Az MI miatt keletkező és megszűnő
munkahelyek az elkövetkezendő 10 évben
(2026 február)
A mesterséges intelligencia (MI) az elkövetkező évtizedben átformálja a munkaerőpiacot: jelentős számú álláshely szűnik meg, de az ügynök- technológia -különösen ha nem szükséges hozzá programozási tudás- sok új lehetőséget is teremt, az USA-ban már többet, mint amennyi fog szűnni.
Az MI továbbképzéshez elég egy érettségi, és programozási ismeretek nélkül tanulható*, ami sokakat érinthet. Az MI oktatás ma létkérdés. Az MI használatával tanulni és tanítani igazi kihívás a pedagógusoknak: az IT felzárkóztató vagy tehetséggondozó programok, az MI kompetencia fejlesztő, átképző programok teljesítése, melyek feltehetően a humán tárgyak rovására történnek. 2026 -ban a legszűkebb keresztmetszetet már a középiskolai oktatók hiánya jelenti. Az MI olyan lesz mint a kutya a póráz végén: kérdés, hogy ki kit vezet.
A Világgazdasági Fórum becslése szerint 2030-ig világszerte 170 millió új jöhet létre, és 92 millió munkahely szűnhet meg, ami ≈78 milliós nettó növekedést jelent. Az IBM jelentése szerint azok a cégek, amelyek operatív szinten integrálják az MI-t, 44%-kal jobban teljesítenek versenytársaiknál, ami azért ma még túlzónak tűnik. Az MI technológia segíthet csökkenteni az energiaigényt az energiaszektorban, a közlekedés, a mezőgazdaság, az ipari termelés és az építőipar terén: az energetikai vezetők 97 százaléka nyilatkozott úgy, hogy nettó pozitív hatása van. Nagy szöveg- és adatmennyiségek kiértékelésésnél az MI verhetetlen.
Magyarországon 900 000 munkahelyet érinthet az automatizálás a 2030-as évekig, főleg a feldolgozóiparban, a szállításban, a bankhálózatokban és az építőiparban. A megszűnő vagy jelentősen átalakuló munkakörök rutinszerűek, ismétlődőek vagy adatfeldolgozásra épülnek, pl. az adminisztráció és ügyfélszolgálat, az adatrögzítők, könyvelők, titkársági feladatok és az ügyfélszolgálati képviselők területén. A kiskereskedelmi állások 65%-a is automatizálhatóvá válhat 2026-ra, és a raktározásban, logisztikában és a gyártósorok mellett végzett munkák is.
Keletkező és felértékelődő munkakörök: új állások többsége az MI fejlesztéséhez, felügyeletéhez és az emberi intelligenciát igénylő területekhez kapcsolódnak. MI-specifikus szerepkörök az MI-szakértők, "prompt" mérnökök (adatbányászok, MI utasítás-írók), MI-trénerek és adatkutatók. Az egészségügyben (ápolók, orvos-terapeuták), az oktatásban és a személyes szolgáltatásokban (pl. idősgondozás) folyamatos növekedés várható, ezek nehezen automatizálható területek. Az építőiparban, karbantartásban és a speciális kézügyességet igénylő szakmákban az MI csak segítő, és nem helyettesítő eszköz lesz. A középiskolai oktatásunk sajnos lassan indult be, de például a Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) négy féléves kezdeményezése jó példa: a Szegedi Szakképzési Centrum, a Budapesti Műszaki Szakképzési Centrum és a Váci Szakképzési Centrum együttműködést kötött a Budapesti Műszaki és Gazdaságtudományi Egyetemmel arról, hogy a BME 60 kreditet elismer, és így a fiatalok az érettségi és a szakmaszerzés után három helyett két év alatt BProf üzemmérnöki-informatikai diplomát szerezhetnek. Szerencsés esetben 20 éves korára egy fiatal korszerű mérnök-informatikai diplomát szerezhet.
