3. évad – 21. epizód – AI a szoftverfejlesztésben – Technológia, üzlet és jog

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 Sailing Hangar 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. Az AI ma már nem egyszerűen egy új eszköz a fejlesztők kezében, hanem egy olyan technológiai fordulópont, amely az egész szoftverfejlesztési folyamatot a tervezéstől a Legacy rendszerek újraírásáig alapjaiban alakítja át, miközben a vállalatok gyorsabb szállítást és hatékonyságot várnak tőle, egyre élesebben vetődik fel a kérdés, vajon a hype mögött valódi, vállalati szinten is beépíthető érték áll? És mennyire biztonságos mindez üzleti és jogi szempontból.

01:18 Üdvözlök mindenkit a DIG-IT Podcast adásában. Dr. Dávid Péter ügyvéd vagyok, AI szakjogász és a Digit Podcast jogi szakértője. Köszöntöm a Digit Podcast stúdiójában két vendégünket, a Frontendart Kft.-től dr. Bakota Tibor ügyvezetőt és Kónya Róbert kereskedelmi vezetőt.

01:35 Sziasztok!

01:35 Köszönöm, hogy itt lehettünk.

01:38 Köszi a meghívást.

01:38 Egyben köszöntöm társamat, Szekér Zoltánt az OD&IT Solutions-tól.

01:43 Sziasztok!

01:43 Mindenki érzi, hogy az AI felborította a szoftverfejlesztés hagyományos ritmusát. Ti, akik nap mint nap ezzel dolgoztok, szerintetek hol tart most az AI valódi vállalati érettsége, és hol kezdődik a hype?

01:56 Hát én azt gondolom, hogy igazából nem is abból kell kiindulni, hogy hol tart az AI, mert annál sokkal gyorsabban fejlődik a történet, hogy azt meg lehessen mondani. Abból érdemes kiindulni, hogy milyen ütemben, milyen trendek mentén fejlődik az egész történet. Kicsit olyan ez, mint a kvantumfizikában a részecskének, nem lehet egyszerre a helyét és a sebességét is meghatározni, tehát szöges pontossággal, hanem az egyiket vagy a másikat. Itt is az van, hogy körülbelül, hogyha egy évvel tekintünk csak vissza, akkor még nagyon kezdetleges fázisban volt ez az egész AIDS, legalábbis ami a szoftverfejlesztést illeti. Hogyha belegondolunk, ez az egész újfajta AI, ez a nagy nyelvi modelles történet, ez körülbelül három évvel ezelőtt indult, majdnem napra pontosan a Chatgpt hármas megjelenéssel akkor törte át az ingerküszöbét a népnek, és onnantól kezdett egy nagyobb lendületet venni a fejlődésre, de körülbelül egy évvel ezelőtt ért el oda, hogy valami látható módon használható lett a fejlesztés során is az egész történet, és ahhoz képest az egy évvel ezelőtti állapothoz képest nagyon-nagyon sokat fejlődött.

02:54 És hogyha igazából azt nézzük, hogy hol is van ma, én igazából, illetve hol van a hype-hoz képest. Lehet, hogy fölbontanám a dolgot, három részre bontanám. Tehát először is van az a kérdés, hogy mennyi mindenre lehet használni az AI-t, ez a legalapvetőbb kérdés. Itt szerintem nekem az a véleményem, hogy én látom a dolgokat, hogy sokkal több mindenre lehetne használni, mint amire most jelenleg használják. Tehát nagyon kicsi a penetrációja, úgymond, legalábbis a hazai világban. Aztán van az a rész, hogy mekkora a képessége. Egyrészt, hogy mire használják, az volt az első, mire lehetne használni, az egy sokkal nagyobb történet. És maga a hipe rész, én szerintem nagyrészt abban merül ki a hype, hogy abból az illúzióból merül ki a hype, hogy sokan azt gondolják, hogy ez egy könnyen bevezethető, kattintható történet, egyszerűen csak bekapcsolom, használom és kész, és igazából itt szokott lenni a nagy ellentmondás.

03:52 Tehát azért való igaz, hogy nagyon sok mindent megold, nagyon sok mindenre alkalmas, de az a rész viszont nem igaz, hogy könnyű bevezetni és elkezdeni használni.

04:01 Azt szeretném tőletek megkérdezni, hogy a front and art kicsit megtévesztő a nevetek. Mert miközben folyamatosan arról beszélünk, hogy ti vagytok a legjobb AI fejlesztők, az egyik legjobb AI fejlesztők Magyarországon. Közben van egy ilyen név, amiből arra lehet asszociálni, hogy dehát weboldalt fejlesztetek.

04:20 Nem voltunk ügyesek 26 évvel ezelőtti választásban.

04:23 26?

04:23 Hát lassan 26, így van. Gratulálunk!

04:26 Köszönjük szépen!

04:27 Kicsit azért ennél komplikáltabb a helyzet, tehát 26 évvel ezelőtt még nem is nagyon volt elterjedve az a kifejezés, hogy frontend, illetve nem azt jelentette, mint ma jelenti. Ugye mi annak idején a céget arra alapítottuk, hogy ilyen forráskód elemző rendszereket fejlesszünk, és a forráskód elemző rendszereknek van egy úgynevezett frontend része, meg van egy backend része, vagy a frontend része az, amelyik megérti a kódot és fölépíti a modellt, és az volt az átütő célunk, hogy ilyen rendszereket fejlesszünk, és ezt vigyük művészi szintre. Csak ugye időközben megjelent a frontend technológia, és mindenki azt gondolta, hogy mi UI felületeket fejlesztő cég vagyunk, de alapvetően nem ez a szakterületünk.

05:04 És hogyan épül most föl a cég? Tehát eltelt 26 év, de nyilván változtatok.

05:08 Igen, teljesen, tehát ahogy a piac változott, úgy mi is hozzáigazodtunk.

05:12 Tehát ma már ez az üzletág, ez a forráskód elemzés, ez igaz, hogy még jelen van, de kevésbé hangsúlyos, ugye itt már nagyon sok technológia megjelent azóta a piacon, meg sok megoldás létezik, úgyhogy mi is ehhez képest új területeket nyitottunk, ez az egyik az AI többek között, de rengeteg egyéb szoftverfejlesztés, meg hasonló területen mozgunk.

05:33 Mi a fő?

05:33 Szoftverfejlesztés erős AI kompetenciával.

