Hatnapos különbséggel, hétezer kilométerre egymástól két AI konferencia tükrözi az iparág 2025-ös állapotát. November 14-én New Yorkban Andrew Ng 1200 fejlesztőt fogadott a DeepLearning.AI zászlóshajó rendezvényén, míg november 20-án Budapesten a HVG és Amazing AI szervezésében a Bálnában gyűltek össze a hazai üzleti döntéshozók. A két esemény közös témái pontosan jelzik, hol tart az iparág: 

a hype-ból az értékteremtés szakaszába lépünk.

New York: a technikai elit találkozója

Ha valaha is elgondolkodtál azon, milyen lehet a világ legmenőbb AI-fejlesztői között lenni egy nap erejéig, az AI Dev 25 x NYC pontosan ilyen élményt kínált. November 14-én a Convene Brookfield Place-ben zajlott az esemény, és már hetekkel korábban elfogytak a jegyek. A DeepLearning.AI második nagyszabású fejlesztői konferenciája több mint 1200 regisztrált résztvevőt vonzott, a végső létszám pedig a személyzettel együtt meghaladta az 1400 főt.

Andrew Ng nyitóelőadása egyértelmű üzenetet hordozott: az AI nem lassul, hanem gyorsul. Elhangzott egy elgondolkodtató statisztika: az AI minden 7 hónapban megduplázza azon feladatok hosszát, amelyeket képes elvégezni. Programozási feladatoknál ez a ciklus mindössze 70 nap. A fejlesztők akár 50%-kal gyorsabban készíthetnek production-ready szoftvert, a prototípusok esetében pedig tízszeres gyorsulás is elérhető.

A konferencia legfontosabb panelje Miriam Vogelt (EqualAI elnök-vezérigazgatója) és Nicholas Thompsont (The Atlantic vezérigazgatója) ültette egy asztalhoz Andrew Ng-gel. A beszélgetés központi gondolata: a közvélemény AI-félelmei nagyrészt az AI-tudatlanságból fakadnak. Vogel frissen megjelent könyve (Governing the Machine) éppen azt vizsgálja, hogyan navigálhatnak a szervezetek az AI kockázatai között.

Technikai fókusz: az agentic AI kora. A konferencia négy pillérre épült: agentic AI (többágenses orkesztráció, eszközhasználat, komplex gondolkodási láncok), context engineering (fejlett RAG, strukturált kontextus, memóriarendszerek), multimodális AI (vizuális-nyelvi modellek, hangfeldolgozás), valamint AI governance (guardrailek, monitoring, szervezeti értékekkel való összehangolás). A szponzorok és kiállítók listája az iparág legfontosabb szereplőit vonultatta fel: AWS, Anthropic, Mistral AI, Snowflake, Datadog, Neo4j, Redis, AI21 Labs és még tucatnyi startup.

Budapest: a gyakorlat konferenciája

Míg New York a technikai mélységet kereste, Budapest más megközelítést választott. Az AI Talks by HVG & Amazing AI november 20-án a Bálna Budapestben a gyakorlati alkalmazhatóságot helyezte középpontba. A konferencia mottója játékosan utal a mesterséges intelligenciára és a közös irányra, azaz: MI-re megyünk együtt?

A program kétoldalú volt: délelőtt inspiráló előadások és kerekasztal-beszélgetések zajlottak, délután pedig három sávban gyakorlati workshopok várták a résztvevőket. A Solo sáv egyéni szakembereknek szólt, a Team csapatszintű implementációhoz adott támpontokat, az Enterprise pedig nagyvállalati bevezetéshez nyújtott segítséget.

Nemzetközi és magyar előadók

Az USA-t Lisa Kleinman képviselte, a Make.com termékdesign-vezetője, aki a human-computer interaction doktoraként az AI ágensek és az automatizáció kapcsolatáról beszélt. Emily Genatowski Bécsből érkezett, ahol egy Tova nevű humanoid robottal él együtt, előadása a robotok társadalmi, jogi és etikai kérdéseit járta körül. Caio Moretti brazíliai edtech-vállalkozóként az oktatás AI-transzformációjáról szólt.

