Mikor ne csinálj AI projektet: 9 eset, amikor jobb nemet mondani

Mikor ne csinálj AI projektet?

Akkor ne, ha senki nem tudja leírni a folyamatot, ha piszkos a törzsadat, ha nincs előre kimondott siker-szám, ha kicsi a volumen, ha drága egyetlen hiba, ha nincs gazdája, ha jogi akadály van, ha a folyamat úgyis megváltozik, vagy ha egy szabály is megoldaná. Kilenc eset, mindegyiknél olcsóbb következő lépéssel.

Átnéztünk tizenkét magyar AI-szolgáltatói oldalt 2026 augusztusában. Mind a tizenkettő kizárólag sikert kommunikál. Egyik sem írja le, mikor bukik el a dolog, pedig a vevő oldaláról ez a hasznosabb fele: a nemet könnyebb visszafordítani, mint egy félbehagyott bevezetést.

Magyar kudarcstatisztika nem létezik. Kerestük: sem a KSH, sem az IVSZ, sem a nagy tanácsadók nem publikálnak ilyet. Amit alább olvasol, globális felmérésekből és a saját ajánlatkéréseinkből áll össze, és az utóbbi nem reprezentatív minta. Ahol becslés, ott jelzem.

Le tudja írni valaki a folyamatot, amit automatizálnál?

Ha két kolléga másképp meséli el ugyanazt a lépéssort, akkor nincs folyamat, csak szokás. Az AI ettől nem lesz okosabb, csak gyorsabban termeli a rossz kimenetet. Automatizálás előtt a folyamatot le kell írni, különben nincs mihez képest mérni a hibát.

Felismerni egyszerű. Nincs írott folyamatábra, vagy van, de három éve nem nyitotta meg senki. Minden esetnél akad kivétel. A miért így kérdésre a válasz az, hogy mindig így csináltuk.

Az ügynöknek döntési szabály kell. Ha a szabály három fejben él, háromféle tartalommal, akkor nem tudsz kiértékelő készletet összerakni, tehát azt sem tudod megmondani, hogy a rendszer téved-e. Egy ilyen projekt nem robban le, hanem hónapokig sodródik, amíg valaki ki nem mondja, hogy nem tudjuk, jó-e.

Az olcsóbb lépés a folyamat-újratervezés. A McKinsey 2026-os AI-felmérése szerint az EBIT-hatással a folyamat alapoktól való újratervezése korrelál a legerősebben, nem a régi folyamatra rárakott AI-réteg (McKinsey State of AI, 2026; a számokat érdemes a forrásoldalon ellenőrizni, mert több összefoglaló eltérően idézi őket). Két hét folyamattérképezés nagyságrendekkel olcsóbb, mint egy hárommilliós pilot, ami rossz kérdésre válaszol.

Rendben van a törzsadat, amire az AI épülne?

Ha ugyanaz a partner három néven szerepel, ha a cikktörzs fele mező üres, és ha a riportot utólag Excelben javítja valaki, akkor az AI ezen a talajon nem áll meg. A keresés rossz rekordot hoz, a modell magabiztosan válaszol belőle, és a hiba nehezebben látszik, mint egy üres cella.

Van erre mért adat, csak nem magyarul. Az Anthropic saját mérésében a sima beágyazásos keresés hibaaránya 5,7 százalék volt, hibrid keresés és újrarendezés mellett 1,9 százalékra esett (Anthropic, 2024-09-19). Ez tiszta angol korpuszon. Magyar nyelvre nincs publikus, karbantartott retrieval-benchmark, az utolsó független teszt pedig jelentős átfedést mért a kapcsolódó és nem kapcsolódó mondatpárok hasonlósági eloszlása között (Harang Péter, 2025-01-09). Vagyis magyar szövegen a kiindulási pont rosszabb, és mérés nélkül senki nem tudja megmondani, mennyivel.

Az olcsóbb lépés ritkán AI. Sokszor a bemeneti űrlap átszabása oldja meg: kötelező mezők, legördülő listák, validáció ott, ahol az adat keletkezik. A számlafeldolgozásban az adatrögzítés a teljes költség 30 és 35 százaléka között van (IOFM-hivatkozás, 2026-07), miközben egy számla feldolgozása átlagosan 9,40 dollár, a legjobbaknál 2,78 dollár (Ardent Partners, WEX-idézet, 2026-07-20).

Meg tudod mondani előre, mi számít sikernek?

Ha a projekt célja az, hogy legyen AI-unk, akkor a projekt már el is bukott, csak még nem tudja. Siker-szám nélkül nincs mihez képest dönteni a hatodik hónapban, és nincs mit felmutatni annak, aki a büdzsét adta. Egy szám, egy bázisérték, egy dátum kell.

