Így működik egy AI agent: önálló döntések a gyakorlatban

A Zendesk CX Trends 2026 kutatása szerint az élenjáró CX-csapatok 90%-a arra számít, hogy pár éven belül 10-ből 8 ügyfélügy emberi beavatkozás nélkül oldódik meg. Ezt a munkát már nem egyszerű chatbotok végzik majd, hanem AI agentek: rendszerek, amelyek nemcsak válaszolnak, hanem cselekszenek is.

Az "agent" szó körül közben sok a köd. Van, aki minden ChatGPT-integrációt agentnek hív, más szerint az egész csak átcímkézett automatizálás. Ebben a cikkben rendet teszünk: megmutatjuk, mi az AI agent, hogyan hoz döntést lépésről lépésre, és miben más, mint a chatbot vagy az RPA.

Négy konkrét üzleti példát is hozunk, a kockázatokkal és a bevezetés első lépéseivel együtt. A cél, hogy a végére te is meg tudd ítélni: van-e a te folyamataid között agentnek való feladat.

Mi az az AI agent?

Az AI agent olyan szoftverrendszer, amely nagy nyelvi modellre (LLM, vagyis szövegértésre és szöveggenerálásra tanított AI-modell) épül, és többlépéses feladatokat hajt végre önállóan. Nem utasítássort kap, hanem célt: azt maga bontja lépésekre, maga választ hozzá eszközt, majd ellenőrzi a saját eredményét.

Ez a definíció három dolgot zár ki. Nem AI agent a sima nyelvi modell, mert az csak szöveget ad vissza, de nem nyúl bele rendszerekbe. Nem agent a klasszikus makró vagy szkript sem, mert az nem dönt, csak fut. És nem agent a GYIK-ből válaszolgató egyszerű chatbot sem.

Egy működő agentnek tapasztalatunk szerint négy alkotórésze van. A nyelvi modell a "gondolkodás": értelmez, tervez, dönt. Az eszközkészlet a "kéz": ezeken keresztül éri el a levelezést, a CRM-et, az adatbázisokat. A memória a kontextust tartja, a szabályrendszer pedig kijelöli, mit tehet meg és mit nem.

A lényeg tehát nem az, hogy az agent okosabb chatbot. Hanem az, hogy a folyamataidban dolgozó, felügyelt digitális munkatárs, pontosan meghatározott jogosultságokkal.

Hogyan működik egy AI agent lépésről lépésre?

Az AI agent öt fázisban dolgozik: célértelmezés, tervezés, eszközhasználat, végrehajtás és ellenőrzés. Ez nem egyenes vonal, hanem hurok: a rendszer addig ismétli a terv-cselekvés-ellenőrzés kört, amíg a cél nem teljesül, vagy amíg emberi döntésre nincs szükség. Ez a hurok adja az önállóságát.

1. Cél: mit kell elérni?

Minden az üzleti cél rögzítésével indul, például: "a bejövő ajánlatkérést dolgozd fel, és rögzítsd a CRM-ben". A jó cél mérhető és körülhatárolt. Minél pontosabb a keret, annál kiszámíthatóbb az agent, ezért a célmeghatározás fejlesztési feladat, nem promptolgatás.

2. Terv: a feladat lépésekre bontása

A nyelvi modell a célt részlépésekre bontja: olvassa el az e-mailt, azonosítsa a céget, ellenőrizze, van-e már a CRM-ben, majd rögzítse az adatokat. A terv nem fix forgatókönyv. Ha útközben új információ jön, például hiányzik egy adat, az agent újratervez.

3. Eszközhasználat: rendszerek és API-k

A terv végrehajtásához az agent eszközöket hív: API-kat, vagyis szabványos kapukat, amelyeken keresztül két szoftver adatot cserél. Így olvas levelezést, kérdez le adatbázist, ír CRM-rekordot. Minden eszközhöz külön jogosultság tartozik, és ez a pont dönti el, mennyire biztonságos a rendszer.

4. Végrehajtás

Az agent sorban végrehajtja a lépéseket, és közben minden műveletet naplóz. A jól tervezett rendszer különbséget tesz olvasó és író művelet között: lekérdezni szabadabban lehet, adatot módosítani csak szűk keretek között. A kritikus lépéseknél megáll, és jóváhagyást kér.

5. Ellenőrzés és korrekció

A kör végén az agent összeveti az eredményt a céllal: minden kötelező mező kitöltve? Az összeg egyezik a levélben szereplővel? Ha hibát talál, javít és újrapróbál. Ha elakad, embernek adja át az ügyet a teljes előzménnyel együtt. Ez az önellenőrzés hiányzik a legtöbb hagyományos automatizálásból.

