A generatív MI helyett az ágens alapú MI terjed,
a hibrid MI (HAMI) pedig a jövő
(2026 január)
2026 év kiemelkedő változása, hogy az Agentic AI, azaz az ágens alapú* mesterséges intelligencia megelőzte a generatív AI-t. Az ágens alapú MI egy autonóm, célvezérelt, wifis mesterséges intelligencia interface számítógépen vagy okostelefonon, nemcsak eszközként, hanem digitális munkatársként is működnek majd. Az AI nem csak válaszolni fog a promtokra, hanem cselekedni, dönteni és együttműködni is. Egy AI ügynök a kapott cél teljesítése érdekében tervez, feladatokra bontja a megoldást, eszközöket használ (API-k, adatbázisok, szoftverek), tanul a visszajelzésből, a felhasználó szokásaiból, és önállóan végrehajt lépéseket, folyamatokat (https://bonline.hu/cikk/164237/).
A pénzügyi szempontok a hibrid AI-architektúra** (HAMI) irányába terelik a piacot, ez a jövő MI-je. Az adatvédelem, biztonság és infrastruktúra-optimalizálás miatt a szervezetek 58%-a választja a hibrid megoldásokat, melyek a publikus felhőt, privát felhőt és on-prem számítást kapcsolják össze.
A HAMI a jövő: a hibrid ágens MI architektúra olyan rendszereket jelöl, amelyek több különböző technológiát vagy futtatási környezetet ötvöznek a hatékonyság és megbízhatóság érdekében. Alapvetően két fő megközelítésük létezik, a technológiai hibridizáció és az infrastrukturális hibridizáció. A technológiai hibrid megközelítés a modern gépi tanulást ötvözi a klasszikus, szabályalapú rendszerekkel.
Gépi tanulást (LLM-ek, neurális hálók) a mintázatok felismerésére és kreatív feladatokra használják, de "hallucinálhat". A szabályalapú MI determinisztikus, matematikai logikát és előre rögzített szabályokat követ, ami biztosítja a pontosságot és a megfelelést szabály alapú környezetben (pl. pénzügy, egészségügy). Egy intelligens útválasztó (router) dönti el, hogy a kérést egy gyors, szabályalapú rendszer válaszolja-e meg, vagy a generatív AI.
Az on-prem számítás azt jelenti, hogy egy szervezet a saját informatikai eszközeit – szervereket, tárolókat, hálózati hardvereket és szoftvereket – a saját fizikai telephelyén (például egy irodai szerverszobában vagy saját adatközpontban) telepíti és üzemelteti, ami a hagyományos felépítés. A hagyományos modell mellett vannak felhő alapú (cloud) megoldások, ahol az erőforrásokat távoli szolgáltatóktól bérlik. Előnye, hogy az IT-szakemberek közvetlenül hozzáférnek a hardverekhez, így teljes körű ellenőrzésük van az adatok és a konfigurációk felett. Egyes iparágakban (pl. pénzügy, egészségügy) jogszabályi előírás vagy belső szabályzat követelheti meg az adatok helyi tárolását a maximális védelem érdekében. A vizsgált szektorok között szerepel a bankszektor és biztosítás (BFSI), a kiskereskedelem, a gyártás, a távközlés, az egészségügy, valamint a kormányzati és oktatási szféra is. Magas kezdeti beruházási költséggel jár, a hardverek megvásárlása és a licencelés miatt. A frissítésekről, a biztonsági mentésekről és az áramellátás biztosításáról a szervezetnek magának kell gondoskodnia. A modern üzleti környezetben igen gyakori a hibrid megoldás, ahol a kritikus adatokat on-prem rendszereken tartják, míg a rugalmasabb igényeket felhőszolgáltatásokkal fedezik. Az AI-képes eszközök, például AI PC-k és edge végpontok telepítése vált az egyik legfontosabb IT-beruházási prioritássá 2026-ban, biztosítva az AI-feladatok helyi és biztonságos futtatását.
A vállalatok 27%-a rendelkezik csak átfogó HAMI-irányítási, pl. termelésirányítási keretrendszerrel. Az adatminőségi problémák, belső szakértelem hiánya és integrációs nehézségek továbbra is akadályozzák a teljes MI potenciál kiaknázását. A méretnövelést (skálázhatóságot) már az alapoktól be kell építeni. Az AI-alkalmazás üteme EU régiónként jelentősen eltér: Skandinávia, Olaszország és az Egyesült Királyság már rendszerszintű bevezetésnél tart, míg Dél- és Kelet-Európa egyes részei még tervezési fázisban vannak. A Közel-Kelet viszont gyorsan növekvő piac, ahol jelentősen nő az érdeklődés az ágens alapú AI iránt. A kutatás 800 döntéshozó bevonásával a pénzügyi szektort, gyártást, kiskereskedelmet és egészségügyet vizsgálta.
