Hogyan válassz AI fejlesztő partnert Magyarországon: 9 kérdés

Miért nem elég az általános beszállítói checklista?

Egy AI-projektnél a szállító olyasmit is birtokol, amit egy weboldalnál nem: a promptokat, a kiértékelő készletet, a modellhívások naplóját és a hozzáférést az adataidhoz. Ha ezek nála maradnak, a rendszer bérelt, nem a tiéd. Az alábbi kilenc kérdés pontosan ezeket a pontokat feszegeti.

A Gartner ugyanebben az előrejelzésében becsülte meg azt is, hogy a több ezer magát agentic AI-szállítónak nevező cégből nagyjából 130 az, amelyik valóban az. Ez a szám nem azt mondja, hogy ne vegyél AI-t. Azt mondja, hogy a kiválasztás a projekt legkockázatosabb szakasza.

Az általános szempontok ettől még érvényesek: referenciák, csapatméret, szerződéses keret, kommunikációs ritmus. Azokat a webfejlesztő cég választásáról szóló cikkünkben írtuk meg tizenkét pontban, és nem ismételjük meg. Itt csak az van, ami AI-nál jön elő, máshol nem.

1. Miből áll össze az ár, tételesen?

Egy AI-ajánlat akkor összehasonlítható, ha külön sorban látod a felmérést, az adatelőkészítést, az integrációt, a kiértékelő készlet felépítését, az élesítést és a havi üzemeltetést. Egyetlen végösszeg nem ajánlat, hanem alkupozíció. A futási költséget is kérd el, mert az nem a fejlesztési árban van.

A Musketeers Tech fejlesztőcég publikált fázisbontása (2026-04-02) adja a legrészletesebb nyilvános szerkezetet. Fontos tudni, hogy ezek a nemzetközi „AI agent cost guide” anyagok szinte kivétel nélkül fejlesztőcégek tartalommarketingjei, nem független piaci felmérések. Adatpontnak jók, statisztikának nem.

A futási költségről a legtöbb ajánlat hallgat, pedig könnyen számolható. Egy 500 beszélgetés/hó forgalmú RAG-chatbot nyers modellköltsége a szolgáltatók 2026. augusztus 14-i hivatalos árlistái alapján 470 Ft (Gemini 2.5 Flash-Lite) és 9 900 Ft (Claude Sonnet 5) között mozog. Ez nem tízezrek. Egy 24 900 Ft/hó-s magyar chatbot-előfizetés mögött ezen a volumenen a díj nagy része szolgáltatás, nem token.

Ügynöki működésnél viszont a körök száma robbantja a költséget. Ugyanaz az 1 000 dokumentum egyetlen extrakciós hívással 8,70 dollár, egy nyolc lépéses ügynöki hurokban 232 dollár ugyanazon a modellcsaládon. Huszonhétszeres különbség. Ezért az egyetlen ár-kérdés, ami tényleg számít: hány modellhívásból áll nálatok egy tranzakció? A magyar és nemzetközi ársávokat tételesen a MI fejlesztés árak cikkben szedtük össze.

Jó jel, ha a szállító magától hoz futási költség-becslést feltételezésekkel együtt, és megmondja, mennyi a karbantartás. Rossz jel, ha a karbantartás „majd megbeszéljük”. A magyar piacon ez jellemzően a bevezetési díj évi 15–25%-a.

2. Kié lesz a forráskód és az IP?

Az, akit a szerződés megnevez. AI-rendszernél viszont a forráskód önmagában kevés. Hat dolog van, amit tételesen fel kell sorolni, különben a kód a tiéd lesz, a működő rendszer viszont nem. Ezt a részt a legtöbb ajánlat kihagyja, és ez nem véletlen.

• A forráskód repository, teljes commit-történettel, nem zip-fájlban.
• A promptok verziótörténete, mert a rendszer viselkedése ezekben van.
• A kiértékelő készlet, a hozzá tartozó elvárt válaszokkal.
• A vektorindex és az indexelt dokumentumok, feldolgozott formában.
• Finomhangolt modellsúlyok, ha volt finomhangolás.
• Az infrastruktúra-leírás és a környezeti konfiguráció.

