1. Miről szól ez a négy workshop röviden?
Egy AI-pilotot ma már gyorsan össze lehet rakni, a valódi bevezetési munka viszont csak ezután kezdődik. A TechShow X. két napján négy workshop követi végig ezt az utat: a pilot és a mérhető üzleti eredmény közötti átmenettől az első ismételhető AI-munkafolyamaton és a többlépéses automatizáción át a csapatszintű működésig. A közös kérdés az, hogyan lesz egy működő kísérletből olyan gyakorlat, amelyet a szervezet napi szinten használ.
2. Mi az a három dolog, amit érdemes megjegyezni?
- Nem minden működő AI-ötlettel érdemes továbbmenni. A kísérletezés olcsóbbá vált, ezért ma már a fejlesztési kapacitás elosztása a szűk keresztmetszet. Pénzügyi intézménynél egy gyors demó mögött éles környezetben adatforrások, jogosultságok, auditálhatóság és szervezeti felelősségek jelennek meg, ezért már az elején meg kell fogalmazni, melyik működési mutatón akarunk változtatni.
- Egy jó prompt még nem munkafolyamat. Egy rendszeresen visszatérő üzleti feladatnál azt kell látni, milyen bemenetekre van szükség, mely részfeladatokat végezheti el az AI, hol kell emberi kontroll, és mi számít elfogadható eredménynek. A működő vállalati megoldások jellemzően hibrid folyamatok, amelyekben szabályalapú lépések, AI és emberi döntések követik egymást.
- A legjobb megoldás is megakadhat egyetlen embernél. Ha egy kolléga kialakított egy jól működő AI-munkafolyamatot, de a tudás nála marad, a szervezet képessége nem nő. A működő módszert rögzíteni kell, gazdát kell rendelni hozzá, át kell adni a csapatnak, és mérni kell a tényleges használatát.
3. Miért fontos ez a pénzügyi szektornak?
Egy banki vagy biztosítói folyamatnál az átadási pontok döntik el, használható-e élesben az AI: ki ellenőrzi az elkészített összefoglalót, milyen adatot kaphat meg a rendszer, és melyik döntést nem szabad automatikusan továbbengedni. Egy AI-ügynök akkor válik vállalati szempontból érdekessé, amikor nemcsak választ ad, hanem eszközt használ, adatot kér le vagy elindít egy következő lépést. A közös workflow-tár, a visszamérhető eredmények, a minőségellenőrzés és a belső AI-championok hálózata nem látványos, hosszabb távon mégis ez dönti el, beépül-e az AI a mindennapi működésbe.
Folytatás élőben itt: TechShow X.
2026. október 14-15., Várkert Bazár. A 2.C · Workshopok szekció mindkét nap délutánján a Kisteremben ül össze, 13:20-14:45 között, Stadler Gellért, Kiss Gergely, Szota Szabolcs és Kalmár Dániel vezetésével.
Egy működő AI-pilot még kevés. A TechShow X. workshopjai azt bontják ki, hogyan lesz belőle mérhető munkafolyamat, majd szervezeti gyakorlat.
Egy AI-pilotot ma már viszonylag gyorsan össze lehet rakni. Kiválasztunk egy feladatot, kipróbálunk egy modellt, elkészül az első működő verzió, és néhány hét alatt megmutatható, hogy a technológia képes-e arra, amit vártunk tőle.
A valódi bevezetési munka ezután kezdődik.
Érdemes-e élesben használni? Mennyi időt vagy költséget takarít meg? Melyik lépést bízhatjuk az AI-ra, hol maradjon emberi ellenőrzés? Ki lesz a folyamat gazdája? És hogyan jut el ugyanaz a jól működő gyakorlat a csapat többi tagjához?
A TechShow X. két napján négy workshop követi végig ezt az utat.
A TC2 workshopja a pilot és a mérhető üzleti eredmény közötti átmenettel foglalkozik, majd három gyakorlati műhely viszi tovább a folyamatot az első ismételhető AI-munkafolyamattól a többlépéses automatizáción át a csapatszintű működésig.
Nem minden működő AI-pilotból érdemes terméket csinálni
A kísérletezés olcsóbbá és gyorsabbá vált, ezért ma már sokkal könnyebb több AI-ötletet elindítani, mint eldönteni, melyikkel érdemes komolyan továbbmenni.
Ez könnyen fordított helyzetet teremt:
ötletből van a legtöbb, a szűk keresztmetszet a fejlesztési kapacitás elosztása a sok lehetséges use case (felhasználási eset) között.
Stadler Gellért, a TC2 adat- és AI-csapatának vezetője erre a döntési pontra építi az „AI-bevezetés a gyakorlatban: a pilottól a mérhető eredményig” workshopot. A résztvevők azt vizsgálják meg, hogyan választható ki egy üzemszerűen is skálázható use case, hogyan épül fel hozzá az üzleti eset, és milyen költség-, idő- vagy minőségmutatókkal lehet később eldönteni, hogy a bevezetés valóban hozott-e eredményt.
