Vállalati AI-ügynök 2026: mit tud ma, és mit nem

Az AI-ügynök (agentic AI) olyan szoftver, amely autonóm módon hajt végre több-lépéses feladatokat, eszközöket hív meg és döntéseket hoz előre megadott célok alapján. A 2026-os értelemben ez jellemzően LLM-et (nagy nyelvi modellt, vagyis szövegből gondolkodó neurális hálót) köt össze vállalati rendszerekkel: CRM-mel (ügyfélkapcsolat-kezelővel), ticketing rendszerrel, e-mailekkel, belső tudásbázissal. A modell a felhasználó kérését értelmezi, tervet készít, végrehajtja a lépéseket, majd jelenti az eredményt.

A gyakorlatban ez azt jelenti, hogy a jegykezelő AI-ügynök a bejövő e-mailből kinyeri az ügyfél azonosítóját, megnézi a számlát a belső rendszerben, megállapítja a fizetési státuszt, és vagy automatikusan válaszol, vagy átdobja embernek. Ugyanez a logika működik szállítási státusz, jelszó-visszaállítás, egyszerűbb reklamációkezelés esetén. A Salesforce 2025-ös State of Service jelentése szerint az ilyen ügyeknél 25-40%-kal csökken a kezelési költség, miközben az első reakció ideje percekről másodpercekre esik.

A kereskedők demóján az AI-ügynök szinte tökéletes. Az éles bevezetés után három-hat hónappal a teljesítmény jellemzően romlik: a felhasználók szélsőséges esetekkel bombázzák, a belső tudásbázis elavult, a ritka ügytípusokra nincs elég tanítóadat. A McKinsey 2025-ös agentic AI felmérése szerint a szervezetek 62%-ánál az éles teljesítmény 30-50%-kal marad el a demóban látottaktól. Ez nem hiba, hanem a rendszer természete: a modell a gyakori, jól dokumentált esetekre tanult, a hosszú farkú (ritka, váratlan) ügyeket nem ismeri.

A szakadék csökkenthető, de nem tüntethető el. A kontrollált bevezetés — vagyis amikor a cég először szűk ügykörre, alacsony kockázatú csatornán futtatja az ügynököt — 6-14 hónapos ROI-t hoz. A teljes ügyfélszolgálat egy menetben való AI-ra cserélése a Gartner 2025. októberi előrejelzése szerint az agentikus projektek 40%-ánál költségvetés-törléshez vezet 2027-re. A 40%-os szám a scope creep, vagyis a folyamatosan táguló feladatkör tipikus következménye.

Magyarországon nincs AI-ügynökre külön szabályozás 2026-ban. Az EU AI Act (2024/1689 rendelet) 2026. augusztus 2-től hatályos általános kötelezettségei viszont minden vállalati AI-rendszerre vonatkoznak: nyilván kell tartani a felhasználási célt, az adatforrást és a humán felügyeleti mechanizmust. A magyar KKV-knál a KSH 2025-ös IKT-statisztikája szerint 12,7% használ rendszeresen AI-eszközt — ez alacsony, de 2024-hez képest közel duplázódott.

A gyakorlati kérdés nem jogi, hanem szervezési. Egy 25 fős cégnél az AI-ügynök bevezetése három terhet rak a vállalkozóra: a tudásbázis megtisztítása (mert a szemetes adatbázisból a modell is szemetes választ ad), a humán átvételi pont definiálása (mikor szólal meg az ember), és a teljesítmény-monitorozás (havi audit, hogy az ügynök ne csúszjon el). A magyar energetikai szektorban a MAVIR és a MEKH 2026-os tájékoztatói jelzik, hogy a szabályozott iparágakban az audit-kötelezettség hamarabb jön, mint a többi szektorban.

Megéri, ha a feladat ismétlődő, a válasz szabályalapú, és a humán átvétel olcsóbb, mint a teljes feldolgozás. Tipikus példa: 200-500 számlakérés havonta, egyszerű státusz-lekérdezés, jelszó-visszaállítás. Ilyenkor 6-14 hónap alatt visszahozza az árát, és 25-40%-os költségcsökkentés mérhető. A magyar logisztikai cég 2026 februári adatai szerint az ismétlődő hibajegyeknél 4,2 percről 2 perc 10 másodpercre csökkent a kezelési idő.

Nem éri meg, ha a feladat ritka, kivételes, vagy jogi/pénzügyi döntést igényel. Ilyenkor az AI-ügynök humán beavatkozási aránya 90% feletti, vagyis csak a bonyolítást növeli. A KKV döntési szabálya egyszerű: ha a humán kolléga a feladatot nem tudja három mondatból betanítani egy új munkatársnak, az AI-ügynök sem fogja megoldani.

Első lépés a felmérés: a cég listázza a havi 50+ ügyet generáló feladattípusokat, és osztályozza szabályosság szerint. A második lépés a pilot: válasszon egyetlen csatornát (e-mail vagy chat), és ott 60 napig futtassa az ügynököt humán felügyelettel. A harmadik lépés a mérés: havonta auditolja a pontosságot, az átirányítási arányt és az ügyfél-elégedettséget (CSAT, vagyis az ügyfél-elégedettségi mutató).

A teljes bevezetés 4-6 hónap, és három szereplő kell hozzá: egy domain-szakértő (aki tudja, mi a helyes válasz), egy IT-felelős (aki integrálja a CRM-et és a ticketinget), és egy projektvezető (aki a humán átvételi pontokat definiálja). A magyar piacon 2026-ban három nagy szolgáltató (Microsoft Copilot Studio, Salesforce Agentforce, hazai szereplők) kínál érett, KKV-kompatibilis megoldást; az árkategória 800-3000 EUR/hó tartományban mozog a közepes KKV-k számára.

A Gartner előrejelzése szerint 2027-re az agentikus AI-projektek 40%-a törlődik a költségvetésből — ez nem a technológia kudarca, hanem a túlvállalásé. A sikeres projektek viszont 60%-uknál mérhető megtérülést hoznak. A trend 2027-re: a szűk, jól definiált ügynökök (single-agent) helyét a multi-agent rendszerek veszik át, ahol egy koordinátor-ágens több specialista ágenst irányít. Ez bonyolultabb, de a hosszú farkú ügyekre is megoldást ad.

A magyar KKV-knak 2027-re a reális cél nem a teljes ügyfélszolgálat AI-ra cserélése, hanem három-öt konkrét ügytípus lefedése és a humán-AI együttműködési modell begyakorlása. Az EU AI Act 2026. augusztus 2-i hatályba lépése után az audit-kötelezettség és a nyilvántartás kötelező lesz; aki ezt most előkészíti, 2027-re versenyelőnyben lesz azokkal szemben, akik csak a demóra építettek.