A munkatársad naponta többször megnyit egy beérkező ajánlatkérést. Kikeresi a fontos adatokat, átmásolja őket egy rendszerbe, megkeresi a megfelelő kollégát, és ír egy visszaigazolást. Egy alkalom nem tűnik soknak. Az ismétlődésből lesz a teher.

Ez egy szemléltető helyzet, mégis jó kiindulópont. Van eleje és vége, látható a kézi munka, és ellenőrizhető, hogy a változtatás segít-e. Az AI akkor kap értelmes szerepet, ha egy ilyen folyamatban pontosan kijelöljük a feladatát.

Egy jó első feladatnak van határa.

Az „automatizáljuk az értékesítést” túl nagy falat egy első próbához. A „készítsük elő a beérkező ajánlatkérést a kollégának” már megfogható. Tudjuk, mi érkezik be, mi legyen a kimenet, és ki ellenőrzi.

Érdemes olyan feladattal kezdeni, amely gyakran ismétlődik, viszonylag stabil, és ma is van gazdája. A ritka kivételeket az elején külön kezelhetjük. Az első verzió értékét a jól megoldott, gyakori helyzetek adják.

Szemléltető számítás400 alkalom × 12 perc = 80 óra havonta.

Ha a ráfordítás fele kiváltható, az elméleti lehetőség 40 óra. Az ellenőrzés és a kivételek idejét ezután kell levonni. Ezt érdemes a próbában megmérni.

Kiszámolom a saját példámat

Az AI egy lépést old meg. A rendszer viszi végig.

Az ajánlatkérés szövegének értelmezéséhez jól jöhet egy nyelvi modell. A címzett kiválasztása, a kötelező mezők ellenőrzése vagy egy rendszer frissítése sokszor kiszámítható szabályokkal is megoldható.

A példában a folyamat így áll össze:

  1. Beérkezés. Az email és a csatolmány a kijelölt feldolgozási körbe kerül.
  2. Értelmezés. Az AI javaslatot készít arra, ki mit kér, és mely adatok hiányoznak.
  3. Ellenőrzés. A rendszer jelzi a hiányos vagy egymásnak ellentmondó adatokat.
  4. Döntés. A munkatárs átnézi, módosítja és jóváhagyja az előkészített anyagot.
  5. Továbbítás. A jóváhagyott adatok bekerülnek a megfelelő rendszerbe, a lépés visszakereshető marad.

A valódi munka jelentős része az adatkapcsolatokban, a kivételekben és a felületben van. Attól lesz használható az AI, hogy ezekkel együtt működik.

Az emberi döntésnek maradjon világos helye.

Az első változat előkészít. Megmutatja a forrását, jelzi a hiányokat, és lehetőséget ad a javításra. A külső félnek küldött vállalás vagy fontos rendszerbe írt adat jóváhagyás után lép tovább.

Az adatokhoz való hozzáférést, a feldolgozási környezetet és a naplózást már az elején tisztázni kell. Ha egy adat nem szükséges a feladathoz, a folyamat se kérje. Ha egy helyzet nem egyértelmű, legyen hová visszaadni.

Az a jó első verzió,
amelyet a kolléga
másnap is használni akar.

A sikert a teljes folyamaton mérjük.

A modell gyorsasága önmagában kevés. Azt érdemes figyelni, mennyi idő telik el a beérkezéstől a jóváhagyásig, mennyi kézi javítás kell, milyen gyakoriak a kivételek, és ténylegesen használják-e az eszközt.

Legyen kiinduló mérés és egy összehasonlítható próba. Ha az új folyamat több ellenőrzést és javítást teremt, mint amennyi munkát levesz, akkor a feladaton vagy a megoldáson kell változtatni.

A DORA 2025-ös kutatása a szoftverfejlesztésben az AI-t a szervezeti erősségek és gyengeségek felerősítőjeként írja le. Ez nem bizonyítja egy tetszőleges üzleti automatizálás megtérülését. A mi következtetésünk mégis rokon: az eszköz mellé rendezett folyamat és visszajelzés kell. A DORA összefoglalója ↗

Mivel indulj el?

Hozz egy konkrét, ismétlődő feladatot. Néhány anonimizált példát arra, mi érkezik be és mi készül el belőle. És azt a kollégát, aki naponta dolgozik vele.

Ebből már meg lehet beszélni, hol van a lehetőség, mi próbálható ki kicsiben, és milyen eredmény után érdemes továbblépni.

Lehet, hogy az első AI-projekted nem látványos.
De a felszabaduló kapacitás már az.

Saját szakmai nézőpont, szemléltető példákkal. A számítás nem ügyféleredmény és nem megtakarítási ígéret.