A magyar előadók között Szabó W. Péter (Tengr.ai alapítója) provokatív címmel jelentkezett: „Az AI nem veszi el a munkád? De igen!”, Deliága Ákos (Talk-A-Bot) a vállalati chatbotok átalakulásáról beszélt, míg a Stylers Group alapítói (Tiszavölgyi Péter és Laczkó Gábor) az AI-transzformáció kockázatairól és lehetőségeiről szóltak.

A délutáni workshopok

A workshopok konkrét készségeket adtak: automatizáció kódolás nélkül (Lukács Bence, Supercharge), második agy építése AI-val (Tóth-Czere Péter, NEXT Academy), marketingvizuálok készítése (Pásti Edina, Just Bee Digital) és kreatív problémamegoldás a B.I.R.D.S. módszertannal (Drobny-Burján Andrea, Béres).

Az Enterprise sávban személyes érdekeltségem miatt említeném az AI Squad workshopját (melynek jómagam is csapattagja vagyok és prezentáltam), ahol a hangalapú AI ügyfélszolgálati automatizációról esett szó. A workshop során a résztvevők megismerkedhettek azzal, hogyan lehet mesterséges intelligenciával támogatott hangalapú megoldásokkal forradalmasítani az ügyfélszolgálati folyamatokat, csökkenteni a várakozási időt és növelni az ügyfélelégedettséget. A gyakorlati bemutató különösen a nagyvállalati döntéshozók számára volt releváns, akik nap mint nap szembesülnek az ügyfélszolgálati költségek optimalizálásának kihívásával.

Ha te is azon gondolkodsz, hogyan automatizáld az ügyfélszolgálatodat, érdemes elkezdeni megismerkedni a hangalapú AI megoldásokkal. A rendszer képes a gyakori kérdések azonnali megválaszolására, de megadott feladatlistán is végigmegy, logolva a lépéseit és a hívás metrikáit, illetve tartalmi elemeit is megadott szempontlisták alapján, miközben a komplexebb ügyeket automatikusan továbbítja élő operátorokhoz, teljes kontextus átadással, vagy épp előre dokumentált tickettel, így az adminisztratív terhek jócskán lerövidülnek. Ez a hibrid megközelítés a legtöbb vállalatnál 40-60%-os költségcsökkenést eredményez. Kicsiben a Milán is erről tart gyakorlati bemutatót: A saját JARVISOM: Hangalapú AI asszisztens kódolás nélkül (ElevenLabs + N8N)

A közös kontextus: mit mond a valóság az AI-ról?

Mindkét konferencia hátterében ott van az a feszültség, amit egy sokat idézett statisztika jól összefoglal: a vállalati AI pilotprojektek 95%-a nem hoz mérhető eredményt. Ez az adat az MIT Project NANDA 2025 júliusi tanulmányából származik, de a címlapoknál árnyaltabb a valóság.

Miért félrevezető a 95%-os kudarc?

A tanulmány 52 strukturált interjút és 153 vezetői felmérést dolgozott fel. A kudarc definíciója azonban meglehetősen szűk volt: a sikert a pilotfázis utáni üzembeállítás és a 6 hónapon belül mérhető ROI jelentette. Ez kizárja a termelékenységnövekedést, az indirekt hatékonyságjavulást és a hosszabb megtérülési időt igénylő projekteket.

#kutatás A valódi tanulság máshol rejlik: külső partnerekkel megvalósított projektek 67%-os sikerrátát mutatnak, míg a belső fejlesztések csak 33%-ot. A probléma tehát nem az AI-technológia, hanem az implementációs megközelítés. A rendszerek gyakran nem tanulnak, nem adaptálódnak, és nem integrálódnak megfelelően a munkafolyamatokba.

Eközben a shadow AI virágzik: míg a cégek mintegy 40%-a vásárolt hivatalos LLM-előfizetést, a dolgozók több mint 90%-a használ személyes AI-eszközöket munkára. Ez az adat önmagában jelzi, mekkora szakadék tátong a vállalati stratégia és a mindennapi gyakorlat között.