05:38 Azt nem szoktuk mondani, hogy AI-szakértők vagyunk, mert ma már mindenki AI-szakértő, és kicsit elcsépelt ezt mondani, de hogyha alátámasztva azt tudjuk mondani, hogy van egy erős AI kompetenciánk, akkor sokkal egyszerűbb kommunikálni azt, hogy mi ehhez értünk is. Egyébként visszacsatol majd a névválasztáshoz, a sales azért ezt nyögi, ezt a 26 évvel ezelőtti névválasztást, ugyanis volt egy-két olyan tárgyalásom, ami csak azért húzódott el, mert nem volt meg a megértése annak, hogy mi nem frontendfejlesztők vagyunk, hanem ettől sokkal mélyebb a nyúl ürege, és kellett idő, még átütődött az az információ, hogy mi egyébként nem frontenddel foglalkozunk, hanem szoftverfejlesztő cég vagyunk, és nagyon sok minden van a csőben.

06:20 Apropó, prezentációk. Egyre több vállalat próbálja most már az AI-t beépíteni a fejlesztési folyamatokban, tehát sokszor a prezentációkon elhangzó ígéretek és a valóság között azért rendkívül eltérés van. Hogy látjátok, hogy mennyire képes ma a technológia akár meggyorsítani vagy egyszerűsíteni, vagy átalakítani a kódírást, a tesztelést.

06:40 Hú, ez egy olyan kérdés, amit itt ülhetnénk most reggelig, de megpróbálok röviden visszacsatolva még a legelső kérdésre is, hogy az AI érettsége, tehát itt eljutottunk talán odáig, hogy nemcsak az AI-nak az érettsége, hanem a cégeknek az érettségi szintje az AI-jal kapcsolatos témákban. Ez is nagyon messzire vezet, de amikor azt mondjuk, hogy hype vagy érettségi szint, nagyon szépen el tudjuk különíteni, mert hype-ról szerintünk, illetve szerintem beszélünk akkor, mikor egy cég tudja, hogy van az AI, szeretné használni, de fogalma nincs, hogy egyébként mire lehetne használni azon túlmenően, hogy promptokat ír, adott esetben azt is rosszul, a Chatgpt-nek vagy a Geminnek, vagy éppen amelyikről beszélünk.

07:20 Az érettségi szint viszont a hype mellett ott érhető tetten, mikor valaki vagy valamelyik cég tudatosan használja az AI-t, a szoftvereket és keretek között, szabályok mentén kezdjük el használni, mint ahogy mi is tesszük ezt a mi cégünkbe 2022 óta. Amióta elérhető a Chatgpt. Nálunk az volt a mondás, hogy vegyük nagyon komolyan, illetve tulajdonosok részéről ez az elvárás jött, hogy ne csak nyomkodjuk a Chatgpt-t, hanem értsük meg, hogy üzleti szinten, illetve folyamatainkban ezt hogy tudjuk beintegrálni. Nálunk nagyon sok aspektusa van az AI-nak, nyilván most nem fogok mindenről beszélni, de bedobnék egy-két példát, hogy mi az, amire mi használjuk szabályok és keretek között. Például az egyes termékeink előminősítésénél vagy bevezetés előtti időszakában, amikor vannak különböző techelemzéseink, és a techelemzés most nem a technológiára szeretne rámutatni, hanem a tulajdonságelőny haszon nevű techelemzésről beszélünk.

08:25 Szeretném kifejteni. Van egy projektünk, van egy termékünk, aminek megcsináljuk az elemzését még a piacra lépés előtt. Nyilván ezt megelőzi egy brainstorming leülés az adott vezetői réteggel vagy a technikusokkal, akiknek közük van ehhez a projekthez, és itt jön be az AI-nak az a nagyon egyszerű része, amikor elmagyarázzuk neki egy bizonyos nagyságú prontba, hogy mi a termék, miről szól, kinek szól, satöbbi, satöbbi, és adjon nekünk hinteket azzal kapcsolatban, hogy merre mozduljunk el. Nyilván itt bejön az az aspektusa is az AI használatának, hogy nem rábízzuk magunkat, tehát nem azt mondjuk, hogy amit ő kiírt, az a Szentírás, hanem ad nekünk egy irányt, és ezt fogjuk mi szétszedni az adott vezetői réteggel, vagy azzal a réteggel, akinek köze van ehhez a projekthez.

09:18 Ami kérdés rögtön felmerült, az, hogy most mindenki arról beszél, hogy így, AI, Agent, meg új AI, Agent. Megkérdezem tőletek, mert kellőképpen azt gondolom, hogy ti tudtok rá válaszolni. Mi a különbség az AI Agent és az automatizáció között?

09:34 Ezt akkor megpróbálom én megválaszolni.

09:36 Ugye az AI Agent, ugye tipikusan a Zee Hidgenek mögött ezek a nagy nyelvi modellek állnak, amik hogyha nagyon alacsony szintre lebontjuk a dolgot, nem képesek másra, mint egyszerűen csak tokeneket generálni egymás után. És igazából ezt a token generálás képességet használjuk arra, hogy mindenféle műveleteket elvégeztessünk velük, tehát olyan dolgokat, tehát gyakorlatilag a nagy nyelvi modell mondja meg, hogy miket kell megcsinálni, és aztán utána valamilyen automatizmus ezt megcsinálja. Ugye ennek van hátránya is, meg előnye is. Az előnye az, hogy nem nekünk kell megmondani, hogy mit kell csinálni, hanem ezt akkor a nagy nyelvi modell, illetve az AI kitalálja és megcsinálja. Ugye a hátránya az, hogy ez sokkal lassabb és költségesebb, mint hogyha valamit automatizálnánk.

10:16 Az automatizálásnál egyszer a fejlesztő kifejlesztés, akkor az mindig úgy működik, ugye determinisztikus módon, alapvetően nyilván az AI is akkor lenne az igaz, hogyha determinisztikusan működne, de ott nincs mozgástér, nincs az a rugalmasság, hogy különböző típusú falatokat különböző módokon oldjon meg, hanem akkor azt mindig ugyanazon a módon oldja meg, viszont cserébe gyorsabb is, megbízhatóbb is, meg olcsóbb is. Tehát ilyen szempontból nem érdemes mindent AI-osítani, márpedig most sokan arra törekednek, vagy arról próbálják meggyőzni az ügyfeleket, hogy mindent AI-ra kell átírni. Ez nem egy jó megközelítés, tehát van egy ésszerűség, amit a határain belül kell.

10:52 Egyetértetek azzal az automatizációs filozófiával, hogyha valamit egyessel és nullával le lehet írni, oda még nem kell AI?

