4. évad – 04. epizód

00:16 Üdvözlök mindenkit! Ez itt a DIG-IT Podcast. Személyi László vagyok, a Future-NOW vezető partnere és társam a krimiben, Szekér Zoltán, az OD&IT Solutions és a SailingHangar alapító ügyvezetője.

00:27 Sziasztok!

00:27 Jó napot kívánok! A DIG-IT Podcast célja, hogy akit nem elégítenek ki a felszínes cikkek és a hangzatos jelszavak, az közelebb kerülhessen a digitalizáció és az informatika mai meghatározó trendjeihez. Mi itt a mélyére fogunk ásni a dolgoknak.

00:48 Ez itt a DIG-IT Podcast soron következő különkiadásának adása, ahol vendégünk a Delta Systemstől Neuwald Tivadar fejlesztés és értékesítés stratégiai igazgató. Köszöntelek a stúdióban.

01:00 Szeretettel köszöntök mindenkit!

01:01 Az előző adásban ugye vezérigazgató úrral, Bakos Róberttel ültetek itt, és beszélgetünk nagyon sok mindenről, de hogy amire én rá szerettem volna már akkor is tőled kérdezni, hogy mióta foglalkozol üzletfejlesztéssel?

01:14 Mielőtt itt belekezdünk az üzletfejlesztésbe, október 6-a van, aradi vértanúk napja, hogy csak egyetlen egy gondolattal emlékezzünk meg róluk, de az üzletfejlesztésnek vannak olyan iterációi, amelyek nem feltétlen módon illenek bele a klasszikus üzletfejlesztésbe. Erről csak egyetlenegy példát szeretnék hozni, én jártam Angliában egyetemre, és volt egy nagyon jó barátom, egy klassz barátom, aki walesi srác volt, és már végzős volt, és gyakorlatilag ugye ő egyszer adott nekem egy névjegykártyát, és business development manager, BDM volt rajta, és kérdeztem tőle, tulajdonképpen ez mit jelent? És azt mondta, hogy vizet árulok, ásványvizet árulok cégeknek. És akkor ezzel elkezdte ezt a fajta működését.

01:59 Tehát van egy ilyen klasszikus door to door salesman jellegű funkciója is, aki mondjuk valamilyen úton-módon B2B-ben, de valóban terméket árul. Ugye ez az egyik fajta értelmezése lehet.

02:12 Volt az az iskola, amikor a Mcdonald's-os tulajdonost hívták be egyszer egy egyetemi előadásra, és kérdezték tőle, hogy mivel foglalkozol? És akkor mondta, hogy hát ingatlanokkal.

02:21 Igen.

02:21 Kérdezték tőle, hogy de nem hamburgereket sütsz? És mondta, hogy nem, ingatlanokkal foglalkozom, a hobbim a hamburgersütés.

02:28 Jogos egyébként teljesen. Van egy ilyen jellegű értelmezése is, de mondjuk azt, hogy azért a tradicionális üzletfejlesztés az nyilván nem ez. Hát olyan 1997 óta foglalkozom üzletfejlesztéssel, nyilván nem ebben a formában, hanem tényleg az a, mondjuk azt, hogy a B2B sales funkcióban gyakorlatilag, aki megkeresett informatikai vállalatokat, de még egyszer mondom, az üzletfejlesztés igazából nem erről szól.

02:55 Ugye a klasszikus üzletfejlesztésnél több iskola van.

02:58 Igen.

02:58 És hogy ezeket az iskolákat ugye az, hogy szervezetfejlesztéssel kombinálod, technológiával kombinálod, ezek mind ilyen egy picit, mintha valamilyen ilyen patikamérlegre kéne tenni ezeket a dolgokat, akkor nálad melyik az a terület, ami inkább népszerűbb, fogalmazzunk így.

03:20 Ha van egy sales folyamat, és terméket értékesítünk, akkor az üzletfejlesztés az, amit elmondtam az előbb. Nálunk az üzlet fejlesztése az egy másfajta megközelítés és másfajta szemléletmódot igényel. A sales az gyakorlatilag elad bizonyos terméket, de van arra is igény, hogy a piacon valamilyen formában és valamilyen struktúrában megteremtsünk egyfajta más igényt, vagy elmenjünk más jellegű piacokra, és ez a fajta üzletfejlesztés, ami a Deltában most folyik, az gyakorlatilag ez. Egy stratégiai alapon formálódó olyan rendszer, amelyben a piac fele kinyitunk olyan jellegű üzleti ollókat, amelyek a piacon eddig nem voltak, vagy csak részlegesen voltak meg. Tehát mondjuk azt, hogy előre szaladunk, vagy előre futunk az ügyfeleknek a kiszolgálásában.

04:15 És akkor, amikor ez az üzletfejlesztési kérdés felmerül, ugye most a legnépszerűbb és legforróbb téma az AI, és mindent AI vesz körül, mindent AI-jal akarnak megcsinálni.

04:29 Tehát kétféle szemléletmód létezik szolgáltatási értékesítésben, az egyik nyilvánvalóan az, hogyha valaki kitalál valamit, és azt mondja, hogy rákényszeríti, vagy megpróbálja rákényszeríteni a piacra, jobb esetben sikerül neki, és gyakorlatilag ez a szolgáltatás egy sikeres vállalkozássá alakul át. A másik, amikor van már egy létező igény, és ezt a létező igényt szolgáljuk ki, akár úgy, hogy egy meglevő szolgáltatásportfóliónak a kiegészítésével, vagy már egy létező szolgáltatással, vagy egész egyszerűen készítünk egy újat, és gyakorlatilag ráhúzzuk erre.

05:02 És mit változtat meg ezen mondjuk egy mesterséges intelligencia? Tehát, hogy milyen üzletfejlesztési stratégiákat tud kiegészíteni a mesterséges intelligencia?

