[TESZT] Mi az az Agentic AI, és miért számít a pénzügyi szektornak?

01Mi az Agentic AI, és hogyan működik?

Az Agentic AI olyan mesterségesintelligencia-rendszereket jelöl, amelyek egy felhasználó vagy szervezet nevében, meghatározott cél érdekében hajtanak végre több lépésből álló feladatokat. Az AI-ügynök megfelelő hozzáféréssel elindíthatja és végigkövetheti a folyamatot.¹²Egy generatív AI-modell megfogalmazhat egy választ egy reklamációra. Egy ügyfélszolgálati AI-ügynök ezzel szemben azonosíthatja az ügyfelet, lekérheti az érintett tranzakciót, ellenőrizheti a belső szabályzatot, bekérheti a hiányzó adatokat, ügyet nyithat a panaszkezelő rendszerben, majd visszajelzést küldhet. Közben több rendszerrel és adatforrással dolgozik, a következő műveletet pedig az addigi eredményekhez igazítja.Az ügynökalapú rendszerek öt építőeleme:

1. Cél és utasítások: mit szeretne elérni a felhasználó, és milyen szervezeti szabályok határolják a működést.
2. AI-modell: értelmezi a helyzetet, megtervezi a következő lépést, és kiválasztja a megfelelő eszközt.
3. Eszközök: alkalmazásprogramozási interfészek, adatbázisok, keresők, számítási funkciók vagy vállalati rendszerek, amelyeken keresztül az ügynök műveletet végezhet.
4. Állapot és memória: nyilvántartja, mi történt eddig, milyen adat áll rendelkezésre, és hol tart a folyamat.
5. Korlátok és ellenőrzési pontok: meghatározzák, milyen adat érhető el, milyen művelet hajtható végre, mikor szükséges jóváhagyás, és mikor álljon le a rendszer.

A működés tipikusan ismétlődő kör: az ügynök értelmezi a célt, végrehajt egy műveletet, megfigyeli az eredményt, majd folytatja vagy lezárja a folyamatot. Összetettebb rendszerben több szakosított ügynök is együtt dolgozhat.Az „agentic” jelző nem jelent korlátlan autonómiát. Az egyik rendszer csak javaslatot készít, a másik emberi jóváhagyásra előkészíti a műveletet, a harmadik alacsony kockázatú folyamatot önállóan lezár. Pénzügyi környezetben a felhatalmazási szint legalább olyan fontos, mint maga az AI-modell.

02Hol a helye a pénzügyi ökoszisztéma térképén?

Az Agentic AI ritkán önálló termék. Végrehajtási rétegként kapcsolja össze a felhasználói szándékot, az AI-modelleket, a pénzügyi adatokat és a tranzakciós rendszereket.Az ökoszisztéma fő szereplői:

Pénzügyi szolgáltatókbankok, biztosítók, befektetési szolgáltatók, pénzforgalmi intézmények és fintechek

Ők határozzák meg a felhasználási célt, a kockázati keretet és az ügyféllel szembeni felelősséget.

AI-modell- és ügynökplatform-szolgáltatók

biztosítják az értelmezési, tervezési, eszközhasználati és folyamatvezérlési képességeket.

Adat- és infrastruktúra-szolgáltatók

számlaadatokat, piaci adatokat, azonosítási szolgáltatásokat, fizetési kapcsolatokat, felhőkapacitást vagy vállalati alkalmazásokat adnak az ügynök működéséhez.

Bizalmi és biztonsági szereplők

az ügynök azonosítását, jogosultságait és auditálhatóságát támogatják.

Felügyeletek és szabályozók

a cél és a kockázat alapján vizsgálják a fogyasztóvédelmi, adatvédelmi, prudenciális és működési követelményeket.

Ügyfelek és kereskedők

megbízást és felhatalmazást adnak, miközben átlátható tájékoztatásra és jogorvoslatra van szükségük.

Az értéklánc fontos kérdése, hogy ki „birtokolja” az ügynököt: a bank, a kereskedő, az ügyfél vagy egy vállalati rendszer. Ettől függ az adathozzáférés, a tranzakciós felhatalmazás és az ügyfélkapcsolat helye.

03Mire használják ma?

