• Az MI gazdasági teljesítményének megítélésében az elfogadható minőségű feladat teljes költségét kell középpontba állítani.
• A gépi szolgáltatás díja sok esetben eltörpül az emberi közreműködés mellett: a megtérülést alapvetően az határozza meg, mennyi ellenőrzésre, javításra és ismétlésre van szükség a feladat lezárásához.
• Az MI beruházási értékét végső soron az dönti el, hogy megfelelő minőségben, kisebb teljes költséggel készül-e el a munka – ezt pedig minden vállalatnak a saját folyamatain kell megmérnie.

Egy vezető számára csábító ígéret, hogy a mesterséges intelligencia néhány pillanat alatt elkészíti azt, amin egy munkatárs órákig dolgozna.

Az elkészült szöveget azonban még el kell olvasni, az adatokat ellenőrizni kell, és valakinek vállalnia kell a felelősséget azért, hogy az anyag felhasználható.

Ezek a munkaórák ugyanúgy terhelik a vállalatot, mint korábban. Ha kimaradnak a megtérülési számításból, könnyű túlbecsülni a technológia költségelőnyét.

A modellek használati díjának elszámolásában elterjedt token egy szöveg feldolgozásának technikai egysége, gyakran egy szó részlete. Alkalmas a szolgáltatás elszámolására, de önmagában keveset mond az elvégzett munka értékéről. Ugyanannyi tokenből születhet használható elemzés és hibás következtetés is. Az olcsóbb válasz ráadásul több újabb próbálkozást vagy hosszabb ellenőrzést igényelhet.

Ezért az MI gazdasági teljesítményének megítélésében az elfogadható minőségű feladat teljes költségét kellene középpontba állítanunk. Ez a szemlélet a beszerzés és a munkaszervezés döntéseit is megváltoztatja.

Egy dollár alatti válasz és drága ellenőrzés

Jól szemlélteti a különbséget az OpenAI 2025-ben bemutatott GDPval-tesztje. A vizsgálat 44 foglalkozás valós munkájából merített feladatokat, a nyilvánosan elérhető minta 220 feladatot tartalmazott.

A tanulmány költségelemzésében az emberi feladatelvégzés becsült átlagos költsége 361 dollár, egy gépi eredmény szakértői értékelés 86 dollár volt. Mindkettőt időráfordításból és amerikai béradatokból számították.

A tanulmány szerint a GPT-5 egy próbálkozása átlagosan az emberi munka költségének 474-ed részébe került. A 361 dollárra becsült emberi munkaköltséget tehát 474-gyel kell elosztanunk, így jutunk el a nagyjából 76 centes gépi díjhoz. Ennyiért azonban még csak a gép által elkészített eredményt kapjuk meg, a szakértői ellenőrzést külön kell megfizetni.

Az olcsó gépi eredmény azonban még nem jelent ugyanilyen olcsó, felhasználható munkát. Egy szemléltető számításban minden feladatra 39 százalékos sikeresélyt feltételezünk. Ha egyetlen gépi próbálkozás után szakértő értékeli az eredményt, sikertelenség esetén pedig az ember teljes egészében elvégzi a feladatot, a várható költség körülbelül 307 dollár. Ez nagyjából 15 százalékos megtakarítás a 361 dolláros emberi alaphoz képest.

Korlátlan újrapróbálkozás mellett a becslés körülbelül 222 dollárra csökken. Ehhez független próbálkozásokat, minden alkalommal változatlan, 39 százalékos sikeresélyt és változatlan átlagos költségeket feltételezünk. Minden újabb gépi eredmény után ismét felszámítjuk a szakértői értékelés költségét.

A 39 százalék a modell győzelmi aránya: az értékelők ilyen arányban tartották jobbnak a gépi eredményt az emberénél. Ez nem mutatja meg közvetlenül, hány eredmény felelne meg egy vállalat saját elfogadási követelményeinek. Az összesített, kerekített átlagadatokra épülő számítás az integráció költségét és az ellenőrzésen átcsúszó hibák várható veszteségét sem tartalmazza; az emberi alaphoz pedig nem ad külön ellenőrzési költséget. A példa ezért a teszt feltételei között értelmezhető, mai magyar vállalati árajánlatként nem használható.

A példa mégis fontos vezetői tanulságot ad.

A gépi szolgáltatás számlája ebben az esetben eltörpül az emberi közreműködés mellett. A megtérülést alapvetően befolyásolja, hogy mennyi ellenőrzés és utómunka szükséges a feladat lezárásához.

