AI tanácsadás és AI Discovery

Mikor éri meg az AI bevezetés?

Ismerős az a helyzet, amikor a tulajdonos vagy a menedzsment megkérdezi: „hol tartunk pontosan a mesterséges intelligenciával?“, és a válasz valahol a „kipróbáltunk pár dolgot” és a „még nem tudjuk, mire jó” között billeg. Valaki a csapatból ChatGPT-vel írja az ajánlatokat, más a marketinges szövegeket generálja, a fejlesztők kódolás közben használják. Működik is, csak épp senki nem látja át, hogy ez most kísérlet, eszköz vagy stratégia.

Aztán jön a következő lépés. Rászánsz pénzt és időt egy pilotra, aztán a demó után elhal a projekt, mert sosem kapcsolódott a valódi céges adatokhoz, ezért csak általánosságokat mondott. A piacon közben minden szoftver „AI alapú” lett, a konferenciákon mindenki a 10x hatékonyságról beszél, és ebben a zajban nehéz eldönteni, hol kezdődik az üzleti érték, és mi az, ami csak divat.

A kérdés innentől az, hogy hol, mekkora ráfordítással és milyen mérhető eredményért érdemes AI bevezetésbe fogni. Az első lépés ezért a felmérés: megnézzük, hol tart ma a céged, és melyik folyamatodat érdemes AI-jal megtámogatni.

Az AI Discovery felmérésén prioritás- és komplexitásmátrix készül a lehetséges AI use case-ekről.

AI Discovery: előbb a térkép, aztán a fejlesztés

Az AI tanácsadás gerince az AI Discovery. Beszélgetünk a területi vezetőkkel, elmondják, hogyan dolgoznak és mi fáj nekik a mindennapokban, mi pedig külső szemmel felmérjük, hol keletkezhet a legnagyobb ROI. Ha szükséges, terepre is megyünk, és a helyszínen nézzük meg a folyamatot . Ez a külső felmérés önmagában is értéket ad: rábírja a kollégákat, hogy egymással beszéljenek, és összekapcsolja azokat a folyamatokat, amiket eddig senki nem vizsgált együtt.

A felmérés végeredménye egy prioritás- és komplexitásmátrix: mi mekkora üzleti hatással jár, mekkora ráfordítást igényel, és mi az, ami a legkisebb befektetéssel a legtöbbet hozza. Ennek alapján te döntesz a sorrendről, és kiválasztod azt a néhány területet, amire konkrét ajánlatot kérsz. A jó AI use case-nek ugyanis van egy visszatérő ismérve: kicsi ráfordítás, nagy érték.

A Discovery végén néhány konkrét POC javaslatot kapsz, jellemzően egy gyors, néhány hetes fejlesztési kerethez igazítva, hogy hamar éles, kézzelfogható eredményt láss. Mellé egy rövid, gyakorlati lista jár arról, mit érdemes megépíteni és milyen sorrendben.

AI automatizáció vagy hagyományos megoldás

A Discovery egyik legnagyobb haszna, hogy megmutatja, hol kell AI és hol elég nélküle dolgozni. Gyakran kijönnek olyan területek, amiket generatív AI helyett hagyományos machine learninggel vagy sima automatizálással érdemes megoldani, és olyanok is, amikhez egyáltalán nem érdemes hozzányúlni.

Egy autóipari cégcsoportnál például a felmérésen kijött, hogy a garanciakezelés sok manuális munkát igényel. Az ismétlődő manuális munka jó terep az AI automatizációnak, akár szöveges, akár képi adatból, akár strukturálatlanból kell strukturált adatot előállítani. A valós idejű, magyar nyelvű voice agentekkel viszont óvatosak vagyunk: magyarul ma még nem működnek elég jól ahhoz, hogy éles ügyfélkiszolgálásra a kockázatok hangsúlyozása nélkül ajánljuk őket. Egy hosszabb, rögzített beszélgetés utólagos feldolgozása viszont reális feladat.

