Mit tanulhatnak a kicsik a nagyoktól? – Megvalósult AI-projektek tanulságai a vállalati szektorból

A mesterséges intelligencia napjaink egyik legforróbb technológiai területe, de a nagyvállalati tapasztalatok gyakran két véglet között mozognak: látványos sikertörténetek és csendes csalódások. Mit tanulhatnak mindebből a kis- és középvállalkozások?

A VOSZFESZT 2025-ön Dobó András, a Deutsche Telekom IT Solutions szakembere osztotta meg tapasztalatait.

A hype és a valóság

A nagyvállalatok már túl vannak az első csalódásokon, miközben a technológiai óriások még mindig a túlfűtöttségi ciklus csúcsán járnak. A Gartner felmérése szerint a vezetők 74%-a tartja az AI-t a következő három év legfontosabb technológiájának, ugyanakkor 42%-uk csalódott az eredményekben a bevezetés után.

Ez fontos üzenet a KKV-knak: nem kell elkövetniük ugyanazokat a hibákat, hanem építhetnek a nagyok által már levont tanulságokra.

Miért csalódnak sokan az AI-ban?

A kezdeti lelkesedés gyakran túlzott elvárásokhoz vezet. A generatív AI lenyűgöző prezentációkat produkált, de a háttérrendszerek hiányoztak. Ez különösen igaz volt az első nagyvállalati bevezetéseknél.

Tanulság KKV-knak: az AI önmagában kevés – előbb az alapokat kell rendbe tenni: adatminőség, folyamatok, infrastruktúra.

Piaci trendek és jövőkép

A számok egyértelműen mutatják, hogy az AI térnyerése megállíthatatlan:

• Az AI-piac mérete 2036-ra 826 milliárd dollárra növekszik
• A cégek 65%-a már rendszeresen használ generatív AI-t, és ez az arány 10 hónap alatt megduplázódott
• A munkavállalók több mint 60%-a kapott már prompting-képzést

Ez azt jelenti, hogy a KKV-knak is érdemes időben elkezdeni a kísérletezést, mielőtt végérvényesen lemaradnának.

A jéghegy rejtett része – amit minden AI-projekt során meg kell oldani

A látványos AI-megoldásokkal ellentétben a projektek valódi kihívása máshol rejlik. Csak 10% maga az AI technológia, míg 90% az adat, az infrastruktúra és a biztonság kérdése.

Kulcsfontosságú előfeltételek:

• adattisztítás és adatminőség
• integrálhatóság a meglévő rendszerekkel
• hálózati biztonság és adatszuverenitás

Tanulság KKV-knak: kis projektek esetén is fontos a jó minőségű adat – inkább kisebb, de tiszta adathalmazt használjunk, mint nagy, rendezetlen adattömeget.

Sikertörténetek a nagyoktól – és a tanulságok

Az Imed One app (Németország) az egészségügyi adminisztrációt negyedére csökkentette – nem az alkalmazással kezdték, hanem a háttéradatok rendbetételével.

A TKR rendszer a telekommunikációban napi 4 TB adatot dolgoz fel, 75%-kal csökkentve a technikusi időráfordítást – az AI akkor gyorsítja jelentősen a munkát, ha jól kapcsolódik az adatokhoz.

Az ATI rendszer a belső dokumentumok kezelésében segít – a produktivitás alapja a belső tudás könnyű elérése.

Tanulság KKV-knak: kis léptékben is alkalmazható – például ügyféladatbázis tisztítása, belső dokumentumkezelés AI-val, energiatakarékossági előrejelzések.

A generatív AI-n túl

A képfelismerés az autóiparban 20%-kal csökkentette a gyártási hibákat. A humanoid robotok alkalmazása még a túlfűtöttségi ciklus elején jár, de a BMW-nél már látható a hatásuk.

Tanulság KKV-knak: ne csak chatbotokban gondolkodjunk, hanem specifikus feladatokra is alkalmazzunk AI-t (minőségellenőrzés, logisztika, ügyfélszolgálat).

Továbbá ne feledjük:

• Az AI nem csodaszer, hanem eszköz – csak akkor hasznos, ha van mögötte minőségi adat és jó folyamat
• Kis lépések, tiszta cél, mérhető eredmény – így érdemes kezdeni
• A nagyok csalódásai a kicsiknek lehetőség: tanulni más hibájából, nem megismételni

Kezdjük tehát kicsiben: rendezzünk az adatainkat, próbáljunk ki egy egyszerű AI-eszközt, és építsük azt be a működésedbe. A VOSZPort jó lehetőséget nyújt az első lépéshez, hiszen az ingyenes, integrált rendszer kifejezetten a hazai KKV-k adminisztrációjának egyszerűsítése érdekében jött létre. Regisztráljon és próbálja ki még ma!