# AI-ágensek a cégben: hol működnek ma, és hol nem?

URL: https://casterconsulting.hu/ai-agensek-cegben/
Published: 2026-10-15
Updated: 2026-10-15
Author: Caster Consulting

> Az AI-ágensek ma ott működnek, ahol a feladat szűk, a szabályok világosak, és egy ember jóváhagyja a fontos lépéseket. Ahol hosszú, többlépéses, homályos feladatot kapnak széles jogosultsággal, ott rendszeresen elbuknak.

**Rövid válasz: az AI-ágensek ma ott működnek, ahol a feladat szűk, a szabályok világosak, és egy ember jóváhagyja a fontos lépéseket.** Ahol hosszú, többlépéses, homályos feladatot kapnak, és széles jogosultsággal dolgoznak, ott rendszeresen elbuknak. A különbség nem a modell okosságán múlik, hanem azon, hogyan tervezed meg a feladatot. Ha egy szállító azt ígéri, hogy az ágense „önállóan elvégzi” egy munkakör teendőit, légy szkeptikus.

Az elmúlt egy évben az „AI-ágens” lett a technológiai marketing kedvenc szava. Szinte minden szoftver kapott egy ágens-funkciót, és a vezetők joggal kérdezik: mit csinálhatna ez nálunk? Ebben a cikkben a hype helyett azt nézzük meg, mit mutatnak a mérések, hol voltak látványos kudarcok, és hogyan dönthetsz egy kkv-ként.

## Mi az az AI-ágens, és miben más, mint egy chatbot?

Egy chatbot kérdésre válaszol. Egy ágens feladatot hajt végre: maga dönti el a lépések sorrendjét, eszközöket használ (keres, adatbázist olvas, e-mailt küld, rekordot módosít), és a köztes eredmények alapján igazítja a tervét.

Az Anthropic, a Claude modellek fejlesztője, hasznos különbséget tesz két megoldástípus között:

- **munkafolyamat (workflow):** a lépések előre meg vannak tervezve kódban, az AI csak bizonyos pontokon dönt vagy ír;
- **ágens:** az AI maga irányítja a folyamatot és az eszközhasználatot.

A javaslatuk egyértelmű: kezdd a legegyszerűbb megoldással, és csak akkor lépj tovább, ha valóban szükséges. Az ágensek rugalmasabbak, de drágábbak, lassabbak, és a hibáik egymásra halmozódhatnak. A legtöbb üzleti feladatra egy jól megtervezett munkafolyamat elég, és sokkal kiszámíthatóbb.

## Mit mutatnak a mérések?

A gyártói bemutatók mindig a sikeres esetet mutatják. A független mérések kevésbé lelkesek.

**TheAgentCompany.** A kutatók egy kis szoftvercég szimulált környezetében adtak valós munkahelyi feladatokat az ágenseknek: dokumentumkezelés, kommunikáció kollégákkal, fejlesztési feladatok. A legjobb ágens a feladatok 30%-át oldotta meg önállóan. Az egyszerűbb feladatok gyakran sikerültek, a hosszú, sok lépésből álló feladatok jellemzően nem.

**CRMArena-Pro.** A Salesforce saját CRM-feladatokon mérte az ágenseket. A legjobb modell az egylépéses üzleti feladatoknál kb. 58%-os, a többlépéses, beszélgetéses feladatoknál kb. 35%-os sikerességet ért el. A munkafolyamat-automatizálásnál, például az ügyek megfelelő csapathoz irányításánál viszont 83%-ot. Aggasztó részlet: a modellek alapbeállításon szinte soha nem utasították el a bizalmas adatra vonatkozó kéréseket.

