Ha az AI pillanatok alatt legenerál egy komplett felületet, mi marad a designernek – és mi történik a szervezetben, ha a kódolás hirtelen elszáguld, a tervezés viszont lemarad? A Budapest FinTech Summer Talks legutóbbi kerekasztal-beszélgetésén banki vezetők és egy AI-transzformációs szakértő járták körül, hogyan adhat valódi, mérhető üzleti értéket a puszta sebességen túl a generatív AI a terméktervezésben. A diskurzus közös nevezője és legfontosabb tanulsága az „AI-powered, human-led” elv lett: a technológiai gyorsulás mellett a stratégiai döntés, az ügyfélbizalom felépítése és az igazi kreativitás továbbra is szilárdan emberi kézben marad.

A szakmai panel a Magyar Fintech Szövetség, a Deloitte és az Ergomania közös szervezésében megvalósuló Budapest FinTech Summer Talks keretében zajlott le. A beszélgetést Dr. Rung András, az Ergomania alapító-ügyvezetője moderálta, a résztvevők között pedig a hazai és regionális pénzügyi, valamint technológiai szektor kiemelkedő szakemberei foglaltak helyet. A kerekasztalnál Jiří Raška, a Partners Banka technológiai vezetője (CTO) és társalapítója, Dunai Zsolt, a CIB Bank digitálismarketing-vezetője, valamint Koltai Balázs, AI-szakértő és -oktató, digitális transzformációs vezető osztotta meg a mindennapi gyakorlatból származó tapasztalatait. A fókuszban az a kérdés állt, hogy az AI vajon csak egy újabb hatékonyságnövelő eszköz, vagy a digitális terméktervezés alapjait megrengető változás.

Késlekedő hagyományos bankok és ágensvezérelt neobankok

A nyitókérdés azonnal a lényegre tért: hogyan képes az AI valós, az ügyfél által is érzékelhető értéket teremteni a designfolyamatokban, nem csupán gyorsítani azokat? Dunai Zsolt őszinte, ugyanakkor előretekintő helyzetértékeléssel indított, rámutatva arra, hogy a hagyományos magyar nagybankok még korai fázisban vannak az AI szolgáltatástervezésben való alkalmazását illetően. Míg a digitális marketing területén az AI-eszközök használata már a mindennapi optimalizáció és tartalomgyártás szerves része, addig a komplex UX- és UI-tervezésben való hatékony alkalmazása jóval magasabb szintű kihívást jelent. A tradicionális pénzintézetek alapvető képességei történetileg olyan területekre koncentrálódtak, mint a kockázatkezelés vagy a hitelezés, a tervezési szaktudást pedig gyakran külső partnerekre és ügynökségekre támaszkodva biztosítják. Ez egyben azt is jelenti, hogy a bankoknak jelentős lehetőségük van arra, hogy az AI-alapú tervezési képességeket a következő években közelebb hozzák az ügyfélélmény magjához.

Ezzel a hagyományos megközelítéssel éles kontrasztban volt Jiří Raška helyzetjelentése. A Partners Banka technológiai vezetőjeként elmondta, hogy náluk az egyszerű, manuális promptolás már túlhaladott dolog, most már az ágensalapú működés korszakát élik. Ebben a rendszerben az autonóm AI-ágensek a fejlesztési és a tervezési folyamatok szerves részei, és ennek köszönhetően a szervezet tízszer gyorsabban halad a korábbi tempóhoz képest. A technológia beépülése nem állt meg a szoftverfejlesztőknél: az AI-t összekötötték a tervezőszoftverekkel, így a designerek és a product ownerek képesek pillanatok alatt új prototípusokat és felületverziókat készíteni.

Miért nem indul be az AI a nagyvállalatoknál?

