Ahol a demó és az éles rendszer elválik
A pilot azért működött, mert te válogattad össze az anyagot
Van egy jelenet, amit szinte minden bevezetésnél láttam. A pilot fázisban valaki összerak egy mappát a legjobb dokumentumokból. Az aktuális árlista, a friss termékleírás, a tavalyi szerződésminta, amiről tudjuk, hogy a jogász már átnézte. Az AI ezen a mappán ragyogóan teljesít. A vezetőség elégedett, megy a döntés az éles indulásról.
Aztán rákötjük a rendszert az igazi tudásbázisra. Ott már nem egy mappa van, hanem tizennégy évnyi felhalmozott anyag. Ugyanannak az árlistának hét változata, mindegyik ugyanazzal a címmel, csak más dátummal a fájlnév végén. Egy szabályzat, amit 2022-ben felülírtak, de az eredeti sosem került le a megosztott meghajtóról. Az AI mindegyiket ugyanolyan magabiztosan olvassa, mert számára minden szöveg egyformán szöveg.
Egy 600 fős kereskedelmi cégnél pontosan ez történt. Az ügyfélszolgálati asszisztens egy hete volt élesben, amikor kiderült, hogy egy visszavont kedvezményrendszert ajánlgat a partnereknek. A modell nem hibázott. Pontosan idézte azt, amit talált. A hiba az volt, hogy a cégnél senki nem tudta megmondani, melyik a hét árlista közül az érvényes. Amíg emberek dolgoztak az anyaggal, ez nem tűnt fel, mert a kollégák fejében ott volt a tudás, hogy kitől kell megkérdezni.
Az új mérce
Négy tulajdonság, amit az ügynök elvár egy dokumentumtól
Az elmúlt években a vállalati adatérettség kérdése így hangzott. Megvan-e az adat, és hozzáfér-e a rendszer. Az ügynöki AI ezt a mércét megemelte. Ma négy dolgot kell tudni egy dokumentumról ahhoz, hogy egy autonóm rendszer nyugodtan válaszolhasson belőle.
Hiteles
Egyértelműen eldönthető, hogy ez az adott témában az érvényes verzió. Nem az, hogy létezik. Nem az, hogy jónak tűnik. Hanem hogy ez a hivatalos válasz, és a többi példány nem az.
Kontextusba helyezett
Kiderül róla, mire vonatkozik és mire nem. Egy belső eljárásrend, ami csak a magyar leányvállalatra érvényes, veszélyes, ha ezt semmi nem jelzi rajta. Az ember ránéz a fejlécre és tudja. Az AI-nak ki kell mondani.
Jogosultsághoz kötött
Tudni kell, ki olvashatja. Ez eddig azon múlt, hogy a kolléga megtalálja-e a fájlt. Egy jól működő ügynök viszont mindent megtalál, és ez sokkal élesebbé teszi a kérdést.
Visszakövethető
Ha az AI állít valamit, meg kell tudni mutatni, honnan vette. Nem elég a válasz. Kell a forrás, a dátum és a felelős.
Egy 2026 elején publikált nagy iparági felmérés is ugyanezt a különbséget emeli ki, amit én a projekteken látok. A vezetők a stratégiát érzik felkészültnek, az adatot és az infrastruktúrát viszont jóval kevésbé. A szakadék nem a szándéknál van, hanem az alapoknál.
A valódi ok
A gazdátlan dokumentum
Amikor egy ügyfélnél végigmegyünk a tudásbázison, mindig ugyanoda jutunk. A kritikus dokumentumok nagy részének nincs gazdája. Nem azért, mert hanyagok az emberek, hanem mert a tulajdonlás sosem volt kimondva. Valaki egyszer megírta, kitette, hasznos lett, és onnantól mindenki használta. Az illető azóta másik osztályon van, vagy már nem is a cégnél.