05:12 Hát erre van egy rettenetesen jó példám, valamelyik nap bejött az egyik kollégám hozzám, és mondta, hogy ő elballagott az egyik ügyfeléhez, és megkérdezte az ügyféltől, hogy nektek van-e egy olyan AI. És nyilván jó kereskedő, nyilván nem mond dement, azt mondta, hogy persze, hogy van. És mondta a kolléga, hogy nekünk akkor kell egy olyan AI. És ugye ez azért mondjuk azt, hogy abba a fajta professzionális és funkcionális szerepbe, ami az üzletfejlesztéssel vagy termékfejlesztéssel kapcsolatos, nem fér bele. Ennek az oka gyakorlatilag, hogy mi szeretünk olyan jellegű szolgáltatásokat piacra vinni, aminek van üzleti értéke, meg üzleti alapja. És nem szeretjük azt, hogyha az ügyfelek részére mondjuk azt, hogy sikertelenül adunk el valamit, vagy vezetünk be valamit, hiszen már az első podcast adásban is arról beszélgettünk, hogy mennyire fontos üzleti értékteremtés, meg a monetizáció.

06:14 Tehát itt nyilván az első lépése ezeknek a folyamatoknak nem az, hogy mi odaadunk egy AI-t, mert ez teljesen értelmetlen dolog lenne, hanem az első lépés az, hogy megnézzük, hogy milyen adataik vannak. Az adatok integrálhatósága, az adatoknak a beilleszthetősége, az integritása. Utána megnézzük azokat a folyamatokat, hogy ezeket az adatokat hogyan használják föl. Egyáltalán azokat az adatokat keressük, amelyek ebbe a folyamatba beillenek, vannak egyáltalán adataink? Erre húzunk föl valamiféle POS-t, megnézzük azt, hogy valójában hogyan tudjuk ezt az adatfolyamot beépíteni mondjuk egy mesterséges intelligencia modellbe, tehát ez egy jóval komplexebb dolog, mint egyébként az, hogy most akkor adunk valamiféle AI megoldást.

06:59 Mikor jöttél rá a deltánál, hogy neked ez az irányod, és hogy ezzel szeretnél foglalkozni?

07:04 Ez egy baromi érdekes dolog, és azt kell, hogy mondjam, hogy nagyon jó kérdés. És akkor pici kérdésre, kérdésre, kérdésre hadd válaszoljak. Mi értelme van az informatikának? Ugye az első kérdés, amit fel lehet és fel kell tenni ebben a kontextusban. Alapvetően az adatvezérelt döntéshozatalt kell piedesztálra emelni, ez az értelme az informatikának, és ennek van egy olyan fajta értéke, ami lehetővé teszi azt, hogy az intuitív vagy intuíció mellett helyett tulajdonképpen adatvezérelt vagy adatalapú döntéshozatalt tudjunk létrehozni. A Delta 38 éve van a piacon. Ebből fixen 35 éve egészen megdöbbentő módon jól csinálja a rendszerinterv, a klasszikus rendszerintegrációs tevékenységet, merthogy az összes mesterséges intelligencia projektnek az alapja az tulajdonképpen a digitalizáció.

08:11 A digitalizáció alapja az pedig a klasszikus rendszerintegráció. És mondjuk azt, hogy a delta ezt a nyelvet kiváló módon beszéli. 2010 körül értékelem én úgy, hogy az adatvezérelt döntéshozatal. Azok a riporting rendszerek, amelyek jellemzően MI formában léteztek, azok mondjuk úgy, hogy demokratizálódtak. És már nem csak az informatikai osztálynak volt lehetősége arra, hogy a marketing, a pénzügy, a kontrolling osztályok részére szolgáltasson adatokat, hanem ők maguk tudták direkt módon ezeket az adatokat felhasználni, és ezeket az adatokat a saját üzleti, a saját részlegük üzleti döntéshozatali folyamataikba beépíteni. És ez a 2010-15 nagyjából akkor volt az a fajta első, mondjuk azt, hogy lépés vagy megfogalmazás a Delta oldalán, hogy ha már értünk az adatoknak az integrációjához, tehát tudunk adatot menteni, adatokat tárolni, adatokat védeni, akkor itt tényleg húzunk egy vonalat, és akkor mondjuk azt ki, hogy ennél sokkal több a delta, és belép az adatvagyon-gazdálkodás területére.

09:42 Mikor csatlakoztál a céghez?

09:44 Én 2003 körül, ha jól emlékszem, tehát most lassan 22 éve, igen. Tehát elég régen. És mondjuk azt, hogy ebből 16 évig kereskedelmi igazgató voltam, és elég jól ráláttam arra, hogy mik az ügyfeleinknek az igényei, és azt láttam, hogy az informatikai oldalon ki tudjuk őket szolgálni nyilvánvalóan. IT biztonság területén, rendszerintegráció területén, alkalmazásfejlesztés területen, vagy minden olyan területen, ami ahhoz kell, hogy legyen egy létező hálózatos szerverek, tárolók kiszolgálják, legyenek kliensek, tehát ezt nagyon jól tudtuk csinálni. És ha már demokratizálódott az a fajta lehetőség, hogy tényleg mindenki hozzáfér az adatokhoz. Kvázi az IT oldalon megteremtődött az a fajta lehetőség, hogy az egyéb más részlegek kihasználják az adatalapú döntéshozatalt, és a Delta ezt értette és látta, akkor tulajdonképpen egyetlen egy lehetőségünk volt, és egyetlen egy dolog választott el minket attól, hogy az adatvagyon-gazdálkodás, hogy mi magunk is kezdjük megérteni és beszélgetni az üzlettel arról, hogy tulajdonképpen az üzleti oldalon mik azok az igények, mik azok a folyamatok, amik ahhoz kellenek, hogy abból az adatból, amit eleve mi tárolunk és mi kezelünk, mondjuk esetleg az informatikai részleggel közösen, vagy akárcsak mi magunk,

11:13 akkor gyakorlatilag erre ráhúzunk valamiféle olyan drótvázat, aminek a segítségével valójában egy ilyen adattranszformációs céggé tudunk gyakorlatilag válni, aki ezeket az általunk menedzselt adatokat képesek egy adatgazdálkodással kapcsolatos folyamatba beemelni, és ezekből segíteni az ügyfeleket abban, hogy tulajdonképpen üzleti döntéseket tudjanak létrehozni.