*Az AI ügynökök (melyek autonóm, célvezérelt, wifis mesterséges intelligencia interface-ek számítógépen vagy okostelefonon) szerepe a jövőben: nemcsak eszközként, hanem digitális munkatársként is működnek majd. Az AI nem csak válaszolni fog a promtokra, hanem cselekedni, dönteni és együttműködni is. Az AI ügynök a kapott cél teljesítése érdekében tervez, feladatokra bontja a megoldást, eszközöket használ (API-k, adatbázisok, szoftverek), tanul a visszajelzésből, a felhasználó szokásaiból, és önállóan végrehajt lépéseket, folyamatokat.
Előnyük, hogy 0–24 órában rendelkezésre állnak, dolgoznak. Lehetséges az ügynök–ügynök együttműködés is, hogy több AI ügynök csapatban dolgozzon. Vállalatok esetén a vállalati automatizáció új szintje, lehetővé válik az adaptív döntések sorozata, valós idejű optimalizálás, pl. ellátási lánc menedzsment, dinamikus árazás, ügyfélszolgálat feladatokban.
A döntéstámogatás és kockázatkezelés területén a jogi elemzés, hivatalos beszámolók készítése, csalásfelderítés, kockázati szimulációk, a felhasználó az AI által szűrt opciók közül választ. Nem válthatják ki az emberi értékítélet, erkölcsi felelősséget, a kreativitást, és a végső döntéseket kritikus helyzetekben. Az „agent architect” egy új szakma lesz: az ügynökhálózat építése.
Mi-ügynök hálózat (https://www.quid.com/knowledge-hub/resource-library/blog/agentic-ai-the-next-leap-from-insight-to-intelligent-action)
Létezik már az AI ügynökök hierarchiája (Hierarchical Multi-Agent Systems – HMAS) is, ami 2025-re már egy bevett és alkalmazott architektúra a mesterséges intelligencia fejlesztésében. Az ügynökök nem egyenrangú félként, hanem többszintű, fa-szerkezetű struktúrában dolgoznak együtt. Például a CrewAI vagy a Microsoft AutoGen, az ügynökök feladatai szintekre oszlanak: vannak vezető ügynökök (Supervisor Agents), ők a hierarchia csúcsán állnak, értelmezik a felhasználói utasítást, stratégiát alkotnak, és részfeladatokra bontják a munkát. A menedzser ügynökök egy köztes szintet alkotnak, koordinálják a specializált munkacsoportokat, és ellenőrzik az eredmények minőségét. A végrehajtó/szakértő ügynökök (Worker Agents) specifikus feladatokat végeznek (pl. kódírás, adatbányászat, képalkotás), de nincs rálátásuk a teljes folyamatra.
A hierarchikus felépítés 2025-ben azért vált kritikussá, mert a bonyolult feladatoknál egyetlen AI ügynök gyakran „elveszik” a részletekben. A hierarchia előnye a rendszer bővíthetősége, lehetővé teszi, hogy több száz nagy vállalat esetén specializált ügynökök dolgozzanak együtt káosz nélkül. Ha egy alsóbb szintű ügynök hibázik, a felette álló menedzser még felismerheti és ismételheti a feladatot. Csökkenti a tévedés, a „hallucináció” lehetőségét, mert külön ügynökök felelnek a tervezésért, a végrehajtásért és az ellenőrzésért. A hierarchikus struktúra megjelenik az ipari automatizációban (pl. raktári robotok irányítása), a szoftverfejlesztő AI-csapatokban (pl. MetaGPT) és a nagyvállalati döntéstámogató rendszerekben.
A hierarchikus felépítés 2025-ben azért vált kritikussá, mert a bonyolult feladatoknál egyetlen AI ügynök gyakran „elveszik” a részletekben. A hierarchia előnye a rendszer bővíthetősége, lehetővé teszi, hogy több száz nagy vállalat esetén specializált ügynökök dolgozzanak együtt káosz nélkül. Ha egy alsóbb szintű ügynök hibázik, a felette álló menedzser még felismerheti és ismételheti a feladatot. Csökkenti a tévedés, a „hallucináció” lehetőségét, mert külön ügynökök felelnek a tervezésért, a végrehajtásért és az ellenőrzésért. A hierarchikus struktúra megjelenik az ipari automatizációban (pl. raktári robotok irányítása), a szoftverfejlesztő AI-csapatokban (pl. MetaGPT) és a nagyvállalati döntéstámogató rendszerekben.
