Egy korábbi cikkünkben arról írtunk, mikor érdemes rendszerben gondolkodni az AI bevezetésekor. Bemutattuk azt az elvet is, hogy egy jól megtervezett folyamatban nem egyetlen AI végez el mindent. Több, egymással összehangolt asszisztens osztja fel a munkát. Most mélyebbre megyünk: megmutatjuk, hogyan néz ez ki a valóságban, amikor 3-4 AI asszisztens egy folyamatban dolgozik.

1. Miért nem elég egy asszisztens?

Az ösztönös válasz az, hogy egyszerűbb egyet bevezetni — és ha az adott feladat egyszerű, valóban elég. De ha összetettebb folyamatot nézel, például az érdeklődőtől az ügyfélig vezető utat, hamar kiderül: különböző lépések különböző gondolkodást igényelnek.

Képzeld el, hogy egy beérkező ajánlatkérést kell értelmezni és kategorizálni. Aztán CRM-be rögzíteni, majd az értékesítőnek összefoglalót készíteni, végül az időpontfoglalást is levezényelni. Ezek mind más és más felépítésű feladatok. Ha egyetlen asszisztensbe ömleszted az összes elvárást, az egyre törékennyé válik és nehéz karbantartani. Ráadásul az egyik feladaton belüli változás sokszor felborítja az egészet.

A megoldás az, amit a mérnöki szemlélet régóta ismer: felelősségi körök szétválasztása. Minden asszisztens egyet csinál, azt jól, és átadja a stafétát.

2. Hogyan adnak át egymásnak feladatot?

Amikor az egyik AI asszisztens végez a saját részével, nem „elmondja” a másiknak, hogy mi történt. Strukturált formában adja tovább az adatot. Ezt hívják feladatátadásnak (angolul: handoff), és a lényege egyszerű: a következő asszisztens pontosan ott folytatja, ahol az előző abbahagyta.

Egy konkrét példán át érdemes elképzelni. Tegyük fel, hogy egy érdeklődő kitölt egy ajánlatkérő űrlapot:

• Az első asszisztens értelmezi a beérkező üzenetet és kiszedi belőle a lényeges adatokat — mire van szüksége, milyen méretű cég, melyik termék érdekli. Ebből strukturált összefoglalót készít.
• A második asszisztens megkapja az összefoglalót, beírja a CRM rendszerbe a megfelelő mezőkbe, majd kategorizálja az érdeklődőt előre meghatározott szempontok alapján.
• A harmadik asszisztens a CRM-bejegyzésből rövid, emberi hangú briefet állít össze az értékesítőnek: mire figyeljen, mi a fő fájdalompont, mi legyen az első lépés.
• A negyedik asszisztens — ha szükséges — az értékesítő naptárával szinkronizálva időpontjavaslatot küld az érdeklődőnek.

Fontos részlet, ami elsőre nem látszik: az átadás nem csupán adatmozgatás. Minden asszisztens a saját kimenetét az utána következő elvárásaihoz igazítja. Ha a CRM-be rögzítő asszisztens szöveges megjegyzésként adja át a kategóriát, de a következő lépés strukturált mezőt vár, a lánc elakad. Ezért az átadási pontok pontos definiálása nem technikai részletkérdés — hanem a rendszer gerince.

Ebben a láncban az asszisztensek nem „tudják”, ki a másik, és nem „értik” az egész folyamatot. Mindenki a saját bemeneti adatából dolgozik, és strukturált kimenetet állít elő, amit a következő lépés fel tud dolgozni.

3. Hol vannak a döntési pontok?

Nem minden lépés egyforma súlyú. Vannak pontok, ahol az AI önállóan dönt, és vannak, ahol kötelező az emberi jóváhagyás. Ezt érdemes tudatosan megtervezni már az elején.

Az önálló döntés akkor ésszerű, ha a feladat egyértelműen leírható szabályokkal és alacsony a tévedés kockázata. Például egy beérkező e-mail kategorizálása vagy egy ügyfél alapadatainak rögzítése ilyen.

Emberi kaput kell beépíteni ott, ahol:

• a döntés hatással van az ügyféllel való kapcsolatra (pl. ajánlat elküldése, határidő vállalása),
• a kimenet egyszerre több rendszert érint,
• az adott lépés visszafordíthatatlan következményekkel jár.

A döntési pontok tervezésekor az egyik leghasznosabb kérdés: mi a legrosszabb, ami történhet, ha ez a lépés emberi felügyelet nélkül fut le? Ha a válasz „semmi komolyabb”, valószínűleg automatizálható. Ha viszont „egy ügyfél rossz ajánlatot kap” vagy „egy rendelés hibásan rögzül”, ott emberi kapu kell. A Gartner ajánlása szerint érdemes folyamatonként előre listázni, mely lépések mehetnek AI-ra, és melyek igényelnek emberi jóváhagyást.

Ez az „emberi kapu” nem a rendszer gyengesége, hanem a tervezési szándék része. Egy korábbi cikkünkben az emberi felügyelet szerepéről részletesebben is írtunk.