A két mérés ugyanazt mondja: **szűk, szabálykövető feladatban az ágens jó, hosszú, nyitott feladatban gyenge, és magától nem vigyáz az adataidra.**

## Látványos kudarcok

2025 júliusában a Replit fejlesztői platform AI-ágense egy kódbefagyasztás idején, az utasítások ellenére törölt egy éles adatbázist, majd kitalált adatokkal próbálta elfedni a hibákat. Az esetet az OECD AI-incidensnyilvántartása is rögzítette. A tanulság nem az, hogy az ágensek „gonoszak”, hanem az, hogy **egy ágens csak olyan biztonságos, amilyen jogosultságot kapott.** Ha törölhet, egyszer törölni fog.

Az üzleti oldalon a Klarna esete vált ismertté. A cég kb. 700 ügyfélszolgálati munkatársat váltott ki AI-ágensekkel, majd fél év után arra jutott, hogy a minőség nem elég jó, és vegyes, emberi és gépi modellre állt vissza.

## Mit mond a Gartner?

A Gartner 2025 júniusi előrejelzése szerint az ágensalapú AI-projektek több mint 40%-át leállítják 2027 végéig, a költségek, a tisztázatlan üzleti érték és a gyenge kockázatkezelés miatt. Ugyanez az elemzés „ágensmosásnak” (agent washing) nevezte azt a jelenséget, hogy sok szállító egyszerű chatbotokat és automatizálásokat címkéz át ágensnek. A Gartner becslése szerint a magukat ágens-szállítónak nevező cégek ezreiből csak kb. 130 kínál valódi ágenst.

A hosszabb távú kép ennél derűsebb: a Gartner szerint 2028-ra a vállalati alkalmazások harmada tartalmaz majd ágensalapú AI-t. Az irány tehát nem kérdés, csak az, hogy ki fizet tanulópénzt útközben.

A hazai cégek is óvatosak, és nem véletlenül. A PwC 2026-os vezérigazgatói felmérése szerint a magyar cégvezetők 77%-a sem költségcsökkenést, sem bevételnövekedést nem tapasztalt még az AI-ból.

## Hol működnek ma az ágensek?

A mérések és a tapasztalat alapján öt feltétel kell a sikerhez:

1. **Szűk feladat.** Egy jól körülhatárolt folyamatlépés, nem egy teljes munkakör.
2. **Világos szabályok.** Le lehet írni, mikor helyes az eredmény.
3. **Ellenőrizhető kimenet.** Egy ember gyorsan látja, jó-e.
4. **Korlátozott jogosultság.** Az ágens csak azt érheti el, amire a feladathoz szüksége van.
5. **Emberi jóváhagyás a fontos lépéseknél.** Pénz, ügyfélkommunikáció, adatmódosítás, törlés.

Tipikus jó példák:

- **beérkező kérések osztályozása és továbbítása:** melyik csapathoz tartozik egy e-mail vagy egy hibajegy;
- **adatkinyerés és -előkészítés:** dokumentumokból mezők kiolvasása, egy ember jóváhagyásával;
- **figyelés és riasztás:** árak, készletek, határidők követése, eltérés esetén jelzés;
- **előkészítés döntéshez:** összefoglaló, javaslat, összehasonlítás, amit egy ember hagy jóvá.

## Hol nem működnek (még)?

- **Teljes munkakör kiváltása.** Ahol a munka sok, egymásra épülő, homályos döntésből áll.
- **Ügyfélkommunikáció jóváhagyás nélkül.** Egy rossz válasz, egy rossz ígéret, egy rossz kedvezmény a cég nevében.
- **Pénzügyi és jogi műveletek önállóan.** Utalás, szerződésmódosítás, könyvelési tétel emberi ellenőrzés nélkül.
- **Széles rendszerjogosultság.** Ha az ágens adminisztrátorként fér hozzá mindenhez, a hibái is mindenhová elérnek.

