Annak idején a PC hatékonyan „rendet tett“ az íróasztalunkon azzal, hogy a sok különböző eszközt magában egyesítette. Ma viszont digitális eszközeink vannak tele ritkán, vagy akár csak egyetlen funkcióra használt alkalmazással. Azonban a mesterséges intelligencia (AI), különösen a fejlett beszélgető interfészek és az autonóm AI-agentek megjelenése alapvető változást hozhat: ezek a technológiák képesek radikálisan egyszerűsíteni digitális interakcióinkat. Ez nem csak a jelenlegi app-ökoszisztéma, sőt akár a hardverek alapvető átalakulását vetíti előre, hanem a felhasználói élmény (UX) és a digitális munkafolyamatok jelentős javulását is magával hozhatja.

Amikor egy LinkedIn-poszt kedvéért lefotóztam az íróasztalomat, eszembe jutott, hogy nézett ki egy íróasztal mondjuk a nyolcvan-kilencvenes években. Általában tele volt zsúfolva tárgyakkal: jegyzetfüzetekkel, post-itekkel, tollakkal, vonalzókkal, naptárakkal, fényképekkel, talán még hamutartókkal is. Mindegyiknek külön funkciója volt. Ma sok íróasztal lényegesen rendezettebb, mert ezeket a funkciókat magába szívta a számítógép (kivéve a hamutartót).

Úgy tűnik, hogy hasonló dolog történt a digitális eszközeinkkel, mint annak idején az asztalokkal. Számos specifikus programot és alkalmazást halmoztunk fel, csak most nem a fizikai, hanem a virtuális desktopon. Egészen a közelmúltig ugyanis minden digitális munkafolyamatot explicit módon előre meg kellett határozni — ha ezt és ezt a feladatot akartad elvégezni, szükséged volt erre és erre az alkalmazásra. Nem létezett olyan intelligens rendszer vagy AI, amely képes lett volna dinamikusan megérteni a felhasználói szándékot, és menet közben összeállítani a szükséges lépéseket vagy folyamatokat. Ez vezetett a jelenlegi helyzethez: a telefonunk tele van számtalan alkalmazással, amelyek közül sokat csak egyetlen célra töltöttünk le, és ritkán használunk újra.

A felvetésem az, hogy az AI hasonló átalakulást fog elindítani digitális környezetünkben, mint amit a számítógép tett a fizikai íróasztallal. Ahelyett, hogy minden elképzelhető feladatra (mint például edzéstervek, receptek, banki műveletek) külön alkalmazásra lenne szükség, egyre inkább beszélgetés útján fogunk interakcióba lépni eszközükkel. Megadjuk a célunkat, és az AI végrehajtja a feladatot, összehangolva a szükséges műveleteket anélkül, hogy rengeteg előre telepített, egycélú, előre meghatározott folyamatokkal rendelkező alkalmazásra támaszkodna. Ez drasztikusan csökkenthetné a jelenlegi alkalmazás-ökoszisztéma szükségességét.

A digitális rendetlenség gyökerei

Az okostelefonok terjedése kétségtelenül megváltoztatta az életünket, de egyúttal újfajta digitális rendetlenséget is teremtett. Gondoljunk bele: külön appot telepítünk a bankoláshoz, az utazástervezéshez, a közösségi médiához, a különböző webáruházakhoz, a hírolvasáshoz, és még sorolhatnánk. (Felmérések szerint egy átlagos eszközön úgy 80-100 alkalmazás található.)

Mindegyik a saját kis silójában működik, rögzített felhasználói felülettel és előre meghatározott folyamatokkal. Ráadásul még minden alkalmazás egyedi logikáját is meg kell tanulnunk. (Kicsit eltérve a tárgytól, de ezek az előre meghatározott folyamatok manapság nagyon hasonlóak, mert azt akarjuk, hogy az alkalmazás intuitív legyen a felhasználó számára. Tehát erősen támaszkodunk a már jól ismert best practice-ekre. Ennek nyilván megvannak a maga előnyei, cserébe viszont hajlamos megölni a kreativitást. De ez legyen a következő cikkem témája.)

Appokban fuldokolva

Ez persze alapvetően meghatározza a felhasználói élményünket, és nem pozitív irányba. Az ezzel foglalkozó kutatások jellemzően a következő gyakori problémákat sorolják fel:

• Alkalmazásfáradtság: A felhasználók túlterheltek a rendelkezésre álló alkalmazások puszta mennyisége miatt. Vonakodnak új alkalmazásokat letölteni — 2024-ben a telepítések száma 2,3%-kal csökkent globálisan. Bár a felhasználók évente 40-100 különböző alkalmazást is kipróbálhatnak, jellemzően csak 10-15-öt használnak mindennap. Ráadásul az idejük túlnyomó részét (körülbelül 80-85%-át) a top 3-5 alkalmazásban töltik.
• Értesítési túlterhelés: A sok alkalmazásból érkező jelzések, riasztások hozzájárulnak a digitális fáradtsághoz és stresszhez, szétforgácsolják a figyelmünket.
• Digitális fáradtság: Sok ember érzi magát túlterheltnek a különböző eszközök és előfizetések menedzselése miatt. Sokan küzdenek a képernyőidő korlátozásával, ami általánosságban technológiai fáradtságra utal. Úgy tűnik, elértük azt a határt, amennyi eszközt még kényelmesen tudunk kezelni.
• Rossz felhasználói élmény: A rossz UX, zavaros felületek, a lassú működés, a sok reklám és az alkalmazások közötti redundáns funkciók frusztrálják a felhasználókat. Az ezzel szembeni alacsony tolerancia persze azt is jelenti, hogy egy appot akár néhány perc használat után is törölnek, mert egyszerűen nem találják, amit keresnek, vagy nem tudják könnyen használni.
• Fragmentáció: Különböző felhasználói felületeken és munkafolyamatokon kell eligazodnunk. A fejlesztőknek pedig kihívást jelent a kompatibilitás biztosítása a különböző platformokon és az eltérő eszközökön.

Az AI mint digitális rendcsináló: kulcstechnológiák a változás mögött

Viszont ahogy a PC egykor konszolidálta a fizikai íróasztal eszközeit — a naptárt, a névjegykártyatartót, a számológépet — egyetlen szoftveres környezetbe, úgy az AI is képes lehet arra, hogy a digitális környezetünket hasonló módon kipucolja. Az AI szinte ijesztő sebességű fejlődése egyre inkább lehetővé teszi, hogy a számítógéppel (ideértve a mobilunkat is) való interakció egyre inkább afelé menjen, hogy elég csak elmondani, mit is szeretnénk, ahelyett hogy különböző appokban kellene kotorásznunk.

A legfontosabb technológiák, amelyek ezt lehetővé teszik, persze a nagy nyelvi modelleken túl (Large Language Model, LLM), a természetes nyelvi feldolgozás (Natural Language Processing, NLP), az AI agentek, illetve a generatív UI.

• Természetes nyelvi feldolgozás: Az, hogy egyszerűen csak elmondjuk, mit szeretnénk, és az AI „érti“, az NLP-nek köszönhető. Az NLP komponensei közé tartozik a természetes nyelv megértése (Natural Language Understanding, NLU), a szándék felismerése, az entitáskinyerés (fontos részletek, pl. nevek, dátumok, helyek megtalálása a szövegben), a hangulatelemzés, a kontextus megértése és a természetesen hangzó válasz generálása (Natural Language Generation, NLG). Mindez lehetővé teszi a felhasználóknak, hogy természetesen interakcióba lépjenek, és akár bonyolult igényeket fejezzenek ki anélkül, hogy menükben és gombok között kellene keresgélni.
• Feladatok összehangolása AI agentekkel: Ezek az önállóan, vagy félig önállóan működő „segítők“ képesek arra, hogy a feladatokat lépésekre bontsák, tervezésre és következtetésre, eszközhasználatra (API-kkal, webböngészőkkel, más alkalmazásokkal való kapcsolattartásre) és önálló végrehajtásra akár platformokon átívelően. Az agentek át tudják hidalni a „sima“ LLM-ek korlátait (ilyen lehet pl. a hozzáférés a valós idejű adatokhoz), és szuper-személyreszabottan össze tudják hangolni a digitális szolgáltatásokat, helyettesítve a több alkalmazással való emberi interakciót. Íme pár példa:
  • Utazástervezés: Repülőjegyek, szállodák, autóbérlés, programok egyetlen kérésre. „Szervezz nekem egy hosszú hétvégét Krakkóba úgy, hogy a szállást illetően már ismered a preferenciáimat!“
  • Pénzügyi menedzsment: Számlák, tranzakciók áttekintése, tanácsadás. „Mire költöttem a legtöbbet ebben a hónapban? Milyen mintázatok figyelhetők meg a költési szokásaimban?”
  • Tartalomkészítés: Jelentések, emailek, szövegek generálása. „Írj egy összefoglalót erről a megbeszélésről!”
  • Okosotthon-vezérlés: Több eszköz vezérlése egyetlen paranccsal. „Tompítsd le a fényt és kapcsolj a Netflixre!“
  • E-kereskedelem: Keresés, összehasonlítás, rendelés, nyomon követés több kereskedőn keresztül. „Találd meg a legolcsóbb futócipőt 42-es méretben, ami a legjobban rögzíti a szalaghúzódásos jobb bokámat!“
  • Ügyfélszolgálat: Problémák megértése, információk elérése, kérések feldolgozása.
• Generatív UI: Ez a technológia kiegészíti a beszélgetésalapú interakciót azáltal, hogy dinamikusan hoz létre vizuális felületi elemeket a beszélgetésen belül (pl. csempéket, térképeket, űrlapokat, diagramokat). Ez lehetővé teszi, hogy a felület rugalmasan alkalmazkodjon a feladathoz és a kontextushoz. Ahelyett, hogy egy statikus felületen navigálnánk, a felület maga alakul a szükségleteinkhez.