11:44 Azért ennek a megközelítése nem azért ennyire egyszerű. Tehát én nagyon sok olyan cégnél vagyok, ahol önmagában az első lépés, főleg most ez a divatos NIS2-ből indul, tehát ott ugye egy kockázati felmérésben az adatok is érintettek, föl kell mérni, egy adatvagyon leltárt kell csinálni, de nagyon sok cég nem is tudja, hogy neki van, és hogyha van, akkor azt mire használja. Ugyanígy érzem az elmúlt 20 évben gyakorlatilag azt az ellentmondást, hogy miközben adatalapon szeretnénk beszélgetni, a másik oldalon nem tároljuk el az adatokat, hiszen abból kimutathatók olyan dolgok is, amit nem feltétlenül akarunk látni.

12:23 Igen.

12:24 És hogy ezt a kettősséget ezt te is érzed, vagy ti is érzitek a deltánál?

12:27 A delta mondjuk azt, hogy felismerte azt, hogy vannak olyan informatikai vállalat, érettségi állapotban levő cégek, akik képesek arra, hogy mondjuk azt, hogy BI rendszerekből már tisztított, koherens, valid adatokat vegyenek ki, és a BI rendszerben lévő riportokat képesek legyenek egy múltbéli előrejelzéssel kiolvasni, mondjuk annyit például, hogy 20 százalékkal neked most csökkent az árbevételed, de kész. És nyilvánvalóan, hogyha egy vállalat készen áll arra, hogy egy BI rendszert üzemeltessen, akkor arra is készen áll, hogy valid és jó minőségű adatokat tudjon szolgáltatni a mesterséges intelligencia rendszerek felé, és ez rendkívül fontos dolog. Abban az esetben, hogyha ez nem történik meg, és akár a folyamatokban, akár az adatokban probléma látszik, akkor abban az esetben a mesterséges intelligencia gyakorlatilag rátesz egy lapáttal, és mondjuk azt, hogy ha ilyen folyamatban bármit bevezetünk, akkor inkább azt hozza ki, hogy hol vannak a folyamatbeli hibák, vagy hogyha az adatok nem integránsak, akkor gyakorlatilag hibás lesz az a fajta következtetés, amit a mesterséges intelligencia kiköp magából, vagy kidob magából, tehát gyakorlatilag mondjuk azt, hogy feleslegessé válik ezzel.

14:03 Ez nagyon fontos kérdés, és egy picit körben szeretném lőni. A második világháborúban, amikor visszatértek a bombázók, akkor föltették a kérdést.

14:12 Igen, azt ismerem.

14:12 Ugye?

14:13 Hogy hol, ami visszajött, az nem biztos, hogy ugyanaz az információ, mint ahova tennünk kéne technikailag a védelmet.

14:23 Ezért pontosan nem emlékszem erre, zseniális és magyar mérnök emlékeim szerint a magyar nők találtak ki, hát tulajdonképpen azt kell megerősíteni, amit nem lőttek szét. Igazság szerint ugye ezért van az, és erre már utaltam a beszélgetés kapcsán, hogy itt azért egy nagyon jól felépített folyamatról van szó, és ugyancsak szeretnék visszautalni, mert kell egy AI, tehát a Delta nem így gondolkodik, hanem gyakorlatilag itt tényleg az első lépés az, hogy azt kell megvizsgálni, hogy milyen folyamatok vannak, és ezeknek az adatoknak milyen az összeszedettsége, van-e benne bármiféle probléma, kiugró érték, tehát ezeket vizsgálni kell. Ez egy nagyon tipikusan egy adattudósi munka. Egyébként jellemzően egy ilyen projektnek a 80 százaléka körülbelül ebből áll, hogy megértsük a folyamatokat, meg azokat az adatokat adjuk a folyamat alá, amiből később lehetséges építeni egy valódi mesterséges intelligenciát.

15:18 Mióta része lehet a stratégiájának?

15:21 Hát ugye 2022 emlékeim szerint novemberében jelent meg az első generatív modell, tehát ugye azelőttig nem tudunk visszaugrani. Én erre úgy válaszolnék szívem szerint egyébként, hogy 2015 óta biztosan dolgozunk így, és ebben a fajta módszerben és ilyenfajta gondolkodásmóddal, és 2022 körül, amikor megjelent az első GPT modell, akkor kezdtünk el abban gondolkodni, hogy hogyan lehetne ezt beemelni a dehát a portfóliába, és azért azt látni kell, hogy ez annyira disztruktív technológiák, annyira friss, hogy 2024 év vége fele kezdtünk el komolyabban foglalkozni azzal, hogy hogyan tudunk építeni valódi tiszta folyamatokra, tiszta adatokbó, mesterséges intelligencia megoldásokat.

16:17 És itt kapcsolódik is a kérdés, hogy van-e olyan információ, amit az aktuális projektekről el tudsz mondani, amik ehhez kapcsolódnak. Tehát milyen adatokra és milyen kompatibilitási vagy információbiztonsági feltételek mellett vezettetek már be, vagy vezettek be éppen AI megoldásokat.

16:35 Említettük már, hogy az összes mesterséges intelligencia projektnek az alapja a digitalizáció, és ezért jelentős korreláció van a digitalizációs érettség és a bármilyen jellegű mesterséges intelligencia projektek bevezethetősége kapcsán. Én most úgy érzem, hogy a magyar piacon beszéljünk csak a magyar piacról. Jelen pillanatban akár a KKV, akár a nagyvállalati cégvezetők fejében a mesterséges intelligencia, azok a GPT modellek. És azért ez gyakorlatilag azt jelenti, hogy ezekben a vállalatokban nagyjából az a fajta gondolkodásmód van, hogy hogyan tudjuk bevezetni ezt valami nagyvállalati licenccel azért, hogy valamilyen munkafolyamatot gyorsabban vagy hatékonyabban tudjunk ellátni. De nyilvánvalóan ez egy jóval mélyebb szakma.