4. Mi történik, ha valamelyik asszisztens elakad?

Ez az a kérdés, ami sokszor kimarad a bevezetési tervekből, holott a legtöbb problémának ez az eredete. Ha az egyik asszisztens értelmezhetetlen formátumot kap, vagy a csatlakoztatott rendszer nem válaszol, valamilyen kezelési logikának be kell lépnie.

A jól felépített rendszerek három szinten kezelik ezt:

• Automatikus újrapróbálkozás: ha átmeneti hiba történt (például a CRM rövid ideig nem volt elérhető), a rendszer néhány perc múlva újrapróbálja, emberi beavatkozás nélkül.
• Tartalék útvonal: ha az elsődleges megoldás nem működik, az asszisztens egy előre meghatározott alternatívát követ — például belső rendszerüzenetben értesíti az értékesítőt e-mail helyett.
• Eszkaláció emberhez: ha sem az újrapróbálkozás, sem a tartalék nem segít, a rendszer értesíti a felelős személyt és a feladatot várólistára teszi. Ez nem kudarc — ez a biztonságos viselkedés.

A Deloitte 2025-ös kutatása szerint a mai multi-asszisztens rendszerek pontosan azért működnek jobban emberi felügyelettel, mert a szélsőséges esetek kezelésére az AI még nem elég megbízható egyedül. Az emberi beavatkozás tehát nem bizalmatlanság, hanem felelős rendszertervezés.

A McKinsey elemzése szerint az agentic rendszerek skálázásának egyik legnagyobb korlátja éppen a rendelkezésre álló emberi felügyeleti kapacitás — ez maga is szűk keresztmetszet lehet.

5. Hogyan látod, mi folyik a háttérben?

Egy többasszisztenses rendszer egyik legnagyobb kihívása nem a felépítés, hanem az átláthatóság. Ha valami elromlik, tudnod kell, hogy hol. Ehhez nem kell fejlett műszerfal vagy mérnöki háttér, de valamilyen naplózásra szükség van.

A legtöbb KKV-s rendszerben ez három dolgot jelent. Minden asszisztens rögzíti, mikor futott le és milyen bemenetet kapott. Ha emberi kaput ér el a folyamat, az értesítés tartalmazza, hogy a lánc melyik pontjáról érkezett. Hetente pedig érdemes megnézni, mely lépéseknél gyűlik fel a legtöbb várakozó feladat.

Ez nem monitoring a szó nagyvállalati értelmében. Inkább egy egyszerű visszajelzési hurok, ami megmutatja, hol szorul finomításra a folyamat, és mikor nőtt túl a rendszer azon, amit eredetileg terveztél.

6. Hogyan néz ki ez a gyakorlatban egy KKV-nál?

Nem kell rögtön négy asszisztenssel és komplex folyamatokkal indítani. A legtöbb KKV-nál elegendő egyetlen folyamatot kiválasztani, és azt egy kétlépéses AI lánccal leírni: egy asszisztens a beérkező adatot dolgozza fel, egy másik pedig a következő lépést készíti el.

Az MI-alapú automatizálásról szóló cikkünkben azt javasoltuk, hogy az első kísérlethez olyan területet érdemes választani, ahol sok időt vesz el egy rutinfeladat, és ahol a hiba következménye mérsékelt. Ez itt is igaz. Az első kétasszisztenses folyamat nem a leglátványosabb, de a legtanulságosabb: megmutatja, hol szorul pontosabb definícióra az átadás, és hol működik az automatizmus valóban megbízhatóan.

Ha konkrét indulási pontot keresel, válassz egy olyan folyamatot, ahol valaki jelenleg e-mailt olvas el, kicsomagolja belőle a lényeget, és rögzíti valahova. Ez a „kiolvas és rögzít” kombináció a legtöbb esetben a leggyorsabban bízható AI asszisztensekre. Az első asszisztens az értelmezésért felel, a második a rögzítésért, közöttük pedig az átadás egy strukturált JSON csomag. Ha érdekel, hogyan néz ki ez a riportálás automatizálásánál, erről külön cikkben írtunk.

Az összetettebb, négy-öt asszisztenst érintő láncokhoz már strukturált tervezés kell: folyamattérkép, egyértelmű átadási pontok, és legalább az elején sűrű emberi felügyelet. Az AI automatizálás és a költségkontroll kapcsolatáról is érdemes előzetesen tájékozódni, mivel a több asszisztens több API-hívást jelent, és az aránytalan kialakítás könnyen felesleges terheket generál.

Összegzés

Az AI asszisztensek közötti együttműködés nem varázslat, hanem gondos tervezés kérdése. Minden asszisztensnek legyen egyértelműen definiált felelőssége, az átadási pontok strukturált adatcsomagokkal működjenek, és a rendszerben legyenek emberi kapuk ott, ahol ítélet szükséges.

Ha rendszerszinten gondolkozol az AI bevezetéséről, és szeretnéd tudni, hogy a ti folyamataitokra milyen felépítés illik, az AI Boost csapata ebben személyre szabottan segít.