A technológiai implementáció nehézségeit Koltai Balázs világította meg, aki AI-transzformációs programokat épít fel és menedzsel, ügyfélköre pedig a kkv-któl a nagy multinacionális vállalatokig és az olyan bankokig terjed, mint a harmincötezer főt foglalkoztató Egyiptomi Nemzeti Bank. Tapasztalatai szerint a technológia bevezetésének két klasszikus belépési pontja van a szervezeteknél: a vállalati szintű automatizáció és a személyes produktivitás növelése. A legtöbb szervezet jelenleg az utóbbival küzd a leginkább. A bankokban nagy költségvetésű, részletes tréningprogramok futnak, jellemzően a Microsoft Copilot használatára építve (mivel a meglévő Office 365-infrastruktúra miatt a licencek beszerzése és a compliance-jóváhagyás megszerzése itt a legegyszerűbb). Azonban hiába tartanak ezek a képzések esetenként már másfél éve, az áttörés elmarad, és a rendszer, ahogy Koltai fogalmazott, „még mindig nem száll fel”.

Kialakulnak ugyan elszigetelt szigetek, ahol egy-egy csapat napi szinten, haladó módon, autonóm ágensekkel dolgozik – minden szervezet kitermeli a saját „AI-bajnokait” is –, a teljes szervezeti kultúrát átható adaptáció azonban elakad. Koltai Balázs szerint a sikeres, mélyreható adoptációhoz öt kritikus összetevő együttes megléte elengedhetetlen. Az első maga a licenc biztosítása, ami sok vállalatnál már önmagában komoly biztonsági és költségvetési akadály. A második a megfelelő, gyakorlatias tréning. A harmadik a felsővezetői támogatás és a vállalati kultúraváltás elősegítése, hiszen a saját munkánk újratervezése egy teljesen új munkavállalói gondolkodásmódot igényel. A negyedik alappillér a gyakorlatias céges szabályzat és keretrendszer a felhasználók számára, valamint a felhasználói hozzáférési jogok felülvizsgálata az összes információtárolóhoz. Az ötödik pedig a területenként (pl. marketing, kockázatkezelés, logisztika) testreszabott, a specifikus üzleti problémákra fókuszáló programok kialakítása.

A jogosultságok rémtörténete és a perszóna-ágensek

A céges szabályzatok és a hozzáférési jogok felülvizsgálata különösen kritikus pont a nagybanki környezetben. Koltai egy tanulságos esetet is megosztott a közönséggel. A vállalati hálózaton belül a személyes AI-asszisztensek többsége gyakran ugyanazokkal a hozzáférési jogokkal rendelkezik a dokumentumokhoz és a forrásokhoz, mint maga a felhasználó. Ebből adódott az a helyzet, amikor egy vezető beírt egy egyszerű összefoglalást kérő promptot, az AI pedig másodpercek alatt visszakeresett és kilistázott számára egy sor olyan mélyen elásott, szenzitív információt és belső levelezést, amelyekről már el is felejtette, hogy egyáltalán hozzájuk fér.

Ugyanez a technológia ugyanakkor kreatív potenciált is rejt magában a digitális tervezésben. Született már olyan megoldás ügyfélnél, ahol a tervezőcsapat AI segítségével hozott létre különböző, specifikus ügyféltípusokat (például nyugdíjas megtakarító, fiatal egyetemista) megtestesítő „perszóna-ágenseket”. A designerek ezután ezekkel a virtuális perszónákkal folytattak dialógust, róluk „pattintották vissza” az ötleteiket, és tőlük kértek azonnali visszajelzést a tervezett ügyfélutakról. Ez az iterációs módszer meglepően jól működött a gyakorlatban.

A magukra hagyott designerek és a sebesség-paradoxon

A technológiai potenciál ellenére a designcsapatok a mindennapokban sokszor komoly kihívásokkal küzdenek. Rung András egy nagyon is valós iparági problémára világított rá: a designerek a legtöbb esetben teljesen magukra vannak hagyva a mesterséges intelligencia integrálásában. A szakemberek személyes szinten izgatottak, lelkesen kísérleteznek a különböző eszközökkel, ám ezt egyelőre esetlegesen, rendszertelenül teszik. A menedzsment részéről folyamatos a nyomás és az elvárás az AI használatára és a szállítási idők csökkentésére, de iránymutatást vagy szervezeti segítséget nem kapnak hozzá.