17:29 Egy kicsit összetettebb.

17:30 Jóval összetettebb kérdésről van szó, így van, és akkor arra a kérdésre hadd válaszoljak, hogy én mit látok jelen pillanatban a Deltában, tehát milyen olyan ügyfélmegkeresések vannak irányunkban, amelyeket ki fogunk tudni szolgálni a mesterséges intelligencia fejlesztése kapcsán. Alapvetően itt én abban hiszek, hogy nagy monolitikus rendszereket kifejezetten nem szabad ügyfelek felé semmilyen úton-módon pozícionálni, én a Microservice-ekben hiszek. És ezek a Microservisek jelen pillanatban olyan jellegű mesterséges intelligencia megoldások, amik mögött jellemzően valamilyen neurális háló van. Csak egy pár példát hadd hozzak föl, hogy tényleg nagyjából lehessen érzékelni, hogy miről van szó. Az első ilyen megoldás, ami számunkra nagyon jó a pozícionálatok, az a HR folyamatoknak a támogatása.

18:24 És a HR folyamatok támogatása nem csak arról szól, hogy az aspiránsokat képes egy ilyen MI-rendszer gyakorlatilag a szó szoros értelmében felvételiztetni, de nem úgy, mintha egy robottal beszélgetnél, hanem valójában úgy, minthogyha tényleg egy felvételiztetővel beszélgetnél, illetve ezek kapcsán ezek a robotok képesek arra is, hogy bizonyos jellegű olyan teszteket vagy kvízeket, vagy akár hogyha valamilyen olyan állás valahol, mondjuk például programozói állás van, akkor gyakorlatilag mondjuk programokat és tesztprogramokat is írasson meg. Ez az egyik nagyon jól definiálható része, ami a delta felé áramlik jelen pillanatban. A másik ilyen jellegű megoldás azok a tipikusan az onboarding folyamatok vállalatoknál, illetve közintézményeknél, egyetemeknél, amikor a nagyon sok külföldi, meg egyébként belföldi hallgató fele olyan jellegű, hát jellemzően ugye ilyen rag modelleket tudunk lerakni, amik hibrid módon táplálkoznak a belső vállalati adatokból, illetve akár ki tudnak menni az internetre is, és gyakorlatilag segítik azt, hogy hogyan és mikor nagyon jó, automatizálható módon tudnak a hallgatók információkhoz jutni, és milyen jellegű információkhoz, amikhez azt gondolom, és azt látom,

19:48 hogy jellemzően egy nagyon monoton, nagyon ismétlődő, repetitív jellegű feladatokról van szó, és ezt kiváló módon ki tudja váltani mondjuk egy ilyen AI Agent. A másik, amit látok, és akkor megint visszautalok arra, hogy adatintegráció és adathiteles adat, és mondjuk azt, hogy jól definiált folyamatok, az üzleti döntéselőkészítő, döntéstámogató rendszerek. Ezek egy olyanfajta transzformációt alkotnak, amikor valódi BI rendszerekből, meglévő BI rendszerekből gyakorlatilag olyan jellegű rendszereket építünk, amik mesterséges intelligencia segítségével nemcsak a múltbéli adatokat tudják elemezni, hanem a jövőbeli trendellenőrzéseket, trendeket is le tudják rakni.

20:43 Gyakorlatilag igen, és nem csak a saját adatokból, hanem esetleg akár külső adatforrásokat is, akár mondjuk meteorológiai adatforrásokat megnézve. Ez nagyon érdekes.

20:55 Nekem van egy ilyen vesszőparipám, merthogy én meg ugye a doktori dolgozatomat írom ebből, hogy adatok, és én azt látom, hogy például a meteorológiai állomások között érteni fogod a kérdést, meg kiberbiztonság. Tehát, hogy a meteorológia állomás vs. a beérkező adattárház között nem feltétlenül titkosított a kapcsolat.

21:15 Így van. Hogyha megnézzük, tényleg megint visszanyúlok a klasszikus rendszerintegrációhoz, akkor az adatmentés, mondjuk a végponttól végpontig tartó auditálhatóság, illetve a végponttól végpontig tartó titkosítás, az egy rendkívül fontos dolog. De amikor mesterséges intelligenciáról beszélgetünk, akkor ez hatványozottan jelenik meg, mert abban az esetben, hogyha az az adathalmaz, jobb esetben egy tiszta adathalmaz, amiről beszélgettünk, mert egy integráns tartalmaz. Ami kiszolgálja azt a fajta folyamatot, amire ráépítünk egy ilyen modellt, az ha megsérül, akkor azzal nagyon nagy baj van, hiszen a predikció önmagában történhet jól, de sérült adathalmazból, vagy hiányos, vagy manipulált adathalmazból nagyon rossz döntéseket fogunk tudni végrehajtani, tehát egy klasszikusan megjelenik már egy olyan jellegű, mondjuk egy zéró Trust modell, ahol nagyon-nagyon oda kell figyelni arra, hogy a végpontok között milyen adatfolyam közlekedik, illetve magán azon a tárolón, ahol az adatok csücsülnek, vagy tárolókon csücsülnek az adatok, ha egy adatrepozitori bázisról beszélgetünk, akkor gyakorlatilag annak mennyire lehet bármilyen szintű sérülékenység.

22:34 Ez az egyik. A másik, ami nagyon érdekes dolog, és szintén kiberbiztonság oldalán fogalmazódik meg, azok az olyan jellegű megoldások, amikor esetleg valaki távolról, vagy akár házon belülről hozzáfér egy szisztemplomhoz. És ezt a promptot ezt megváltoztatja. Nyilván abban az esetben is óriási problémákat fog csinálni.

22:54 Elképesztő mennyiségű esetet tudok felsorolni, amikor egy egyszerű hőmérőt admin admin jelszóval hagynak magára. És hogy ebben hogy látod, ebben az üzletfejlesztési folyamatban, mint rendszerintegrátor felmértek, letesztek egy tervet, de hogy a szervezethez és a kiberbiztonsághoz melyik időpillanatban készítetek tervet vagy felmérést?