POC-first: néhány hét alatt éles eredmény

A folyamat a megértéssel kezdődik: először a belső céges folyamataidat és azok összetettségét járjuk körbe. Ehhez jellemzően néhány találkozó és workshop kell.

Amikor kiválasztottad a prioritásaidat, konkrét ajánlatot kapsz. Jellemzően POC-ot javaslunk, amivel néhány hét alatt élesben lehet tesztelni, hoz-e annyit a megoldás, amennyit vártál tőle. Ha a feladat összetettebb, előbb egy rövid specifikáció jön, és utána az implementáció. Az első POC-nál megvárjuk, hogy meglegyen a siker, és csak utána párhuzamosítunk: onnantól egyszerre több területen is elkezdhetünk fejleszteni.

A megoldásokat pedig úgy tervezzük, hogy egymásra épüljenek. Ha ma egy email-feldolgozó agentet készítünk, azt a következő use case-ben (a beérkező levelek címkézése, priorizálása) újra fel tudjuk használni. Így az egyes megoldásokból fokozatosan egy bővíthető, központi AI motor áll össze.

Az AI tanácsadás másik ága: a fejlesztőcsapatod hatékonysága

Az AI tanácsadás egy másik fontos területen is segít: AI eszközökkel emeljük a szoftvercsapatod fejlesztési hatékonyságát. Felmérjük, hogyan zajlik nálad a fejlesztés, milyen a kódbázis és a stack, majd eszközöket, módszertant és folyamatot javaslunk.

A gyakorlatban ez munkaállomásonként konfigurált coding copilotot jelent, a projekt system promptjával, kódolási konvencióival és architektúraszabályaival, mellé céges prompt library-t, a kódbázis és a dokumentáció fölé épített RAG-tudásbázist és MCP-integrációt.

Egy piacvezető hotel ERP szolgáltatónál például a fejlesztők eszközeit közösen állítottuk össze, egy saját szerkesztő plugint és egy RAG eszközt fejlesztettünk és telepítettünk a szervereikre, majd a workflowt is meghatároztuk. Az igazi eredmény a projekt végén látszik: a csapatodnál ott vannak az eszközök, a tudás és a begyakorolt folyamatok, amikkel utána önállóan dolgozik tovább. Ha egy osztály előáll egy igénnyel, a saját IT csapat fel tudja mérni, meg tudja valósítani és üzembe tudja állítani a megoldást.

AI integráció: modellképességek és mélységszintek

Amikor a Discoveryből kijövő fejlesztési igényeket megvalósítjuk, a modellek képességeiből úgy építkezünk, mint egy legóból: látás, megértés, adatfeldolgozás, strukturálás, hang és beszéd. Ezekből válogatunk, és ezekkel egészítjük ki a meglévő rendszereidet. Egy beérkező, kézzel írott rendelést be tudunk tölteni az ügyviteli rendszeredbe, egy fotóról azonosítani tudjuk a terméket, egy strukturálatlan dokumentumból strukturált adat lesz. A modell lehet Gemini, Anthropic Claude, OpenAI vagy on-premise futó megoldás, aszerint, hogy milyen data sovereignty igényeid vagy kötöttségeid vannak.

Az AI integrációnak több szintje van, és minél mélyebbre megyünk, annál nagyobb a költség és annál később jelentkezik az eredmény.

Belépő szint: a belső operatív folyamataid automatizálása wrapperekkel. Itt térül meg a leggyorsabban a befektetés, például az önéletrajzok szűrésével a toborzásban.
Középső szint: a meglévő üzleti adataid felhasználása, például CRM-adatból egyedi ügyfélválaszok.
Mély szint: a cég teljes tudásából épített adattár, a rendszereiddel integrálva és AI agentek számára elérhetővé téve; vagy az operáció közvetlen támogatása, gyártástervezés és -optimalizálás, logisztikai forecast.