10:58 Teljesen igen.

11:01 Az a kérdés, hogy ha a költséget csökkenti, és vajon a fejlesztési időt lerövidíti-e, mennyiben támogat ez titeket, és ez milyen hatással van akár a minőségre?

11:10 Ami rögtön így az éjjel kapcsolatban meg kell, hogy jegyezzünk, ez a hallucináció, és hogy annak a hallucinációs időnek hogy lehet a mennyiségét és az idejét csökkenteni fejlesztés során.

11:20 Ezzel mi a tapasztalat?

11:22 Igen, hallucinálnak az AI-ok, de ez a hallucináció mértéke folyamatosan csökken, ehhez a manuális áttétel valamennyit segít, illetve a mostani megoldások, azok már nem úgy működnek, hogy odaad az ember egy promptot, és akkor csináld meg, enter, hanem vannak már olyan tervezési módok, amikor visszakérdez háromszor és négyszer, ezt biztos így szeretnéd, itt mit csináljak. Tehát amikor ő azt érzi, hogy valamifajta bizonytalanság van a lépésben, akkor megkérdezi, útmutatást kér, és nyilván akkor az ember vagy elmondja, vagy megunja a kérdést, és rányomja, hogy oké, mindegy, nem érdekel, csináld meg valahogy.

11:53 Most a következő ugyanide kapcsolódik, junior medior. Hogy lesz valakiből medior, hogyha skippeljük a junior részt. Tehát, hogy erről beszélgettünk Nagy Anitával, a Schönherz Iskolaszövetkezetnek az igazgatójával, itt ült pár nappal ezelőtt, és vele is készítettünk egy műsort, és hasonló kérdést tettem föl a humánusnak. Most kérdezem a fejlesztőktől, hogy ők hogy ugorják meg.

12:17 Igen, ez egy nagyon nagy kérdés, és megmondom őszintén, nem tudom, hogy hogy fogják megugorni.

12:22 Nálunk, a mi konkrét esetünkben mi úgy keresünk már embereket, junior embereket, akik valamilyen módon már szert tettek valamiféle szakmai tapasztalatra, vagy az egyetem mellett dolgoztak, vagy saját feladatokat végeztek, munkákat végeztek, vagy duális képzésben vettek részt, tehát úgy, hogy nullára jön valaki hozzánk, aki nem tudja az alapokat se, az teljesen reménytelen.

12:44 Tehát lassan a régi poén ismét értelmét nyeri, hogy pályakezdő 20 éves tapasztalattal.

12:50 Magasan van a léc nálunk, ez biztos. De ez jó is, mert ez igazol is bennünket a piacon. Tervben nagyon sok minden van. Van egy elég komoly szűrőnk, és nem is feltétlenül azt, amennyire rálátok nyilván a Haár az nem az én területem, de azért még nem, vagy hát nem úgy, ahogy a nagykönyvben meg van írva. Van azért rálátásom arra, meg volt, hogy hogy zajlik nálunk egy felvételi folyamat. Nem azt keresik a kollégáim a felvételiztetés során, hogy ki mennyi tudást hoz az egyetemről, hanem ki érzi a szakmát annyira magáénak, hogy az egyetemi tanulmányai mellett van saját projektje, egy nyelv mellett letette a voksát most még, és azt magasabb szinten képviseli, mint az, aki kijött valamilyen tudással az egyetemről.

13:42 Tehát ezeket a tehetséges junioroknak hívjuk őket egyébként, tehát ezeket a juniorokat keressük, és van egy olyan felvételiztető programunk, ahol nagyon szépen kibukik az, hogy ki az, aki tényleg szívvel-lélekkel, majdhogynem ezzel kel, ezzel fekszik, és jó is, hogy van egy ilyen elvárása a cégnek, mert ezzel tudjuk garantálni azt, hogy ezeket a juniorokat specializáljuk akár AI területre, ami egyébként szerves része a cég működésének.

14:10 Mi a tapasztalatotok, ezek a juniorok mennyire ismerik már az élet, mennyire a mindennapjaik része?

14:15 Részben ismerik, használják őket. Az a kérdés igazából, hogy milyen szinten. Tehát legtöbben azért fejlesztésre nem használják még, mert hát nyilván viszonylag új technológia, de különböző megfogalmazások vagy dokumentumtervezések előállítására már azért használják, tehát ismerik őket. Ugye, amikor az ember fejlesztésre használja az AI-t, akkor inkább nem azzal a Chatgpt felülettel dolgozik, mert a Cloud feladata mindenki számára ismerős, hanem inkább apikon keresztül hívogatják még. Tehát ezeket nem annyira ismerik, de ez viszonylag könnyen megtanulható, hogyha az ember az alaptechnológiákkal képben van.

14:49 Nálatok az egyik fő irány az egyedi fejlesztés. Akkor van a másik az, amikor ERP rendszereket csináltok, a harmadik, amikor a tesztelési megoldásokat próbáljátok meg kordában tartani, fogalmazzunk így.

15:02 Mi van még?

15:02 Az, amiket elmondtál, ez mind valid. Annyi, hogy az AI az nem egy külön üzletág, hanem az igazából horizontálisan átfogja mindegyiket, tehát akár a termékekben is benne van, meg a szolgáltatásokban is, de felsoroltad a nagy részt, amivel kiindultunk annak idején 26 évvel ezelőtt, az a kódminőség vizsgálat, az a forráskód elemzés, az valamilyen szinten kapcsolódik a teszteléshez, statikus tesztelésnek is hívják, ez mellett van a klasszikus tesztelés üzletágunk, és ez mellett van az egyedi szoftverfejlesztés, amiből van olyan, ahol AI modulokat is kell fejleszteni, meg van olyan, ahol nem kell, hanem klasszikus értelemben vett vállalati rendszer.

15:39 Akkor jól értem, hogy van olyan is, amikor technikailag egy szoftvertesztelést is végre tudtok hajtani?

15:47 Abszolút. Mi a teszteléssel elég, hát mondhatom azt, hogy elég magas szinten foglalkozunk, illetve van egy saját fejlesztésű szoftverünk, ami ezt abszolút támogatja nálunk házon belül és külsős partnereknél is. Nálunk abszolút, ahogy Tibi is mondta, a coolbiznisz az abszolút az egyedi szoftverfejlesztés nagyvállalati környezetben elsősorban. És emellett igen, vannak saját termékeink, amit alapvetően a saját életünk megkönnyítésére fejlesztettünk ki, majd nőtték ki magukat ezek már piacképes termékekké.