23:25 Ez egy baromi jó kérdés egyébként, egyrészről, másrészről meg nyilvánvalóan, hogy itt kell valami vállalati kultúra, ami lehetővé teszi azt, hogy egy ilyen admin-admin jellegű dolog, ez ne történhessen meg, és ne mondjuk, hogy ne szivárogjon ki akár házon belül, vagy házon kívülre. Nálunk ezt hívják vállalati érettségi felmérésnek, vagy információérettségi, vagy IT felmérési állapotnak, amikor gyakorlatilag azzal foglalkozunk, hogy egyáltalán fel van-e készülve a szervezet arra, hogy befogadjon egy ilyen jellegű megoldást. Tehát mondjuk azt, hogy túl vannak-e már az Excel táblázáson, és ebben a deltának mondjuk azt, hogy nagy felelőssége van a magyar vállalatok felé, hogy olyan jellegű use case-eket adjon, amik nemcsak a felhasználásnak a hatékonyságát bizonyítják be, meg a monetizálhatóságát, hanem azt is, hogy a mögöttes levő tartalmat azt hogyan kell irányítani.

24:22 Nyilvánvalóan egy Nis2, egy Dora, az rávilágít arra, hogy mennyire tud lenni sérülékeny eladott szervezet IT biztonsági szempontból, de ez kevés, ez az alapja, ez a magja annak, hogy legyen lehetőség arra, hogy egy jól definiált adathalmazra jól definiált folyamatok segítségével rá tudjunk húzni a mesterséges intelligencia megoldást. Hát az a válaszom, hogy alapvetően mi eleve indulunk neki, hogy ezeket.

24:50 Megvizsgáljátok a céget.

24:52 Ezeket tisztázzuk az ügyféllel, így van.

24:54 Alapjában véve azt látom, hogy nagyon sok rendszerintegrátor, most értsük ezt a nagyon sokat, tehát magyar piacról beszélünk, de a rendszerintegrátorok között volt olyan, akikkel együtt dolgoztam, és náluk ez nem merült fel.

25:07 Szeretném kiemelni ezt a részét.

25:09 A Delta IT biztonsági részleg az már nagyon sok éve dolgozik azon, hogy a magyar vállalatok részére olyan nagyon koherens, nagyon jól definiált megoldásokat biztosítson, aminek a segítségével mondjuk azt, hogy fel tudjuk húzni azt a fajta esetleges kockázati pontokat vagy kockázati halmazokat, amik rámutatnak arra, hogy hol lehet sérülékeny a szervezet. Ebben akár a Pentestől kezdve bármilyen jellegű megoldások, IP címszkennelés, kiberbiztonsági intelligencia mátrix, nagyon sok olyan jellegű megoldás van, aminek keretében felmérjük ezeket a fajta kockázatokat, és ezek után fogunk tudni nyilvánvalóan bármit kezdeni magukkal a folyamatokkal, vagy pedig az adatokkal, és később magával a mesterséges intelligenciával.

25:59 És mit gondolsz, hogy a mesterséges intelligencia hogyan befolyásolja mondjuk a következő időszakban az életeteket a jelenlegi működéshez képest. Tehát ez alatt azt értek, hogy mik lehetnek a delta egy-két évre vetíthető újdonságai?

26:13 Hát kezdjük azzal, hogy mi magunk is használunk már, tehát mondjuk azt, hogy az állatorvos jó legyen a delta, és mi magunk is használunk már belső vállalati modelleket, és ennek kapcsán mondjuk azt, hogy nyilvánvalóan az üzletfejlesztés úttörője annak a fajta útnak, amit be kell, hogy járjon a delta, és le tudjon rakni az ügyfelei részére is. És én most valahol azt látom egyébként, hogy olyan jellegű megoldások látszódnak a piacon, amik jellemzően már túlmutatnak az egy-egy AI agent megoldáson, és mondjuk azt, hogy ez az AI Agentic megoldás az, ami már egyre jobban kezd körvonalazódni, és egyre jobban látszik, hogy elterjed a világban is, és nyilván Magyarországon is, amikor egyes egyedi age-et nem önmaguk végeznek bizonyos feladatot, hanem ezek gyakorlatilag egy ilyen autonóm módon képesek feladatokat megoldani úgy, hogy egymást látják, egymásról tudnak, és egymásnak valamilyen adattranszfer segítségével információt adnak át, és gyakorlatilag akár öntanuló módon képesek egy bizonyos folyamatnak a teljesítésére vagy folyamatnak az elvégzésére.

27:25 Ez az első. A másik, amit én látok és szeretnék kiemelni, azok a szuverén modellek. Tehát én azt látom most, hogy egyre inkább afele megy el az irány, főleg az ilyen NLP modellek vagy ellenmodellek kapcsán, hogy ezek a modellek képesek lesznek egy idő után egy vagy on premise megoldásokban is működni, és az az igazság, hogy ugye annyira forrong és annyira változik ez a technológia, hogy itt azért egy 200 millió paraméterszámú modell már egy egészen ilyen pici kis eszközön, kiváló módon elmondta.

28:08 Most az NVB-ről jött ki egy ilyennel.

28:10 Nvidia Spark például, ami kiváló módon linuxos környezetben tud futtatni egy ilyen jellegű modellt, de én már azt látom, hogy az Apple eszközök kapcsán például az Apple-nek a stúdiója, a Mac Studio, de már az Apple-nek a megbukója is olyan jellegű processzort tartalmaz és olyan jellegű architektúrában, ami megdöbbentő módon képes akár ilyen 70 millió paraméterszám modellt is feldolgozni. Tehát azoknak a cégeknek, akik a saját adataikat annyira szenzitívnek vélik, vagy valójában mondjuk az, hogy akár az AI-ek szerint is, vagy bármilyen más államigazgatási utak szerint is nem vihetők ki a felhőbe, és erről majd picit szeretnék beszélgetni, akkor ugye ők náluk ez az egy megoldás, vagy ez a fajta on premise megoldás egy kiváló alternatíva lehet egyébként arra, hogy saját maguk is mégis be tudjanak vezetni olyan jellegű AI funkciókat, amit eddig nem tudtak volna megtenni.

