AI ügynök, chatbot, RPA vagy n8n: melyiket mikor válaszd

Mi a különbség az AI ügynök, a chatbot, az RPA és a workflow között?

A chatbot beszélget, a workflow előre lekódolt útvonalon tol adatot, az RPA a képernyőt kattintgatja egy ember helyett, az AI ügynök pedig futásidőben dönti el, mi a következő lépés. A négy nem egymás alternatívája: négy különböző feladattípusra való, és a legtöbb cégnél kettő vagy három párhuzamosan fut.

AI chatbot

Beszélgetős felület, ami kérdésre válaszol. A 2026-os változat RAG-gel dolgozik: a cég saját dokumentumaiból keres, és forrásmegjelöléssel válaszol. A bemenet egy ember mondata, a kimenet szöveg. Ha a bot a válaszon túl műveletet is végez egy másik rendszerben, akkor az már nem chatbot, hanem ügynök chat-felülettel.

Workflow-automatizálás

Előre megrajzolt útvonal, amit egy esemény indít el, és a rendszer lépésről lépésre végigvisz. Az elágazások if-then szabályok, nem döntések. Ha van benne LLM-hívás, az egy lépés a sok közül (kategorizál, összefoglal, kinyer), nem az irányító. Ugyanaz a bemenet minden futásnál ugyanazt a kimenetet adja.

RPA

Szoftverrobot, ami a felhasználói felületen dolgozik: ablakot nyit, mezőbe ír, gombot kattint, képernyőről olvas. Akkor van rá szükség, ha a célrendszernek nincs API-ja, és adatbázis-szintű hozzáférést sem kapsz hozzá. Az RPA nem érti, mit csinál. Megismétli a rögzített kattintás-sorozatot, pontosan úgy, ahogy felvetted.

AI ügynök

Olyan rendszer, ami célt kap, nem forgatókönyvet. Modellhívások ciklusában maga választja ki, melyik eszközt hívja legközelebb, és mikor áll meg. Ez a ReAct-minta öröksége (gondolat, akció, megfigyelés, újra), amiről az AI ügynökök alapjai cikkünk szól részletesen. Cserébe a lépésszám futásonként változik.

A négy közötti határvonal két kérdésen múlik. Futásidőben dől-e el a következő lépés, és API-n vagy képernyőn keresztül nyúlsz-e a célrendszerhez? Ez a két kérdés a cikk további részének a gerince.

Melyik technológia nyer melyik feladat-jellemzőnél?

Nem az iparág és nem a cégméret dönt, hanem hat feladat-jellemző: determinisztikus-e a folyamat, kell-e nyelvi megértés, változik-e a bemenet formátuma, van-e API a célrendszerhez, kell-e futásidejű döntés, és mekkora a volumen. Az alábbi tábla soronként mutatja, melyik technológia nyer és melyik bukik el.

A tábla legfontosabb sora a hatodik. Ez az egyetlen olyan feladat-jellemző, amit csak az ügynök old meg, és emiatt ez az egyetlen legitim indok arra, hogy ügynököt építs. Minden más sor megoldható olcsóbban is. Ha a következő lépés véges szabályhalmazzal leírható, akkor a workflow nemcsak elég, hanem jobb: kiszámítható, tesztelhető és fillérekből fut.

Mennyibe kerül a négy megközelítés, és ki üzemelteti?

A licencár a legkisebb tétel. Az n8n Cloud Pro havi 50 euró 10 000 futásra, egy unattended Power Automate robot havi 150 dollár, egy chatbot nyers modellköltsége 500 beszélgetésnél pár ezer forint. A valódi költség az, hogy ki javítja, amikor eltörik, és milyen gyakran törik el. Ezt a tételt szinte egyetlen ajánlat sem árazza be.

A táblánál fontosabb, hogy a négy technológia máshogy is számláz. Az n8n futásonként számol, lépésszámtól függetlenül. A Zapier lépésenként, a Make modulműveletenként, az RPA robotonként és hónaponként, az ügynök pedig tokenenként, vagyis a lépésszámmal együtt nő. Egy hat lépéses folyamatnál az n8n Pro futásonként nagyjából 0,005 euró, a Zapier Pro éves fizetéssel 0,029 dollár, ami ötszörös különbség ugyanarra a munkára. Ügynöki hurokban ez a rés kinyílik, mert a lépésszám futásonként nyolc és húsz között ingadozik, tehát a lépésalapú számla előre nem tervezhető.