Ebből a felismerésből tanultam meg valamit, ami azóta minden projektnél az első lépések között van. Nem a dokumentumot kell megjavítani, hanem a gazdát kell megtalálni hozzá. Ha van egy név a dokumentum mellett, akkor lesz, aki eldönti, hogy érvényes-e még. Ha nincs név, akkor a legszebb takarítás után fél évvel ugyanott vagyunk.
Egy pénzügyi holding kontrolling csapatánál ezt kőkeményen végigvittük. Négyszázhuszonhat dokumentumot néztünk át, amit az AI asszisztens elért volna. Kiderült, hogy százkilencvennek nincs azonosítható gazdája. Ebből hetvenhármat egyszerűen archiváltunk, mert kiderült, hogy évek óta senki nem nyitotta meg. A maradékhoz konkrét neveket rendeltünk, osztályvezetői szinten. Ez volt a projekt legkevésbé látványos hete, és utólag nézve messze a legjobban megtérülő.
Van egy egyszerű teszt, amit szeretek használni. Fogj egy dokumentumot a megosztott meghajtóról, és kérdezd meg, ki mondaná meg, hogy még érvényes-e. Ha a válasz keresgélés vagy találgatás, akkor azt a dokumentumot az AI-nak sem szabad hitelesként kezelnie.
A nehezebb eset
Amikor tényleg több igaz válasz létezik
Eddig úgy beszéltem a több példányról, mintha mindig hiba lenne. Nem mindig az. Bőven van olyan helyzet, amikor jogosan létezik két érvényes anyag ugyanarról. Más szabály él a magyar és a román piacon. Más a folyamat a kiemelt ügyfeleknél, mint a többinél. Egy januári dátumtól új adószabály lépett életbe, és a régi eljárás a korábbi ügyekre továbbra is alkalmazandó.
Ilyenkor nem a duplikáció a baj, hanem az, hogy a megkülönböztető feltétel senkinek nincs leírva. Az emberek fejében ott van. Aki öt éve csinálja, ránéz a kérdésre és tudja, melyik anyag vonatkozik rá. Az AI ezt a tudást nem tudja kitalálni, mert nincs benne a szövegben.
Egy kreatív ügynökségnél, ahol 35 fő dolgozik, pontosan ebbe futottunk bele. Két teljesen eltérő logika élt egymás mellett az árazásra, az egyik a havidíjas megbízásokra, a másik a projekt alapú munkákra. Mindkét leírás korrekt volt. Az asszisztens viszont keverte őket, mert egyik dokumentumon sem szerepelt, mikor melyik érvényes. A javítás nem rendszerfejlesztés volt. Két mondat, mindkét anyag legelejére, arról, hogy pontosan milyen esetben alkalmazandó. Ennyi elég volt hozzá, hogy a válaszok helyükre kerüljenek.
Amikor ezt elvégeztük, kiderült egy mellékhatás is, amire nem számítottam. Az új kollégák onboardingja gyorsult meg tőle a leglátványosabban. Ugyanaz a hiányzó mondat hiányzott nekik is, csak eddig ezt személyes kérdezősködéssel pótolták.
Van egy tervezési döntés, ami ehhez szorosan hozzátartozik. Ha két forrás ellentmond egymásnak, mit tegyen a rendszer. A rossz válasz az, hogy válasszon egyet magától, és magabiztosan előadja. A jó válasz az, hogy jelezze az ellentmondást, és kérdezzen vissza. Ez nem adatkérdés, hanem az, ahogy a megoldást felépíted. A tapasztalatom szerint a felhasználók bizalmát semmi nem építi jobban, mint amikor a rendszer bevallja, hogy két különböző anyagot talált.
A gyakorlat
Ne a teljes rendet célozd meg, hanem ötven dokumentumot
A leggyakoribb reakció erre az, hogy ez egy több éves adatprojekt, és ezért inkább el sem kezdik. Én pont az ellenkezőjét javaslom. A vállalati kérdések elképesztően koncentráltak. Amikor egy ügynökkel elindul egy terület, a beérkező kérdések nagy többsége meglepően kevés forrásra vezethető vissza.