A World Economic Forum globális felmérése négy lehetséges forgatókönyvet vázolt fel arra, hova felődhet az MI 2030-ra (https://www.portfolio.hu/uzlet/20260123/a-davosi-elit-elarulta-mi-lesz-a-munkahelyek-sorsa-az-ai-forradalomban-812236?). A hurráoptimista, utópisztikus jóléttől a keserű csalódásig négyféle alapvető kimenetele lehet a technológiai és társadalmi forradalomnak éves távlatokban. Kérdés, hogy a változásokra hogyan készülünk fel a mesterséges intelligencia fejlődése és a munkaerő felkészültsége alapján.
- Amennyiben a mesterséges intelligencia gyökeresen átalakítja az iparágakat, a termelékenység gyorsan nőhet. A széles körű felkészültség esetén az emberek képesek alkalmazkodni: sok munkakör ugyan eltűnik, de gyorsan jelennek meg újak is. Az új MI ügynök-világban az emberek "ügynök-őrmesterekké" válnak, akik gépi ügynök-rendszereket irányítják. A szabályozás és a szociális háló azonban alig tud lépést tartani majd a változásokkal.
- Ha a mesterséges intelligencia fejlődése meghaladja a munkaerő alkalmazkodási képességét, amikor a vállalatok versenyt futnak az automatizálásért, akkor a munkavállalók gyorsabban szorulnak ki, mint ahogy az oktatási rendszerek képesek lennének átképezni őket. A termelékenység ugyan nő, de a társadalom szétszakad: megugranak a munkanélküliségi mutatók, csökken a fogyasztói bizalom, a kormányok pedig egyre súlyosabb társadalmi kockázatokkal néznek szembe.
- A mesterséges intelligencia fokozatos fejlődése és a rendelkezésre álló digitális készségek a tömeges automatizálás helyett az MI az emberi munkát kiegészíti. A 2020-as évek mesterségesintelligencia-lázát pragmatikus integráció váltja fel, az ember-gép csapatok átformálják az értékláncokat. Azok az országok és vállalatok járnak jól, amelyek korán befektettek a képzésbe, a digitális infrastruktúrába és a szabályozásba.
- Ha a folyamatos technológiai haladás kritikus készséghiányba ütközik, ezért a termelékenység növekedése egyenetlen lehet. Az automatizálás elsősorban a hiányzó munkaerőt pótolja. A haszon azoknál a vállalatoknál és régiókban csapódik le, ahol rendelkezésre áll a szükséges szakértelem, az új fejlesztésekhez a tőke, máshol lemarad a versenyképesség. A mesterséges intelligencia által ígért jólét reménye egyes országokban csalódásba fordul, az egyenlőtlenségek elmélyülnek, a gazdaság pedig kettészakad.
- A mesterséges intelligencia fokozatos fejlődése és a rendelkezésre álló digitális készségek a tömeges automatizálás helyett az MI az emberi munkát kiegészíti. A 2020-as évek mesterségesintelligencia-lázát pragmatikus integráció váltja fel, az ember-gép csapatok átformálják az értékláncokat. Azok az országok és vállalatok járnak jól, amelyek korán befektettek a képzésbe, a digitális infrastruktúrába és a szabályozásba.
- Ha a folyamatos technológiai haladás kritikus készséghiányba ütközik, ezért a termelékenység növekedése egyenetlen lehet. Az automatizálás elsősorban a hiányzó munkaerőt pótolja. A haszon azoknál a vállalatoknál és régiókban csapódik le, ahol rendelkezésre áll a szükséges szakértelem, az új fejlesztésekhez a tőke, máshol lemarad a versenyképesség. A mesterséges intelligencia által ígért jólét reménye egyes országokban csalódásba fordul, az egyenlőtlenségek elmélyülnek, a gazdaság pedig kettészakad.