## Mennyibe kerül egy ágens valójában?

Egy ágens költsége nem a licencdíj. Négy tételt érdemes előre végiggondolni:

- **futtatási költség:** az ágensek sok lépésben gondolkodnak, és minden lépés pénzbe kerül. Egy összetett feladat többszörösébe kerülhet, mint egy egyszerű kérdés-válasz;
- **ellenőrzési idő:** valakinek át kell néznie, amit az ágens csinált. Az első hetekben ez a megspórolt idő jelentős részét elviheti;
- **karbantartás:** ha egy rendszer, amelyhez az ágens kapcsolódik, megváltozik (új mező, új jóváhagyási lépés), az ágenst is igazítani kell;
- **hibák költsége:** egy rossz e-mail, egy rossz ár vagy egy törölt rekord. Ezt a kockázatot a jogosultságok szűkítésével lehet kicsiben tartani.

Ha ezeket nem számolod bele, a projekt papíron megtérül, a valóságban nem. Ez pontosan az a „tisztázatlan érték”, amely miatt a Gartner a projektek jelentős részének leállítását várja.

## Egy egyszerű döntési sor

Mielőtt ágenst vezetnél be egy feladatra, tedd fel ezeket a kérdéseket, sorban:

1. **Megoldható egyszerű szabállyal vagy automatizálással?** Ha igen, azt válaszd. Olcsóbb, gyorsabb és kiszámíthatóbb.
2. **Kell hozzá szöveg vagy dokumentum megértése?** Ha igen, egy AI-lépés kellhet, de még nem ágens.
3. **Kell, hogy az AI maga döntse el a lépések sorrendjét?** Csak akkor van szükség ágensre, ha erre igen a válasz.
4. **Visszafordítható a hiba?** Ha nem, emberi jóváhagyás nélkül ne fusson.

A legtöbb kkv-s feladat már az első két kérdésnél eldől. Ez nem kudarc, hanem jó hír: a megoldás egyszerűbb és olcsóbb lesz.

## Amit mi láttunk

A csapatunk egyik korábbi projektjén egy lakberendezési kiskereskedelmi láncnál három munkatárs manuálisan figyelte a versenytársak árait és akcióit. Egy no-code platformon AI-alapú rendszert építettünk, amely 20 webshop árait, termékadatait és akcióit követi, párosítja a termékeket, árjavaslatot ad, és segít az akciók és a beszerzés tervezésében.

Ez pontosan a fenti minta: szűk feladat, világos szabályok, ellenőrizhető kimenet. A rendszer javasol, az ár- és beszerzési döntést ember hozza meg. Nem azért működik, mert „önálló”, hanem mert pont annyi önállóságot kapott, amennyi a feladathoz kell.

## Hogyan vezesd be biztonságosan?

A Microsoft a saját ágensépítő eszközéhez (Copilot Studio) írt útmutatójában ugyanazt javasolja, amit mi is: szűk hatókör, a legkisebb szükséges jogosultság, emberi jóváhagyás a kritikus lépéseknél, és naplózás. Ezek nem bürokratikus elvárások, hanem a fenti kudarcok tanulságai.

A gyakorlatban:

- **Külön technikai fiók az ágensnek,** csak a szükséges jogokkal. Soha ne egy munkatárs vagy az adminisztrátor fiókjával fusson.
- **Olvasás előbb, írás később.** Az első hetekben az ágens csak javasoljon, ne módosítson.
- **Törlés soha, vagy csak kétlépcsős jóváhagyással.**
- **Napló minden lépésről:** mit látott, mit döntött, mit csinált.
- **Bizalmas adatra külön szabály.** A mérések szerint a modellek ezt maguktól nem kezelik jól, ezért a rendszer szintjén kell korlátozni.
- **Vészfék.** Legyen egy egyszerű módja annak, hogy az ágenst egy kattintással leállítsd, ha furcsán viselkedik, és legyen valaki, aki ezt meg is teszi.
- **Fokozatos bővítés.** Csak akkor adj új jogosultságot vagy új feladatot, ha az előzőt hetekig hibátlanul végezte, és a naplók is ezt mutatják.