16:16 És van olyan, ami kvázi dobozos? Tehát, hogy letöltöm, használom, és dolgozom vele?

16:22 Abszolút van ilyen rendszerünk is, illetve a legtöbb rendszerünk az teljesen testreszabható, illetve cégre szabható, ami nem csak annyiban merül ki, hogy egy gombot áttegyünk jobbról balra, vagy átszínezzük, mert azért ezt szeretik alkalmazni az abszolút testreszabhatóságot, ami ebben merül ki. Mondtad az ERP-rendszert egyébként, azt el szoktuk mondani, igen, van ERP-nk, nem vagyunk ERP-s cég, de ezt az ERP-t ezt úgy kezeljük, mint egy fehér vászon, az ERP összes klasszikus moduljával rendelkező rendszerről beszélünk, ami egyébként cégmérettől és profiltól függetlenül, ez most itt a reklám helye, ez az előző gondolatokra rácsatolva ugyanúgy cégre szabható.

17:10 És a nagyobb rendszerekhez is tudtok kapcsolódni? Tehát ilyen API-kon keresztül, mennyire lehet integrálni, tehát most, hogy csak így az ügyvéd úrra ránézek, digitális aláírás, vs. dokumentumkezelés, vs. BI rendszerek.

17:27 Igen.

17:27 Tehát ezek a rendszerek már úgy vannak megírva, hogy a legmodernebb API technológiákat használják.

17:32 Ez azt jelenti, hogy az Open Apple formátumot alkalmazzuk, ami azt jelenti, hogy Prestapin keresztül bármihez, bárhogyan, bárkivel, bármit lehet integrálódni, és ráadásul AI agent kompatibilis is, tehát akár AI agenteket is rá lehet engedni, és megtehető az, hogy gyakorlatilag valaki egy promttal, tehát egy szöveges leírással vezérli a rendszert, és leírja, hogy akkor állíts ki nekem egy számlát erről, meg erről a termékről, meg ilyen fizetési határidővel, és küldd el erre meg erre az e-mail címre, tehát ezt ilyen szinten integrálható.

18:04 Kicsit visszaeveznék még a minőségi és biztonsági elvárásokhoz. Ezek a generatív eszközök néha olyan kódsorokat, kódrészleteket adnak ki, ami tartalmazhatnak hibákat, akár licencproblémákat vagy sebezhetőséget. Nálatok milyen kontrollmechanizmusok vannak erre, hogyan tudjátok kiszűrni?

18:22 Igen, erre vannak automatikus eszközök, amik a klasszikus szoftverfejlesztésben már elterjedtek, tehát gyakorlatilag a fejlesztés során, ugye most mindegy, hogy éjjel generált vagy emberirta, vannak olyan lépések a fordítási, meg a billegési folyamatokban, amik ellenőrzik a forráskódot, akár statikus kódexek segítségével, akár sérülékenység szempontjából. Ezeken nyilván lépésről lépésre végigmegy a forráskód, és amikor vannak problémák, ugye azt jelzi a rendszer. Ugye a licenc, most a licenc nem a klasszikus értelemben vett licencre gondolok, hanem arra, hogy valami olyan kódot generál-e mondjuk az AI, ami jogilag nem felhasználható. Ugye itt ezek a nagy AI, nagy nyelvi modellszolgáltatók is küzdenek ezzel a problémával, hogy rátanították a kódot rengeteg githabon lévő forráskódra, olyanokra is, amire nem feltétlenül lehetett volna rátanítani, mert nem volt hozzá felhatalmazásuk, és akkor az AI olyan kódokat generált.

19:19 Hát itt erre azt tudom mondani, hogy mi ugye a szolgáltatóval állunk szerződésben, ugye ennek a jogi részért ő felel, ezt a harcot neki kell megvívnia ezekkel a licenctulajdonosokkal.

19:32 Milyen jogi dolgok vannak még, amit itt figyelembe kell venni? Ezt most tőled kérdezem, mert te vagy az autentikus ember ebben a társaságban.

19:39 Én mindig zászlóshajóként a kompleins by design elvét szoktam említeni. Nagyon fontos, hogy főleg ilyen esetekben, amikor egy egyedi szoftver fejlesztése történik, akkor már a szoftver tervezésekor üljünk össze közösen egy jogásszal, aki ért ehhez a területhez, és építsük be azokat a jogi mérföldköveket és pontokat, amivel biztosítható, hogy nemcsak a fejlesztés folyamán, hanem az üzemeltetésben később is minden pontnak megfelelő legyen ez akár GDPR, Nis 2, vagy akár az AI-jek, tehát mindannyian tudjuk, hogy jövő évtől már kötelezően alkalmazandóvá válik.

20:10 És kiberszekurity szempontból mi az, ami a hozzáadott értéke a ti rendszereiteknek?

20:17 A kiberszekrény oldalt azt többféle módon meg lehet fogni, és itt is igaz, amint említette, hogy minél korábban megfőtt a sérülékenység, annál olcsóbb. Azt mondják, hogyha a specifikáció pillanatában megfogjuk a rendszer sérülékenységét, akkor az körülbelül ezerszer olcsóbb, mintha már az éles környezetben kerül ugyanaz elő. És azért ugye mi is, hát a mi rendszerünk is próbálják minél korábban ezt megfogni. Ugye az egyik kódelemző eszközünk például, a statikus kódelemző eszközünk már a fejlesztési időben, az igaz, hogy a specifikáció után van valamennyivel, de mégis a korai szakaszban. Ugye képes detektálni bizonyos típusú sérülékenységeket, tehát például a legklasszikusabbakat említsem, csak az SQL Injection, meg Cross Iscripting, ez ugye a szakmabelieknek mond valamit, ezek elég komoly sérülékenységet jelentenek.

21:03 Utána, ahogy megyünk tovább az életciklusba, a következő lépés a tesztelés. A tesztelés során is az egyik-másik eszközünk, amit tesztamigrátornak hívnak különben, az képes arra, hogy maga a tesztelés folyamán monitorozza, hogy mely kódrészek vannak lefedve a teszt végrehajtása során, és hogy azok esetleg érinthetnek-e valamilyen típusú sérülékenységeket. Tehát lehet tudatosan abba az irányba terelni a tesztelést, hogy minél több olyan kódrészletet lefedjünk, ahol potenciálisan sérülékenységek vannak, vagy például, amelyek módosultak az utóbbi pár kombit után során.

21:36 Csináltatok magatoknak egy olyan szoftvert, amivel ellenőrzitek a saját fejlesztéseteket is?

