Az AI fejlesztési irányok és felhasználói területek változásai
 
 
(2026 február)
 
 
 A fejlesztési irányokat mutatják a kódoló asszisztensek, általában az ügynökök és az asszisztensek térhódítása. A nagy modelleken futó  asszisztensek lehetnek még zene-, videó-, fordító-, prezi-, stb. asszisztensek, általában generatív AI asszisztensek. Jelenleg több száz kisebb modellen futó ügynök is létezik, a piac a konszolidáció és a specializáció irányába halad, de körülbelül 10-15 meghatározó nagy nyelvi modell uralja a globális piacot, és a vállalati felhasználást. Például a GPT-4o, a Claude 3.7 és a Gemini 1.5. A legmodernebb nagy modellek közötti teljesítménykülönbség csökkent, korábban 11,9% volt a különbség az 1. és a 10. helyezett között, ez mára 5,4%-ra olvadt. A bevételek nagy része három szereplőnél összpontosul: Google (30%), Microsoft (20%) és az Amazon (15%) dominálja az AI-infrastruktúrát. Ma az USA energiatermelésének ≈ 4%-át használja az AI, az évtized végére 8-9%-ot jósolnak, és Texasban és Virginiában koncentrálódik.
 
Sikerült visszatérni a havi 10 százalékos növekedési pályára a ChatGPT felhasználói bázisának, 2026 februárban Sam Altman, az OpenAI vezérigazgatója szerint. A bázis már több mint 800 millió heti aktív felhasználóval rendelkezik, folyamatosan vezeti be az újabb funkciókat. 
Tavaly év végén a ChatGPT havi aktív felhasználóinak számát augusztus és november között körülbelül 6%-kal sikerült növelni, ugyanakkor a Google Gemini globális havi aktív felhasználóinak száma körülbelül 30%-kal növekedett, egy képgeneráló modell miatt. Az OpenAI és riválisai, köztük az Anthropic sorra újabb eszközökkel és fejlettebb modellekkel próbálnak lépést tartani a felhasználókért és a piaci részesedésért történő versenyben. A Google Gemini tavaly december végén jelentett 750 millió havi aktív felhasználót, míg az Anthropic főleg az üzleti felhasználást célzó Claude és a Cowork termékeivel hódít. Az OpenAI is rendelkezik saját kódoló asszisztenssel, a Claude Code közvetlen versenytársának számító Codex-szel, mely elterjedt a fejlesztők körében: gyorsan nő a használtsága, valószínűleg a Claude Code rovására.
 
Érdekesség: A 3-D-és képalkotást nem sorolják az AI eredmények közé. A lézeres 3D-s képalkotás egy olyan technológia, amely lézert használ a pont-távolságok meghatározásához, és háromdimenziós képábrázolást számít a pontok irányszög információinak szinkron mérésével. Azaz egy tájékozódó asszisztens, mozgó tárgyak esetén is. Minden egyes pixelen lézeres távolságmérést végez, és kombinálja az azimut szöggel, emelkedési szöggel és távolságadatokkal, végül pedig kép formában megjeleníti a három dimenziós térben. A LiDAR (LiDAR) technológiát alkalmazza: a visszavert lézer sugarak időkülönbségének és változásainak elemzésével precíz háromdimenziós térinformációkat tárol a célpontokról, felületekről.
A szakértők szerint kritikus fontosságú a nem angol nyelvű NLP alkalmazások fejlesztése a generatív asszisztensek mellett, a kulturális örökség megőrzése, és a nyelvi elfogultság csökkentése érdekében. Az általános modellek mellett nagy az igény a specifikus szaktudású (például jogi, orvosi, programozási) modellekre, szakértő-ügynökökre, amelyek kisebbek, olcsóbbak, de pontosabbak egy adott területen. A magánélet védelme és a költséghatékonyság miatt nő az igény a kutatói gépeken vagy a vállalati szervereken futtatható, 1-70 milliárd paraméteres intézeti-modellek iránt.
Egyetlen csúcsmodell betanítása 5 millió dollárba kerülhet, a folyamatos futtatás pedig további milliókat emészt fel, ami energiaigénnyel és a károsanyag-kibocsátással jár. Persze sok modell ugyanazt a feladatot végzi el párhuzamosan, ami erőforrás-pazarlás, és a stratégiai összehangolás hiánya miatt mindig jelen lesz. A világnak valószínűleg néhány tucat (kb. 20-50) nagy képességű alapmodellre és több ezer kisebb, vertikálisan specializált modellre van szüksége a hatékony és fenntartható működéshez.
 
A szakértő AI ügynökök terjednek el a generatív AI asszisztensek mellett, mind a kettőnek a közös jellemzője a feladat-specifikusság: ahogy van külön appunk van a bankoláshoz, az utazáshoz vagy a fitneszhez, úgy lesznek specializált ágensek: egy kutató ágens böngészi a szakirodalmat, egy logisztikai ágens pedig szervezi a szállítást és optimalizálja az útvonalat... Várhatóan lesznek  "Agent Store"-ok (hasonlóan az OpenAI GPT Store-hoz), ahol előre felkészített, bizonyos munkakörökre vagy hobbikra szabott digitális segítők, interfészek (ágensek, appok és asszisztensek) tölthetőek le. Az interfész-váltás zavar a szakértők szerint meg fog szűnni, az ágensek véget vetnek az "app-fáradtságnak". Nem kell 5 különböző alkalmazásba bejelentkezni, kattintgatni, hanem egyetlen ágensnek kiadható a feladat, és az a háttérben kommunikál pl. a repjegy-, hotel- és autóbérlő rendszerekkel, appokkal, vagy generatív asszisztensekkel.
 