Az üzemeltetési teher fordított sorrendben nő. A workflow-t a legtöbb cégnél egy folyamatgazda is karban tudja tartani a vizuális felületen. Az RPA-hoz kell valaki, aki minden célrendszer-frissítés után újrarögzíti a lépéseket. Az ügynökhöz pedig folyamatos prompt-karbantartás, eval-készlet és költségfigyelés kell, ami emberi munka: magyar piacon 16 000–24 000 Ft óradíjjal. Nálunk a folyamatautomatizálás karbantartása 30 000–150 000 Ft havonta, és ennek a nagyobbik fele nem szerver, hanem hangolás.

Ide tartozik egy gyakori félreértés is. A self-hosted n8n licence valóban nulla, de az üzemeltetése nem: a magyar piacon a VPS-en futó n8n üzemeltetése 40 000 Ft/hó-tól, on-prem 80 000 Ft/hó-tól indul (n8n.hu, 2026-08-14), vagyis drágább, mint maga az n8n Cloud Pro. A self-hostingnak adatrezidencia- vagy megfelelőségi indoka lehet, tisztán költségalapon nagyon nagy volumenig nincs.

Négy határeset, amikor nem egyértelmű a választás

A tábla a tiszta eseteket oldja meg. A projektek nagyobb része nem tiszta eset. Az alábbi négy helyzetben mi is végigvitatjuk a döntést a felméréskor, és mindegyiknél van egy konkrét kérdés, ami eldönti a vitát. Ezek valós, ismétlődő helyzetek magyar 50–500 fős cégeknél.

1. Nincs API, de a bemenet szabad szöveg

Egy 15 éves ERP, amibe be kell vinni a beszállítói e-mailekből származó adatot. Az RPA meg tudja csinálni a bevitelt, de nem tudja értelmezni a levelet. Az LLM értelmezi a levelet, de nem fér hozzá az ERP-hez. Ami eldönti: van-e read-only adatbázis-replika vagy fájlalapú import. Ha van, workflow plusz egy LLM-kinyerő lépés a válasz, és az RPA-t megspórolod. Ha nincs, akkor az RPA a végrehajtókar, és az intelligencia elé kerül. Erről szól a rendszerintegrációs munkánk nagyobbik fele.

2. Ügyfélszolgálat, ahol a kérdések 80%-a ugyanaz a 12 kérdés

Itt szinte mindenki ügynököt akar építeni, pedig a kérdés az, hogy a tickettek hány százaléka igényel műveletet egy másik rendszerben. Ha 20% alatt van, akkor RAG-chatbot a válasz, a maradékot pedig eszkaláld emberhez. Ha felette, akkor kell az ügynök, mert a csomagkövetés, a szállítási cím módosítása és a jóváírás nem válaszolható meg, csak elvégezhető. Az arányt mérd meg, ne becsüld: egy hónapnyi ticket kategorizálása elég hozzá.

3. Napi 500 számla, változó formátumban

Ez a klasszikus dokumentumfeldolgozási feladat, és itt a döntés költségkérdés. Egyetlen strukturált kinyerő hívás dokumentumonként nagyságrendekkel olcsóbb, mint egy ügynöki hurok, ami olvas, validál, ERP-ben keres, korrigál, könyvel. Az ügynök viszont kezeli a hiányzó partnerkódot és a nem egyező összeget. A döntő kérdés: a tételek hány százaléka esik ki validáción. 5% alatt egylépéses kinyerés plusz emberi kivételkezelés a nyerő, felette az ügynöki hurok is behozza az árát.

4. A szabálykönyv havonta változik

Egy árazási vagy jóváhagyási logika, ami determinisztikus, csak épp negyedévente átírják. Technikailag ez workflow, de a valódi kérdés az, hogy ki tartja karban. Ha az üzleti oldal maga akarja szerkeszteni, a vizuális canvas ér többet a tiszta kódnál, még akkor is, ha mérnökileg csúnyább. Ha a szabályt auditálni kell, akkor viszont verziókövetett kód kell hozzá, és a low-code helyett kódalapú stack mellett érvelünk.