21:42 Abszolút.

21:42 Hát nem, ez így nem teljesen igaz. Nem magunknak csináltuk, de mi is használjuk, igaz? Így igaz az állítás.

21:50 Félidőhöz érkeztünk. Szokás itt a Podcastben, hogy ilyenkor fölteszünk egy könnyedebb személyes kérdést. Ha egyetlen helyen tölthetnétek újra magatokat, akkor az mi lenne? Tengerpart vagy hegycsúcs?

22:03 Ez egy viszonylag könnyű kérdés. Egyértelműen a tengerpartra szavazok. Tehát én nagyon szeretek például Horvátországba járni. Azt gondolom, a horvát tengerpartnál kevés szebb hely van a világon, úgyhogy mi oda szoktunk tipikusan járni, és nagyon szeretjük családdal.

22:18 Gondolom, hogy meglegyen a kontraszt, hogy én a hegyet mondom, de beállok Tibi mellé, tehát nálunk is a tengerpart, ami abszolút prioros.

22:28 Én a klasszikus hegypárti vagyok, tudjátok, hegyi ember vagyok, ha nem Budapesten vagyok, akkor abban a hegyekben találtuk meg.

22:35 Nekem vízpart. Figyeljetek, van egy kérdésem. Mindenkinél két opció van. Az egyik felhő, a másik meg az on-prem megoldások. Ti melyik modellre esküsztök és miért?

22:47 Ha kkv, akkor felhő, a KKV-nak is a kisebb szegmense, hogyha nagyvállalat, akkor meg on-prem.

22:55 Én annyival talán pontosítom, hogy az Onprem és a felhő között van még egy harmadik opció is, ugye az az on-prem felhő, amikor valakinek, főleg nagyvállalatoknak van olyan kapacitása például, hogy felhőben, de nem úgy a felhőben, hogy ilyen nagy szolgáltatótól bérelve, hanem mondjuk egy komoly felhőszolgáltatótól, AWS-ben vagy Agere-ben futtasson saját dedikált nagy nyelvi modellt, az gyakorlatban vagy biztonság szempontjából ma már egyenértékűnek számít az on premmel körülbelül, de mégsem igényli azt, hogy valaki fizessen több tíz vagy akár százmillió forintot vasakra, és annak a kihasználtsága kérdéses legyen. Tehát már van erre lehetőség. És én azt gondolom, hogy a nagyvállalati környezetben is ez már használható, és akár kisvállalati környezetben is már megfizethető, mert itt nem feltétlenül kell dedikált vasakra gondolni, hanem ilyen Paypassion modellbe, tehát amennyit használod, annyit fizetsz, és hogyha időszakosan van szükség csak, akkor ezt le lehet skálázni, és akkor nem kell.

23:57 Ugye itt most kiberszekurity szempontból szeretném megközelíteni még a kérdést, hogy van, aki nem teheti meg, hogy felhőzzön, és kénytelen, hogy megvegye, és most már erre azért vannak céleszközök, tehát hogy nem horror összegű céleszközöket lehet kapni, meg helyben futtatható elemeket is lehet telepíteni. Technológiailag nektek mindegy, hogy hol van? Tehát, hogy hova kell telepíteni az éppen aktuális fejlesztéshez tartozó dolgokat?

24:25 Abszolút.

24:25 Teljesen mindegy.

24:27 Ehhez jön a kérdés, hogy ugye vannak a zárt AI modellek, amelyek biztonságosak, és vannak a nyilvános jelmodellek, amelyek gyorsak és rugalmasak, hol van a kettő között az egyensúly, hol lehet ezt úgy alkalmazni, hogy ne sérüljön se a felelősség, se a fejlesztési idő, se a minőség.

24:43 Visszakérdeznék, az AI modell mitől biztonságosabb, mint a nyílt?

24:47 A nyílt AI modellek nyílt adatbázisból dolgozhatnak, és így ugyanúgy fölmerül a szivárgás lehetősége is, mint egy zárt AI modell esetén az üzleti adatok biztosan nem sérülnek.

24:59 Én még egy kiegészítést tennék.

25:00 Ugye itt nagyon keveset beszélünk arról, hogy miért fontos mondjuk egy Nis 2, ugye? Hogyha elhagyom a Nis 2-t, akkor 914 darab kérdésem marad. Tehát, hogy a határvédelem szempontjából gyakorlati tapasztalat, hogy kapott a tűzfalon egy figyelést az adott lokálban futó ellenemes számítógép, kapott egy hozzáférést a magához felhasználónév jelszó ahhoz, hogy futtasson egy lekérdezést, és arra a jelenségre lettünk figyelmesek, hogy kettő nap múlva egészen konkrétan a tűzfal fogta meg a kifelé menő valamilyen adatkérését ennek az egyébként lokálban futó elemnek, aminek nem szabadott volna kimennie. Na most ezzel kapcsolatban van-e tapasztalat, vagy van-e valami olyan gondolat, amit érdemes figyelembe venni paraméternél, jogilag bármi?

25:59 Amikor ilyen kérdés jön szembe, akkor mindig azt szoktam mondani, hogy hozok egy szakértő kollégát magammal, és akkor átadom neki a válaszolás lehetőségét.

26:09 Köszönöm.

26:09 Köszönöm szépen. Tehát ha visszamegyek az alapokhoz, akkor az elem az ugye nem csinál mást, mint tokeneket generál. Tehát az elem az nem fog kihívni sehova, hanem mindig az van, hogy köré van építve valami olyan technológia még, ami ezeket a kihívásokat lehetővé teszi. Tehát itt igazából nem a nyelvi modell szintjén kell megfogni. A nyelvi modell jelenti most itt az AI-t ebben a kontextusban, nem azon a szinten kell megfogni a problémát, hanem azokban a kis köré bástyázott kis agent-ökbe, amik esetleg egy kimenő hívást intéznek kifelé. Ott lehet a probléma. És ilyen szempontból a nyílt modelleknél is nyílt, illetve zárt modellekre visszatér egy pillanatra. A nyílt modellek olyan szempontból transzparensebbek, hogy mondjam, vagy egyrészt lehet tudni, hogy min tanították, de másrészt azt is lehet tudni, hogy hogy épül föl maga a modell, mi a szerkezete, tehát teljes mértékben republikálhat, hogy mit csinál maga a modell.

