A Horváth 2026-os CxO-felmérése szerint az AI és a digitalizáció a vállalatvezetői prioritások élére került, miközben a legtöbb vállalat AI-érettsége továbbra is korai vagy közepes szinten áll. Az AI következetes beépítése a végponttól végpontig terjedő üzleti folyamatokba még ritka; a legfontosabb akadályok között az adatminőség és az adatok elérhetősége, a folyamatintegráció, valamint a szükséges szervezeti kompetenciák hiánya szerepel. Ez arra utal, hogy nem egyszerűen arról van szó, hogy a vállalatok még nem tanulták meg elég jól használni az új AI-eszközöket. Lehetséges, hogy rossz kérdést teszünk fel.
A legtöbb AI-kezdeményezés ma abból indul ki, hogyan lehet egy meglévő feladatot gyorsabban vagy kevesebb emberi munkával elvégezni. Hogyan készülhet el hamarabb az elemzés? Hogyan írható meg gyorsabban a riport? Hogyan dolgozható fel hatékonyabban egy szerződés, egy beszerzési ajánlat vagy egy forecast? Ezek fontos produktivitási kérdések, de adottnak tekintik a meglévő munkamegosztást. Az AI következő fejlődési szintje ennél alapvetőbb kérdést tesz fel: mely feladatokat kell egyáltalán továbbra is embernek végeznie?
Az ágensalapú AI – az angol szakirodalomban agentic AI – olyan rendszerek felé viszi a vállalatokat, amelyek nem pusztán válaszolnak egy kérdésre vagy elkészítenek egy elemzést, hanem meghatározott célok, jogosultságok és kontrollok között több lépésből álló munkát képesek önállóan végrehajtani. Ezzel az AI szerepe megváltozik: eszközből részben delegálható munkavégzővé válik.
A legtöbb vállalati AI-használat ma még eszközlogikára épül. Az ember kérdez, az AI válaszol, az ember ellenőrzi az eredményt, pontosít, majd felhasználja a választ. Ez jelentős produktivitásjavulást hozhat, de egy dolog nem változik: az ember marad a munkafolyamat aktív irányítója.
Ha egy vezető öt AI-ágenssel dolgozik, de mindegyiknek folyamatosan feladatot kell adnia, részeredményeket kell ellenőriznie és újabb lépéseket kell indítania, akkor nem ötszörös végrehajtási kapacitást teremtett. Öt új felügyeleti feladatot hozott létre saját maga számára.
Neil Movva, a Sail Research társalapítója és vezérigazgatója egy másfajta működési logikából indul ki. A Sail olyan, hosszabb távon működő ágensekhez fejleszt infrastruktúrát, amelyek napokig, hetekig vagy akár tovább is képesek önállóan dolgozni. Movva különbséget tesz a billentyűzetnél válaszra váró ember és az önállóan futó ágens között: az előbbinél a sebesség az elsődleges, az utóbbinál egyre inkább a skálázhatóság, a megbízhatóság és a fenntartható költség kerül előtérbe.
Ez első látásra technológiai különbség, vállalatvezetői szempontból azonban szervezeti változás. A chatbot akkor teremt értéket, amikor az ember feladatot ad neki, majd felhasználja a választ. A háttérben működő ágens akkor, amikor egy feladat vagy folyamat jelentős részét folyamatos emberi irányítás nélkül képes elvégezni.
A döntő különbség tehát nem az, hogy az AI öt másodperc vagy öt perc alatt készít-e el egy elemzést. A valódi kérdés az, kinek kell menedzselnie az elemzés elkészítésének folyamatát.
Egy controllingban működő AI-ágens értéke ezért nem abban áll, hogy gyorsan elkészít egy terv–tény riportot. Folyamatosan összevetheti a tényadatokat a tervvel, kiszűrheti a szokatlan eltéréseket, összekapcsolhatja azokat a mögöttes üzleti eseményekkel, és csak azokat az eseteket emelheti a controller vagy a CFO elé, amelyek szakmai értelmezést vagy döntést igényelnek.
Ugyanez a logika működhet a beszerzésben, a treasuryben vagy a HR-ben. Az AI-ágens figyelheti a beszállítói árakat, szerződéses eltéréseket, likviditási mozgásokat, fluktuációs vagy toborzási mintázatokat, és az előre meghatározott keretek alapján kiszűrheti azokat a helyzeteket, amelyekhez emberi beavatkozás szükséges.
A cél tehát nem az, hogy az AI több információt termeljen. A vállalatoknak már ma sincs információhiányuk. A cél az, hogy kevesebb emberi figyelem legyen szükséges ugyanannak a folyamatnak a megbízható működtetéséhez, miközben az ember ott marad a folyamatban, ahol szakmai mérlegelésre, kivételkezelésre és felelősségvállalásra van szükség.
A vállalatok egyik tartós problémája mindig a végrehajtási kapacitás hiánya volt. Nem volt elegendő ember adatot gyűjteni, riportot készíteni, eltéréseket elemezni, szerződéseket átnézni vagy folyamatokat végigkövetni.
