg – vagyis épp azokon a felszíni, könnyen elérhető feladatokon, amelyeken a legkevesebb a kimutatható üzleti érték.
Ez érthető. Ezek a feladatok azonnal láthatók, nem igényelnek rendszerintegrációt, és bárki kipróbálhatja egy ingyenes eszközzel öt perc alatt. De épp ez a baj: ami a legkönnyebb és a leglátványosabb, az ritkán a legértékesebb.
Hol van tehát a valódi haszon? A Boston Consulting Group 2025-ös „The Widening AI Value Gap" jelentése számszerűsíti: az AI lehetséges értékének mintegy 70 százaléka a fő üzleti területeken összpontosul, és a legjobban teljesítő cégek nem a látványos ügyfélélmény-bemutatókkal, hanem a folyamataik mélyén termelnek értéket. Ők a jelentés szerint 1,7-szeres bevételnövekedést és lényegesen jobb eredményt érnek el a lemaradóknál – nem azért, mert több AI-t vásárolnak, hanem mert máshol vetik be.
Egy részlet közvetlenül rávilágít, miből keletkezik a haszon. Az MIT szerint a sikeres bevezetéseknél a megtakarítás nem elsősorban a létszámleépítésből fakadt, hanem a külső kiadások csökkenéséből: kiszervezett szerződések megszüntetéséből, ügynökségi és szolgáltatói díjak kiváltásából. A valódi megtérülés tehát ott keletkezik, ahol strukturált, ismétlődő folyamatok futnak, amelyek ma külső szolgáltatókhoz vagy kézi adminisztrációhoz kötődnek.
Ez pontosan a háttérműködés területe. Egyik legtisztább példája pedig a beszerzés.
Érdemes elővenni egy keretet, amely pontosan erről a választásról szól: a Gartner AI initiative prioritization funnel. Ez egy hét lépésből álló szűrő az AI-kezdeményezések rangsorolására – minden ötlet több szempont szerinti rostán megy át, és csak az marad, amelyik mindegyiken átjut. A hét szempont közül itt három a legfontosabb: kötődik-e a kezdeményezés olyan üzleti mutatóhoz, amelyet a vezetőség ért és fontosnak tart; van-e hozzá korábbi adat, amellyel a megtérülés hitelesen kimutatható; és mennyi munkával jár a bevezetés.
Ha ezen a szűrőn átengedjük a tipikus magyar AI-használatot, kiütközik a probléma. A fordításnak vagy a marketingszövegnek nincs tiszta üzleti mutatója és összehasonlítási alapja – „gyorsabbnak érződik", de nem lehet megmondani, mennyivel, és nem lehet megvédeni egy vezetőségi ülésen. A strukturált háttérfolyamatok ezzel szemben szinte hiánytalanul teljesítik a feltételeket.
Vegyük a beszerzést. Van benne mutató, amelyet mindenki ért: átfutási idő, elért megtakarítás, szerződéses megfelelés. Van hozzá korábbi adat, tehát a megtérülés nem érzés, hanem szám. Ismétlődő és kiszámítható, tehát a bevezetéshez nem kell nagy szervezeti átalakítás. És jellemzően jól körülírható, egymást követő lépésekből áll, melyek megfelelő keretet adnak az AI-nak ahhoz, hogy megbízhatóan dolgozzon.
Ugyanez igaz a háttérműködés többi részére is: a pénzügyi egyeztetésekre, a számlafeldolgozásra, egyes HR-adminisztrációs folyamatokra. Közös bennük, hogy mérhetők, kiszámíthatók, és ma jellemzően drága munkaórákat vagy külső szolgáltatót kötnek le.
Innen már látszik a lényeg. Miközben a cég a fordításra használja az AI-t, ahol nincs mit mérni, a háttérfolyamatokban ott hever egy jól megtérülő, mérhető, könnyen bevezethető terület, amelyhez hozzá sem nyúlt. A figyelem az egyik helyre megy, a haszon a másikon lenne.
Itt kapcsolódik vissza a magyar szempont, és itt derül ki egy meglepő előny is.
Az amerikai nagyvállalat gondja gyakran az, hogy már túl sokat költött rossz helyre – tele van félbehagyott, látványos értékesítési kísérletekkel, amelyeket most veszteséggel kell leállítania. A magyar közép- és nagyvállalat máshol tart: nála nem a rossz döntések a gond, hanem az, hogy tudatos döntés jóformán még nem született.
Ez egyszerre rossz és jó hír. Rossz, mert a cégszintű AI-használat valós lemaradást mutat, amit leginkább a szakértelem hiánya magyaráz. Jó, mert nincs mit leállítani. A magyar cég nem ragadt bele egy elhibázott AI-stratégiába – egyszerűen még nincs neki. Aki pedig tiszta lappal indul, rögtön a jól megtérülő területen kezdhet, ahelyett, hogy végigjárná mások zsákutcáit: a látványos, de haszontalan kísérletek teljes körét.
A magyar cégvezetőnek tehát nem azon kell törnie a fejét, hogyan szűkítse a projektjei listáját, ahogy az amerikai kollégájának. Neki egy dolga van: amikor végre tudatosan választ, a bizonyítékok szerinti legjobb helyen kezdjen, ne a legkényelmesebben.
Három elv jelöli ki a jó kezdőpontot, és egyik sem igényel nagy AI-beruházást.
Az összehasonlítási alap többet ér a látványnál. A jó kezdet nem ott van, ahol az AI a leglátványosabb, hanem ott, ahol van mihez mérni. Ahol pontosan tudható, hogy egy folyamat ma mennyi időbe, mennyi pénzbe és hány hibába kerül, ott lesz hiteles a megtérülés – és ez majdnem mindig a háttérműködés.
A külső kiadások nyoma megmutatja az értéket. A nemzetközi adatok szerint a legtisztább megtérülés a külső költések kiváltásából származik. Ahol ma szolgáltatóknak, ügynökségeknek folyik el a pénz, vagy ahol kézi adminisztráció köt le drága belső munkaerőt ismétlődő feladatokra, ott van a valódi lehetőség.
Kicsiben kell kezdeni, de mérhetően. Egyetlen jól körülírt folyamat – egy szerződés-megújítási ciklus, egy beszállítói adatellenőrzés, egy számlaegyeztetés –, ahol a megtérülés néhány egyszerű lépésből kihozható, jobb kezdet, mint egy nagyszabású, de bizonytalan program. Először bizonyíték, aztán mérés, végül bővítés. A Gartner-keret zárógondolata is ez: nem a legnagyobb álom, hanem a leggyorsabban elérhető, mérhető haszon a jó belépő.
A háttérműködés – és benne a beszerzés – nem a legizgalmasabb AI-terep. Nem is a leglátványosabb. Éppen ezért marad annyi cégnél érintetlenül, miközben az igazi haszon itt lenne a legkönnyebben kimutatható.
Az AI-előny végső soron egyetlen döntésen múlik: nem azon, hogy a csapat használ-e ChatGPT-t, hanem azon, hogy a cég a legkényelmesebb vagy a legjobban megtérülő területen kezd-e. A magyar vállalatok többsége ezt a döntést még meg sem hozta – ami épp azt jelenti, hogy szabadon a helyes irányba indulhatnak.
.png)
.png)
.png)
.png)