Néhány éve nem létező munkakörökben ma több százezer dollárt lehet keresni évente. Csakhogy mire egy 2026-ban pályát választó, 18 éves diák pár év múlva megszerzi a diplomáját, e pozíciók egy része talán ugyanúgy nem létezik majd, ahogyan a múltban sem volt.

Mit tanuljon hát ma egy fiatal? Az a munka, amelyből 2040-ben megélhet, ma talán még nem is létezik. Az pedig, amelyet most a legjobban tetszik neki, pár év múlva gyökeresen átalakulhat, vagy akár meg is szűnhet.

Új állások megafizetéssel

AI-red-team engineer, modellértékelési mérnök, frontier-AI-biztonsági kutató, agentic-AI-architect, LLMOps-engineer, AI-governance-specialista. A generatív mesterséges intelligencia néhány év alatt egész sor új állást termelt ki. A prompt engineer cím 2021 után lett ismert, és a ChatGPT 2022. novemberi megjelenésével vált a technológiai aranyláz egyik jelképévé.

Az agentic-AI-architect olyan rendszereket tervez, amelyek több lépést önállóan hajtanak végre és külső eszközöket is használnak. Az LLMOps-szakember a nagy nyelvi modellek üzembiztos működtetésével foglalkozik. Az ellenőrök modellválaszokat mérnek, támadásszerű biztonsági teszteket végeznek vagy a legfejlettebb rendszerek szélsőséges kockázatait kutatják. Az AI-governance szakemberei jogi, audit- és vállalati kockázatkezelési kereteket építenek.

Az ilyen címszavakkal alkalmazott munkavállalók ma többszázezer dolláros éves fizetéseket kapnak az USA-ban. Ez forintra váltva havi nagyjából tízmilliós bért jelent. Persze nem minden mesterséges intelligencia szakember lesz pár év alatt dollármilliomos, ám a technológiai ugrás sebességét jól mutatják a fenti számok.

Néha csak a homlokzat új

Egy új elnevezés persze nem feltétlenül jelent új szakmát is. Az AI-red teaming a kiberbiztonsági támadástesztelés módszereit alkalmazza generatív modellekre. Az LLMOps a DevOps és az MLOps gyakorlatára épít. Az AI-governance területére pedig jogi, adatvédelmi, audit- vagy compliance-háttérrel is át lehet lépni.

Ugyanez igaz a többi látványos specializációra is. A modellértékeléshez statisztika és teszttervezés, az önálló lépésekre képes AI-rendszerekhez szoftverarchitektúra, a biztonsági kutatáshoz programozói és kockázatelemző tudás kell. Az AI-specializáció ezért sok esetben nem új házat, hanem csak egy új homlokzatot jelent.

A prompttechnika elavulhat, az ítélőképesség kevésbé

Egy ma népszerű modell, promptformátum, programkönyvtár vagy tanúsítvány akár néhány év alatt háttérbe szorulhat, miközben a statisztikai következtetés, a jogi érvelés vagy a rendszertervezés alapelvei lassabban változnak.

Andrew Green 2024-es „Artificial intelligence and the changing demand for skills in the labour market” című tanulmánya álláshirdetési adatok alapján azt mutatta, hogy a magas AI-kitettségű állásokban nem csak technikai AI-ismereteket keresnek. A cégek üzleti, menedzsment-, digitális, kognitív és társas készségeket is várnak. Vagyis

a legtöbb dolgozó számára az alkalmazkodás inkább a meglévő szakmai készségek kiegészítése, nem a teljes pályacsere.

A jövőben felértékelődik az a tudás is, hogy felismerjük, mikor hibás a gépi válasz. Egy modell néhány másodperc alatt készíthet meggyőző pénzügyi elemzést, jogi érvelést vagy programkódot. Ám a szakember feladata annak ellenőrzése, hogy az adatok és a következtetések helyesek-e.

Az első lépcsőfok felemelkedése

A gyors változás a pályakezdők számára különösen kényelmetlen. Az AI ugyanis éppen azokat az egyszerűbb feladatokat veszi célba, amelyeken korábban megtanulták a szakmát. Az első kutatási összefoglaló, a kódvázlat, a dokumentum-ellenőrzés, az ügyféllevél első változata vagy a prezentáció összeállítása ma már nagyrészt automatizálható.