29:09 Viszont van egy érdekes dolog, és bennem is egy ilyen paradigmaváltás történik, mert azt látom, hogy egy picikét itt az AI megoldások kapcsán én magam is elmentem abba az irányba, hogy építsünk saját rag, de már cagmodellek is vannak egészen megdöbbentő, olyan rag, ellenem modelleket a vektoradatbázissal, hibrid searcher és mindenféle jósággal, ami ahhoz kell, hogy offline tudjanak akár teljesen futni ezek a rendszerek, és tényleg jól tudjanak működni, hogy picit elmentem amellett, hogy azért vannak már olyan nagyon jól konszolidált, rettenetesen biztonságos, mondjuk azt, hogy olyan jellegű megoldások a felhőben is, amelyek képesek arra, hogy akár még arra is, hogy az elemet ne tanítsák be azokkal az adatokkal, amiket én felhasználok, ilyen például az AWS-nek a Bedrog keretrendszere, aminek a segítségével teljesen zárt környezetet tudunk létrehozni, és ebben gyakorlatilag üzemeltetni a saját ilyen jellegű megoldásunkat, aminek óriási előnyei vannak nyilvánvalóan.

30:20 Muszáj, hogy föltegyek kiberszekurit érintő kérdést. Az egyik, hogy egy tulajdonossal beszélgettem, és azt mesélte, adatbázis lekérdezéseknél csináltak egy jogosultságot az AI-nak, hogy ne kelljen minden alkalommal ezt egy emberre bízni. És rendben is volt egészen két napig, de hogy a történet szempontjából a kiberbiztonsági kérdés. Kettő nap után azt vették észre, mert figyelni kezdték, már nyilván a nulladik időpillanattól be volt állítva, hogy figyelje.

30:53 Az rendesen fontos dolog.

30:53 Ez egy nagyon fontos mondatom volt, és hogy miért kezdték el figyelni a nulladik időpillanattól. Kettő nap múlva azt vették észre, hogy a tűzfalon elkezdett az AI kifelé menni. És hogy asztalfelhasználóval próbált meg nyitni különböző portokat, ami csak és kizárólag válaszadásra volt beprogramozva, beállítva, és csak ahhoz volt jogosultsága. Megítélésed szerint, és itt jön be a kettes számú kérdésem, de föl merem tenni, mert összefüggés van közte, hogy akkor, amikor beállítunk ügynököket. Az ügynököknél érdemes elgondolkozni azon, hogy milyen felhasználónevet, jelszót állítok be. Kettő, mi van előbb az ügynök vagy az automatizációhoz a folyamat?

31:36 Nézzük az első kérdést. Itt szerintem valahol a kulcsszó, vagy a kulcsmondat az volt, hogy ez a rendszer, ez auditált rendszer volt, és gyakorlatilag minden idő pillanatában egy olyan jellegű, mondjuk azt, hogy egy log automatizmus figyelte a rendszer folyamatos kommunikációját, akár házon kívül, akár házon belül, amivel gyakorlatilag visszakövethetők azok az események, és ez a fajta auditálhatóság világított rá mondjuk erre a kiberbiztonsági sebezhetőségre. Ez egy elképesztő fontos dolog, és nyilvánvalóan, hogy itt megint csak előtérbe jön az, amit eddig is beszélgettünk, de a kiberbiztonság az gyakorlatilag egy elhagyhatatlan és kritikus része az összes ilyen jellegű megoldásnak. És a második kérdés kapcsán pedig én azt gondolom egyébként, hogy amikor egy AI idsentet beállítasz, és elkezdesz üzemeltetni, akkor gyakorlatilag megint ugye messzemenően figyelembe kell venni azt, hogy egyrészt az AI Jennek mi a szisztemplomja.

32:48 Tehát gyakorlatilag mik azok a feladatok, amiket elvégezhet, és mik azok a feladatok, amiket nem végezhet el. És amit én nagyon fontosnak tartok, ez a, mondjuk azt, hogy az eme lops gondolkodás. Tehát az a fajta gondolkodás, ami.

33:02 És egy picit kifejtenéd?

33:04 Igen. Az a fajta gondolkodás, amikor az ilyen öntanuló rendszerek kapcsán nemcsak az öntanuló rendszer fejlesztői team az, aki gondolkodik és dolgozik a rendszer folyamatos retréningjén, üzemeltetésén, üzembiztonságán, hanem azok az emberek is, akik a mögöttes levő infrastruktúrát folyamatosan monitorozzák és folyamatosan karbantartják. A kettő együtt éri el azt a fajta megoldást, hogy itt a kiberszekrény IT biztonság szempontjából is, ha nem is golyóálló, mert golyóálló rendszer nem létezik, ezt azért lássuk be, és ugye ezek a rendszerek, ezt folyamatosan tanuljuk mi magunk is.

33:43 Nem mindegy, hogy látunk vagy nem látunk valamit.

33:46 Valamivel előrébb legyünk egyébként a folyamatban, és biztosíthassuk azt, hogy minél kevesebb kockázati tényező jelenjen meg egy ilyen rendszerben. Beszélgettünk arról, hogy mi az, amit a Delta lát olyan jellegű projektek és olyan jellegű unikális megoldások, amik mondjuk 2026-27 táján így nagyon jól artikulált módon megjelenhetnek, és ezek közül ugye beszélgettünk egy picikét arról, hogy elmentünk abba az irányba, látjuk ezeket a szuverén rendszereket, amik mondjuk képesek egy vagy on premise megoldásokat biztosítani mesterséges intelligencia kapcsán. Viszont itt szeretném azt kiemelni, hogy a mesterséges intelligencia, ami neurális háló döntéshozatali folyamataiba egész egyszerűen nem látunk bele.