Dunai Zsolt megerősítette ezt a jelenséget, hangsúlyozva, hogy az AI-ból származó, leginkább látható hatékonyságnövekedés jelenleg elsősorban egyéni szinten jelentkezik. Egy önállóan dolgozó fejlesztő például jelentősen fel tudja gyorsítani a napi munkája egyes részeit az AI-eszközökkel. Amikor azonban ezek a megoldások hivatalos, osztályokon átívelő vállalati projektekben kerülnek alkalmazásra, az adoptáció a szabályozói követelmények és a bevett szervezeti gyakorlatok miatt jellemzően fokozatosabbá válik.

Ebből az aszimmetrikus fejlődésből fakad a digitális termékfejlesztés jelenlegi egyik legnagyobb paradoxona. Rung András egy hazai nagybank példáját említette: a fejlesztői csapatok az AI-asszisztenseknek (például a GitHub Copilotnak) köszönhetően olyan mértékben felgyorsultak, hogy a korábban is sokszor szűk keresztmetszetet jelentő designcsapatok már képtelenek tartani velük a lépést. A helyzet odáig fajult, hogy a bank vezetése – a piacon eddig szokatlan módon – dedikált AI-tréninget akart vásárolni a UX/UI tervezőinek, pusztán azért, hogy a designerek képesek legyenek utolérni a száguldó fejlesztőket.

Frusztrált kódolók és a kilencvenes évek webmesterei

Ez a szerepváltás komoly feszültségeket szül a tech-szakemberek körében. Koltai Balázs egy banki CTO-val folytatott beszélgetését idézte fel, amely rámutatott a probléma emberi oldalára. Egy több száz fős IT-szervezetben a munkatársak jelentős része tizenöt-húsz éve, még jóval a generatív AI forradalma előtt szerezte a diplomáját. A korábban kiemelkedően tehetségesnek tartott fejlesztők egy része ma szinte féltékeny az AI-ra, mert a napi munkájuk során olyan, az AI által generált és optimalizált kódot kell élesbe állítaniuk, amelyet a maga teljességében már nem is feltétlenül látnak át.

A frusztráció másik forrása, hogy az agentic fejlesztési környezetben egyre inkább elmosódik a határ a hagyományos backend és frontend feladatok között. A menedzsment ma már azt várja el a fejlesztőktől, hogy lépjenek ki a tiszta kódolás buborékjából, és mozduljanak el a design logikája, az ügyféligények megértése és az üzleti stratégia felé. Ez a váltás azonban egy teljesen más gondolkodásmódot, sőt, alapvetően más személyiségjegyet és empátiát követel meg.

Rung András ezen a ponton provokatív kérdést tett fel: vajon tényleg egy teljesen új gondolkodásmódról van szó, vagy az iparág egyszerűen csak visszatér a gyökereihez? A kilencvenes évek hőskorában egyetlen szakember („webmester”) végezte el a grafikai tervezést, írta meg a szerveroldali és a kliensoldali kódot, és intézte a marketinget is. Később ez szétvált különálló, magasan specializált szerepkörökre (UX kutató, UI designer, backend fejlesztő, frontend fejlesztő). Az AI térnyerésével azonban könnyen lehet, hogy ismét ugyanabba az irányba tartunk, azzal a különbséggel, hogy a technológiai asszisztencia révén már egyetlen ember is képes lehet a folyamat minden egyes fázisát professzionális minőségben elvégezni.

Jiří Raška egyetértett a felvetéssel: a nulláról induló startupoknál ez a polihisztor modell már ma is valóság, a nagyvállalatoknál viszont mindez csak fájdalmas kulturális transzformáció árán valósítható meg. Raška szerint az irány egyértelmű: ahogy a kód előállítása egyre olcsóbbá és gyorsabbá válik, a puszta technológiai szellemi tulajdon veszít a piaci értékéből, és a vállalati vagyon igazi fokmérője ismét a tiszta, emberi kreativitás és a problémamegoldó képesség lesz. Dunai Zsolt mindezt a kereslet oldaláról egészítette ki: hiába gyorsítja fel az AI a termelést, az ügyfelek igényei és elvárásai még annál is gyorsabban nőnek, így a digitális fejlesztések sora gyakorlatilag végtelen.