A legdrágább hiba: ügynök oda, ahol egy workflow is elég

A pénzt nem a rossz eszközválasztás viszi el, hanem a túlméretezés. Ha ügynököt építesz egy determinisztikus folyamatra, egyszerre fizeted a magasabb bevezetési árat, a többszörös futási költséget és egy olyan hibaosztályt, ami workflow-nál nem is létezik. A számok ezt elég durván mutatják.

A konkrét példa a sajátunk. Ezer dokumentum feldolgozása egyetlen strukturált kinyerő hívással Claude Sonnet 5-ön 8,70 dollár. Ugyanez a munka nyolc lépéses ügynöki hurokkal, ahol a kontextus lépésenként halmozódik, 232 dollár. Ugyanaz a modell, ugyanaz a feladat, huszonhét szeres különbség. Az ügynök ára nem a modelltől függ, hanem attól, hány kört fut, és pontosan ez az a szám, amit a legtöbb ajánlat nem mond meg a megrendelőnek.

A Gartner erre külön nevet is adott. Az általuk agent washingnek nevezett jelenség az, amikor egy meglévő chatbotot, asszisztenst vagy RPA-t ügynökként címkéznek újra: becslésük szerint a több ezer agentic AI szállítóból nagyjából 130 valódi (Gartner, 2025-06-25). A megrendelői oldalon ennek a tükörképe, amikor a cég ügynököt rendel egy olyan feladatra, ami sosem igényelt volna érvelést. Az Anthropic saját mérnöki ajánlása is ezt mondja ki 2024 decembere óta: a feladatok többségére az előre kódolt útvonal jobb, mint az autonóm ügynök.

Mikor kell a négyből többet kombinálni?

Egy éles vállalati rendszerben ritkán van egyetlen technológia. A működő minta rétegzett: a chatbot a felület, a workflow a gerinc, az RPA az utolsó méter egy API nélküli rendszer felé, az ügynök pedig csak azon az egy ponton, ahol a következő lépés tényleg nem jósolható meg előre.

Egy tipikus dokumentum-pipeline nálunk így néz ki. Az n8n figyeli a postafiókot és mozgatja a fájlokat, egy strukturált LLM-hívás kinyeri az adatot, egy determinisztikus validáló lépés ellenőrzi a partnerkódot és az összeget, és csak a kiesett tételek kerülnek ügynöki körbe, ahol a modell keres, egyeztet és javaslatot tesz. A pénzmozgás előtt emberi jóváhagyás áll. Ez a rétegzés az, ami a 27-szeres költségkülönbséget visszahozza a kiesések arányára.

A chatbot-rétegnél egy megfelelőségi tétel is idekerül. Az EU AI Act 50. cikke szerinti átláthatósági kötelezettségek 2026. augusztus 2-tól élnek, és ezeket a 2026/1744 rendelet sem halasztotta el, szemben a nagy kockázatú rendszerek határidejével, ami 2027. december 2-re csúszott. Gyakorlatban ez annyit jelent, hogy a látogatóval közölni kell, ha AI-val beszél. Egy sor a widgetben, de utólag mindig drágább beletenni, mint tervezéskor.

Az emberi jóváhagyás egyébként nem opcionális extra. Pénzmozgásnál, ügyfél felé menő kommunikációnál és éles adat módosításánál mi alapból beépítjük. Alacsony kódszinten ezt az n8n 2.0 jóváhagyási lépése adja, kódban a LangGraph megszakítható gráfja. A két réteg összeépítéséről a n8n és LangChain összevetése szól, a három klasszikus réteg tizenkét havi teljes költségét pedig az AI chatbot, n8n és egyedi ügynök TCO-cikkünk bontja ki.

Összegzés és gyakori kérdések

Ha van egy konkrét folyamatod, és nem tudod eldönteni, melyik oszlopba esik, azt egy felméréssel egy hét alatt le lehet zárni. A folyamatautomatizálás oldalunkon látod, mit szállítunk a négy rétegből, a KKV-automatizálási útmutatónk pedig a kisebb, gyorsan megtérülő folyamatokkal kezd. Ha inkább számot szeretnél, kérj árajánlatot, és 24 órán belül válaszolunk.