## Mit tegyél most?

1. **Keress egy szűk, gyakori, szabálykövető feladatot.** Osztályozás, figyelés, adatkinyerés.
2. **Kezdd munkafolyamattal, ne ágenssel.** Ha egy előre megtervezett folyamat elég, az olcsóbb és biztonságosabb.
3. **Adj minimális jogosultságot** egy külön technikai fióknak.
4. **Tartsd meg az emberi jóváhagyást** a pénznél, az ügyfélnél és az adatmódosításnál.
5. **Mérd a kiindulást és az eredményt.** Ha egy hónap után nem látszik javulás, a feladat volt rossz, nem az eszköz.
6. **Kérdezz rá a szállítónál,** mi az ágensükben valójában „ágens”, és mi egyszerű szabályalapú automatizálás.

Ha szeretnéd, hogy megnézzük, a te cégednél melyik folyamat alkalmas AI-ágensre, és melyik egyszerű automatizálásra, nézd meg az [AI-megoldásainkat](/ai-megoldasok/) és a [folyamatautomatizálást](/folyamatautomatizalas/).

## GYIK

### Mi a különbség az AI-ágens és a chatbot között?

A chatbot kérdésre válaszol, az ágens feladatot hajt végre: maga dönti el a lépéseket, eszközöket használ, és rendszerekben módosíthat. Ezért több kárt is okozhat, ha rosszul van beállítva.

### Kiválthat egy AI-ágens egy munkatársat?

A mai mérések szerint egy teljes munkakört ritkán. Egy szimulált munkahelyi teszten a legjobb ágens a feladatok 30%-át oldotta meg önállóan. Szűk, ismétlődő feladatlépéseket viszont jól elvégez, és felszabadítja a munkatárs idejét.

### Biztonságos egy AI-ágenst a céges rendszerekhez engedni?

Akkor, ha külön fiókkal, minimális jogosultsággal, naplózással és emberi jóváhagyással fut. Az ismert kudarcok szinte mind abból adódtak, hogy az ágens túl sok mindenhez fért hozzá.

### Megéri ma ágensprojektbe kezdeni?

Szűk, mérhető feladatnál igen. Nagy, „mindent automatizálunk” projektnél a Gartner szerint jelentős a kockázat: az ilyen projektek több mint 40%-át leállíthatják 2027 végéig.

### Honnan tudom, hogy egy szállító valódi ágenst kínál?

Kérdezd meg, mit dönt el az AI önállóan, milyen eszközöket használhat, és hogyan lehet korlátozni a jogosultságait. Ha a válasz az, hogy előre megírt szabályok szerint fut, az automatizálás, nem ágens. Ez nem baj, csak tudd, mit veszel.

## Sources

- [Anthropic – Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)
- [Microsoft Learn – Design autonomous agent capabilities (Copilot Studio)](https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/autonomous-agents)
- [TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks (arXiv 2412.14161)](https://arxiv.org/abs/2412.14161)
- [OECD.AI Incidents Monitor – Replit AI Coding Tool Deletes Live Production Database](https://oecd.ai/en/incidents/2025-07-19-1eb1)
- [The Decoder – Salesforce's CRM benchmark finds AI agents struggle in real-world business scenarios](https://the-decoder.com/salesforces-crm-benchmark-finds-ai-agents-struggle-in-real-world-business-scenarios/)
- [Outlook Business – Over 40% of Agentic AI Projects Will Be Scrapped by 2027, Says Gartner](https://www.outlookbusiness.com/artificial-intelligence/over-40-of-agentic-ai-projects-will-be-scrapped-by-2027-says-gartner)
- [Economx – PwC vezérigazgatói felmérés 2026](https://www.economx.hu/mesterseges-intelligencia/2026/03/05/pwc-vezerigazgatoi-felmeres-kutatas-arbevetel-gdp-technologia-ai-mesterseges-intelligencia-824853/)
- [Economx – Történelmi lehetőség kapujában áll Magyarország, csak hinnünk kell benne](https://www.economx.hu/gazdasag/tortenelmi-lehetoseg-kapujaban-all-magyarorszag-csak-hinnunk-kell-benne.810612.html)