Fejlesztői optimizmus vs. általános szkepticizmus

A Stack Overflow 2025-ös felmérése 49 000 fejlesztő válaszait dolgozta fel. Az AI-eszközökkel kapcsolatos pozitív attitűd 70% fölöttről 60%-ra csökkent 2023-24 és 2025 között. A legnagyobb frusztráció: az AI-megoldások majdnem jók, de nem egészen. Ezt a résztvevők 66%-a jelölte meg problémaként.

Emellett, a fejlesztők 85%-a rendszeresen használ AI-eszközöket, és 62%-uk támaszkodik legalább egy AI kódolási asszisztensre. Tízen kilenc fejlesztő hetente legalább egy órát spórol, minden ötödik pedig nyolc órát vagy többet.

A közvélemény viszont szkeptikusabb. A Stanford HAI 2025-ös AI Indexe szerint az amerikaiak 39%-a lát több előnyt, mint hátrányt az AI-ban. Kínában ez az arány 83%, Indonéziában 80%. Az amerikaiak 77%-a nem bízik abban, hogy a vállalatok felelősen használják az AI-t.

Mit üzen a két konferencia az AI iparágról?

A New York-i és budapesti események egymást kiegészítik. New York a technikai frontier-t jelöli: agentic AI, context engineering, multimodális rendszerek. Az 1200 fejlesztő, az AWS-tól az Anthropic-ig terjedő szponzori lista, és Andrew Ng kijelentése a felgyorsulás narratíváját erősíti.

Budapest a földön maradás: hogyan használják a magyar vállalatok az AI-t ma, konkrétan, mérhető eredményekkel. A workshopok kód nélküli automatizációról, email-menedzsmentről, hangalapú ügyfélszolgálati megoldásokról és kreatív problémamegoldásról a közvetlen alkalmazhatóságot helyezik előtérbe.

#tipp Ha vállalkozóként vagy döntéshozóként követni szeretnéd az AI fejlődését, érdemes mindkét perspektívát figyelemmel kísérned. A technikai trendek megmutatják, mi lesz elérhető 6-12 hónap múlva. A gyakorlati konferenciák pedig azt, hogyan használhatod már ma ezeket az eszközöket.

Mindkét konferencián központi szerepet kapott az agentic AI paradigmaváltása, vagyis az önálló feladatvégző rendszerek megjelenése. Szintén hangsúlyos volt az AI governance kérdése és a gyakorlati implementáció kihívásai. A különbség a célközönségben rejlik: New York a fejlesztőkhöz szól, akik az AI-t építik; Budapest a döntéshozókhoz, akik bevezetik.

A hype és a valóság között

2025 az AI első valóságtesztjének éve volt. A MIT tanulmány 95%-os kudarcstatisztikája nem az AI technológia csődjét jelzi, hanem az implementációs érettség hiányát. Az agentic AI éppen azt ígéri, amit a jelenlegi rendszerekből hiányolunk: tanulás, adaptáció, kontextusba ágyazott működés.

Látszik, hogy a magyar piac sajátosságai (kisebb vállalatok, kevesebb erőforrás, alacsonyabb EU-s adoptációs ráta) éppen azokat a gyakorlati megoldásokat igénylik, amelyeket a workshopok kínáltak. A no-code automatizáció, a második agy építése, az AI-asszisztált kreatív folyamatok és a hangalapú ügyfélszolgálati automatizáció nem a frontier-t célozzák, hanem a mainstream-et.

Az iparág jelenleg kettős valóságban él. A technikai lehetőségek exponenciálisan bővülnek; a vállalati implementáció lineárisan küzd. A megoldás valószínűleg a kettő találkozásánál van: ahol a frontier-technológia gyakorlati, integrálható formában éri el az üzleti felhasználókat.

Olvasnál még a témában?

• Hatékonyság, nem hype: Hogyan lesz valódi üzleti érték a generatív AI-ból? – útmutató a PwC-től
• Az Amazon AI chatbotja 10 milliárd plusz bevételt generál éves szinten! Hogyan?
• AI ügynökök már a böngésződben is, de ez miért nem jó neked (még)
• A saját JARVISOM: Hangalapú AI asszisztens kódolás nélkül (ElevenLabs + N8N)

Forrás:
DeepLearning, HVG, MIT, Stanford, Stack Overflow

Fotó:
Envato License