A vállalkozásoknak folyamatosan követniük kell az MI fejlesztéset, alkalmazkodniuk a változásokhoz, alkalmazni a folyamatosan fejlődő MI ügynököket. A kérdés az, hogy milyen gyorsan és milyen mélyen alakítja át a munkahelyeket az MI, amit régen új termelő erőnek nevezték volna, ma új ipari forradalom. Az MI egyenetlen terjedésének üteme miatt a hatásai nehezen jelezhetőek előre, de a munkahelyek jövőjét nem önmagában a technológia határozza meg, hanem hogy a vállalatok és a munkavállalók mennyire tudnak alkalmazkodni a fejlődéshez. A döntő versenyelőny nem csak az automatizálásból fakad, hanem abból, hogy a teljes munkafolyamatokat az ember–MI együttműködés köré tervezik újra. Kockázat a szervezeti tehetetlenség és az elégtelen átképzés*. A készségek és a hagyományos képzési modellek gyorsan elavulnak, a globális alkalmazkodás helyét a regionális ellenálló képesség iránti igény veszi át, a munkahelyek jövőjét kevésbé a technológia, sokkal inkább a regionális vezetői döntések alakítják. Természetes, hogy a mesterséges intelligenciával kapcsolatban ambivalens érzések alakultak ki, mint minden gyors változással szemben: előnyöket és kockázatokat is rejt magában, 2026 elején a megitélése Magyarországon még 50% körüli. A nagyobb vállalatok könnyebben fogadják be az MI-t, ami további előnyt biztosít számukra. Például 2030-ra a pénzügyi szolgáltatásokban az MI-alapú kiszolgálás általános lesz (kárigények feldolgozása, valós idejű kockázatértékelés, csalás felderítése anomáliák keresésével, valamint a nagy adatmennyiségek elemzése a pontos árajánlatok érdekében). Az ügynökszerű MI-rendszerek beépülnek a szervezetek működésébe, a vezetőknek pedig hibrid munkaerőt – gépeket és embereket – kell irányítaniuk, miközben a felelősség továbbra is az övék marad.
Az automatizáló, automatizált MI-ügynökök autonóm szoftverrendszerek, amelyek mesterséges intelligenciát (MI) használnak összetett feladatok végrehajtására, emberi beavatkozás nélkül. Érzékelőkkel figyelik, mérik a környezetüket, döntéseket hoznak, és cselekszenek előre meghatározott célok elérése érdekében. Az MI-ügynökök a hagyományos automatizálási eszközökhöz képest jelentős előrelépést jelentenek, mert képesek tanulni és dinamikusan alkalmazkodni. Gépi tanulási algoritmusok és nagy nyelvi modellek (LLM-ek) segítségével elemzik a begyűjtött adatokat, azonosítják a trendeket, és megtervezik a következő megfelelő lépést a cél elérése érdekében. Végrehajtják a szükséges műveleteket, például jelentéseket generálnak, e-maileket küldenek, vagy adatokat rögzítenek más alkalmazásokban. Önállóan, folyamatos emberi felügyelet nélkül működnek, ellentétben a szigorú, előre kódolt utasításokat követő hagyományos szoftverekkel. A szoftverfejlesztés területén autonóm szoftverfejlesztési feladatok elvégzése, a kódolás is ügynöki feladat, és az adatok átfésülése, trendek azonosítása és jól strukturált dokumentumok generálása minimális emberi beavatkozással. Az ügynökök alkalmazása már nem minden esetben igényel programozási ismereteket, a kódolás nélküli ügynökök fejlesztése az egyik innovációs irány.
A kódolás nélküli (no-code) MI ügynökök és platformok az oktatás, továbbképzés miatt fontosak. A kódolás nélküli ügynökök lehetővé teszik a felhasználók számára, hogy mélyebb műszaki ismeretek vagy programozási készségek nélkül hozzanak létre mesterséges intelligencia alapú automatizálást. Az eszközök vizuális felületeket, például húzd és ejtsd (drag-and-drop) funkciókat és előre beépített sablonokat használnak.
Számos platform áll rendelkezésre no-code MI ügynökök építésére, amelyek különböző felhasználási esetekre optimalizáltak:
- Lindy alkalmas üzleti feladatokat, például értékesítési, üzemeltetési és ügyfélszolgálati folyamatokat kezelő mI ügynökök létrehozására. A platformot a nem technikai csapatok számára tervezték.
- Zapier AI: egyszerű automatizálásokhoz és gyors MI-integrációkhoz ideális, több mint 8000 alkalmazással és szoftvereszközzel rendelkezik integrációval. Lehetővé teszi az ügynökök természetes nyelvi bemenetek alapján történő konfigurálását.