27:05 A zárt modellekről ilyen szempontból túl sok mindent nem tudunk, hogy azok hogyan működnek, de biztonság szempontjából mind a kettő ugyanazt csinálja, adok neki egy szöveget, és ő ad vissza egy másik szöveget. Tehát ilyen szempontból ő adatszivárgás olyan szempontból nem fog föllépni a nyíltnál se, hogy ő most elkezd küldözgetni kifelé dolgokat. Tehát ilyen nincs, hanem ott akkor az van, hogy köré bástyáztak valami egyéb technológiákat, amik azokat a tokeneket átfordítják mondjuk függönyhívássá, vagy távoli függönyhívássá, és akkor ott van a probléma.

27:34 És hogyha most így ezt az AI-t megpróbálom megfejteni. Ugye az a nehéz ebben az AI dologban, hogy így senki nem tudja. Ez olyan, mint a matematika, általános iskola, hogy a fekete dobozban történik valami. Tehát, hogy bedobom a piros korongot, és kijön a kék háromszög, és mi történt. Hogy ezt hogy lehetne jól definiálni, hogy végre értsük, hogy mi az, hogy AI?

27:58 Nem definiálni szoktuk, hogy mi az az AI. Most a legutolsó ilyen beszélgetésünk egy nagy gyártó cégnél úgy indult, hogy ők nyitnának az AI felé, és akkor szeretnének AI-t. De hogy mit szeretnétek? Hát nem tudják AI-t, csak hogy legyen valami AI. Nyilván ilyenkor a saját tapasztalatainkat tudjuk elmesélni, az elmúlt 2-3 év tapasztalatait, illetve a külföldi cégeknek a tapasztalatait, amit mi is követünk valamilyen szinten, hogy hogyan, hol, mennyire, miért alkalmaztuk vagy alkalmazták az AI-t. És mint egy ilyen terülj, terülj asztalkám, felvázoljuk, hogy milyen területeken hogyan alkalmazták, és akkor választhatok belőle, vagy egyáltalán, hogyha nem tudtok választani, akkor elindul-e bármilyen gondolat a fejetekben, hogy na erre használhatnánk mi is, és ez elég sokszor ki is bukik, hogy teljesen sötéten ülünk le beszélgetni a másik oldalról, nem megbánta nyilván senkit, hanem azon túlmenően, hogy chatgpt-t prontolunk, nincs más gondolat az egész mögött, de hogyha adunk pár példát, hogy milyen iparágban, hogyan, mit használtunk, hogy használtuk, akkor elindulnak a fogaskerekek a másik oldalon is, és ebből születtek már projektszerződéseink.

29:15 És most egy kicsit technológiailag is azt szeretném tőled megkérdezni, hogy mennyire igaz az a mondat, ezt hallottam, tehát most csak visszakérdezek, hogy van egy 65 ezer soros Excel táblám, amiben az FKERES függvény gyorsult fel. Ezt most így konkrétan így hallottam valakitől, hogy ez semmivel nem tud többet, mint egy Excel, csak nagyon gyorsan keres.

29:36 Nem, nem, ez nem igaz.

29:38 Kellett egy kis idő, hogy lássa, hogy mi is itt a kérdés valójában.

29:42 Jó, tehát ez nem igaz. Tehát maguk ezek a, nevezzük AI-nak, de azért nem szeretem az AI-t használni, mert az elmúlt 20 évben azért sok mindenben elhasználták már az AI-t, ugye a mai világban ez az elemet jelenti. Az, hogy ezek hogyan működnek, az matematikailag teljesen transzparens, leírható, nagy mátrixokkal való szorzások vannak mögötte, mindegy. Még csak azt sem mondom, hogy matematikailag egy komplex történet. Az a megdöbbentő, hogy maga a működési elve azon alapul, hogy rengeteg szöveget látott, és a szövegeket statisztikai módon értelmezte, mondjuk úgy, hogy statisztikai adatokat gyűjtött, amik ugye azt jelentik, hogy valamilyen, meg kell mondani, valamilyen mondatrész, vagy valami szósorozat után melyik a legvalószínűbb szó, ami soron fog következni egy mondatban, figyelembe véve az előző 10 ezer mondatot is akár.

30:35 És az a megdöbbentő, hogy ez roppant élethűen működik, tehát roppant jól utánozza, mimikálja az embernek a beszédét, illetve hát a gondolkodását is, de ez abból adódik, hogy ezeken a szövegeken tanult. Ugye ezt miután meg szokták mi is még spékelni különböző dolgokon, például a reasoning, tehát ez az érvelés, ezekre használnak még különböző technológiákat, de az alap az minden esetben az, hogy megpróbálja megbecsülni, hogy mi a következő szó egy adott mondatban. Tényleg megdöbbentő, hogy ez működik, de működik.

31:11 Bocsánat, a prediktív bevitel iphone billentyűzetén jutott eszembe, amikor ő tudja, hogy mi fog következni, csak nem azt akarom írni.

31:20 Így igaz. Ilyen szempontból nem egy rossz történet, alapvetően jó a hasonlat. Annyiban különbözik az AI, hogy nem abban a szóban lévő karakterek alapján próbálja meg becsülni, hanem az elmúlt tíz év általam begépelt szöveg alapján például. Tehát, ha így hasonlatokban akarunk gondolkodni.

31:38 Visszatérve Robi gondolatához, mondhatjuk azt, hogy ami most az AI, az mondjuk 4-5 évvel ezelőtt a blockchain volt, és tök mindegy, hogy mi van, csak legyen a fejlesztésben AI vagy blockchain, tehát hogy trendi legyen, hogy elmondhassuk a nap végén, hogy a mi szoftverünkben van ilyen, és hogyha valóban ez a helyzet, akkor mi a tapasztalatotok, hogy a cégek hány százaléka tudja valóban, hogy ez mire jó, és ha nem, akkor mivel tudtok még pluszban segíteni nekik?

32:04 Szerintem szépen el lehet már határolni a KKV-szektort a nagyvállalati szektortól szépen lassan, de el lehet határolni. A KKV-szektorban még mindig az van ez a hype fázis, hogy legyen AI, valami. Nem tudjuk mi az, de valami legyen, tisztelet a kivételnek. A nagyvállalati szektorban egy kicsit már átgondoltabban, lassabban ugyan, de átgondoltabban állnak hozzá az AI kérdéshez, már csak azért is, mert nyilván egy nagyon erős versenypiacról beszélünk, ahol mindenki nagyon jó akar lenni, és nagyon előre akar szaladni, és jól használni az AI-t. A KKV-ra is igaz ez, csak nyilván ott egy kicsit szabadabban van a gyeplő, nyilván ők gyorsabban tudnak AI-okat próbálgatni és a lehetőségeit próbálgatni, mint egy nagyvállalatnál, ahol tudjuk azt, hogy a döntéshozatal nem ugyanaz a folyamat, mint egy kkv szektorban lévő cégnél.