A kínai technológiai ellátási lánc hatékonysága is az AI-ügynökökön alapul. A hardveres és szoftveres háttér teszi lehetővé az okostelefonok továbbfejlesztését „AI-telefon” -okká. A terv egy „AI Agent”, egy intelligens ügynök köré épül, az ügynököt úgy hívják, hogy YOYO. „A jövőben az interfész, az ügynök pl. öt különböző alkalmazást megnyit ahhoz, hogy lefoglaljon egy repülőjegyet”, és elég közölni az ügynökkel a szándékot. Az AI-ügynök a naptárunk, a korábbi szokásaink, hangulatunk és a preferenciáink alapján elintézi a folyamatot, összeköti a felhasználót a szolgáltatásokkal. A technológia már élesben is működik Kínában emberi jóváhagyással.
**A HAMI a jövő: a hibrid ágens MI architektúra olyan rendszereket jelöl, amelyek több különböző technológiát vagy futtatási környezetet ötvöznek a hatékonyság és megbízhatóság érdekében. Alapvetően két fő megközelítésük létezik, a technológiai hibridizáció és az infrastrukturális hibridizáció. A technológiai hibrid megközelítés a modern gépi tanulást ötvözi a klasszikus, szabályalapú rendszerekkel.
Gépi tanulást (LLM-ek, neurális hálók) a mintázatok felismerésére és kreatív feladatokra használják, de "hallucinálhat". A szabályalapú MI determinisztikus, matematikai logikát és előre rögzített szabályokat követ, ami biztosítja a pontosságot és a megfelelést szabály alapú környezetben (pl. pénzügy, egészségügy). Egy intelligens útválasztó (router) dönti el, hogy a kérést egy gyors, szabályalapú rendszer válaszolja-e meg, vagy a generatív AI.
Infrastrukturális hibridizáció (Cloud + Edge) esetén a számítási feladatok elosztása a felhő és a helyi eszközök között történik. On-device (Edge) módon kisebb, optimalizált modellek futnak közvetlenül a mobilon vagy PC-n; aminek az előnye az alacsony késleltetés, az adatvédelem és a költséghatékonyság.
Felhő-ben (Cloud) a nagy modellek futnak, ahol nagy számítási kapacitásra van szükség összetett következtetésekhez vagy tanításhoz. 50-100-szoros költséghatékonyság érhető el azzal, hogy a lekérdezések jelentős részét nem a drága felhős GPU-kon futtatják, ezért szabvánnyá vált. A vállalatok számára a tisztán generatív AI gyakran túl drága és kiszámíthatatlan. A hibrid modell lehetővé teszi a költségek kontrollálását (pl. kisebb modellek használata rutin feladatokra) és az adatbiztonság fenntartását a helyi feldolgozással.
Felhő-ben (Cloud) a nagy modellek futnak, ahol nagy számítási kapacitásra van szükség összetett következtetésekhez vagy tanításhoz. 50-100-szoros költséghatékonyság érhető el azzal, hogy a lekérdezések jelentős részét nem a drága felhős GPU-kon futtatják, ezért szabvánnyá vált. A vállalatok számára a tisztán generatív AI gyakran túl drága és kiszámíthatatlan. A hibrid modell lehetővé teszi a költségek kontrollálását (pl. kisebb modellek használata rutin feladatokra) és az adatbiztonság fenntartását a helyi feldolgozással.
***
"Ezek tudnak valamit": ötvenmilliárd dollárral száll be az OpenAI-be is az Amazon, mely eddig a legnagyobb riválisnak számító Anthropic elkötelezett partnerének számított. A sajtóértesülések szerint az e-kereskedelmi óriás Amazon és az a ChatGPT üzemeltető OpenAI a legfelsőbb szinten folytatnak tárgyalásokat arról, hogy az Amatzon 50 milliárd dollárt fektet a ChatGPT üzemeltetőjébe. A források szerint az OpenAI idei tőkebevonása két körben történhet a tétje pedig összesen nagyjából 100 milliárd dollár lehet. Az Amazon mellett az OpenAI egyik stratégiai befektetője, a Microsoft és az Nvidia beszáll majd a 2026-os körbe, és a SoftBank, mely tavaly kezdte meg a tárgyalásokat egy 30 milliárd dolláros pénzügyi csomag részleteiről. A partnerség részeként az OpenAI az Amazon saját gyártású mesterséges intelligencia chipjeit is használná a platformjai üzemeltetése, tanítása során. Az Amazon 2026 januárjában jelentette be, hogy leépít 16 ezer, jórészt adminisztratív munkát végző munkavállaló.