Ezért a következő sorrendet szoktam ajánlani.
Első lépés. Gyűjtsd össze, milyen kérdéseket kap ma az a csapat, amelyiknél az AI indulna. Elég két hét ügyfélszolgálati jegy vagy belső levelezés. Ebből kirajzolódik a valódi kérdéslista.
Második lépés. Nézd meg, mely dokumentumok válaszolnak ezekre. Általában negyven és nyolcvan közötti szám jön ki. Ez a rendrakás tényleges tárgya, nem a teljes meghajtó.
Harmadik lépés. Mindegyikhez rendelj gazdát, dátumot és egy mondatot arról, mire vonatkozik. Az elavult példányokat vidd olyan helyre, ahonnan az AI nem olvas. Nem törölni kell, elzárni kell.
Negyedik lépés. Csak ezután kösd rá a rendszert. Amikor ezt a sorrendet betartottuk, a válaszok minősége sokkal jobb lett, mint bármilyen modellváltástól. Ugyanaz az AI, más forrásokkal, más cég benyomását kelti.
A hozzáférés kérdését is itt kell rendezni, nem később. Ha egy bérezési anyag benne van abban a mappában, amit az asszisztens olvas, akkor előbb vagy utóbb elő fog kerülni valakinek a kérdésére. Ezt egy gyártó cégnél láttam, ahol egy teljesen jóhiszemű kérdés hozott elő egy bérsávot. Nem incidens lett belőle, mert időben észrevettük, de a projekt két hetet állt tőle.
Vezetői nézőpont
Amit ebből a vezetőnek látnia kell
Ha egy AI projekt státuszáról kapsz beszámolót, két kérdés többet elárul, mint bármilyen demó.
Az első így hangzik. Hány olyan dokumentumból válaszol a rendszer, aminek van megnevezett gazdája. Ha a válasz nem egy szám, hanem magyarázat, akkor a projekt még nincs ott, ahol hiszik.
A második. Amikor az AI válaszol, látja-e a felhasználó, hogy melyik dokumentumból és mikoriból. Ha nem, akkor a szervezet nem tud tanulni a hibáiból, mert a rossz válasz forrása kideríthetetlen marad.
Van egy harmadik szám is, amit ritkán kérnek, pedig sokat mond. Mekkora a legrégebbi forrás életkora azok között, amelyekből a rendszer a leggyakrabban válaszol. Ha ez a szám hónapról hónapra nő, akkor a tudásbázis öregszik, és senki nem frissíti. Ez nem AI probléma, hanem szervezeti. Az AI csak láthatóvá tette.
Ezekre a számokra negyedéves ritmust szoktam javasolni. Egy óra, a dokumentumgazdákkal, arról, hogy mi változott azóta. Nem auditot kell csinálni belőle, mert az elhal. Rövid, ismétlődő, konkrét körre kell szűkíteni, és akkor működik.
Ez a két szám lassabban javul, mint amilyen tempót egy AI projekt körüli lelkesedés diktálna. Viszont ezek azok, amelyek eldöntik, hogy fél év múlva bővíted a rendszert, vagy csendben leállítod. Az egyik ügyfelemnél a projekt sikere azon múlt, hogy a második hónapban visszaléptünk a technológiától, és a tudásbázissal foglalkoztunk hat hétig. Akkor ez visszalépésnek tűnt. Ma ez a rendszer három osztályon fut.
A modellek gyorsulnak, olcsóbbak lesznek, és évről évre okosabbak. Az a kérdés viszont, hogy a cégedben melyik dokumentum az igaz, nem fog magától megoldódni. Ezt a munkát nem az AI végzi el helyetted. Viszont ez az a munka, ami minden későbbi AI beruházásod értékét megsokszorozza, mert nem egy eszközhöz kötődik, hanem a szervezet saját tudásához.
kdconsulting.hu · [email protected]