Az AI ágensek elterjedése viszont növeli az igényt a vezérlő modellek iránt: megkülömböztetnek vezérlő és végrehajtó modelleket: egy összetett feladathoz (pl. egy szoftver fejlesztése) kell egy nagy, "okos", supervisor modell (mint a Claude 3.5 Sonnet), ami átlátja a tervet, de a részfeladatokat (mint a kódírás, tesztelés, dokumentálás) sokkal olcsóbb és gyorsabb kisebb, specializált modellekkel végezteti el.
A biztonság is szempont, sok ágensnek a személyes adatokhoz (e-mailek, naptár) hozzá kell férnie, ezért van igény olyan modellekre, melyek elég kicsik ahhoz, hogy helyben, az okostelefonon vagy a laptopon fussanak (pl. Llama-3), hogy az érzékeny adatok ne hagyják el az eszközt.
A nagy modellek üzemeltetési költsége nő, ha minden kis ágens a legdrágább GPT-4 szintű modellt használja, az gazdaságilag fenntarthatatlan. Így szükség van az egész modell-hierarchiára: a nagy "agyaktól" az olcsón futtatható, kis célszoftverekig. Nem lehet szembe állítani az univerzális szuper-ágenseket a sok kis szakértő-ügynökkel. A valószínű jövőképben egy hierarchikus rendszer épül ki, ahol a nagy „agyak”  (supervisor, super-agents) és a kis, célirányos szakértő-ügynökök (specialized agents) működnek együtt a vezérlő modellekkel (supervisor-agent) és a generatív asszisztensekkel is.
 
 
Ha lesz supervisor-agent is, azaz több ágens összehangoló ügynök, akkor hogyan működik a munkamegosztás?
Az elképzelés szerint a supervisor-ágens lenne az interface rendszer, az „arc”, amivel beszélhetünk, kommunikálhatunk. Olyan nagy modellekre épülne, mint a GPT-4o vagy a Claude 3.5, és sok kisebb ügynökre, ágensre. A feladata megérti a szándékot, kérést, feladatot, és lebontja a kérést részfeladatokra, és közvetíti a megfelelő kis ágenseknek. A kis ágensek ( „Micro-agents”) a modern „appok”, gyakran kisebb, de hatékony modelleket használnak (pl. Llama-3 vagy Mistral), melyek egy-egy területre vannak kiképezve. Például van egy ágens, ami csak PDF-ekből nyer ki adatot, egy másik, ami repülőjegyet foglal, és egy harmadik, ami kódot tesztel, melyek gyorsabbak, olcsóbbak és sokszor pontosabbak a saját szakterületükön, mint a nagy modellek.  A kis ágensek futhatnak helyben a gépen (Local AI), ekkor a privát naptáradhoz vagy e-mailekhez hozzáférő ágens soha nem küldi ki az adataidat a felhőbe. Egy óriás-modell hajlamosabb a „hallucinációra”, eltévedni, ha túl sok eszközt és adatot próbál egyszerre kezelni. A specializált ágensek szűkebb területen sokkal stabilabbak, és nem kell egy atomerőmű energiája (egy GPT-4 szintű hívás) ahhoz, hogy ellenőrizd az időjárást vagy beállíts egy ébresztőt.
 
 2026-ra az összehangolt, hierarchikus rendszerek jelentik majd az AI-piac motorját. Nem egyetlen „mindentudó” géppel fogunk beszélgetni, hanem egy olyan digitális hierarchiával, ahol a supervisor-ágensünk vezényli a szakértő kisalkalmazások sokaságát. A felhasználói felületet pedig érdemes két részre bontani: a személyes ügyintézésre (utazás, pénzügyek) és a munkára (projektmenedzsment, kutatás). A Microsoft szerint az AI-asszisztensek hamarosan úgy fognak együttműködni, mint a profi asszisztens-ügynökök: a magánéleti supervisor ügynök használja a telefont, az e-mailt, az otthoni eszközöket, fiókokat, ismerni fogja a napi rutint, a családtagok preferenciáit és a pillanatnyi  hangulatot. (Ha valaki elelmélkedik azon, hogy a nagy szolgáltatók mit tudnak majd rólunk, akkor a rossz hír: már ma is tudják, ha profilt alkotnak. Amit szigorúan tiltani kéne, vissza lehet vele élni.)
 
A magánéleti speciális ügynökök:
A logisztikai ágens figyeli a forgalmat és a naptáradat, és magától átrakja új időpontra a fogorvost, ha elakad a dugóban.
A pénzügyi ágens kezeli a számlákat, és jelzi, ha egy előfizetésed feleslegesen vonja le a pénzt.
Az egészség-ágens összeköti az okosóra adatait a hűtő tartalmával, és receptet javasol, ha kevés a vas a vérében valakinek.

A munkahelyi speciális ügynökök:
A laptopon és a vállalati felhőben dolgozik, a fő hangsúly a hatékonyságon és a pontosságon van.
A munkahelyi supervisor ügynök a projektmenedzser, titkár, ami átlátja a határidőket, az e-maileket és a Slack-üzeneteket.
A munkahelyi specialista ágensek:
A kutató ágens összefoglalja a konkurencia legfrissebb híreit és piaci jelentéseit minden reggelre.
A dokumentációs ágens piszkozatot ír a jegyzeteidből, és elkészíti a prezentáció vázlatát.
A minőségbiztosítási ágens átnézi a kódodat vagy a szerződéseidet hibák és kockázatok után kutatva.

A hidat a "Hybrid AI, a supervisor-agent" jelenti: a legnagyobb kihívás az lesz, hogy a két speciális ügynök csapat átadja-e egymásnak az infót, és hogyan? Az Apple Intelligence és a Google Gemini ügynökrendszerei megfelelő integrációt ígérnek, ahol a modellek a felhő (AI tudás) és az eszköz (privát adatok) között váltanak.