A 2026. júliusi állapot alapján az Agentic AI pénzügyi alkalmazása még korai szakaszban van. Az Európai Parlament 2026-os értékelése szerint a pénzügyi intézmények széles körben használnak AI-t, miközben a generatív és ügynökalapú megoldások nagyobb része továbbra is támogató, belső vagy tesztelési feladatokhoz kapcsolódik. A Bank of England 2026. áprilisi értékelése szintén kevés bizonyítékot talált arra, hogy a fejlettebb AI-rendszerek már széles körben önállóan hoznának alapvető hitelezési, biztosítási vagy befektetési döntéseket.³⁴

Ügyfélszolgálat és ügyintézés. Az ügynök nemcsak válaszol a kérdésre, hanem végigvezetheti az ügyfelet egy kártyacsere, adatváltozás, díjreklamáció vagy biztosítási kárbejelentés folyamatán. A korai megoldások jellemzően alacsonyabb kockázatú műveleteket zárnak le önállóan, érzékeny ügyeknél pedig embernek adják át az esetet.

Pénzügyi bűnözés elleni munka. Egy ügynök több adatforrásból összegyűjtheti a tranzakciós, ügyfél- és hálózati információkat, összefoglalhatja a gyanús mintát, további ellenőrzést indíthat, és dokumentálhatja a vizsgálati lépéseket. A döntési felelősség és a hatósági bejelentés jóváhagyása kontrollált ponton maradhat.

Megfelelés és szabályozási jelentések. A rendszer nyomon követheti a szabályváltozásokat, összevetheti azokat a belső szabályzatokkal, feladatokat rendelhet a felelős területekhez, bizonyítékokat gyűjthet, majd előkészítheti a jelentést. Ezzel a manuális koordináció és a dokumentumok közötti keresés csökkenthető.

Fizetések és likviditáskezelés. A BIS 2025-ös kísérlete azt vizsgálta, képes-e egy generatív AI-ügynök nagy értékű fizetési rendszerben napközbeni likviditási döntéseket támogatni. A modell a szimulációban likviditási tartalékot kezelt, sürgős fizetéseket rangsorolt, és mérlegelte a késedelem, illetve a likviditási költség közötti kompromisszumot. Ez kutatási eredmény, nem éles piaci bizonyíték, mégis jól mutatja, milyen összetett operatív feladatok kerülhetnek később részben automatizált pályára.⁵

Vállalati pénzügyek és treasury. Az ügynök figyelheti a számlaegyenlegeket, a várható be- és kifizetéseket, valamint a limiteket, majd javasolhat átvezetést, devizaügyletet vagy rövid távú finanszírozást. A művelet végrehajtása a meghatározott összeg, partner és kockázati szint alapján automatikus vagy jóváhagyáshoz kötött lehet.

Belső működés és technológia. A pénzügyi intézmények gyakran informatikai hibajegyekkel, teszteléssel, belső tudáskereséssel, riportkészítéssel vagy beszállítói dokumentumok ellenőrzésével kezdik. Ezek üzleti értéket teremthetnek közvetlen ügyfélpénzügyi döntés nélkül.

04Milyen kockázatokat hordoz?

Az Agentic AI legfontosabb sajátossága, hogy a modell válasza műveletté válhat. Egy téves következtetés ezért nemcsak pontatlan szöveget, hanem hibás adatlekérést, rossz címzettnek küldött dokumentumot, téves ügyfélbesorolást vagy szabálytalan tranzakciót is eredményezhet.

Felhatalmazás és felelősség. Pontosan rögzíteni szükséges, kinek a nevében jár el az ügynök, milyen célból, milyen limitekkel, és ki viseli a felelősséget téves vagy csalárd művelet esetén. Az agentic fizetéseknél különösen fontos a hozzájárulás tartalma, a több tranzakcióra szóló megbízás, a visszavonás és a vitás ügyek rendezése.⁶

Hozzáférés és kiberbiztonság. Az ügynök több rendszerhez férhet hozzá, ezért egy eltérített utasítás, rosszul kiosztott jogosultság vagy ellopott hozzáférési kulcs nagyobb kárt okozhat. A védelem része a legkisebb szükséges jogosultság elve, az erős hitelesítés, az elkülönített eszközhasználat, a bemenetek ellenőrzése és a műveleti limitek.¹²

Megbízhatóság és kiszámíthatóság. A nyelvi modellek hasonló helyzetekben eltérő utat választhatnak. Ezért a végső válasz mellett az eszközhívásokat, a döntési pontokat és a leállási feltételeket is tesztelni szükséges.