Az AI ezt a korlátot kezdi oldani. A háttérben, hosszabb ideig önállóan dolgozó ágensek megjelenése azonban nem szünteti meg a szervezeti szűkösséget. Áthelyezi.
Ha az adatgyűjtés gyorsabbá és olcsóbbá válik, felértékelődik annak eldöntése, mely adatok relevánsak és megbízhatók. Ha egy elemzés percek alatt elkészíthető, kevésbé az lesz a kérdés, hogy képes-e valaki elkészíteni, és sokkal inkább az, hogy melyik elemzésre van egyáltalán szükség.
Ha egy AI-ágens folyamatosan képes eltéréseket és anomáliákat keresni, akkor nem az eltérések megtalálása lesz a ritka képesség, hanem annak megítélése, melyik üzletileg jelentős, melyik igényel beavatkozást, és melyik magyarázható a normál működéssel.
A szűkösség így átrendeződik: a végrehajtási kapacitás helyett felértékelődik a pontos feladatdefiníció; az adatgyűjtés mellett a releváns adatok kiválasztása; a riportgyártással szemben a döntésre alkalmas információ azonosítása; a standard elemzés mellett pedig a validálás és a kivételkezelés.
Ez magyarázza azt a paradoxont is, amellyel sok vezető már ma szembesül. Egyszerre tapasztal komoly kompetenciahiányt bizonyos területeken, miközben egyre több feladat tűnik automatizálhatónak.
A két jelenség nem mond ellent egymásnak. A kompetenciahiány nem szűnik meg – átalakul.
Ahogy az AI egyre több végrehajtási, adatfeldolgozási és standard elemzési feladatot vesz át, úgy nő az igény azokra a szakemberekre, akik képesek a problémát jól definiálni, az eredményt szakmailag értelmezni, a kivételeket felismerni, megfelelő kontrollokat kialakítani és eldönteni, mikor nem elegendő a standard megoldás.
Ez nem feltétlenül jelent magasabb szervezeti szintet. Másfajta szakmai kompetenciát jelent.
A szakértő hagyományosan elsősorban saját idején keresztül termel értéket. Elolvas egy ügyet, ellenőriz egy riportot, értékel egy eltérést, kijavít egy modellt, véleményez egy szerződést vagy dönt egy kivételről. Ennek természetes korlátja van. Egy tapasztalt controller, treasury-szakértő, HR-vezető vagy beszerzési szakember csak véges számú ügyet képes személyesen végignézni. Az AI-val támogatott működésben ezért a szakértő feladata részben megváltozik. Nemcsak az egyedi ügyet kell jól megoldania, hanem egyre inkább azt is meg kell tudnia fogalmazni, mitől jó egy megoldás.
Ez nehezebb, mint elsőre látszik, mert a szakmai tudás jelentős része hallgatólagos. Egy tapasztalt controller sokszor azonnal észreveszi, ha egy eltérés nem stimmel. Egy jó beszerzési vezető felismeri, ha egy kedvező ajánlat mögött olyan szállítási vagy minőségi kockázat van, amelyet az ár önmagában nem mutat. Egy HR-vezető tudja, hogy ugyanaz a fluktuációs adat két különböző szervezeti helyzetben egészen mást jelenthet.
Az AI-ágensek szélesebb körű alkalmazásához ennek a tudásnak legalább egy részét kimondhatóvá és átadhatóvá kell tenni. A tapasztalatból döntési kritériumot, a szakmai rutinból ellenőrzési szabályt, a jó megoldásokból példákat, a kockázatérzékelésből küszöbértékeket, az ad hoc bevonásból pedig világos eszkalációs pontokat kell kialakítani.
Ez nem jelenti azt, hogy minden szakmai döntés szabályokba foglalható. Éppen ellenkezőleg: minél több standardizálható feladatot képes átvenni az AI, annál jobban láthatóvá válik, hol kezdődik az a tartomány, ahol valódi szakmai mérlegelésre van szükség.
Ha egy jó szakember tudása kizárólag a saját fejében létezik, akkor a szervezet annyit kap belőle, amennyit az illető személyesen el tud végezni. Ha viszont a tudásának egy része szabályokban, példákban, kontrollokban és eszkalációs logikákban is megjelenik, akkor ugyanaz a szakértő lényegesen nagyobb volumenű működés minőségét képes meghatározni és felügyelni.
A szakértő tehát nem egyszerűen gyorsabban dolgozik. A szakértelme részben skálázhatóvá válik.
A szerző az IFUA Horváth korábbi ügyvezető partnere és CFO-ja.
Cikkünk második részében arról lesz szó, hogyan lehet újratervezni a folyamatokat úgy, hogy minden lépést az a szereplő végezzen, amelyik arra a legalkalmasabb, s milyen vezetői teendők kapcsolódnak majd mindehhez.
Olvasson tovább a témáról az IFUA Horváth honlapján!
