A Deloitte legfrissebb Tech Trends 2026 kutatása szerint a szervezetek jelentős része még mindig nem jutott túl a kísérleti projekteken. Az igazi érték nem a meglévő folyamatok automatizálásából származik, hanem abból, hogy a működést alapjaiban újragondolják, és az AI-ügynököket – azaz a „szilíciumalapú munkaerőt” – integrálják a humán tudás mellé. A vállalatok egyre intenzívebben vizsgálják az agentic AI lehetőségeit.

A Gartner előrejelzése szerint 2028-ra a napi munkával kapcsolatos döntések 15 százalékát már autonóm AI-ügynökök hozzák meg, szemben a 2024-es, gyakorlatilag elhanyagolható aránnyal. A Deloitte 2025-ös Emerging Technology Trends tanulmánya szerint mindössze a szervezetek 14 százaléka rendelkezik ténylegesen bevezethető megoldással, és csupán 11 százalék használ agentic rendszereket éles környezetben. A lemaradás mögött több technológiai akadály áll.

A napi munkával kapcsolatos döntések 15 százalékát már autonóm AI-ügynökök hozzák meg

A hagyományos vállalati rendszerek többsége nem valós idejű, autonóm ügynökök kiszolgálására készült, ami működési szűk keresztmetszeteket okoz. A Gartner szerint 2027-ig az agentic AI-projektek több mint 40 százaléka bukhat el a meglévő, régebbi (legacy) rendszerekkel való összeférhetetlenség miatt. Hasonló problémát jelentenek a batch-alapú ETL (Extract, Transform, Load) adatarchitektúrák, amelyek lassítják az ügynökök hatékony működését. Sok szervezet csupán az emberközpontú folyamatokat próbálja automatizálni, ahelyett, hogy ügynök-központú működésre tervezné újra azokat. Ez nemcsak hatékonysági gondokat okozhat, hanem növelheti az operatív terhelést.

Újratervezett működés a humán–digitális jövőre

A piacvezető vállalatok más irányba indultak el. Nem csupán AI-ügynököket illesztenek a meglévő folyamatokra, hanem rendszerszinten gondolják újra működésüket. Végigtekintik a teljes, end-to-end folyamatokat, és tudatosan építenek az ügynökök erősségeire: a folyamatos, nagy mennyiségű feladatvégzésre munkaidő és szünetek nélkül.

„Érdemes újra végignézni az értékáramokat, és megérteni, hogyan kellene működniük a folyamatoknak, nem csak azt, ahogyan ma működnek. Nem a meglévő, kitaposott utat kell leaszfaltozni. Ehelyett ki kell használni az AI fejlődését, hogy újragondoljuk, miként tudnak az ügynökök együttműködni és támogatni az üzleti működést” – mondta Schenk Tamás, a Deloitte Magyarország üzletviteli tanácsadás partnere.

A HPE-nél például Alfred, egy AI-ügynök segíti a belső operatív teljesítményértékeléseket. A Toyota agentic eszközökkel követi a járművek érkezését a kereskedésekbe, és tervezi, hogy az ügynököket az ellátási lánc problémáinak megoldására is felhatalmazza. Ezek a példák azt mutatják, hogy a hangsúly egyre inkább az ügynökök és a legacy rendszerek közvetlen összehangolására helyeződik.

A szilíciumalapú munkaerő megjelenése

Az AI-ügynököket egyre inkább önálló munkaerő-kategóriaként kezelik. Nem az emberek helyére lépnek, hanem együtt dolgoznak a humán munkatársakkal. Így az emberek a nagyobb hozzáadott értékű területekre koncentrálhatnak, például az irányításra, megfelelőségre vagy a növekedési stratégiák kialakítására. A Mapfre AI-ügynökökre bízza a rutinszerű adminisztratív feladatokat a kárkezelésben, miközben az érzékeny ügyfélkapcsolatok továbbra is emberi kézben maradnak. A Moderna a technológiai és HR-funkciókat egyesítette egy Chief People and Digital Technology Officer alatt, hogy szorosabban összehangolja az emberi erőforrásokat és a technológiát.

„Ha az ügynököket digitális képességként kezeljük, az igazi értékük akkor jelenik meg, amikor együtt, összehangoltan működnek. A legtöbb összetett üzleti folyamat nem áll meg a vállalati határoknál, ezért kulcsfontosságú az ügynökök közötti megbízható és biztonságos együttműködés” – mondta Dr. Barta Gergő, a Deloitte Magyarország vezető AI szakértője.

A sikeres megoldások specializált AI-ügynökökre épülnek, amelyeket nagy léptékben hangolnak össze. A teljes munkafolyamatok automatizálása új szabványokon alapul: Model Context Protocol (MCP), Agent-to-Agent Protocol (A2A), Agent Communication Protocol (ACP). Ezek a szabványok csökkentik a komplexitást, és lehetővé teszik a skálázható orchestrationt (az ügynökök összehangolt működését) valamint a rugalmas platformhasználatot.

Egyre több szervezet vezet be AI-specifikus FinOps-keretrendszereket, amelyek segítenek nyomon követni és kontrollálni az ügynökök által generált költségeket, különösen a tokenalapú árazási modellek esetében. A hosszú távú siker azon múlik, hogy a szervezetek milyen új, ember–AI együttműködési modelleket tudnak kialakítani, kihasználva mindkét „munkaerő” képességeit.

| Illusztrációk: Adobe Stock