A megbízhatóság gazdasági értéke

Az előbbi számpéldában a gépi díj megfelezése egy próbálkozáson körülbelül 38 centet (0,38 dollárt) takarítana meg. Az ellenőrzés költségének megfelezése 43 dollárt jelentene. Utóbbi természetesen csak akkor valódi nyereség, ha közben a munka minősége is megmarad.

Éppen ezért a modellek megbízhatóságának javulása különösen értékes lehet. A jobb eredmény kevesebb ismétlést igényelhet, rövidítheti az ellenőrzést, és egyes feladatoknál lehetővé teheti az automatikus tesztelést. Egy magasabb gépi díjú modell így összességében olcsóbb munkafolyamatot eredményezhet.

Az ellenőrzés elhagyása önmagában nem költségcsökkentés, ha a fel nem ismert hibák később újabb munkát vagy veszteséget okoznak. A megtakarítást a hibák következményeivel együtt kell számolni.

Egy belső szövegvázlatnál és egy ügyfélnek átadott számításnál ezért eltérő ellenőrzési rend lehet indokolt.

A vállalati fejlesztésekben ennek megfelelően nagyobb figyelmet érdemelne, hogyan bizonyítjuk egy eredmény helyességét.

Az ellenőrizhető adatok, az egyértelmű követelmények és a jól kialakított tesztek csökkenthetik a szakértőre jutó terhet. Ezek kialakításának költsége ugyanakkor szintén része az MI bevezetésének.

A kész munka árát kellene követnünk

A mérési problémára olyan feladatárindex adhatna választ, amely azonos minőségi követelmények mellett követi a munka költségét.

Egy állandó feladatkosárban például dokumentumelemzés, adatkinyerés és programozási részfeladat is szerepelhetne. Mindegyiknél a gépi díjat, az ellenőrzést és az ismétléseket együtt kellene mérni.

Az emberi elvégzés költsége ehhez természetes viszonyítási alap. Ha egy feladatot az MI-vel támogatott folyamatban drágább megoldani, a pusztán költséget mérlegelő vállalat számára továbbra is rendelkezésre áll az emberi megoldás. Ha pedig a technológia megbízhatóbbá válik, az indexben megjelenhet az ebből származó árelőny.

Egy ilyen mutató kidolgozása még kutatási feladat. Több fejlesztő modelljeit, eltérő feladattípusokat és a ténylegesen fizetett árakat kellene összehasonlítani, rendszeresen megismételve a mérést. A minőségi küszöböt is rögzíteni kellene, különben a gyengébb munka elfogadása látszólagos árcsökkenést okozhatna.

Az így mért költségváltozásból önmagában még nem következne ugyanekkora termelékenységnövekedés vagy bércsökkenés. Egy feladat olcsóbb elvégzése más kérdés, mint az egész vállalat teljesítménye, amely a technológia alkalmazásának módjától és a kereslettől is függ.

A magyar cégeknek saját feladataikon kell számolniuk

A vállalatoknak nem kell megvárniuk egy átfogó index elkészültét. Saját folyamataikban már most megmérhetik, mennyibe kerül egy jóváhagyott ajánlat, egy lezárt ügyfélszolgálati eset vagy egy ellenőrzött kimutatás elkészítése MI-vel és anélkül.

Ehhez az eredmények minősége mellett a teljes ráfordított munkaidőt is követni kell. Ha az egyik munkatárs gyorsabban elkészíti a tervezetet, de egy másik ugyanannyi többletidőt tölt a javításával, a szervezet egésze kevés időt nyert. Ha a megoldás valóban megtakarít munkaórákat, az is számít, mire fordítható a felszabaduló kapacitás.

A bevezetést ezért jól körülhatárolt feladatokon érdemes elkezdeni, előre meghatározott minőségi követelményekkel. Az összehasonlításba a betanulás és a rendszerek összekapcsolásának ráfordításait is be kell vonni. Így láthatóvá válhat, mely alkalmazásokat indokolt kiterjeszteni, és hol szükséges előbb a munkafolyamatot javítani.

Az amerikai tesztek eredményeit magyar környezetben újra kell mérni. Eltérhetnek a bérek, a feladatok és az ellenőrzés követelményei. Egy nemzetközi modellteszt jó kiindulópont, a hazai megtérülést a vállalat saját adatai mutatják meg.

Az MI beruházási értékét végül az dönti el, hogy megfelelő minőségben, kisebb teljes költséggel készül-e el a munka. Ennek a mérőszámnak helye lenne minden olyan vezetői jelentésben, amely a mesterséges intelligencia bevezetésének eredményéről számol be.