A kérdés azért is érdekes, mert az AI-modellek szolgáltatói ma jellemzően nem jelennek meg azon kritikus külső informatikai szolgáltatók között, amelyeket az európai felügyeleti hatóságok a DORA, vagyis az uniós digitális működési rezilienciarendelet alapján közvetlen felügyelet alá vontak.

Több AI-szolgáltatás is akadozott ugyanabban az idősávban

Az Anthropic állapotoldala magyar idő szerint 15:26-kor jelzett megnövekedett hibaarányt. A fennakadás a Claude több nagy modellváltozatát, a claude.ai felületet, a fejlesztői API-t és a Claude Code-ot is érintette. Az incidens hatása az állapotoldal szerint 18:16-ig tartott.

Az xAI állapotoldala alapján a Grok modelljei nagyjából 15:30-tól nem válaszoltak megfelelően, a szolgáltatás kora estére állt helyre.

Az OpenAI állapotoldalán 16:58-kor jelent meg incidens a ChatGPT és a Codex megnövekedett hibaarányáról, amelyet 18:55-kor zártak le.

A három szolgáltatás fennakadása így körülbelül 16:58 és 18:16 között átfedte egymást.

A Downdetectoron ugyanebben az időszakban több mint 37 ezer ChatGPT-bejelentés érkezett, míg a Claude és a Grok esetében nagyjából 1300, illetve 1365 hibajelzés futott be.

A Google Gemini eközben elérhető maradt.

Az időbeli egybeesésből nem következik, hogy ugyanaz a technikai hiba állt volna a háttérben.

A szolgáltatók eltérő hibaleírásokat közöltek, az Info-Tech Research Group elemzése pedig nem talált nyilvános bizonyítékot közös felhő-, hálózati vagy útválasztási hibára.

Amit biztosan látunk:

több jelentős AI-szolgáltatás egyszerre vált bizonytalanná egy olyan időszakban, amikor egyre több vállalati folyamat támaszkodik ezekre a modellekre.

Egy AI-modellt nem lehet egyszerűen lecserélni egy másikra

Egy hagyományos szoftvernél viszonylag jól tervezhető, mi történjen szolgáltatáskiesés esetén. Az AI-modellek ennél összetettebb helyzetet teremtenek.

A bank sok esetben közvetlenül nem is a modell készítőjével szerződik. A modellhez egy felhőszolgáltatón vagy más technológiai közvetítőn keresztül fér hozzá, így maga a modellszolgáltató akár negyedik félként jelenhet meg az ellátási láncban.

A tartalékmegoldás sem feltétlenül annyi, hogy az egyik modellt kikapcsolják, a másikat pedig bekapcsolják.

Két nagy nyelvi modell ugyanarra a kérésre eltérő választ adhat, másképp követheti az utasításokat, és más hibákat követhet el.

Egy másik modellre történő átállás ezért érintheti a teszteket, az utasításszövegeket, az ellenőrzési pontokat és a dokumentációt is.

A DORA 2025 januárja óta előírja a pénzügyi intézményeknek az informatikai szolgáltatási szerződések nyilvántartását, a kritikus szolgáltatásokhoz pedig kilépési és helyettesítési terveket is elvár.

Az európai felügyeleti hatóságok 2025 novemberében 19 vállalatot vontak közvetlen felügyelet alá kritikus harmadik feles IKT-szolgáltatóként.

AI-alapmodell-szolgáltató nincs közöttük.

Közben maga a modellpiac egyre koncentráltabb. A három legnagyobb modellszolgáltató együttes piaci részesedése 2022 és 2024 között 18 százalékról 44 százalékra nőtt. Az AI-ellátási láncról szóló Alapozó cikkünkben részletesen bemutattuk, milyen függőségeket hozhat létre ez a piaci szerkezet.

A többmodelles tartalék határai

Dokumentált banki hatásról egyelőre a Grasshopper Bank esetében van nyilvános beszámoló. A FinAi News riportja szerint a kiesés több, élesben használt AI-eszközt is érintett a banknál. Ezek azonban nem voltak üzletileg kritikusak, és közvetlenül ügyfeleket sem szolgáltak ki.

Peter Chapman technológiai igazgató szerint a bank tudatosan kerüli, hogy egy nagy rendszer kizárólag egyetlen modellszolgáltatóra épüljön. Hozzátette, hogy egy ilyen, a szolgáltatókat egyszerre elérő kiesés megmutatta, hogy ez a felállás sem véd meg mindentől.

A többszolgáltatós felállás önmagában azonban nem szünteti meg a függőséget.

A különböző AI-szolgáltatók mögött ugyanis lehetnek közös technológiai elemek: ugyanaz a felhőszolgáltató, azonosítási rendszer, névfeloldási szolgáltatás vagy hálózati infrastruktúra.

Egy többmodelles stratégia ezért akkor ad valódi tartalékot, ha a háttérben futó infrastruktúrák függetlenségét is végiggondolták.

Az AI pénzügyi felhasználásánál ez egyre kevésbé elméleti kérdés.

Az Anthropic pénzügyi szolgáltatásokra kialakított kínálatában például a Claude képletekkel együtt képes Excel-táblázatokat olvasni és módosítani, illetve élő kapcsolaton keresztül pénzügyi adatokat érhet el többek között az S&P Capital IQ, a London Stock Exchange Group és a Moody’s rendszereiből.

A CFO.com márciusi összeállítása szerint egy ilyen modell kiesése nem teszi elérhetetlenné a bank vagy vállalat főkönyvét.

Megállhatnak viszont azok az elemző, riportkészítő vagy egyeztetési folyamatok, amelyek már az AI-ra támaszkodnak.

A hazai bankoknak, biztosítóknak és fintecheknek érdemes végignézniük, hol épült már be külső AI-modell éles folyamatba, milyen szolgáltatói lánc áll mögötte, és mi történik, ha az adott modell több órára kiesik.

A tartalék lehet másik modell, hagyományos szoftveres folyamat vagy kézi ügyintézés.

A fontos az, hogy ezt előre megtervezzék, és ne egy valódi incidens közben derüljön ki, melyik folyamatnak nincs működő alternatívája.

Az euróövezet jelentős bankjainál ez a munka már szélesebb rezilienciaprogram része. Az Európai Központi Bank 2026. október 31-ig kér tőlük nevesített felelősökkel és határidőkkel ellátott kibervédelmi akciótervet, amelyben a belső rendszerek ellenállóképessége is kiemelt terület.

Felhasznált források: Anthropic állapotoldal – Elevated errors for multiple models (2026. szeptember 3.) · OpenAI állapotoldal – Elevated errors across ChatGPT and Codex (2026. szeptember 3.) · xAI állapotoldal – Grok (2026. szeptember 3.) · Info-Tech Research Group – Overlapping AI Outages Expose an Enterprise Resilience Gap · FinAi News – AI outages ripple through banking sector, raising resilience questions · CFO.com – As Claude expands into finance, outage raises risk questions