- Relevance AI: összetett, több ügynökből álló munkafolyamatok építésére összpontosít, ahol az ügynökök együtt dolgoznak a feladatok elvégzésén. Vizuális építőeszköze a többlépéses folyamatok tervezésének.
- Make: vizuális automatizálási platform, amely részletesebb vezérlést és komplexebb logika megvalósítását teszi lehetővé a többlépéses munkafolyamatokban.
- MindStudio: egy "all-in-one" (minden egyben) platform, amely vizuális építőeszközt és több mint 100 sablont kínál különböző üzleti és személyes célokra, API- és Webhook-integrációval.
- StackAI: 100%-ban no-code megoldást kínál vállalati automatizálásokhoz, mint például ügyfélszolgálati botok vagy belső "copilot"-ok. Egyszerű vizuális építőeszközzel rendelkezik, és támogatja a prototípusok biztonságos élesítését.
A platformok a hagyományos kódolás helyett vizuális eszközöket és előre definiált logikai blokkokat alkalmaznak. Vizuális felületein a felhasználók húzd és ejtsd (drag-and-drop) felületekkel és munkafolyamat-térképezőkkel tervezik meg az ügynökök logikáját és céljait.
A természetes nyelvi utasítások lehetővé teszik a felhasználók számára, hogy egyszerű, anyanyelven adják meg az ügynök viselkedésére vonatkozó utasításokat, ami megkönnyíti a követelmények kommunikációját. Zökkenőmentesen csatlakoznak más népszerű üzleti eszközökhöz, alkalmazásokhoz és adatbázisokhoz (pl. Microsoft 365, Google, Slack, CRM rendszerek), lehetővé téve a multi-platform automatizálást. A gyakori használati esetekhez kínálnak előre elkészített sablonokat, amelyek segítségével a felhasználók gyorsan elindulhatnak
Számos platform áll rendelkezésre no-code MI ügynökök építésére, amelyek különböző felhasználási esetekre optimalizáltak:
- Lindy alkalmas üzleti feladatokat, például értékesítési, üzemeltetési és ügyfélszolgálati folyamatokat kezelő mI ügynökök létrehozására. A platformot a nem technikai csapatok számára tervezték.
- Zapier AI: egyszerű automatizálásokhoz és gyors MI-integrációkhoz ideális, több mint 8000 alkalmazással és szoftvereszközzel rendelkezik integrációval. Lehetővé teszi az ügynökök természetes nyelvi bemenetek alapján történő konfigurálását.
- Relevance AI: összetett, több ügynökből álló munkafolyamatok építésére összpontosít, ahol az ügynökök együtt dolgoznak a feladatok elvégzésén. Vizuális építőeszköze a többlépéses folyamatok tervezésének.
- Make: vizuális automatizálási platform, amely részletesebb vezérlést és komplexebb logika megvalósítását teszi lehetővé a többlépéses munkafolyamatokban.
- MindStudio: egy "all-in-one" (minden egyben) platform, amely vizuális építőeszközt és több mint 100 sablont kínál különböző üzleti és személyes célokra, API- és Webhook-integrációval.
- StackAI: 100%-ban no-code megoldást kínál vállalati automatizálásokhoz, mint például ügyfélszolgálati botok vagy belső "copilot"-ok. Egyszerű vizuális építőeszközzel rendelkezik, és támogatja a prototípusok biztonságos élesítését.
A platformok a hagyományos kódolás helyett vizuális eszközöket és előre definiált logikai blokkokat alkalmaznak. Vizuális felületein a felhasználók húzd és ejtsd (drag-and-drop) felületekkel és munkafolyamat-térképezőkkel tervezik meg az ügynökök logikáját és céljait.
