AI-ügynök cégeknek: mi az, mire jó, és mikor ne építs ilyet?

Az AI-ügynök olyan szoftver, amelyben a nyelvi modell egy cél eléréséért maga dönti el a következő lépést, és eszközöket használ hozzá: adatot kérdez le, levelet fogalmaz, rekordot módosít, majd az eredmény alapján folytatja. A különbség a chatbothoz képest az, hogy nem csak válaszol, hanem cselekszik is.

Chatbot, automatizálás vagy ügynök?

Az Anthropic fejlesztői útmutatója szerint a munkafolyamatoknál előre megírt kódúton fut a nyelvi modell, az ügynöknél pedig a modell maga irányítja a folyamatot és az eszközhasználatot. Az OpenAI útmutatója ugyanezt mondja a másik oldalról: ha a modell nem vezérli a folyamat végrehajtását, mint egy egyszerű chatbotnál, az nem ügynök.

Mire jó egy kisebb cégnél?

• Beérkező levelek előkészítése: kategorizálja az ajánlatkéréseket, kikeresi az ügyfelet a CRM-ből, és válaszvázlatot ír, amit a kolléga hagy jóvá.
• Belső tudáskereső: szabályzatokból, munkalapokból, szerződésekből keres, és megmondja a forrást is.
• Hibajegyek előszűrése: összegyűjti a szükséges adatokat, és a megfelelő felelőshöz irányítja a bejelentést.
• Adategyeztetés: eltéréseket keres két rendszer között, és javaslatot tesz, de nem javít magától.
• Fejlesztés: mi is használunk kódoló ügynököket a saját munkánkban, emberi felügyelettel; ennek a tapasztalatait a Codex és Claude Code a gyakorlatban cikkünk írja le.

Mikor ne építs ügynököt?

Az Anthropic tanácsa egyszerű: a lehető legegyszerűbb megoldással kezdj, ami gyakran azt jelenti, hogy ügynök nem is kell. Az ügynök lassabb és drágább futásért cserébe ad jobb eredményt, a hibái pedig egymásra rakódhatnak. Nem jó választás, ha:

• a lépések előre leírhatók: egy webshop–számlázó kapcsolatot hagyományos integrációval érdemes megoldani, ahol minden lefutás ugyanaz. Az eszközválasztásban a Zapier, Make vagy n8n cikkünk segít;
• a hiba nehezen javítható: számlakiállítás, NAV-adatszolgáltatás, utalás vagy szerződésküldés nem való emberi jóváhagyás nélküli ügynökre;
• kicsi a mennyiség: heti néhány esetnél a fejlesztés és a felügyelet többe kerül, mint amennyit megtakarít. Ezt a megtérülési kalkulátorral gyorsan ellenőrizheted;
• rendezetlenek az adatok: az ügynök nem javítja meg az ellentmondó táblázatokat, csak gyorsabban dolgozik belőlük.

A két fő kockázat: prompt-injektálás és túl nagy jogkör

Az OWASP nyelvi modellekre vonatkozó 2025-ös Top 10-es listáján a prompt-injektálás az első helyen szerepel (LLM01), a túlzott önállóság pedig a hatodikon (LLM06). A prompt-injektálásnál a támadó a feldolgozott tartalomba rejt utasítást: egy beérkező levél például azt írja az ügynöknek, hogy küldje el az ügyféllistát. Ha az ügynöknek van levélküldési és adatbázis-joga, ez valódi adatszivárgás lehet.

Ezért az ügynököt úgy kell kezelni, mint egy új, még nem ellenőrzött munkatársat:

• Legkisebb jogosultság: először csak olvasási jog, és annyi adathoz fér hozzá, amennyi a feladathoz kell.
• Emberi jóváhagyás: visszafordíthatatlan vagy nagy tétű lépés csak kolléga megerősítésével történhet. Az OpenAI útmutatója is ezt javasolja, az újrapróbálkozási korlát túllépésekor pedig szintén emberhez kell továbbítani.
• Leállási feltétel és próbakörnyezet: az ügynök ne futhasson korlátlanul, és éles adat előtt elkülönített környezetben teszteljük.
• Naplózás: minden lépés visszakereshető legyen: mit látott, mit döntött, milyen eszközt hívott.
• Külső tartalom = adat: a levelek és weboldalak tartalma soha nem számíthat utasításnak.

Jogi keret: AI-rendelet és GDPR

Az uniós AI-rendeletet (2024/1689) 2026 júliusában egyszerűsítő csomag módosította, ezért régebbi cikkekben még más dátumok szerepelhetnek. A kkv-t leggyakrabban érintő pontok:

• MI-jártasság (4. cikk): a szolgáltatóknak és az MI-t alkalmazó cégeknek intézkedésekkel támogatniuk kell a munkatársak MI-jártasságát. A kötelezettség 2025. február 2. óta él, a végrehajtás 2026. augusztus 2-án indult.
• Átláthatóság (50. cikk): az MI-rendszer szolgáltatójának gondoskodnia kell arról, hogy az emberek tudják, MI-vel állnak kapcsolatban, hacsak ez nem nyilvánvaló. Az alkalmazónak a mélyhamisítást és bizonyos közérdekű szövegeket kell jelölnie.
• Szolgáltató vagy alkalmazó (3. cikk): aki kész rendszert használ, jellemzően alkalmazó. Aki saját ügynököt fejleszt és a saját nevén üzembe állít, szolgáltatónak is minősülhet, ezért ezt érdemes jogásszal tisztázni.
• Magas kockázatú felhasználás: például a munkaerő-kiválasztásnál szigorúbb szabályok jönnek; a III. melléklet szerinti rendszerekre 2027. december 2-től.
• GDPR 22. cikk: az érintettnek joga van ahhoz, hogy ne kizárólag automatizált döntés vonatkozzon rá, ha annak joghatása van vagy hasonlóan jelentősen érinti. Ügyfél vagy munkatárs sorsáról tehát ne az ügynök döntsön egyedül.

Hogyan épül? A fő utak

A futási költség a modelltől és a mennyiségtől függ; egy ügynök egy feladathoz több modellhívást is indíthat. Becsléshez használd az AI token- és költségkalkulátort.

Így kezdd: öt lépés

1. Válassz egy feladatot, amelyik gyakori, időigényes, és a hibája javítható. A melyik folyamatot automatizáld először cikkünk segít kiválasztani.
2. Írd le a sikert mérhetően: mennyi idő ma, mennyi hibával, mit fogadsz el jó eredménynek. Ehhez jó keret a követelményspecifikáció-minta.
3. Kezdd javaslattevővel: az ügynök csak vázlatot ad, ember dönt és küld.
4. Mérd a próbaidőszakot: hány javaslat volt jó, mennyit javítottak rajta, mennyibe került.
5. Csak ezután adj több jogot, lépésenként, naplózással.

Ha a kérdés inkább az, hogyan kezdjen egy cég az MI-vel, az MI a kkv-ban és a ChatGPT, Claude, Gemini vagy Copilot cikkünk jó kiindulás.