Xochitl Ortega pontosan tudta, mit akar mondani az alkalmazottainak vagy üzleti partnereinek, de mivel az angol a második nyelve, így egy kényes beszélgetés megfogalmazása sokáig komoly akadályt jelentett számára. A The Original Tamale Co. működtetője ma már ChatGPT-vel készíti elő az ilyen kommunikációt. Testvére, Christian Ortega pedig előzetes programozói tapasztalat nélkül épített a vállalkozás honlapjára egy Los Angeles-i termelői piacokat kereső eszközt.

A gyengék előnye

Az Ortega család története csak anekdota lenne, ha kontrollált vizsgálatokban nem rajzolódna ki hasonló minta. Erik Brynjolfsson, Danielle Li és Lindsey R. Raymond 2025-ös tanulmányában 5179 ügyfélszolgálati dolgozó munkáját elemezték, és azt találták, hogy az AI-asszisztens átlagosan 14 százalékkal növelte az óránként megoldott ügyek számát.

Az átlag azonban nem mutatja a kutatás legérdekesebb eredményét, azt, hogy míg a kezdő és alacsonyabb készségű dolgozóknál 34 százalékos volt a javulás, addig a legtapasztaltabb és legerősebben teljesítő munkatársaknál jóval kisebb hatást mértek. A rendszer ráadásul olyan mintákat tanított a kevésbé rutinos dolgozóknak, amelyeket korábban a sikeres ügyintézők kommunikációja hordozott, vagyis megosztotta a szervezetben a nehezen formalizálható tapasztalati tudást.

Brynjolfsson azért találta különösen érdekesnek az eredményt, mert az információs technológiák előző évtizedeiben gyakran pont a jobban képzett dolgozók tudták nagyobb mértékben kihasználni az új eszközöket. „It was fascinating to see that this technology goes the other way around” – mondta Katia Savchuk-nak, vagyis figyelemre méltónak tartotta, hogy ebben az esetben a technológia éppen az ellenkező irányba hatott.

Shakked Noy és Whitney Zhang 2023-as cikke (.pdf) hasonló képet mutat. A 453 vizsgált diplomás szakember esetében a ChatGPT használata csökkentette a résztvevők közötti teljesítménykülönbségeket. Vagyis az AI nem azonos mértékben növelte a résztvevők produktivitását, hanem jobban segítette a gyengébbeket.

A fentiek alapján a mesterséges intelligencia az egyenlőség eszközének tűnik. Ugyanaz az AI annak adott nagyobb lökést, akinek gyengébb volt a kiinduló teljesítménye. Az igazi kérdés azonban nem az, hogy két ember ugyanazon feladathoz ugyanazt az eszközt használva mennyit javul, hanem az, hogy ki tudja hatékonyabban használni ezt az új technikát.

Ugyanaz az eszköz, teljesen más eredmény

A mesterséges intelligencia használatának több szintje is létezik. A legalsó szinten a Kipróbáló áll. Ő alkalomszerűen használja az AI-t, kíváncsiságból teszteli, mire képes, de a munkája egyetlen eleme sem épül rá. A következő szint a Kereső, aki kérdez, magyarázatot kér, információt keres és eligazítást vár a rendszertől. Számára az AI elsősorban intelligens kereső és tanulási segédeszköz.

Ezután a Tartalomkészítő jön, aki már konkrét eredményt gyárt a mesterséges intelligenciával. E-mailt, összefoglalót, prezentációvázlatot, kódrészletet vagy elemzést kér. E fölött áll az Együttműködő, aki nem egyszeri választ vár, hanem iterál. Visszakérdez, javíttat, vitatkozik az AI-val, ellenőrzi a kimenetet, és több körben közösen formálja a megoldást.

A Haladó felhasználó már rutinszerűen beépíti az AI-t a napi munkájába. Azaz ő már nem egy különleges, egzotikus eszközként, hanem állandó munkatársként tekint a rendszerre. A Delegáló ennél is tovább megy. Nem konkrét lépéseket ír elő, hanem célokat fogalmaz meg, míg bizonyos döntéseket és részfeladatokat már az AI-ra bíz.

A két legfelső szinten már nem egyes feladatok gyorsítása a lényeg. A Munkafolyamat-szervező több lépésből álló folyamatot épít az AI köré. Külön feladatokra bontja a munkát, összekapcsolja az eszközöket, és meghatározza, hol kell emberi kontroll. Az AI-alapú munkatervező pedig már magát a munkamódszert alakítja át. Vagyis nem azt kérdezi, hogyan végezze el gyorsabban a régi folyamatot, hanem azt, hogyan kellene eleve másképp megszervezni az egész működést az AI képességeire építve.