Az átalakulás következményei: új lehetőségek és radikális változások

Mindez persze hatalmas változásokkal járhat, nemcsak a felhasználókra nézve, de az egész technológiai, sőt üzleti ökoszisztémára. A felhasználók számára ez a változás leginkább pozitív:

• Könnyű használat: A természetes nyelvi interakció intuitívabb lehet, mint a grafikus felhasználói felületeken (GUI) való navigálás. Leegyszerűsíti az összetett, többlépéses feladatokat.
• Nagyobb hatékonyság: Automatizálja a munkafolyamatokat, csökkenti az idő- és energiaráfordítást, megszünteti az ún. „forgószékproblémát“ (amikor több rendszer között kell váltogatnunk).
• Hiper-személyreszabás: Az agentek felhasználhatják a felhasználói előzményeket, a kontextust és a hangulatot az interakciók testreszabásához.
• Proaktivitás: Az agentek proaktívan tárnak fel releváns információkat és szolgáltatásokat a kikövetkeztetett igények alapján.
• Akadálymentesség: A beszélgető felületek és az AI-képességek (hangvezérlés, szövegfelolvasás) terjedése vagy általánossá válása természetesen ezen a területen is hatalmas lépés. Talán még az univerzális tervezést is lehetővé teheti, most először a történelemben.

Mobil: apptárolóból az AI agent interfésze?

A másik oldalon, az alkalmazásfejlesztőkre és az app-ökoszisztémára, sőt még a hardvergyártásra is gyakorolt hatás megrázóbb lehet:

• Az App Store-modell megbomlása: A közvetlen kapcsolat a felhasználókkal, a láthatóság csökkenhet, ha az interakció agenteken keresztül történik. Az, hogy a fejlesztők hogyan keresnek pénzt, azaz a monetizáció teljesen megváltozhat, eltolódhat az API használati díjak és a bevételmegosztás felé.
• Az egyfunkciós alkalmazások alkonya: Ha fenn akarnak maradni, szükségük lehet arra, hogy API-kon keresztül elérhető, specializált eszközökké váljanak. Abból is konfliktusok adódhatnak, ha a vállalkozások blokkolják az agentek hozzáférését. (Itt érdemes megemlíteni egy másik, elsősorban Ázsiában és Latin-Amerikában erős trendet, a szuperappokat, amik a maguk módján szintén valamiféle szolgáltatás-konszolidációra törekednek, erről itt írtunk bővebben.)
• Integrált AI-platformok felemelkedése: Az agenteket összehangoló platformok előtérbe kerülnek, potenciálisan új operációs rendszerekké vagy piacterekké válva. A vállalkozásoknak robusztus API-kat és adatokat kell elérhetővé tenniük.
• A mobilok evolúciója: Maguk a készülékek is nagyban változhatnak, a telefon apptárolóból inkább egy univerzális AI-agent elsődleges interfészévé válhat, az operációs rendszerrel együtt. A hardvertervezés előtérbe helyezheti az AI-hoz szükséges komponenseket, mint pl. az NPU-k (Neural Processing Unit, azaz az „AI-chip“, ami jobban fel tudja dolgozni ezeket a számításokat, mint a hagyományos processzorok.) Lehet, hogy az új telefonokat már nem a legújabb kamerával, hanem a legokosabb AI-chippel fogják reklámozni? Erre egyébként már látszanak is próbálkozások, mint a Google Gemini Nano vagy az Apple Intelligence.

Kilátások és kihívások az AI-vezérelt világban

Sok szakértő véli úgy, hogy 2025 az AI-agentekkel való kísérletezés nagy éve: a nagy technológiai vállalatok és startupok is aktívan fejlesztenek ilyen képességeket. Az előrejelzések szerint az AI-agentek piaca 2030-ra elérheti a 52,6 milliárd dollárt, és a tágabb értelemben vett, „társalgási“ AI-piac is gyorsan bővül. Ennek az átalakulásnak a sebessége és mértéke persze attól is függ, mennyire sikerül kezelni a bonyolult technikai, biztonsági, adatvédelmi és etikai kihívásokat.

Persze azért ne várjuk, hogy mindez egyik napról a másikra lezajlik, sokkal valószínűbb, hogy az alkalmazások jó ideig együtt léteznek majd az AI-agentekkel, és nyilván magukba az appokba is egyre inkább bekerülnek AI-képességek. A teljes összeolvadás azért még valószínűleg odébb van. Ezzel együtt egyre inkább látszik, hogy a természetes nyelv válhat az új elsődleges felhasználói felületté.