Ha a céges szabályzat indokolja, az adat végig a kontrollált környezetedben marad, akár teljesen izolált felhőben, külső API nélkül. Hosszabb távon a költségoptimalizálás útja a saját, dedikált modell.

Amit nem ígérünk

Konkrét százalékos hatékonyságugrást nem ígérünk. A reális célértéket megbecsüljük, de az iparági tapasztalaton alapul, tehát nem garancia, és nem a „10x gyorsabb csapat” típusú ígéretekből táplálkozik.

A szakembereidet sem cseréljük le. Az eszközök nem helyettesítik a fejlesztőket: az üzleti döntés, az architektúratervezés és a végső minőségellenőrzés emberi feladat marad. Az AI a mechanikus, időigényes munkát veszi le a válladról, hogy a kapacitásod a valóban emberi megítélést igénylő feladatokra jusson.

„Még a legfejlettebb technológia is igényli a hozzáértő emberi felhasználást a vágyott eredmény eléréséhez. Az állítás különösen igaznak tűnik a generatív AI technológiákkal."
(Máriás Zsigmond, LogiNet CEO)

A csapat és a háttér

A LogiNet 100+ IT szakemberből álló csapat, 19 év folyamatos piaci jelenléttel és 120+ megvalósult projekttel a hátunk mögött. AI fejlesztéssel és AI bevezetéssel 2020 óta foglalkozunk, a saját AI termékeinken magunk fejlesztjük és üzemeltetjük azokat a rétegeket (prompt könyvtár, RAG, adatfeldolgozás), amiket az ügyfélmegoldásokba is beépítünk. Nagyvállalati ügyfeleink (Auchan, Vodafone) mellett közepes méretű cégeknek is építünk megoldásokat.

Magyar tulajdonú cég vagyunk, magyar mérnöki csapattal. Ha a data sovereignty és az adatbiztonság a döntő szempont, akkor sokat számít, hogy az adatod egy hazai, elérhető csapat kontrollja alatt marad, és nem egy távoli szolgáltató zárt rendszerében landol. Fix költségvetést és betartott határidőket vállalunk.

MIkor hadznos az AI Discovery: 6 szempont ábrája

Mikor érdemes AI Discoveryben gondolkodni?

Nagy AI projektre nem minden cégnek van szüksége, és ha nálad ez a helyzet, azt is jelezzük. Ha viszont az alábbiak közül több esetben is magadra ismersz, érdemes róla beszélni:

Tudod, hogy az AI-jal kezdeni kéne valamit, de nem látod, hogyan fogj neki.
A csapatod már használ AI eszközöket, de senki nem látja át, hogy ez kísérlet, eszköz vagy stratégia.
Sok az ismétlődő, manuális munka (dokumentumok, emailek, adatrögzítés), és sejted, hogy ennek egy része automatizálható.
A fejlesztőcsapatod hatékonyságát emelnéd AI eszközökkel, a valós workflowba építve.
A megoldásnak a te kontrollált környezetedben kell maradnia, mert a céges adat nem kerülhet ki a cégtől
A korábbi AI pilotjaitok azért haltak el, mert nem kapcsolódtak a napi működéshez.

Ha bármelyik ponton magadra ismersz, keress minket bátran. Egy rövid beszélgetésen kiderül, hogy elég-e egy felmérés, vagy egyből egy use case-en érdemes dolgozni, és mi az, amit érdemes előbb tisztáznunk, mielőtt bárki fejlesztésbe kezd. Beszéljünk a projektedről.

Gyakran ismételt kérdések az AI tanácsadásról

❓ Mi az az AI Discovery, és mit kapok a végén?
Az AI Discovery egy néhány hetes felmérés a cégeden belül. Beszélgetünk a területi vezetőkkel arról, hogyan dolgoznak és mi fáj nekik a mindennapokban, és ha szükséges, a helyszínen is megnézzük a folyamatot. A végén egy prioritás- és komplexitásmátrixot kapsz arról, mi mekkora üzleti hatással jár és mekkora ráfordítást igényel, mellé néhány konkrét POC-javaslatot, egy gyors fejlesztési kerethez igazítva. Ennek alapján te döntöd el, melyik területre kérsz ajánlatot.