Ez a nyolcfokú skála kiválóan mutatja, hogy óriási különbség van az alkalmi AI-használat és a teljes munkafolyamatok tudatos újratervezése között. Az AI-rendszerek hatékonyságát ezért nem pusztán a modell képességei határozzák meg, hanem az is, hogy a felhasználó milyen feladatot ad neki, hogyan bontja fel a problémát, mennyi önállóságot enged, és miként ellenőrzi az eredményt. Magyarul ugyanaz a technológia két különböző felhasználó esetében egészen eltérő értéket teremthet.

A delegálás határa

Fabrizio Dell’Acqua és szerzőtársai 2026-os cikkükben (.pdf) 758, magas képzettségű tanácsadót teszteltek GPT-4-gyel és nélküle. Az AI képességein belülre eső feladatoknál a technológiát használók 12,2 százalékkal több részfeladatot teljesítettek, és 25,1 százalékkal gyorsabban dolgoztak.

A kutatás igazán érdekes eredménye egy olyan összetett feladatnál érkezett, amelyet tudatosan az AI akkori képességhatárán kívülre terveztek. Ezen a feladaton az AI-t használó résztvevők 19 százalékkal kisebb valószínűséggel jutottak helyes megoldásra, vagyis ugyanaz az eszköz, amely néhány perccel korábban gyorsított és javított a munkán, egy túlságosan komplex problémánál félre is vihette a felhasználót.

Azaz a mesterséges intelligencia használatának hatékonysága nemcsak attól függ, hogy ki használja az eszközt, hanem attól is, hogy a felhasználó mennyire érti azt, hogy hol vannak a rendszer korlátai, illetve mennyire képes egy komplex problémát alkalmas részfeladatokra osztani, és ezen részfeladatokat a megfelelő emberi, vagy AI szereplőnek adni.

Hasonló különbség rajzolódott ki a Microsoft és a LinkedIn 2024-es felmérésében, amely a gyakori, napi több mint 30 percet megtakarító AI-felhasználókat „power user”-ként definiálta. Ezen felhasználók 68 százalékkal nagyobb valószínűséggel kísérleteztek rendszeresen új AI-használati módokkal, és 66 százalékkal nagyobb valószínűséggel terveznek újra üzleti folyamatokat vagy teljes workflow-kat AI segítségével.

Ezek a példák jól mutatják az AI egyenlőségi paradoxonát. A technológia csökkentheti a különbséget két ember között egy meghatározott szövegírási, ügyfélszolgálati vagy elemzési feladat végrehajtásában, miközben felértékelődhet a problémameghatározás, a feladatbontás, a szakterületi tudás, az outputkritika és annak eldöntése, mekkora autonómiát érdemes egy modellnek adni. Ezen skillek szerepének növekedése pedig új egyenlőtlenségeket teremthet.

Az AI ezért hasonló egy új láncfűrészhez. Lesz, aki lényegében ugyanúgy fogja használni, mint a hagyományos eszközt, csak kicsit gyorsabban fogja elvégezni a munkát. Más megtanulja a gép speciális előnyeit, és így olyan feladatokat is el tud majd így vállalni, melyeket korábban nem tudott volna. És persze olyan is lesz, aki továbbra is a hagyományos fűrésszel fog dolgozni, és a láncfűrészt csak néha kapcsolja be, hogy a barátai előtt menőzzön.

Egy gyorsan változó világ

2023-ban még az volt a fontos kérdés, hogy ki tud jó promptot írni, ám 2026-ban az Anthropic már külön változóként méri a feladatkomplexitást és az AI-nak átadott autonómiát. Ha ez az irány folytatódik, az új digitális írástudás kevésbé arról szól majd, hogy ki tud ügyesebben beszélgetni egy chatbottal, és egyre inkább arról, hogy ki tudja felismerni, mikor kell kérdezni, mikor delegálni, mikor ellenőrizni, és mikor kell egyszerűen nemet mondani a gépnek.

Az AI első nagy munkaerőpiaci hatása valószínűleg az lesz, hogy emberek tíz- vagy százmillióinak nő meg a termelékenysége, hatékonysága, és így javul a munka-magánélet egyensúlya. A második hullámban azonban már az lesz a lényeges kérdés, hogy ki tanulja meg úgy használni ezt az eszközt, hogy ne csak gyorsabban dolgozzon vele, hanem új típusú feladatokat is képes legyen elvállalni és megoldani.

A cikk szerzője Sebestyén Géza, a BCE egyetemi docense, az MCC Gazdaságpolitikai Műhelyének vezetője.