Több magyar szállító hirdet 100%-os IP-átadást, de nem írja le, mit takar. Kérdezd meg konkrétan, és kérd, hogy a fenti hat pont névvel szerepeljen a szerződésben. Nálunk mindhárom AI-csomagban a teljes kód a megrendelőé, havi licencdíj nélkül.

3. Hol lesz az adat, és ki fér hozzá?

Három dolgot kell megtudnod: melyik szolgáltató melyik régiójában fut a modellhívás, tanul-e a szolgáltató a beküldött adatból, és mennyi ideig őrzik a naplókat. A harmadik a legkevésbé kérdezett és a leggyakrabban problémás, mert az AI Act 26. cikke alkalmazói oldalon legalább hat hónapos naplómegőrzést ír elő.

A tanításra vonatkozó szabály szolgáltatónként és csomagonként eltér. A Google saját árazási dokumentációja szerint a Gemini API ingyenes szintjén a beküldött tartalmat termékfejlesztésre használják, ezért ügyféladat oda nem mehet. Az Anthropic dokumentációja szerint a feltöltött képeket nem használják modelltanításra, és a dokumentumfeldolgozásra elérhető a zero data retention beállítás. Ezek nem apró betűs részletek: ezen múlik, hogy a rendszer beadható-e egy adatvédelmi hatásvizsgálatba.

Rossz jel, ha a válasz annyi, hogy „EU-s, GDPR-kompatibilis”. Ez nem információ. Jó jel, ha a szállító magától megmutatja az al-adatfeldolgozói listát, és megmondja, melyik adat melyik határon lép át.

4. Hogyan mérik, hogy a rendszer jól működik-e?

Kiértékelő készlettel. Ez 100–300 valós kérdés a te saját adataidból, mindegyikhez rögzített elvárt válasszal, ami minden prompt- és modellváltoztatás után újrafut. Enélkül a „jól működik” egy benyomás, amit demón szereztél. Ha a szállító erre nem tud választ adni, nincs mérése.

Magyar nyelvnél ez nem opció. 2026 augusztusában nincs publikus, karbantartott magyar retrieval-benchmark, és a legutóbbi független teszt jelentős átfedést mért a kapcsolódó és nem kapcsolódó magyar mondatpárok hasonlósági eloszlása között. Vagyis a nemzetközi számok nem hozhatók át magyarra, saját mérés kell.

Konkrét mérőszám, ami mutatja, hogy van-e mérnökség a rendszer mögött: az Anthropic saját mérésében a hibrid keresés és a reranking 5,7 százalékról 1,9 százalékra vitte le a retrieval hibaarányát. Ha a szállító ilyen jellegű számot tud mondani a saját rendszeréről, mért. Ha csak azt mondja, hogy „nagyon pontos”, nem mért.

A folyamatos megfigyelésre is kérdezz rá. A Langfuse önállóan üzemeltetve ingyenes és nyílt forráskódú, tehát a monitoring valós költsége egy KKV-projektnél a konténer futtatása, nem havi 199 dollár. A két elterjedt eszközt a LangFuse és LangSmith összehasonlításban néztük végig.

5. Mi történik, ha a modell frissül vagy megszűnik?

Ez a hatodik hónap kérdése, és az ajánlatok szinte soha nem térnek ki rá. A modell mögötted változik: új verzió jön, az árazás módosul, a régi verziót kivezetik. Azt kell tisztázni, ki futtatja újra a kiértékelést, ki hangolja újra a promptokat, és kinek a számláján jelenik meg a különbözet.

Két konkrét, 2026-os példa arra, hogy ez pénzben is mérhető. A Claude 4.7-től bevezetett új tokenizer ugyanarra a szövegre nagyjából 30%-kal több tokent produkál, tehát a látszólag változatlan egységár mellett is drágul a működés. A Gemini 3.6 és 3.7 Flash kedvezményes ára pedig 2026. december 31-ig él, utána a bemeneti ár 0,75-ről 1,50 dollárra, a kimeneti 3,75-ről 7,50 dollárra nő. Aki 2027-es üzemeltetési költséget számol, ezekkel a számokkal számoljon.