33:00 Tehát a lényeg annyi, hogy a két szektor nagyon szépen elkülöníthető gondolkodásban az AI-jal kapcsolatban. Szerencsére abban a helyzetben vagyunk, hogy alapvetően nagyvállalati szektornak szállítunk, és jól megtalálják a gondolatok így részünkről és a partnerek részéről az AI-kérdéseknek a kimeneteleit.

33:22 Na, ezt most nagyon szépen megfogalmaztam, de talán érthető volt.

33:25 Csodálatos volt.

33:25 Köszönjük szépen.

33:26 Köszönjük.

33:26 Még annyit hozzátennék ehhez, hogy valóban van hasonlóság, mert ha belegondolunk, ez a blockchain, ez a 2010-es évek eleje, vagy ha még visszamegyünk, bitcoinok után 2008-ig vissza kell nyúlni. Ugye ott egy időben nagyon-nagyon fölkapott volt a történet, hogy erre is jó lesz, meg arra is jó lesz, túl volt hype-olva egyértelműen, és aztán szépen lassan lecsengett. És mostanában, tehát az elmúlt pár évben kezd újra kisebb hype-pal ugyan, de tényleg gyakorlati alkalmazásai megjelenni. Most gondolhatunk itt a digitális fizetőeszközökre, meg a különböző egyéb digitális NFT-k meg hasonló világára. És most már kisebb a hype-ja, de most már vannak gyakorlati alkalmazásai is jócskán a történetnek, és látjuk, hogy mire lesz jó.

34:12 Viszont a ZSST-ben most valami hasonló történik, abból a szempontból tényleg föl van kapva, tényleg túl van fújva abban az értelemben, hogy most már mindenre is azonnal megoldást nyújt, ami talán még egy kicsit túlzás, de az szerintem nem túlzás, hogy a közeljövőben szinte mindenre is megoldást fog nyújtani. Tehát odáig azért rá fogunk jutni. Azt gondolom, ez a hype, ez rövidebb lecsengésű lesz, mint a blockchainek esetében, mert ott nagyon sokáig néztek egymásra az emberek, hogy oké, oké, hogy ez milyen szuper jó, de mire is fogjuk használni. Én azt gondolom, hogy az AI-nál is lesz egy ilyen kis visszakonszolidálódás ebben a hiba, de nem hiszem, hogy itt azért egy tíz évre mondjuk megállna, vagy lelassulna a történet.

34:59 Köszönöm.

34:59 Kis magyarázat kint a Blockchainnal. Arra gondoltam, hogy volt egy időszak, amit úgy gondolták, hogyha valamihez oda van írva, hogy ez Blockchaint támogatott, vagy Blockchain fut a háttérben, akkor azt kellett megvenni, merthogy abban blockchain volt. Tehát, hogy ez önmagában valami értéknövelő dolog volt, ismertem olyan társasházkezelő szoftvert, ami a háttérben blockchainben auditálta a dolgokat. Nyilván mindannyian tudjuk, hogy a blockchain önmagában egy auditálásra is alkalmas eszköz, tehát már önmagában megvalósította a dolgot, de az volt a hely benne, hogy ezzel lehetett eladni a szoftvert. Okés.

35:30 Én azért még föl tudnék sorolni pár ilyen dolgot, amik voltak az elmúlt húsz évben, a Green Night-től kezdve a Cloud-on keresztül a big data, tehát ezek mind olyan dolgok, amik fontosak voltak, jók voltak, de amikor elindult, akkor azért volt egy nagyobb hype körülöttük, mint amennyit valójában jelentett a történet.

35:46 Amire megtalálta a maga helyét, gondolom.

35:48 Igen.

35:48 Okés, minden szemnek maga felé hajlik a keze, ezért föl kell tennem azt a kérdést, mindannyian tudjuk, jövőre az AI-ját hatályba fog lépni, alkalmazandó lesz mindenki számára, aki nemcsak fejleszt, nemcsak elad, hanem alkalmaz is. Mi a tapasztalatotok, ahogy találkoztok a vállalati ügyfelekkel, mennyire tudatosak, mennyire érdeklődnek az ilyen helyek felé, mennyire akarják, hogy megfeleljetek ennek?

36:14 Járnak semennyire, nem tudatosak, nem ismerik. Általában az a tapasztalat, hogy minden ilyen új rendelet, ami előjön, akár Európai Unió és akár hazai, a legutolsó utáni pillanatig kivár mindenki, és bízik abban, hogy történni fog valami, és aztán utána, amikor látják, hogy nem fog történni semmi, akkor elkezdődik a fejetlen kapkodás. Én azt gondolom, itt is ez lesz a történet. Ugye láttuk ezt GDPR-nál is, Nincs TV-nél is.

36:36 Meg sok helyen, igen.

36:39 Nagy fellendülés után erős visszaesésből egy hihetetlen nagy kapkodást.

36:44 Igen.

36:44 Van egy kérdésem. Üzleti reggelin beszélgettünk arról, hogy milyen jogi aspektusai vannak ennek az AI szabályozásnak. És december elseje egy határidő. Péter, mit lehet tudni erről a szabályozásról, meg határidőkről? Idén kell megcsinálni mindent december 2-ára, vagy ráér 2026-ban is. Mik a fő gondolatok, mire kell odafigyelni? Gyűjthetek adatot mindenkiről korlátlanul egy AI-ban, földi modellben, vagy mehet a felhőbe is, hogy mi?

37:18 Két fontos határidőt említenék első körben. 2025. december 1-jét, amikor a magyar hatóság megkezdi a munkáját, és ami mindenkire fontos, az 2026. augusztus 2-a, amikortól alkalmaznia kell mindenkinek az AI-ját, legyen az fejlesztő, disztribútor, vagy akár alkalmazó. Nagyon fontos, hogy az adatokat mindig megfelelő hozzájárulás alapján kezeljük, hisz nem mindegy, hogy ez a feltanítási szakaszban van, a működtetési szakaszban van, így nagyon fontos, hogy minden egyes részletére figyeljünk oda, amikor az adott AI modellt bevezetjük, és fontos, hogy a fejlesztők mellett csak ismételni tudom magam, legyen ott egy jogász, aki kézen fogva tudja végigvinni a folyamatokat.