Amikor a product owner rajzol

Jiří Raška a Partners Banka belső működéséről beszélve elmondta, hogy náluk a product ownerek már nem hosszú, szöveges specifikációkat írnak, hanem közvetlenül, vizuálisan dolgoznak. Az ötletelési fázisban egyszerű promptokkal kérik meg az AI-t, hogy rajzoljon fel egy drótvázat vagy egy koncepciót, amelyet a designerek később a szakmai szabályok szerint finomhangolnak. A felépített design systemre támaszkodva ma már bárki beírhatja, hogy „készíts még öt képernyőt ehhez a folyamathoz”, és az AI egy Figmához kötött szerveren keresztül azonnal legenerálja azokat. A módszert élesben is tesztelik egy komplex kripto-onboarding folyamatnál: a hetekig tartó specifikálást azonnali, vizuális iteráció váltja fel.

Ez a modell azonban komoly kockázatokat is rejt, amire Rung András hívta fel a figyelmet. Fennáll a veszélye, hogy egy domináns product owner „beleszeret” az általa promptolt, AI által generált felületbe anélkül, hogy valójában értené, a megoldás ergonómiailag vagy pszichológiailag megfelelő-e a végfelhasználó számára. Ebben a felállásban a magasan képzett UX designer könnyen degradálódhat egyszerű pixeltologatóvá, akinek csak az a feladata, hogy a product owner vizuális fantáziáit véglegesítse. Jiří Raška elismerte, hogy ez a szakmai torzulás reális kockázat, ahogyan a vállalati adatok AI-modellekbe történő óvatlan kiengedése is vezetett már cégek csődjéhez. A megoldás minden esetben az „ember a hurokban” (human in the loop) megközelítés fenntartása: hiába veszi át az AI a repetitív generálást, az ellenőrzési pontoknak, a szakmai hierarchiának és az átfogó szervezeti kontrollnak sérthetetlennek kell maradnia.

Tudásátadás a beszállítóktól és a kreativitás emberi monopóliuma

A kerekasztal zárószakaszában Koltai Balázs egy figyelemre méltó piaci eltolódásra mutatott rá a tanácsadói gyakorlatából. A vállalati ügyfelek a projektindítások során egyre gyakrabban teszik fel a kérdést: „Meg tudom-e csinálni mindezt egyedül, belső erőforrásból?” És bár a válasz a legtöbb komplex AI-implementáció esetében egy határozott nem, a vállalatok ma már szinte kivétel nélkül azokat a beszállítókat és ügynökségeket választják, amelyek nem csupán egy kész dobozos terméket szállítanak le, hanem hajlandóak transzparensen tanítani is a belső csapatot.

A cél, hogy a projektek lezárultával a stratégiai tudás a házon belül maradjon. Az elszigetelt, elméleti tréningek hamar feledésbe merülnek a mindennapi rohanásban, egy éles, közösen leszállított üzleti projekt mentén végzett mentorálás viszont tartósan beépül a szervezet DNS-ébe. Koltai szerint a fejlődés gátja sosem a technológia: ha egy automatizációs vagy design cél elég fontos a felsővezetésnek, akkor lesz rá dedikált erőforrás.

A digitális design jövőjéről a panel óvatosan optimista képet festett. Jiří Raška szerint számos mai technológiai készség és klasszikus szerepkör teljesen el fog tűnni, de újak lépnek a helyükbe – a meglévő szakmákat átnevezzük, a munkafolyamatainkat pedig alapjaiban szervezzük újra. Dunai Zsolt zárógondolata a „human-led” elvet állította a középpontba: bármilyen szintre is fejlődnek a generatív modellek, az üzleti élet legfontosabb valutája továbbra is a személyes bizalom, a stratégiai kommunikáció és az empátia marad – vagyis pontosan az a valódi emberi érzelem és megérzés, amit az AI a belátható jövőben sem fog tudni szimulálni. A jövő digitális folyamatait az AI hajtja majd, de a legfontosabb stratégiai döntés és a minőségi emberi megítélés a tervezők kezében marad.