34:36 Ez egy Blackbox, ez egy fekete doboz. Meggyőződésem az, hogy ahhoz, hogy akár az autonóm járművek, drónflották, stb. irányítása vagy RPA-k, vagy akárcsak a mesterséges intelligencia, amikor testet kap és robotot irányít a mesterség. Rendkívül fontos az, hogy legyen egy explicit módon jól definiált, mondjuk össze a szakma ilyen trust work-i megoldás, lássunk bele a fekete dobozba, és az, hogy belelátunk a fekete dobozba, hogy mit miért, vagy mi miért történik egy ilyen jellegű rendszerben, rendkívüli módon fontos, mert azt lehet majd látni belőle, hogy mi az, amiért az adott robot vagy adott gép így és így cselekedett. Alapvetően, hogyha a kiberbiztonság oldaláról nézek rá egy AI ügynöknek a szerepére, akkor mi magunk is azt látjuk, hogy nyilván ezen most nagyon jó mondjuk azt, hogy buzzword, vagy nagyon szexi az iparágban.

35:48 Viszont amilyen hype van mögötte, annyira oda kell figyelni arra, hogy azok a folyamatok, amikre egyáltalán egy folyamat, az az egy darab kis mikroszőrvíz, amit egy AI Eagent, mondjuk egy chatbot példának okáért elvégez, azok a folyamatok nagyon jól definiáltak legyenek. A másik az automatizáltság, vagy automatizálhatóság. Az automatizálhatóság kapcsán én kritikusan fontos dolognak tartom ezt a Human Intelluit. Tehát az, hogy az ember szerepe meglegyen abban, hogy a döntéselőkészítés, döntéstámogatás kapcsán ne mindent bízzunk az ügynöknél, vagy nagyon jól definiáltan bízzunk az ügynökkel bármit. Példának okáért, hogyha van egy, három terméket lehet vásárolni esetlegesen kettő az árában, de ezt senki sem definiálta, és mondjuk ezt az AI Agentől kikényszerítik, akkor ugye megint az van, hogy kell az a fajta, mondjuk azt, hogy kompliance, meg GDPR, meg jogi megfelelőség, hogy ezek a dolgok ne történhessenek meg az egyik oldalon, a másik oldalon pedig folyamatosan monitorozni kell az agentnek a külső és a belső lábát, hogy pontosan milyen információk mennek ki és milyen információk érkeznek.

37:12 Illetve a másik az auditálhatóság szempontjából, ha csak agentekről beszélgetünk, akkor nagyon kritikusnak tartom ezt a text-to-speech és a speech-to-text megoldásoknak a validációját, illetve azt, hogy valójában olyan modellek működjenek, amik képesek ezeket nagyon jól megérteni, hiába van egy rendkívül jól megfogalmazott folyamat, hogyha ezek a másik oldalon gyakorlatilag, amikor ennek a leiratozása történik meg, vagy a megértése a másik oldalon, akkor ezek mondjuk, hogy dadognak vagy féllábasak, mert akkor még jól bizonyítható módon sem lehet láttatni azt, hogy pontosan mi történik.

37:50 Nagyon sokan elfelejtik ennél az AI Agent kérdéskörben az alapvető kommunikációs modellt, hogy van egy adóm, van egy vevőm, és egyébként a visszacsatolás jelen pillanatban nem kerül beépítésre.

38:02 Igen.

38:02 Mit gondolsz erről?

38:03 Az, hogy ezek az agentek, ezek hogyan működnek, és hogyan tudnak beépülni a napi operatív folyamatokba, és mondjuk kiváltani a tényleg nagyon repetitív vagy nagyon manuális feladatokat, az egy dolog, mert az egy nagyon jól megfogalmazható üzleti érték, de a másik oldalon viszont rendkívüli módon oda kell figyelni arra, hogy ennek az auditált része is meglegyen, az auditálhatósági része is meglegyen.

38:27 Mivel már voltál a Digit Podcastban, meg fogunk állni, és azt szeretném tőled megkérdezni, a személyes szál rovatban, ami Személyi László kedvenc kérdése. A mai személyes szál, amit Laci fölírt, hogy külföldi utazás.

38:41 Igen.

38:42 Melyik a kedvenc helyed, hova szeretsz menni, egyedül, családdal, milyen utazásokat szoktál megtenni?

38:51 Hadd válaszoljak az utolsó kérdésre, amiben van két gyönyörű gyerekem, meg egy gyönyörű feleségem, tehát alapvetően család, ez a már felejtős, ez az egyedül megyek, bár egyébként erre is volt példa, de alapvetően nyilván a család. Én nagyon vízbarát vagyok egyébként, hogy már csak ilyen személyes vagy tengeren vagy óceánbarát, de mondjuk azt, hogy vannak nyilván kedvenc országaim, amiben voltam, és más-más feltöltődést biztosít, de mondjuk azt, hogy mindegyik meg tudja adni azt, ami számomra kedvező vagy fontos, vagy tényleg kedves. Ilyen például a Dominikai Köztársaság, vagy ilyen például Peru vagy Indonézia, ahol még hát merem állítani, spirituális feltöltődésben is volt részem, de ilyen akár Mauritius vagy a Rodriguez-szigetek, ott mondjuk azt, hogy az a fajta hobbim is képes volt előtörni vagy megnyilvánulni, ami mondjuk az, hogy az óceáni sporthorgászat, és volt tényleg lehetőségem arra, hogy tényleg egy Dzsuraszik parkban ki merem mondani, gyakorlatilag cápát, tollhalakat, elképesztő halakat tudjak horogra akasztani, és azt gondolom, hogy nyilván óriási élmények ezek, tehát nekem ezek fontosak.

40:10 Ami talán így kimaradt, és szeretnék még egyszer elmenni még életemben, az mondjuk Japán például.

40:17 Az életút, meg az utazás, akkor tudod, mi a következő kérdés, hogy van-e olyan ügyfélút, ami a deltában most nyomon követésre alkalmas, vagy a vezetők ezt követik-e?