38:01 Ilyen projektklub kialakításnál figyelembe veszitek ezeket a kérdéseket? Tehát amikor ilyen tervezési szakaszban vagytok?

38:08 Igen, figyelembe vesszük. Ugye hát a GDPR az, aminek már régóta velünk van, ott már ugye megszoktuk, hogy mit hogyan kell csinálni. Ugye nincs kettő, mindenki ismerkedik, de ahogy jönnek be ezek a dolgok, ugye úgy pontosan mi is próbáljuk ezeket felvenni és beépíteni már a tervezés-specifikálás szakaszba.

38:24 Én egy kicsit még kiegészíteném azt, amit mondtál. Szerintem már a GDPR is egy csomó pozitív hozadékot hozott. Nézzük meg például a szuverén felhőket az Európai Unióban, ezek mind-mind olyan dolgok, amik nem alakultak volna ki anélkül, hogyha nem vennénk a saját adatainkat, illetve most az Európai Adatvédelmi Hatóság kiadott egy GDPR romnibuszt, amiben enyhíti a GDPR használatát, és már például lehetőséget ad arra, hogy akár jogos érdekalapon is kezelhessünk azokat adatokat, amelyeket feltanítunk az adott modell működtetéséhez, tehát az Európai Unió is, én úgy gondolom, hogy felismerte, nem akarja, hogy versenyhátrányba kerüljünk, de az Európai Unión belüli adatokra igenis védelmet, elsődleges védelmet kell, hogy élvezzenek.

39:07 Én azt gondolom, meg kell találni itt az arany középutat Kína és mindent elnyom a bürokrácia között.

39:14 Sokan szeretném még hozzátenni, hogy gondolhatnánk azt, hogy a kereskedelmi osztálytól távol vannak ezek a kérdések, és mégse, mert hogyha teljes vállszélességgel szeretnék kiállni a cégünk működése, a kompetenciáink és hozzáállásunk egyébként a működésünkhöz és ezekhez a szabályozásokhoz, akkor igenis valahol a kereskedőosztálynak is ütni kell a vasat és tolni előre a céget, hogy igenis ezekkel a kérdésekkel foglalkozzon, mert így leszünk feddhetetlenek a nap végén.

39:44 Eszembe jutott még egy kérdés, de talán lehet, hogy ez az utolsó kérdésünk is most. A saját hazájában senki nem próféta, ezt szokták mondani. De hogy kísérleteztetek saját magatokon, amit utána a best practice-ben a cégeknek is tudtok javasolni.

40:03 Korábban ugye az volt a mondás, vagy úgy álltak hozzá a cégek tipikusan, hogy nagyon modern, nagyon új technológiát nem használunk, mert ugye még van benne kockázat, hogy az vajon ki forr-e, használni fogják-e ezt a támogatottság, hanem várunk vele pár évet, amikor látjuk, hogy elkezdték sokan használni, és van felhasználóbázisa, meg állnak mögötte, akkor kezdjük bevezetni. Ma már ez ugye ebben a felgyorsult világban nem alkalmazható. Mi ezt úgy csináljuk különben, hogy fölépítettünk egy saját kis belső AI kompetencia központot, akik gyakorlatilag minden tapasztalattal megkent szakértőkből állnak, és ők napi szinten nyomon követik, hogy milyen fejlődések vannak az éjjeli világban, milyen modellek jöttek ki, milyen technológiák jöttek ki, és gyakorlatilag ilyen kis mini pilot projekteket folytatnak napi heti szinten, amiben ezeket kipróbáljuk, megnézzük, tudjuk-e alkalmazni, és hogyha úgy látjuk, hogy valami alkalmazható, akkor azt már pilot jelleggel be is vezetjük a céghez.

41:02 Nyilván nem vállalva túl nagy kockázatot, mert hogyha ő is kiderül, hogy valami nem működik, akkor mindig vissza tudunk lépni egy lépést. És én azt gondolom, hogy aki AI-ban gondolkozik, és szerintem aki fenn akar maradni, annak gondolkodnia kell. Szükségszerű, hogy valamilyen szinten nyomon tudja követni ezt a fejlődést, meg ennek az ütemét. Ezt viszont a nagyvállalatok, a multi cégek ezt meg tudják oldani azzal, hogy fenntartanak egy saját belső kompetenciaközpontot. A kis és középvállalatoknak szerintem mindenképpen muszáj olyan partnert találniuk, aki ezt megteszi helyettük, mert akinek nem a fő fókusza, és most nem feltétlenül szoftverfejlesztő cégre gondolok, hanem bármilyen más cégre, akinek nem fő fókusza az AI, nem fogja tudni a lépést tartani.

41:44 Tehát ma már, aki nem követi, nem tudja megmondani, hogy milyen megoldások vannak, és mi mindenre lehet használni.

41:50 Ez alatt azt is lehet érteni, hogy gyakorlatilag ti vagytok az a kompetenciaközpont, ami egy hozzátok forduló cégnél működik, mint egy ilyen bázis, hogy oké, indítsunk projektet, de előtte megtanítalak titeket az AI használatra, hogy milyen folyamatokba tudjátok beilleszteni?

42:08 Ezt abszolút merjük mondani saját magunkról, igen.

42:10 Igen, de talán nem is az, hogy megtanítunk meneteket az AI-ra, hanem először is megnézzük, hogy hol lenne rá szükségetek. Ezt lehet egyfajta ilyen tanácsadói szerepkörnek nem szívesen mondom ezt, mert az elmúlt pár évtizedben a tanácsadói dolgot nagyon elamortizálták egyesek, de tényleg arról van szó, hogy meg kell nézni, hogy hol lehet haszna egy éjjel alkalmazásának, és akkor arra célzottan tudunk megoldásokat javasolni, vagy lehet, hogy azt mondjuk, hogy figyeljetek, ilyen már létezik a piacon, ez meg ez, használjátok, telepítsétek konfigurált, segítünk beállítani, hogyha kell és használjátok, vagy hogyha valamely egyedi megoldás kell, nyilván abban is tudunk segíteni.

42:47 Azt hiszem, ma is sikerült jó pár tévhitet eloszlatnunk, illetve jó sok gondolkodnivalót adhattunk mindenkinek azzal kapcsolatban, hogy merre érdemes elindulni a saját AI stratégia kialakításában.

43:00 Köszönjük szépen Tibor Róbert, hogy itt voltatok, és hogy ilyen tisztán láthatóvá tettétek számunkra ezt a nagyon gyorsan változó világot.

43:08 Köszönjük szépen.

43:08 Köszönjük szépen.