Ez pénzügyi intézménynél különösen fontos. Egy gyors demóban jól működő megoldás mögött éles környezetben már adatforrások, jogosultságok, auditálhatóság, meglévő rendszerek és szervezeti felelősségek jelennek meg. A technológiai lehetőség mellett ezért már az elején érdemes megfogalmazni,
melyik működési mutatón akarunk változtatni, és miből fogjuk észrevenni, ha sikerült.
A workshop ezen a ponton tudatosan nem újabb AI-demót ígér.
A résztvevőknek azt kell alátámasztaniuk, miért érdemes egy adott use case-re fejlesztési kapacitást fordítani, és milyen eredmény indokolja a továbblépést.
Stadler GellértTC2, Data & AI Team LeadEgy jó prompt még nem munkafolyamat
Ha megvan a megfelelő feladat, a következő lépés annak szétszedése.
Kiss Gergely, az Attrecto elnöke az AI-champion gyorstalpaló első alkalmán abból indul ki, hogy a legtöbb egyéni AI-használat egy sikeres prompttal kezdődik. Egy rendszeresen visszatérő üzleti feladatnál azonban már azt kell látni, milyen bemenetekre van szükség, mely részfeladatokat végezheti el az AI, hol kell emberi kontroll, és mi számít elfogadható eredménynek.
Ez a különbség egy jó alkalmi megoldás és egy újrahasználható munkafolyamat között.
Az Attrecto saját AI-projektekből levont tapasztalatai is arra mutatnak, hogy a működő vállalati megoldások jellemzően hibrid folyamatok: szabályalapú lépések, AI és emberi döntések követik egymást.
Maga az AI csak egy része a megoldásnak.
Egy banki vagy biztosítói folyamatnál éppen ezek az átadási pontok válnak kulcsfontosságúvá.
Ki ellenőrzi az AI által készített összefoglalót? Milyen adatot kaphat meg? Melyik döntést nem szabad automatikusan továbbengedni? Ha ezt már a workflow tervezésekor tisztázzuk, az AI használata kevésbé marad egyetlen kolléga egyéni megoldása.
Kiss GergelyAttrecto, ElnökAmikor egyetlen asszisztens már kevés
A második napi workshopok innen lépnek tovább.
Szota Szabolcs AI konzultáns és oktató, az „AI a mindennapokban” csatorna vezetője egy konkrét pénzügyi példán keresztül mutatja meg, hogyan kapcsolható össze több AI-lépés, adatforrás, külső eszköz és automatizáció. A fókusz itt már a több lépésből álló workflow működésén van:
hogyan dolgozzanak együtt az egyes elemek úgy, hogy a folyamat végig kontrollálható maradjon.
A jogosultságok, a törési pontok és az emberi jóváhagyás ezért a workflow részei lesznek.
Egy AI-ügynök akkor válik vállalati szempontból érdekessé, amikor nemcsak választ ad, hanem eszközt használ, adatot kér le vagy elindít egy következő lépést.
A technológiai lehetőség ezzel együtt szervezeti kérdéssé válik.
Szota SzabolcsAI a mindennapokban, AI konzultáns és oktatóA legjobb AI-megoldás is megakadhat egyetlen embernél
A sorozat utolsó műhelye ezért már nem elsősorban a technológiáról szól.
Kalmár Dániel AI transzformációs tanácsadó abból a helyzetből indul ki, amikor egy kolléga már kialakított egy jól működő AI-munkafolyamatot, de a tudás még nála maradt. A workshop résztvevői egy jogszabálykövető workflow példáján dolgozzák ki, hogyan lehet rögzíteni a működő módszert, gazdát rendelni hozzá, átadni a csapatnak és később mérni a tényleges használatát. A végén mindenki saját 30 napos tervet készít.
Itt válik el igazán az egyéni AI-használat a szervezeti képességtől.
A közös workflow-tár, a visszamérhető eredmények, a minőségellenőrzés és a belső AI-championok hálózata ugyan nem olyan látványos, mint egy új modell bemutatója,
hosszabb távon mégis ez határozhatja meg, hogy az AI beépül-e a mindennapi működésbe.
A TechShow X. workshopjai ezért egy teljes utat rajzolnak ki:
melyik use case-t vigyük tovább, hogyan tervezzük meg a munkafolyamatot, mikor érdemes több lépést automatizálni, és végül hogyan adjuk át azt a szervezetnek.
A pénzügyi szektor következő feladata, hogy az AI-val elért gyorsulást ismételhető, mérhető és szervezeti szinten is vállalható működéssé alakítsa.
Kalmár DánielKD AI Consulting, AI transzformációs tanácsadó