A természetes nyelvi utasítások lehetővé teszik a felhasználók számára, hogy egyszerű, anyanyelven adják meg az ügynök viselkedésére vonatkozó utasításokat, ami megkönnyíti a követelmények kommunikációját. Zökkenőmentesen csatlakoznak más népszerű üzleti eszközökhöz, alkalmazásokhoz és adatbázisokhoz (pl. Microsoft 365, Google, Slack, CRM rendszerek), lehetővé téve a multi-platform automatizálást. A gyakori használati esetekhez kínálnak előre elkészített sablonokat, amelyek segítségével a felhasználók gyorsan elindulhatnak
Továbbá már sok platform létezik MI-ügynökök építésére és használatára, a vállalati szintű megoldásoktól a fejlesztőközpontú eszközökig:
- IBM Watsonx Orchestrate: Vállalati szintű MI-modellfejlesztésre és adatfeldolgozásra optimalizált platform.
- Microsoft Copilot: Különböző Copilot és AI-ügynök megoldásokat kínál a Microsoft 365 ökoszisztémába integrálva.
- CrewAI: Kiválóan alkalmas fejlesztők számára, ha több ügynökből álló csapatot (multi-agent rendszereket) szeretnének építeni.
- Zapier: Automatizálási eszköz, amely lehetővé teszi alkalmazások összekapcsolását és munkafolyamatok automatizálását kódolás nélkül.
. Lindy: Kódolás nélküli munkafolyamatokhoz ajánlott, ügyféltámogatási és egyéb automatizálási feladatokhoz.
- Microsoft Copilot: Különböző Copilot és AI-ügynök megoldásokat kínál a Microsoft 365 ökoszisztémába integrálva.
- CrewAI: Kiválóan alkalmas fejlesztők számára, ha több ügynökből álló csapatot (multi-agent rendszereket) szeretnének építeni.
- Zapier: Automatizálási eszköz, amely lehetővé teszi alkalmazások összekapcsolását és munkafolyamatok automatizálását kódolás nélkül.
. Lindy: Kódolás nélküli munkafolyamatokhoz ajánlott, ügyféltámogatási és egyéb automatizálási feladatokhoz.
A generatív MI célja nem az volt, hogy sok munkakört automatizáljon, de a fejlődés az MI-ügynökök irányába történt. Ma a tartós termelékenységnövekedés attól függ, a továbképzett emberek mennyire hatékonyan tudják használni az ügynök-technológiát, ezért át kell hidalni a tanulási szakadékot az automatizáló AI-ügynökök képességei és a munkaerő felkészültsége között. Ma már léteznek ügynökök, amelyek működtetéséhez nem szükséges programozási tudás.
*A középiskolai MI oktatás jellegzetességei (a diákok és a tanárok is ott használják az MI-t, ahol az MI-vel könnyebb megcsinálni valamit):
- A diákok természetesen MI-t fognak használni az iskolai vagy a házi dolgozatok megírásánál, és a tanárok is, ahol tudnak,
- Magyarországon a pedagógusok továbbképzését a Logiscool cég végzi. A cégnek a továbbképzésre feltehetően nem lesz elegendő kapacitása, a Nemzeti Közszolgálati Egyetemen és az Oktatási Hivatalban a továbbképzést meg kéne szervezni,
- A pedagógusoknak az MI kockázatait kötelezően oktatni kéne a továbbképzéseken, és a diákoknak az iskolákban,
- A tanárok az MI-t az órákra való felkészüléshez, óravázlatok írására, adminisztrációs feladatokra használják, tehát ezek továbbképzési témák,
- A tesztfeladatos, on-line számonkérés az MI-től idegen, ezért a szöveges számonkérést kíván meg az MI,
- Az MI használatához szükséges készséget (pontos szövegértés, pontos kérdésfeltevés a diákoknál és a tanároknál) folyamatosan frissíteni kell, mert az MI fejlődése megköveteli.
Tanterv, amely az érettségizettek igényeire szabott, elméleti alapozással indul, majd gyakorlati megvalósítások következnek a legnépszerűbb no-code (kódolásmentes) ingyenes eszközökkel (8-10 hét).
1. Modul: Alapozás és az MI
Az AI Agent: a különbség a chatbot (passzív) és az ágens (aktív, cselekvő) között.
LLM alapok: Hogyan gondolkodnak a nagy nyelvi modellek (OpenAI, Anthropic, Google)?