A költségkontrollról is kérdezz. A havi büdzsé-plafon nem védelem, mert utólag lép, amikor a túlköltő futás már lefutott. Ami véd: futásonkénti token- vagy dollárplafon, lépésszám-korlát, per-lépés timeout és modell-routing, hogy a rutin lépések olcsó modellen menjenek. Hogy ez nem elméleti: a TechCrunch 2026. június 5-i cikke szerint az Uber áprilisra elköltötte a teljes 2026-os AI-kódolási keretét.

6. Hogyan kapcsolódik a meglévő ERP-hez és CRM-hez?

Itt derül ki a leggyorsabban, hogy mérnöki csapattal beszélsz-e. A gyenge válasz felsorolja a rendszerneveket. A jó válasz megmondja, melyik API-n, milyen hitelesítéssel, mi történik, ha a másik rendszer nem válaszol, és hogyan kerülik el a duplikált könyvelést egy újrapróbálkozásnál.

Öt kérdés, amire konkrét válasz kell. Van-e egyáltalán API, vagy csak adatbázis-olvasás és fájlcsere marad. Ki az idempotencia felelőse, tehát mi garantálja, hogy egy kétszer elküldött üzenet ne írjon be kétszer. Milyen rate limit van a másik oldalon. Kap-e az ügynök írási jogot éles rendszerbe, és ha igen, milyen jóváhagyás mellett. Végül: mit terveznek a törzsadat minőségével, mert piszkos ERP-adaton a legjobb keresés is rossz választ ad.

Az integrációs réteg felől érdemes rákérdezni az MCP-re is. A protokoll 2025 decemberében a Linux Foundation alatti Agentic AI Foundation-höz került, és a 2026. július 28-i specifikáció vállalati környezetre való jogosultságkezelést is kapott. Az Anthropic saját mérésében egy Drive-ból Salesforce-ba tartó feladat 150 000 tokenről 2 000-re esett, amikor a köztes adat nem ment át a modellen. A gyakorlati architektúrákat a rendszerintegrációs oldalunkon írtuk le. Magyar cégnél ehhez jön még a NAV Online Számla 3.0 kompatibilitás, amit szintén tételesen kérdezz meg.

7. Ki felel az AI Act és a GDPR megfeleléséért?

Jellemzően te, nem a fejlesztő. Az AI Act 3. cikke szerint az a „provider”, aki a rendszert a saját neve vagy védjegye alatt hozza forgalomba vagy helyezi üzembe. Ha a chatbot a te weboldaladon fut a te nevedben, a szolgáltatói kötelezettségek téged terhelnek, a fejlesztő pedig beszállító. A szerepet szerződésben kell rögzíteni.

Ami már ma él: a 50. cikk átláthatósági kötelezettségei 2026. augusztus 2-a óta alkalmazandók, tehát az ügyfélnek jeleznie kell, hogy MI-vel beszél. A gépi olvasható jelölésre a türelmi idő 2026. december 2-án jár le. A magas kockázatú, III. melléklet szerinti rendszerek határideje viszont a Digital Omnibus rendelettel ((EU) 2026/1744, kihirdetve 2026-07-24) 2027. december 2-ra csúszott. Sok magyar szakcikk még a régi dátumot közli.

A bírság a 99. cikk második tétele szerint 15 millió euró vagy az éves világméretű árbevétel 3%-a, amelyik magasabb. KKV-knál és startupoknál a kettő közül az alacsonyabb a plafon. A piacfelügyeletet Magyarországon a Mesterséges Intelligencia Hivatal látja el, a GDPR pedig ettől függetlenül, a NAIH hatáskörében fut tovább. Van egy csapda is: ha egy nem magas kockázatú rendszer rendeltetését úgy változtatod meg, hogy magas kockázatúvá válik, a 25. cikk alapján te leszel a provider, akkor is, ha nem te fejlesztetted. A besorolást és a dokumentációt az EU AI Act megfelelési oldalunkon bontottuk ki.

8. Mi a kilépési terv, ha váltani akarok?

Kérj írásos kilépési záradékot, mielőtt aláírsz. Három dolgot rögzítsen: pontosan mit adnak át, milyen formátumban, és hány munkanapon belül. Ha ez a szerződéskötéskor kellemetlen kérdés, a felmondáskor sokkal kellemetlenebb lesz, mert akkor már nincs alkupozíciód.