Ez persze nem feltétlenül jelenti azt, hogy eltűnik a junior állás. Ám megemeli a belépési küszöböt. Kevesebb pályakezdő is megírhat ugyanannyi elemzést, miközben az új belépőtől hamarabb várnak majd összetett feladatértelmezést, ellenőrzést és kritikus gondolkozást.

De létezik egy másfajta hatás is. Több kísérletben és munkahelyi vizsgálatban éppen a kevésbé tapasztalt dolgozók teljesítménye javult a legnagyobb mértékben, amikor megfelelő AI-segítséget kaptak.

Golo Henseke 2026-os, „Generative AI at work: From exposure to adoption across 35 European countries” című elemzése több mint 36 600 dolgozó adatait vizsgálta, és átlagosan 12 százalékos munkahelyi GenAI-használatot talált. A 35 országban az arány 3 és 25 százalék közötti sávban mozgott. Ez azt sugallja, hogy a cégek már használják az eszközöket, ám sok helyen még nem tervezték újra körülöttük a munkát.

Az automatizált iroda

A korábbi automatizálási hullámok képeihez gyárrobotok és futószalagok társultak. A generatív AI viszont szöveges, elemző és digitális feladatokban erős. Ezért közvetlenül érinti a jogot, a pénzügyet, a programozást, a könyvelést, a marketinget, a fordítást, az ügyfélszolgálatot és a kutatói munkát is.

Az AI-kitettség azonban nem azonos az állásvesztéssel. Ugyanaz a technológia gyorsíthatja a szakember munkáját, csökkentheti az adott outputhoz szükséges létszámot, olcsóbbá teheti a szolgáltatást és ezzel növelheti a keresletet, vagy új ellenőrzési és biztonsági feladatokat hozhat létre.

A diplomás középosztályon belül így szétnyílhat az olló azok között, akik csak szabványos digitális anyagokat állítanak elő, és azok között, akik értik a szakterületet, használják az AI-t, majd felelősen ellenőrzik az eredményét.

Henseke 2026-os európai elemzésében a használatot nemcsak a foglalkozás kitettsége, hanem az egyéni készség, a nem rutin jellegű munka, a dolgozói önállóság és a munkahelyi képzés is befolyásolta.

A termelékenységi nyereség sorsa ezért nem technikai, hanem vállalatszervezési és társadalmi kérdés. A felszabaduló időből lehet alaposabb ügyfélmunka és rövidebb munkanap, de lehet létszámcsökkentés, gyorsabb munkatempó és magasabb teljesítményelvárás is.

Folyamatos újratervezés

Egy mai fiatalnak a pályaválasztásakor a fentiek miatt olyan alapot érdemes választania, amelyre több specializáció építhető. Informatikai, mérnöki, jogi, pénzügyi, egészségügyi, statisztikai, kiberbiztonsági vagy alkalmazható társadalomtudományi tudás egyaránt értékes lehet, ha az ember megtanul adatokat és modellválaszokat ellenőrizni.

Ehhez AI-jártasság is kell. Nem konkrétan modellfejlesztési tudás, hanem annak ismerete, mire alkalmas egy rendszer, mikor nem megbízható, milyen adatvédelmi vagy biztonsági kockázatot teremt, és melyik munkafolyamatot érdemes vele automatizálni. Felértékelődik továbbá a megfelelő kérdés megfogalmazása, a kivételek felismerése, az együttműködés és a felelősség vállalása.

Egy rövid AI-kurzus önmagában aligha nyit ajtót a világ legjobban fizetett kutatói állásaira, de egy jogász, fejlesztő, auditor vagy mérnök karrierjét új pályára állíthatja. A diploma nem fogja elveszíteni a jelentőségét, de egyre kevésbé lesz életre szóló karrieralap. Sokkal inkább egy indulótőke egy olyan munkaerőpiacon, ahol többször kell majd újratervezni az előmenetelünket.

A jövőben talán nem annak lesz a legbiztosabb pályája, aki tizennyolc évesen eltalálja a 2040-ben legjobban keresett munkaköröket. Hanem annak, aki olyan alapot választ, amelyből élete során három-négy különböző karriert is fel tud építeni.

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