A MIT Project NANDA 2025 nyári felmérése 300-nál több bejelentett bevezetést, 52 interjút és 153 vezetői kérdőívet nézett át, és arra jutott, hogy a generatív AI pilotok 95 százaléka nem hozott mérhető P&L-hatást (The GenAI Divide, 2025-07). A kutatás szerint nem a modell volt gyenge. Az eszköz nem tanult a javításokból, elfelejtette a kontextust két munkamenet között, és azokon a rendszereken kívül élt, ahol a munka valójában zajlik.

A gyakorlati teszt egyszerű. Írd le egy sorban, mit mérsz, mennyi az most, és mikor nézed meg újra. Ha a mai értéket nem tudod megmondani, akkor az első projekt a mérés, nem az AI. Ez általában két hét, és a végén kiderül, hogy megéri-e egyáltalán belevágni. A megtérülés végigszámolásához a megtérülés-kalkulátorunk ad keretet, de a bemenő számokat neked kell hoznod.

Elég nagy a volumen ahhoz, hogy megtérüljön?

Havi néhány tucat esetnél a bevezetés és a karbantartás rendszerint többe kerül, mint a megtakarított idő. Ez nem véleménykérdés, hanem szorzás. A képlet: havi esetszám szorozva a megtakarított perccel, átváltva a saját belső óraköltségeddel, összevetve az üzemeltetési díjjal.

A saját árlistánk szerint egy egyszerű, egy-három lépéses automatizálás 100 000 és 500 000 Ft között van, egy több rendszert érintő, hibakezeléssel ellátott 500 000 és 2 500 000 Ft között, egy AI-vezérelt komplex folyamat 2 500 000 és 10 000 000 Ft között, az üzemeltetés pedig havi 30 000 és 150 000 Ft között. Ha a havi megtakarítás az üzemeltetési díjat sem veri meg, a bevezetés árát már ki sem kell számolnod.

Kis volumennél a legdrágább eszköz is olcsó. A Zapier 19,99 dolláros Pro csomagja 750 taskot ad, ami egy hat lépéses folyamatnál mindössze 150 futás, nagyjából 42 Ft futásonként (Zapier árlista, lekérve 2026-08-14). Havi 150 esetnél ez teljesen rendben van. Ugyanez a lépésszám 40 000 futásnál viszont már az a tartomány, ahol érdemes kódba költözni. A tételes bontást a AI ügynök és chatbot árak cikkünk viszi végig.

Mennyibe kerül egyetlen rossz döntés?

Ha egy hibás kimenet pénzt mozgat, ügyfélhez ér, vagy éles rendszerben töröl valamit, akkor nem a modell pontossága a kérdés, hanem az, hogy ki írja alá. A nyelvi modell kimenete valószínűségi. A hibaarányt le lehet vinni, nullára nem.

A biztonsági oldalról is van egy hasznos szabály. Simon Willison halálos hármasa szerint az ügynök akkor válik kihasználhatóvá, ha egyszerre fér hozzá privát adathoz, találkozik nem megbízható tartalommal, és tud kifelé kommunikálni (Willison, 2025-06-16). Ha a tervezett rendszerben mindhárom együtt van, és ehhez jön a magas hibaköltség, akkor ez a projekt így nem indulhat.

Nem az a megoldás, hogy mindent embernek kell jóváhagynia, aztán csodálkozunk a megtérülésen. Ha minden kimenet teljes ellenőrzést igényel, akkor a fogalmazás idejét nyerted meg, nem a döntését, és így kell árazni. Ez sokszor még mindig megéri, csak legyen kimondva a projekt elején, ne a negyedik hónapban.

Van megnevezett ember, aki hetente ránéz?

Ha a gazda az IT mint absztrakció, akkor nincs gazda. Kell valaki, akinek a heti munkájában szerepel a hibás kimenetek átnézése, és aki jogosult megváltoztatni a szabályt, ha kiderül, hogy rossz. Enélkül a rendszer csendben romlik, és hónapokig nem veszi észre senki.

Ugyanaz a MIT NANDA-kutatás mérte a legélesebb különbséget ezen a ponton: belső szakértő és külső partner kombinációjával 67 százalék volt a sikerráta, csak belső IT-vel épített projekteknél 22 százalék. Ez a kettő között nem árnyalatnyi eltérés van.

Nálunk ez a scope-olás első kérdései közé került. Ha a válasz az, hogy majd valaki ránéz, akkor a pilot elindul, a harmadik hónapban jön az első kivételhullám, és nem lesz, aki eldöntse, mi a helyes viselkedés. Aki most választ szállítót, annak a partnerválasztási szempontjaink között ez a kérdés is szerepel, a másik oldalról nézve.

