Az Index elsőnek arról kérdezte Linczmayer Zsófiát és Verasztó Bencét, a KPMG vezetőit, hogy mi is pontosan az Agentic AI, a mesterséges intelligencia világának legújabb buzzwordje. A téma megértéséhez elsőnek bemutatták a mesterséges intelligencia különböző szintjeit:

  • Az analitikus AI a legrégebbi forma, ahol adatokat táplálunk be a rendszerbe, és az adatokban rejlő mintázatok alapján eredményeket kapunk vissza – gondoljunk például az előrejelzésekre.
  • A második szint, a generatív AI viszont – ami az elmúlt két-három év nagy szenzációja volt (például a ChatGPT) – már új tartalmakat hoz létre szöveg, kép vagy videó formájában. „Anyukám is szokta használni receptek generálására” – szemléltette Linczmayer Zsófia, jelezve, hogy ez a technológia már a hétköznapi emberek számára is elérhetővé vált.
  • Az Agentic AI a harmadik szint, az előbbiektől lényegesen különbözik. Itt célokat határozunk meg, és az AI-modell autonóm módon végrehajtja a szükséges lépéseket anélkül, hogy folyamatosan emberi utasításokat kapna. Közben akár különböző adatbázisokba is belekérdezhet, módosíthatja a stratégiáját, és addig dolgozik, amíg el nem éri a kitűzött célt. A legfontosabb különbség pedig az, hogy minimális az emberi beavatkozás szükségessége – ellentétben a generatív AI-nál használt folyamatos promptolással (parancsok adásával).

„AI-agentnek hívjuk azokat az automatizációs megoldásokat, amelyek egy bizonyos cél elérése érdekében a kontextust is értelmezni tudják, és ennek mentén hoznak döntéseket”

– magyarázta Verasztó Bence, majd azonnal hozzátette a problémát is: az AI-hype miatt kialakult az úgynevezett agent washing jelensége. Ez azt jelenti, hogy olyan megoldást is AI-agentnek hívnak, ami távol áll tőle. 

Sokan összetévesztik az egyszerű automatizációs megoldásokat az igazi AI-agentekkel.

Egy előre beállított válaszokkal dolgozó chatbot vagy egy szabályalapú szoftverrobot nem Agentic AI, hiába népszerű így hívni őket. A különbséget az AI-workflow és az AI-ügynök szembeállításával lehet jól szemléltetni: míg az AI-workflow esetében egy fejlesztő határozza meg a lépéseket, és az AI „csak” értelmezi a szabad szöveges kérést, addig az Agentic AI-nál az ügynök döntési jogkörrel rendelkezik, és teljesen autonóm módon működik.

Verasztó egy gyakorlati példával világította meg a különbséget: ha egy LinkedIn-kampányhoz mi gyűjtjük össze az újságcikkeket, az AI feldolgozza őket, majd egy másik komponens megírja a posztot, az AI-workflow. De ha az AI önállóan kutat, feldolgoz, és a legjobb gyakorlatok alapján készít el mindent anélkül, hogy mi bármit tennénk, az már valódi AI-agent. „Önállóan ruháztam fel döntési jogkörrel” – foglalta össze a lényeget.

Így lehet mindig annyi tej a hűtőben, amennyire szükségünk van

Amikor a lakossági felhasználásról kérdezték őket, mindketten óvatosan közelítették meg a témát. Verasztó szerint hajlamosak vagyunk agent washingra még a hétköznapi példáknál is. Ha beállítjuk a termosztátot, hogy 18 fok alatt kapcsoljon be a fűtés, az nem AI, hanem egyszerű szabályalapú automatizáció.

De mi lenne egy valódi lakossági AI-agent? – kérdeztük.

„Legyen otthon tej”

– vágta rá Verasztó, és részletesen kifejtette a példát. Egy igazi AI-agent a szokásainkat kémlelve megértené, hogy mandulatejet iszunk, másfél liter fogy hetente. Ha csak fél liter maradt a hűtőben, akkor ennek alapján önállóan rendelne megfelelő időben újat.

Az agent a kontextust és a múltbeli szokásokat is figyelembe veszi.

Lakossági szinten már most is vannak alkalmazások: szállásfoglalás, időpontfoglalás a fodrászhoz, vagy sportkütyük, amelyek az alvás és mozgás alapján edzéstervet javasolnak, sőt akár orvoshoz is foglalnak időpontot kritikus értékek esetén. Ugyanakkor amikor arról kérdeztük őket, hogy ez mennyire közelíti meg az AGI-t, tehát az általános mesterséges intelligenciát, mindketten lesöpörték a kérdést.

Linczmayer szerint ettől még nagyon messze vagyunk – az AGI olyan mesterséges intelligenciát jelent, amely az emberhez hasonlóan képes gondolkodni, tanulni és problémákat megoldani bármilyen területen – nemcsak egy adott, előre meghatározott feladatban.

Küszöbön a technológiai forradalom a vállalatoknál?

A vállalati környezet sokkal komplexebb problémákat jelent, mint a lakossági használat – hangsúlyozta Linczmayer Zsófia. Az érdeklődés óriási, mindenki szeretné megérteni, mi ez a technológia, hogyan használhatná, mennyibe kerül és milyen eredményeket hozhat. A szakértők szerint rendkívül széles körben találhatók olyan vállalati folyamatok, amelyekben elvileg alkalmazhatók AI-agentek.

Az egyik legkézenfekvőbb terület az ügyfélszolgálat.

Ha bejön egy reklamáció vagy kérés, egy AI-agent nemcsak összefoglalja a szöveget, hanem akciókat is tesz: lekérdez adatbázisokat, ellenőrzi az élő szerződéseket, korábbi reklamációkat, majd javaslatot tesz a megoldásra, sőt akár meg is írja a választ. A bankszektorban a hitelbírálat vagy az új ügyfelek befogadási folyamata (Know Your Customer) is jó példa az összetettebb alkalmazásokra.

Verasztó Bence ehhez hozzáfűzte, létezik a „talk to your data” koncepció, ami a riportálás forradalmasítását ígéri.

„Miért csökkent az árbevételem az elmúlt negyedévben?” – ha egy vezérigazgató ezt a kérdést felteszi, jelenleg a kontrollingcsapat napokig dolgozik a válaszon. Egy AI-agent viszont visszamegy a forrásrendszerekhez, lekéri, tisztítja és transzformálja az adatokat, elkészíti a vizualizációkat, majd összefoglalót ír az okokról. „Ez régen rengeteg időbe került a szervezeteknek, nagyon sok manualitást tartalmazott” – mutatott rá a szakértő.

A KPMG szakértői az interjúban arra is rámutattak, hogy az AI-projektek sikerrátája meglehetősen alacsony, és nem is feltétlen a mesterséges intelligencia az elsődleges és legjobb megoldás a vállalati kihívásokra. Persze attól még borzasztóan fontos, hogy foglalkozzanak a témával, edukálják ezzel kapcsolatban a munkavállalókat. A működő stratégiákról, a megfelelő hozzáállásról, és az AI munkaerőpiaci hatásáról is beszéltek az intejrúban, amit teljes terjedelmében ide kattintva olvashat el.