40:31 Ezt gyönyörűen átvezetted.

40:34 Igyekeztem.

40:34 Alapvetően, és én is hadd vezessem át, engedd meg nekem. Ez a kérdés elképesztően reflektál, meg rezonál arra a fajta transzformációs folyamatra, amit a Delta most lassan egy éve vagy másfél éve él meg, és hozzájárul ahhoz, hogy mondjuk azt, hogy teljesen más szemüveggel tekintsünk egy ügyfélútra, vagy egy olyan életútra, és az ügyfél mondjuk az első kapcsolatteremtéstől egészen odáig, hogy stratégia tanácsai partnerként képes a deltában megbízni az adott ügyfél. A válaszom az, hogy ugye mi, ahogy az előző podcastban is elkezdtünk beszélgetni arról, hogy ez a B2B Boxmoving folyamat, ez mondjuk én azt látom, hogy bármelyik, nemcsak a deltában, bármelyik informatikai cégnél ez lecsengőben van, és igazság szerint amit mi látunk, hogy mi azt szeretnénk, hogy ne egy állandó verseny és árháborúra készülve szeretnénk olyan jellegű megoldásokat biztosítani az ügyfeleink részére, amik akár teljesen unikálisak, mondjuk nincs piacon tevékenykedni, vagy azt mondani, hogy jóval kevesebb versenytárs, és jóval nagyobb a hozzáadott értéke, az üzlet értéke.

41:53 Tehát egy stratégiai partnerségi állapotot szeretnénk elérni az ügyfeleinknél, míg egy másik, mondjuk állandó versenyre kárhoztatott ügyfél, az gyakorlatilag egy beszállítói partner. És akkor innen szeretném eredeztetni azt a fajta választ, hogy mi az ügyfélút, és az ügyfélút az tulajdonképpen nem maga a termék, vagy az a libatöltögető jellegű megoldás, amikor mondjuk azt, hogy az adott kereskedelmi tanácsadó kimegy egy adott céghez, és akkor azt mondja, hogy gyerekek, nálunk van ilyen és ilyen sztori, és ennyire is ennyibe kerül, és ez a cikk száma, hanem azt mondani, hogy az első lépés nálunk az a kérdésfeltevés, és nem az állítás. Az ügyfélútnak a kérdésfeltevés, a kérdéseknek a megértése és a jó válaszok és a következő kérdések, azok alapozzák meg azt a fajta leendő stratégiai partnerséget, amit egyébként abból tudunk származtatni, hogy megértjük az ügyfél folyamatait.

43:02 Mert ha a folyamataikat megértjük, az üzleti igényeket is meg fogjuk tudni érteni. Onnantól fogva tudunk erre ráhúzni egy olyan jellegű megoldást, aminek a segítségével valódi üzleti értéket fogunk tudni teremteni. És abban igenis lehet, hogy van szerver, lehet, hogy van sztori, lehet, hogy van alkalmazásfejlesztés, de nem cikkszámot adunk el, hanem megoldást adunk el, megértve az ügyfélnek az üzleti igényeit.

43:30 Meg kell kérdeznem, és ez az utolsó kérdés, amit föl tudunk tenni, mert lejárt az egy óránk, amit így a beszélgetésre tudtunk most allokálni, hogy azért ez nem egy van menshow munka. A vezetők hány százaléka foglalkozik a deltában üzletfejlesztéssel, illetve, hogy maga az üzletfejlesztésre mi az a struktúra, ami a legjobban működik nálatok?

43:56 Ez egy nagyon fontos kérdés, és én azt gondolom, hogy az, hogy a Deltában, és egy nagyon jó megállapítás volt, valóban ez nem One man show, az rávilágít arra, hogy mennyire komolyan vesszük ezt a fajta transzformációt, és az, hogy olyan megoldásokat biztosítsunk az ügyfelek felé, ami tényleg valódi értéket teremt. És ugye ezt el kell, hogy mondjam, hogy nyilván, ha már én vagyok ennek az igazgatója ennek az igazgatóságnak, akkor gyakorlatilag van egy felső szintű stratégiája ennek, egy jól pozícionált igazgatóság, aki azzal foglalkozik, hogy különböző gyártóknál, különböző ügyfeleknél megvizsgálja azt, hogy milyen jellegű megoldások érhetők el, és van rá igény. És ez lehet Apple, ez lehet IT biztonság, ez lehet BI, ez lehet mesterséges intelligencia, ez lehet RPA-t, bármilyen vagy alkalmazásfejlesztés, amit mi azt látjuk, hogy megértettük az ügyfél folyamatait, azt látjuk, hogy van hozzá megfelelő támogatottságunk, és el tudjuk végezni a feladatot stratégiai partneri minőségben.

45:11 Gyakorlatilag ez a stratégiai igazgatóság ezzel foglalkozik. De ez nagyon-nagyon kevés lenne, ha az általam eddig elmondott, mondjuk azt, hogy szolgáltatási elemek közül ne lennének operatív szinten is, vagy funkcionális szinten is végrehajtó jelek. Mindenhol van egy-egy olyan szakember vagy szakemberek, akik arra képesek, hogy velünk közreműködve gyakorlatilag ezeket a különböző termékfejlesztéseket, ezeket go live szintre emeljék, és gyakorlatilag képesek legyenek arra, hogy átadják a már nagyon operatív szintre, akik gyakorlatilag már ugye a kereskedők vagy tanácsadók, akik mondjuk azt, hogy kiviszik ezeket, és megmérettetik, és reményeink szerint nem találtatik könnyűnek, hanem elfogadják az ügyfelek, viszont van egy másik nagyon fontos jellemzője ennek az operatív szintnek, ez pedig az, hogy ők azok, akik hozzák az információt vissza.

46:13 Nagyon szépen köszönöm, hogy sikerült a mélyére ásnunk ennek a témának, de elfogyott az időm.

46:20 Köszönöm szépen, hogy itt voltál.

46:22 Nagyon szépen köszönöm a lehetőséget, én úgy gondolom.