Van jogi vagy megfelelőségi akadály?

Két dolgot érdemes a fejlesztés előtt tisztázni: kiléphet-e egyáltalán az adat a jelenlegi környezetből, és ki felel a rendszerért a szabályozás nyelvén. Ha ezekre a válasz bizonytalan, a kódolás előtt egy besorolási és dokumentációs kör jön, nem utána.

Az időzítés 2026 augusztusában sokakat félrevezet. Az EU AI Act 50. cikke szerinti átláthatósági kötelezettségek 2026. augusztus 2-tól élnek, tehát a chatbotnál közölni kell, hogy géppel beszél a felhasználó, a szintetikus tartalmat pedig gépi olvasható módon kell jelölni. A magas kockázatú rendszerek határideje viszont a Digital Omnibus rendelettel 2027. december 2-re csúszott, termékbe ágyazott esetben 2028. augusztus 2-re ((EU) 2026/1744, FPF idővonal, 2026-07-28). Sok magyar cikk még a régi dátumot hozza.

A bírságkeret önmagában is elég indok a tisztázásra. A szolgáltatói, alkalmazói és 50. cikk szerinti kötelezettségek megsértése 15 000 000 euróig vagy a globális árbevétel 3 százalékáig terjedhet, a tiltott gyakorlatoké 35 000 000 euróig vagy 7 százalékig, mindig a magasabb értékkel. Kis- és középvállalkozásnál a plafon az alacsonyabb érték (AI Act 99. cikk). Egy 4-8 hetes besorolási és dokumentációs kör ehhez képest olcsó biztosíték.

Egy fontos korlát, amit érdemes kimondani: nincs kölcsönös elismerés a megfelelési rendszerek között. Egy NIS2-audit vagy egy ISO-tanúsítvány nem fedi le az AI Actet. Az átfedő kontrollok újrahasznosíthatók, maga a megfelelés külön ügy marad.

Megváltozik a folyamat néhány hónapon belül?

Ha a folyamat ERP-váltás, szervezet-átalakítás vagy jogszabályváltozás alatt van, akkor a most megépített ügynököt kétszer kell megírni. Az első verzió ára nem befektetés, hanem tanulópénz. Ilyenkor a helyes lépés a várakozás, közben adattisztítás.

A magyar naptár 2026 második felében pont ilyen. A nyugtaadat-szolgáltatás 2026. szeptember 1-től kötelező a kézi nyugtatömbből és a számítógéppel előállított nyugtából dolgozóknak, a kibocsátást követő három naptári napon belül (NAV). Az ÁNYK keretprogram 2026. december 31-én leáll, az eÁFA 2027. január 1-től kötelező (Andersen, 2026-02-19). Az eÁFA gép-gép interfész éles környezete 2026. augusztus 3 óta kizárólag a 2.0-ás adatstruktúrával működik, párhuzamos üzem nélkül (NAV, 2026-08-03). Aki most drótoz AI-t a jelenlegi számlázási folyamatába, jó eséllyel januárban kezdi újra.

A rendszerváltás időigényét is érdemes reálisan nézni. A Surrey County Council ERP-bevezetése 16,6 millió fontról 27,9 millióra ment fel, és 15 hónap helyett 33-ig tartott (The Register, 2024-07-16). Ez nem magyar példa, és nem AI-projekt, de a tanulság átvihető: amíg az alaprendszer mozog, a ráépülő automatizálás célpontja is mozog.

Megoldaná egy determinisztikus szabály is?

Ha a ha X akkor Y az esetek nagy részét lefedi, és a bemenet már strukturált, akkor nem ügynök kell, hanem kódolt folyamat. Olcsóbb, tesztelhető, és éjjel nem futtat le negyven felesleges kört. Az AI ilyenkor egyetlen ponton lép be: ahol szabad szöveget kell megérteni.

Ez nem a mi vélekedésünk. Az Anthropic saját mérnöki ajánlása szerint a legtöbb feladatra az előre kódolt workflow jobb, mint az autonóm ügynök, és ügynököt csak akkor érdemes választani, ha a lépésszám előre nem jósolható meg (Building Effective Agents, 2024-12-19).

A különbség a számlán is látszik. Ugyanaz az 1 000 dokumentum 8,70 dollárba kerül egyetlen extrakciós hívással, és 232 dollárba egy nyolclépéses ügynöki hurokkal, ugyanazon a modellen. Huszonhétszeres eltérés, és nem a modell ára dönt, hanem a körök száma. A számítás a hivatalos Claude árlistából készült, lépésenként 12 000 bemeneti és 500 kimeneti tokennel számolva.