Az AI Agent: a különbség a chatbot (passzív) és az ágens (aktív, cselekvő) között.
LLM alapok: Hogyan gondolkodnak a nagy nyelvi modellek (OpenAI, Anthropic, Google)?
Promptolás az LLM-ekben:haladó technikák (Chain-of-Thought, Few-shot prompting) az ágensek irányításához.
2. Modul: No-code eszköztár és architektúra
Platformok kiválasztása: Ismerkedés olyan eszközökkel, mint a MindStudio, Relevance AI, vagy a Zapier Central.
Tudásbázisok (RAG): Saját adatok (PDF, weboldalak, adatbázisok) csatolása az ágenshez, hogy ne csak általános válaszokat adjon.
Logikai folyamatok tervezése: munkafolyamatok vizuális felépítése (workflow design).
3. Modul: Automatizáció és integráció
Az ügynökök összekapcsolás a külvilággal: az ágens felhatalmazása e-mailek küldésére, naptárkezelésre vagy közösségi média posztolásra.
N8N alapok: a legnépszerűbb nyílt forráskódú automatizációs platform használata.
API-k kód nélkül: külső szolgáltatások (pl. időjárás, tőzsdei adatok) behúzása.
4. Modul: Fejlesztés, Tesztelés és Etika
Iterációk: hibák keresése és az ágens "hallucinációinak" csökkentése.
Adatvédelem és Etika: biztonságos adatkezelés és az MI felelősségteljes használata.
Záróprojekt: egy működő, valós problémát megoldó ágens (pl. ügyfélszolgálati robot, kutatási asszisztens) elkészítése és publikálása.
Megj,: a Cubix No-Code AI képzése vagy a The Bright Academy kurzusai kiváló magyar nyelvű kiindulópontok. Angol nyelven a Coursera No-Code AI Agents tanfolyama ajánlott.
Lista a legjobb ingyenes eszközökről kezdőknek, amelyekkel 2026-ban professzionális ágenseket lehet készíteni:
1. Ágens-építők (API nélkül, a Logika)
MindStudio: jelenleg az egyik legnépszerűbb választás. Az ingyenes csomagban havi 1000 futtatást kapsz, és több mint 200 különböző MI modellhez (OpenAI, Claude, stb.) férhetsz hozzá API-kulcs nélkül.
Relevance AI: ha több ágensből álló "digitális munkaerőt" szeretnél. Az ingyenes szinten havi 200 műveletet és korlátlan számú ágenst hozhatsz létre.
Lindy: kiváló adminisztratív feladatokra (pl. naptárkezelés, e-mail válaszadás). Az ingyenes csomag havi 40 feladat elvégzését teszi lehetővé.
Dify.ai: egy nyílt forráskódú gyöngyszem. A felhős "Sandbox" verziója 200 üzenet-kreditet ad ingyen, de ha van egy erősebb géped, saját magadnak is ingyen telepítheted (self-host) korlátozások nélkül.
2. Automatizáció (Eszközök és Kapcsolatok)
n8n: az automatizálásban a legjobb. Ha letöltöd a Desktop verziót, teljesen ingyen és korlátlanul használható a saját gépeden. Ideális bonyolult munkafolyamatokhoz, ahol az ágensnek több appot (pl. Google Sheets, Slack, Gmail) kell kezelnie.
Zapier Central: a Zapier új, ágens-központú felülete. Az ingyenes csomagban korlátozott számú ágenst taníthatsz be arra, hogy több mint 6000 alkalmazással kommunikáljon.
Relevance AI: ha több ágensből álló "digitális munkaerőt" szeretnél. Az ingyenes szinten havi 200 műveletet és korlátlan számú ágenst hozhatsz létre.
Lindy: kiváló adminisztratív feladatokra (pl. naptárkezelés, e-mail válaszadás). Az ingyenes csomag havi 40 feladat elvégzését teszi lehetővé.
Dify.ai: egy nyílt forráskódú gyöngyszem. A felhős "Sandbox" verziója 200 üzenet-kreditet ad ingyen, de ha van egy erősebb géped, saját magadnak is ingyen telepítheted (self-host) korlátozások nélkül.