A kilépési csomag ugyanaz a hat elem, mint az IP-nél, kiegészítve a futási naplókkal. A naplókra amúgy is szükséged van, mert az AI Act alkalmazói oldalon legalább hat hónapos megőrzést ír elő. Emellett egy technikai követelmény sokat számít: a modellhívás legyen absztrakciós réteg mögött, hogy a szolgáltatóváltás konfigurációs kérdés maradjon, ne újraírás.

Rossz jel, ha a promptok egy webes admin felületen élnek, és nincsenek verziókövetve. Az azt jelenti, hogy a rendszer viselkedésének a története nem átadható, csak a pillanatnyi állapota. Jó jel, ha a szállító magától felajánl egy átadási próbát: kap egy külsős fejlesztő két napot, és fel tudja húzni a rendszert a dokumentációból.

9. Mutatnak-e olyan projektet, ami nem sikerült?

Ez a legolcsóbb szűrő a kilenc közül, és a legtöbbet árulja el. Aki két éve épít AI-rendszereket, annak volt leállított pilotja. Ha nincs ilyen története, vagy kevés projektet csinált, vagy nem mond igazat. A jó válasz konkrét: mi volt a use case, min bukott el, és mit csinálnának ma másképp.

A magyar piacon ez a mező üres. Tizenkét magyar AI-szolgáltatói oldalt néztünk végig 2026 augusztusában, és mind a tizenkettő kizárólag sikert kommunikál. Egyik sem írja le, mikor ne csinálj AI-t. Pedig van ilyen eset, és nem is ritka.

Két gyakori bukási minta, amit érdemes visszakérdezni. Az egyik az „agent washing”: a feladat egy determinisztikus munkafolyamat lenne, de ügynökként adják el. Az Anthropic saját ajánlása is az, hogy a legtöbb feladatra az előre kódolt workflow jobb, mint az autonóm ügynök. A másik a régi folyamatra rárakott AI-réteg. A McKinsey 2026-os felmérésében az EBIT-hatással a folyamat alapoktól való újratervezése korrelált a legerősebben, nem a darabonkénti bevezetés.

Mikor nem az AppForge a jó választás?

Négy helyzet van, ahol jobban jársz mással, és ezt jobb az első hívás elején tisztázni, mint a harmadik hónapban.

• Ha egy dobozos chatbot elég. A magyar piacon 1 400 Ft/hó-tól indulnak a self-service widgetek, és menedzselt SaaS-chatbotot 24 900 Ft/hó körül kapsz. Statikus GYIK-re és néhány szkriptre ne fizess egyedi fejlesztést.
• Ha 24/7-es, több műszakos üzemeltetési SLA a követelmény. Kilenc főnél kisebb csapat vagyunk, ezt tisztességesen nem tudjuk vállalni.
• Ha párhuzamosan futó, több tucat fejlesztős programra van szükség. Erre a nagy, több száz fős magyar szoftverházak a jó cím.
• Ha a folyamat maga rossz, vagy az adat nincs digitalizálva. Ilyenkor az AI csak gyorsabban állítja elő ugyanazt a hibás eredményt. Előbb a folyamat kell, utána a modell.

Amit viszont érdemes tudni rólunk: két nevesíthető referenciánk van. A Magyar Popkulturális Értéktár MI-alapú keresőjét mi készítettük a kultura.hu számára, és előadtunk az AI Summit Budapest 2025 konferencián. A többi munkánk titoktartás alatt van, azokból anonimizált architektúrát tudunk mutatni. Ezt a különbséget minden szállítónál kérdezd meg, mert a „80+ projekt” típusú szám önmagában nem ellenőrizhető. A publikus munkáink az AI portfólió oldalon vannak.

Összegzés és gyakori kérdések

Ha ezt a kilenc kérdést végigvezeted három ajánlaton, az árak összehasonlíthatóvá válnak, és jellemzően kiderül, hogy nem ugyanazt ajánlották. Ha rajtunk akarod kipróbálni, kérj árajánlatot, és mind a kilencre írásban válaszolunk.