A self-hosting sem ingyen van, csak máshol jelenik meg a költség. Az n8n Cloud Pro havi 50 euró, miközben a magyar piacon az n8n üzemeltetése 40 000 Ft-tól indul VPS-en és 80 000 Ft-tól saját szerveren (n8n.hu, lekérve 2026-08-14). Tisztán költségalapon a self-hosting nagyjából 40 000 futás felett kezd megérni, alatta adatrezidencia vagy megfelelőségi indok kell hozzá. A négy megközelítés összevetését a chatbot, RPA, n8n és ügynök összehasonlításunk viszi végig.

Mi történik a hatodik hónapban egy rosszul indított projektnél?

Nem robban le semmi. A rendszer működik, csak senki nem nézi. A demóhoz képest a kimenet megváltozott, a promptokon többen módosítottak, a futási költség nőtt, a siker-számot pedig azért nem produkálja senki, mert az elején nem mondták ki. Ez a leggyakoribb végkifejlet, nem a látványos bukás.

Az árváltozás nem elméleti kockázat. A Google hivatalos árlistája szerint a Gemini 3.6 és 3.7 Flash bevezető ára 2026. december 31-ig érvényes, utána duplázódik, 0,75 és 3,75 dollárról 1,50 és 7,50 dollárra millió tokenenként (Google). Aki a 2027-es üzemeltetési tervben a mai árakkal számol, alultervez.

A token-számla máshol is meglepetést okozott. Az Uber 2026 áprilisára elhasználta a teljes évre szánt AI-kódolási keretét, a Priceline Cursor-megújítása négy-ötszörös áron jött vissza, a Jellyfish mérése szerint pedig a fejlesztőnkénti token-fogyasztás kilenc hónap alatt 18,6-szorosára nőtt (TechCrunch, 2026-06-05). A havi büdzsé-plafon erre nem véd, mert utólag lép, amikor a túlköltő futás már lefutott. Futásonkénti korlát és lépésszám-limit kell, a projekt elején beépítve.

A megfigyelés költsége is ide tartozik. A Langfuse self-hosted változata MIT licenc alatt nulla licencdíjjal fut, a felhős Core csomag havi 29 dollár (Langfuse), a LangSmith Plus 39 dollár felhasználónként, 14 napos alap trace-megőrzéssel (LangChain). A 14 nap azért érdekes, mert a hatodik hónapban pontosan az lenne a kérdés, mi történt hat hete.

Mikor jó ötlet mégis AI ügynököt építeni?

Ha a volumen elég nagy, az adat gépi formában létezik, a hiba visszafordítható, van megnevezett gazda, van egy mérhető szám, és a folyamat várhatóan stabil marad egy évig. Ebből a hat feltételből öt teljesülése már elég egy pilothoz. Hat feltételből három mellett viszont várni jobb.

A partnerkérdésben nyíltan elfogult vagyok, úgyhogy a számot hagyom beszélni: a MIT NANDA-felmérésben a belső szakértő és külső partner párosa 67 százalékos sikerrátát hozott, a csak belső IT-vel épített projekteké 22 százalékot. Ezt egy fejlesztőcég írja le, szóval kezeld ennek megfelelően, a mintavétel viszont nem a miénk.

Egy saját példa a jó eset oldaláról. A kultura.hu archívumára épült lokálisan futó keresőrendszerünk azért működik, mert a feltételek teljesültek: nagy dokumentumtömeg, gépi formában létező tartalom, visszafordítható hiba, és forráshivatkozás minden válasz mellett, tehát a felhasználó ellenőrizni tudja a gépet. Ez a projekt szerepelt az AI Summit Budapest 2025 előadásunkban is.

És egy őszinte határ. Ha egy három lépéses űrlap-CRM-e-mail automatizálásra van szükséged, arra a 100 000 és 500 000 Ft közötti sáv vonatkozik, és ezt egy jó n8n-es szabadúszó is összerakja. Mi ott adunk többletet, ahol több rendszer, hibakezelés, jogosultságok és megfelelőségi dokumentáció is kell. Ha a te feladatod az előbbi, azt meg is szoktuk mondani a scope-oló beszélgetésen.

Összegzés és gyakori kérdések

Ha a kilencből többre igent mondtál, az nem azt jelenti, hogy nálad nem működne az AI. Azt jelenti, hogy a sorrend más: folyamat, adat, mérés, aztán modell. Ha viszont a feltételek adottak, a 90 napos bevezetési tervünk mutatja, hogyan néz ki egy fegyelmezett első kör.