2. Automatizáció (Eszközök és Kapcsolatok)
n8n: az automatizálásban a legjobb. Ha letöltöd a Desktop verziót, teljesen ingyen és korlátlanul használható a saját gépeden. Ideális bonyolult munkafolyamatokhoz, ahol az ágensnek több appot (pl. Google Sheets, Slack, Gmail) kell kezelnie.
Zapier Central: a Zapier új, ágens-központú felülete. Az ingyenes csomagban korlátozott számú ágenst taníthatsz be arra, hogy több mint 6000 alkalmazással kommunikáljon.
3. Speciális eszközök (Kiegészítők)
Voiceflow: ha kifejezetten hangalapú vagy beszélgetős chatbot-ágenseket építenél, ez a legjobb vizuális tervező. Van egy örökké ingyenes csomagja kezdőknek.
AgentGPT: ha csak ki szeretnéd próbálni, hogyan tervez meg egy ágens önállóan egy többlépcsős feladatot a böngésződben. Regisztráció után napi szinten kapsz ingyenes futtatási keretet.
Pro tipp: kezdd a MindStudio-val, mert ott nem kell saját MI előfizetés (pl. ChatGPT Plus), a platform biztosítja a modelleket a teszteléshez.
Voiceflow: ha kifejezetten hangalapú vagy beszélgetős chatbot-ágenseket építenél, ez a legjobb vizuális tervező. Van egy örökké ingyenes csomagja kezdőknek.
AgentGPT: ha csak ki szeretnéd próbálni, hogyan tervez meg egy ágens önállóan egy többlépcsős feladatot a böngésződben. Regisztráció után napi szinten kapsz ingyenes futtatási keretet.
Pro tipp: kezdd a MindStudio-val, mert ott nem kell saját MI előfizetés (pl. ChatGPT Plus), a platform biztosítja a modelleket a teszteléshez.
Egy hibrid munkafolyamatot kialakítása kutatóknak, ahol az ágens nemcsak adatokat gyűjt, hanem rögtön fel is dolgozza azokat:
1. A Kutató "Agy" felépítése (MindStudio)
A MindStudio segítségével hozz létre egy ágenst, amely képes az interneten keresni.
Web Search funkció: Állítsd be, hogy az ágens képes legyen Google vagy Bing kereséseket indítani.
Adatfeldolgozás: Tanítsd be egy System Prompt segítségével, hogy a talált információkat ne csak listázza, hanem rendszerezze (pl. táblázatos formátumba).
Tudásbázis: Tölts fel hozzá olyan PDF-eket, amik a te szakterületedhez tartoznak, így a netes infókat összeveti a te saját adataiddal.
Web Search funkció: Állítsd be, hogy az ágens képes legyen Google vagy Bing kereséseket indítani.
Adatfeldolgozás: Tanítsd be egy System Prompt segítségével, hogy a talált információkat ne csak listázza, hanem rendszerezze (pl. táblázatos formátumba).
Tudásbázis: Tölts fel hozzá olyan PDF-eket, amik a te szakterületedhez tartoznak, így a netes infókat összeveti a te saját adataiddal.
2. Az "Akció" végrehajtása (n8n vagy Zapier)
Itt történik az alkalmazások kezelése. Az ágens kimenetét össze kell kötnöd egy automatizálóval.
n8n Desktop: telepítsd a gépedre (ingyenes). Készíts egy "Webhook" csomópontot, ami fogadja a kutató ágens adatait.
Alkalmazás-integráció: állítsd be, hogy az adatok automatikusan kerüljenek be egy Google Sheets táblázatba, vagy generáljon belőlük egy Notion oldalt.
Értesítés, indítás: kérd meg, hogy küldjön egy összefoglalót a Slack csatornádra vagy e-mailben, ha végzett a kutatással. A MindStudio képes "Custom Functions" (egyéni funkciók) hívására. Ez olyan, mintha az ágensnek lenne egy gombja: "Kutatás kész, küldés a táblázatba". Ha megnyomja, az adat átvándorol az n8n-be, ami elvégzi a "piszkos munkát" az alkalmazásokban.