⚡ Mennyi idő alatt lesz ebből kézzelfogható eredmény?
A POC a leggyorsabb rész: néhány hét alatt élesben derül ki, hoz-e annyit a megoldás, amennyit vártál tőle. A felmérés maga néhány hét, és az első POC-ig jellemzően pár találkozó és egy rövid ajánlati kör vezet. Ha a feladat összetettebb, előbb egy rövid specifikáció jön, és utána az implementáció. Az első POC-nál megvárjuk, hogy meglegyen a siker, és csak utána indítunk több területet párhuzamosan.

€ Mennyibe kerül az AI tanácsadás?
A keret attól függ, mekkora a szervezet, hány területet nézünk végig, és milyen állapotban van az adatod. Ezért kezdünk felméréssel: a Discovery után már konkrét, fix költségvetéssel tudunk ajánlatot adni a kiválasztott use case-ekre. A prioritás- és komplexitás-mátrix pont azt mutatja meg, mi az, ami a legkisebb befektetéssel a legtöbbet hozza, tehát nem kell az egész listát egyszerre megrendelned.

⚖️ Mi történik, ha kiderül, hogy nálunk nem éri meg AI-t bevezetni?
Akkor ezt is jelezzük. A Discovery egyik legnagyobb haszna, hogy azt is megmutatja, hol nem kell AI: sok terület hagyományos machine learninggel vagy sima automatizálással olcsóbban és kiszámíthatóbban megoldható, és van, amihez egyáltalán nem érdemes hozzányúlni. Ilyenkor a felmérés akkor is hasznot hoz, mert összekapcsolja azokat a folyamatokat, amiket eddig senki nem vizsgált együtt.

⚙️ Kell hozzá saját AI szakértő a csapatunkban?
Induláshoz nem. Az AI tanácsadás másik ága viszont pont arról szól, hogy a saját csapatod képességét építjük fel. Felmérjük, hogyan zajlik nálad a fejlesztés, majd eszközöket, módszertant és folyamatot javaslunk hozzá: munkaállomásonként konfigurált coding copilotot, céges prompt könyvtárat, RAG-tudásbázist. A projekt végén a csapatod azokkal az eszközökkel és begyakorolt folyamatokkal dolgozik tovább, amiket együtt állítottunk össze.

⚠️ Kikerül a céges adatunk egy külső szolgáltatóhoz?
Ez a te döntésed, és a tervezés első kérdései közé tartozik. Ha a céges szabályzat indokolja, az adat végig a kontrollált környezetedben marad, akár teljesen izolált felhőben, külső API nélkül. A modell lehet Gemini, Anthropic Claude, OpenAI vagy on-premise futó megoldás, aszerint, hogy milyen data sovereignty igényeid vannak. Hosszabb távon a költségoptimalizálás útja a saját, dedikált modell.

➕ Mi a különbség az AI tanácsadás és az AI integráció között?
Az AI tanácsadás arra válaszol, hol éri meg egyáltalán elkezdeni: felméri az operatív működésedet, és megnevezi, mit érdemes AI-jal, mit hagyományos automatizálással, és mihez ne nyúljunk hozzá. Az AI integráció az, ami utána jön: amikor már tudod, hova kell az AI, és a meglévő rendszereidbe kell bevinni, hogy onnan olvassa az adatot és oda írja vissza az eredményt. A legtöbb projekt a tanácsadással indul, és az első POC után lép át integrációba.

Tudod már, hol hozhat valódi üzleti eredményt az AI a cégedben?

Írd le, milyen folyamatokat szeretnél fejleszteni, vagy milyen AI ötleteid vannak. Segítünk felmérni a lehetőségeket, kiválasztani a megtérüléssel kecsegtető felhasználási eseteket, és megtervezni az első POC-ot.

írj nekünk! →