Átláthatóság és auditálhatóság. Utólag rekonstruálhatóvá szükséges tenni, milyen adatból, milyen szabály és modellverzió alapján történt a művelet. A naplózás az ügynökök közötti feladatátadást, a jogosultságváltozást és az emberi jóváhagyást is lefedi.

Fogyasztóvédelem és diszkrimináció. Az AI Act az Agentic AI-t nem külön kategóriaként kezeli; a besorolás a felhasználási céltól és a kockázattól függ. Az uniós szabályozás magas kockázatú alkalmazásként kezeli többek között a természetes személyek hitelképességének értékelését, valamint az élet- és egészségbiztosítási kockázatértékelés és árazás bizonyos eseteit. Egy ügynökalapú rendszerre emellett adatvédelmi, fogyasztóvédelmi, kiszervezési, működési reziliencia- és ágazati szabályok is vonatkozhatnak.³⁷

Koncentráció és rendszerszintű viselkedés. Ha sok intézmény hasonló modellekre, felhőszolgáltatókra, adatforrásokra és stratégiákra támaszkodik, egy közös hiba egyszerre több szereplőt érinthet. A pénzügyi piacokon a hasonló célokra optimalizált ügynökök stresszhelyzetben egymást erősítő reakciókat és nagyobb ármozgásokat válthatnak ki.⁶

05Merre tarthat? Forgatókönyvek

A következő irányok forgatókönyvek, nem előrejelzések.Az Agentic AI jelentősége túlmutat a termelékenységen: fokozatosan beléphet a döntések és tranzakciók végrehajtási láncába. Előnybe azok a szereplők kerülhetnek, amelyek az automatizálás mellett az ügynök személyazonosságát, felhatalmazását, elszámoltathatóságát és biztonságos leállítását is megoldják.

06Fogalomtár

Agentic AI

célvezérelt AI-rendszer, amely több lépést tervezhet és hajthat végre korlátozott emberi felügyelettel.

AI-ügynök

egy felhasználó vagy szervezet nevében feladatot végző szoftveres szereplő.

Generatív AI

szöveget, képet, hangot, kódot vagy más tartalmat előállító mesterséges intelligencia.

Eszközhasználat

külső alkalmazás, adatbázis vagy programozási funkció meghívása egy művelet végrehajtásához.

Orchesztráció

az ügynökök, modellek, eszközök és munkafolyamatok összehangolása.

Human in the loop

olyan működés, amelyben meghatározott döntési vagy végrehajtási ponton emberi ellenőrzés történik.

Guardrail

technikai vagy szervezeti korlát, amely szűkíti az ügynök hozzáférését, döntéseit vagy műveleteit.

Prompt injection

olyan manipulált bemenet, amely az ügynököt az eredeti utasítások megkerülésére próbálja rávenni.

Auditnyom

a döntések, adatforrások, jogosultságok, eszközhívások és jóváhagyások visszakereshető naplója.

Multi-agent rendszer

több, eltérő feladatra szakosított AI-ügynök összehangolt együttműködése.

07Források

Jegyzetek

1. 1↑a↑bOpenAI: A practical guide to building AI agentshttps://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/
2. 2↑a↑bNational Institute of Standards and Technology: AI Agent Standards Initiativehttps://www.nist.gov/artificial-intelligence/ai-agent-standards-initiative
3. 3↑a↑bEurópai Parlament: Impact of artificial intelligence on the financial sectorhttps://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX%3A52025IP0286
4. 4↑aBank of England: Financial Policy Committee Record - April 2026https://www.bankofengland.co.uk/financial-policy-committee-record/2026/april-2026
5. 5↑aBank for International Settlements: AI agents for cash management in payment systemshttps://www.bis.org/publ/work1310.htm
6. 6↑a↑bBank of England: Agents of changehttps://www.bankofengland.co.uk/speech/2026/june/sarah-breeden-panel-at-the-european-central-bank-forum-on-central-banking-2026
7. 7↑aEurópai Bizottság: AI Acthttps://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai