Leállás nélküli modernizáció üzleti döntésre és kontrollra épít

Röviden

• A leállás nélküli modernizáció üzleti döntés, nem pusztán technológiai csere.
• A váltást kényszerítheti támogatásvége, szakemberhiány vagy auditkockázat, ezért kontroll és visszaállítás kell.
• AI‑projektnél előkészítés, képességépítés, majd szállítás; felelős kijelöléssel és folyamatos minőségellenőrzéssel.

Amikor a rendszer kezdi meghatározni az üzlet mozgásterét, ott már nem halogatható a váltás. Pintér Szabolcs úgy fogalmazott, „onnantól fogva a rendszer mondja meg azt, hogy milyen legyen az üzlet”, és ez már közvetlen üzleti kockázat (08:31). A klasszikus jelzés a csúcsidős leállás vagy a skálázási plafon, amely ügyfélvesztéssel és bevételkieséssel jár. A beszélgetés kiindulópontja ezért egyszerre gyakorlati és vezetői: hogyan modernizáljon egy cég úgy, hogy közben nem áll le a működés. A vendégek szerint a válasz az üzletfolytonosság, a fokozatosság és az ellenőrizhetőség hármasa (01:19).

A tét ma nagyobb, mert az AI‑bevezetés ott akad el, ahol a régi architektúra nem tud integrálódni. Pintér szerint az AI‑hype sok helyen „nagy álmokat” hoz, de a valóság az, hogy az architektúra és az adatok döntik el, mire képes a cég (02:01). A fő állítás egyszerű: a leállás nélküli modernizáció üzleti projekt. Célja az üzletfolytonosság és a kockázat mérhető csökkentése, nem a „szebb technológia”.

Az üzlet diktálja a tempót, a technológia követi

„Nem a technológia húzza az üzletet, hanem az üzlet húzza a technológiát” – mondta Neuwald Tivadar (03:40). Szerinte nem dogma a monolit cseréje. A kérdés az, hogy az üzletnek mikor és miben hoz értelmet a váltás. Ide tartozik a költség, a megfelelés és a biztonság vizsgálata is, beleértve az auditálhatóságot és a kiberkockázatot (04:42).

A váltást sokszor kényszeríti a valóság. Ilyen ok a gyártói támogatás vége, a szakemberhiány egy kihalóban lévő programnyelvhez, vagy amikor egy audit nem engedi tovább a régi megoldást (11:21, 12:57, 09:33, 13:02). A terhelési csúcsok pedig gyorsan pénzkérdéssé válnak. Pintér példaként említette a Black Friday idején leálló webshopokat és az adóbevallási határidők körüli torlódásokat (06:31). Ezek technikai bajnak látszanak, de az üzlet sérül.

A platform- és erőviszonyok sem közömbösek. A Delta csoport többségi tulajdont szerzett az UpScale-ben, Pintér szerint az ügyfélkör és a fejlesztés‑üzemeltetés (DevOps) képesség együtt adja az átállások alapját (16:19). A DIG‑IT olvasata szerint ez növelheti az egy kézből vállalható felelősséget, de a megrendelőnek ilyenkor külön figyelnie kell a beszállítói és platformfüggés kezelésére.

Fokozatos átállás leállás nélkül

A vendégek két működő utat említenek. Az egyik a „fojtófüge” mintája, amikor az új rendszer rétegenként körbenövi és kiváltja a régi elemeit. A másik a funkciónkénti kiváltás, amely párhuzamosan épít és terel át forgalmat (15:29, 15:53). A lényeg a kontroll. Kis lépések, éles megfigyelés, előkészített visszaállítás, és mérések, amelyek üzleti hatást mutatnak, nem csak technikai sikert.

A „hol fusson” döntésben az adat és a szabályozás a meghatározó. Államigazgatási környezetben az érintettek sokszor kimondják, hogy az adataikat nem tarthatják publikus felhőben, így a helyszíni vagy hibrid megoldás a reális út (19:11). A felhő ugyanakkor komoly üzemeltetési és védelmi előnyt adhat, például elosztott túlterheléses támadások kezelésében. Ez Pintér értelmezése szerint jelentősen csökkentheti a kockázatot, mert a szolgáltatók skálázható védelmet adnak, de garanciát így sem jelent (34:01). Fontos részlet, hogy a mentés és a visszaállítás a felhőben sem alapértelmezett. Ezeket be kell állítani és rendszerben kell kezelni (21:49). Lift‑and‑shift, majd fokozatos felhő‑képességépítés szintén működő sorrend, különösen vegyes, szezonális terheléseknél (18:19).

A biztonsági működés ma már AI‑kérdés is. A „Shadow AI” és az ellenőrizetlen API‑kulcsok megfelelési kockázatot emelnek. A beszélgetés szerint alap az azonosítás, a hozzáférés‑kezelés és a kulcsok időkorlátja, különben a szervezet maga épít kiskapukat (27:55). Pintér szerint ők zárt, szerepkörökkel szabályozott környezetben működtetik az AI‑megoldásaikat, folyamatos megfigyeléssel. Úgy fogalmazott, „tudomásunk szerint mi vagyunk az egyetlenek, akik már átmentünk egy nemzetközi ügyvédi adatvédelmi hatásvizsgálaton, és erről papírunk van” (31:05). Ez a vendég állítása, amely a saját gyakorlatukról szól.

AI‑projekt csak előkészített adatokkal és felelős irányítással működik

Pintér háromlépcsős működést javasol: előkészítés, képességépítés, majd csak ezután szállítás. Az előkészítés az adatok feltárása, a folyamatok megértése és a kockázatok felmérése. A képességépítés az integrációkat, a jogosultságot és a megfelelést rendezi, és csak ezután érdemes szállítani (31:41). Neuwald ehhez hozzátette a kritikus ellenőrzőpontokat: adattisztaság és konzisztencia, pontos folyamatleírás, illeszkedés a vállalati szakrendszerekhez, valamint a NIS2, a GDPR és az AI‑keretek betartása (23:12, 25:22).

Az irányításhoz felelős kell, és több ponton emberi döntés. Neuwald példája szerint egy banki AI‑modell nem hozhat nagy összegű hiteldöntést ember nélkül. A határokat előre kell rögzíteni, és a minőséget folyamatosan ellenőrizni, mert az AI kimenetei valószínűségi jellegűek, nem determinisztikusak (26:09, 27:09). Így marad kézben az üzleti kimenet, és nem a modell viszi félre a folyamatot.

A vendégek gyakorlata szerint a próbaüzemeket kulcsmutatókhoz (KPI) kell kötni. Pintér egy banki példát említett: szigorú biztonsági dokumentáció, majd legalább félévnyi működés úgy, hogy mérik az üzleti eredményt és az erőforrásköltséget, beleértve az AI‑felhő költségeit is. Így látszik, mit ér az átállás, és mikor érdemes skálázni (33:03).

A DIG‑IT olvasata szerint a sikeres, leállás nélküli modernizáció kulcsa a döntés és a kontroll. Szerintünk a projekt üzleti célokra bontott mérőszámokkal és előre definiált visszaállítással haladhat. A teljes tulajdonlási költség (TCO) és az üzleti kulcsmutatók együtt adják a keretet. Minden más csak akkor ér valamit, ha a hatás mérhető, és az átállás bármelyik ponton visszagurítható.

Végül egy józan figyelmeztetés az AI‑ról. „Az AI‑t lehet jól meg rosszul használni, és az emberek 90%-a rosszul használja” – mondta Pintér (00:07). Aki az üzleti célt, az architektúrát és a minőségbiztosítást egy irányba rendezi, az nemcsak a leállást kerüli el, hanem tartós AI‑képességet épít. A teljes beszélgetés meghallgatható a DIG‑IT Podcast adásában.

DIG-IT Podcast szerkesztőség - All rights Reserved.