Miben más, mint egy chatbot vagy a klasszikus RPA?

Röviden: a chatbot beszélget, az RPA szabályt követ, az AI agent dönt és cselekszik. A chatbot akkor aktív, amikor írsz neki, és a kimenete válasz. A klasszikus RPA (robotic process automation, vagyis szabályalapú folyamat-robot) fix forgatókönyvet ismétel. Az agent strukturálatlan bemenetből is boldogul, és több rendszeren átívelő feladatot visz végig.

A chatbot válaszol, az agent elintéz

A chatbot értéke a párbeszédben van: kérdésre pontos, kontextusra szabott választ ad. Az agent értéke a végrehajtásban: az ügyet nemcsak megérti, hanem le is zárja. A kettő nem rivális, sőt gyakran egy rendszerben él: a chatbot a beszélgetős előtét, mögötte agent intézi a teendőket.

A részletes összehasonlítást külön anyagban írtuk meg: chatbot vs. AI agent: mikor melyiket válaszd. Ha pedig a chatbotos irány érdekel, ott az AI chatbot fejlesztési útmutatónk.

Az RPA végrehajt, de nem dönt

Az RPA ott erős, ahol a folyamat száz százalékig szabályos: ugyanaz a képernyő, ugyanaz a mezősorrend, minden nap. Cserébe rideg: ha a bemenet formátuma változik, a robot elakad. Az agent pont itt lép tovább, mert a strukturálatlan szöveget, a kivételeket és a hiányos adatokat is értelmezi.

A gyakorlatban a kettő kombinációja működik a legjobban: az agent dönt és értelmez, a determinisztikus automatizmus pedig megbízhatóan végrehajt. Ez a mi üzleti folyamat-automatizálási projektjeink tipikus felállása is.

Milyen üzleti feladatokat old meg egy AI agent?

A legtöbb hasznot ott hozza, ahol többlépéses, több rendszert érintő rutinfeladat fut: ajánlatkérés-feldolgozás, riportolás, rendelés-státusz ügyintézés, adatkarbantartás. Az üzleti vezetők kétharmada szerint az ügyfélszolgálati AI-befektetés jelentős teljesítményjavulást hoz (Zendesk CX Trends 2026). Nézzünk négy példát, amely magyar KKV-méretben is értelmezhető.

1. Bejövő e-mailből ajánlatkérés, ajánlatkérésből CRM-rekord

Az agent figyeli a központi postafiókot, és felismeri, melyik levél ajánlatkérés. Kinyeri belőle a céget, a kapcsolattartót, az igényt és a határidőt, majd ellenőrzi, szerepel-e már a cég a CRM-ben. Ezután rögzíti a leadet, és értesíti a felelős értékesítőt.

Ami eddig levelenként 10-15 perc manuális adminisztráció volt, az így percek alatt, éjszaka is megtörténik. Az értékesítő pedig nem adatot gépel, hanem az ajánlaton dolgozik.

2. Riport-összeállítás több forrásból

A havi vezetői riporthoz jellemzően három-négy rendszerből kell adatot fésülni: ügyvitel, CRM, webanalitika, táblázatok. Az agent lekérdezi a forrásokat, egyezteti a számokat, és vezetői összefoglalót ír, a kiugró eltéréseket külön megjelölve. Az ember dolga a döntés marad, nem a másolgatás.

3. Rendelés-státusz ügyintézés

"Hol tart a rendelésem?" Ez a klasszikus, nagy tömegű, alacsony hozzáadott értékű kérdés. Az agent azonosítja az ügyfelet, lekérdezi a rendeléskezelőből az állapotot, és személyre szabott választ ad. Ha módosítási kérés jön, például címváltozás, a szabályok szerint maga átvezeti, vagy jóváhagyásra továbbítja.

Ez pontosan az a terület, amelyre a Zendesk élenjárói 90%-a szerint pár éven belül az ügyek nagy többségénél nem kell ember. A korai adoptálók már ma 128%-kal nagyobb valószínűséggel számolnak be magas megtérülésről (Zendesk, 2025).

4. Adatkarbantartás a háttérben

A CRM-ek és törzsadatok csendben romlanak: duplikált cégek, elavult kontaktok, hiányzó mezők. Egy karbantartó agent rendszeresen végigfésüli az állományt, összevonási és javítási javaslatokat tesz, a biztosra vehető korrekciókat pedig naplózva átvezeti. Nem látványos munka, de minden későbbi AI-projekt adatminősége ezen múlik.

Milyen korlátokkal és kockázatokkal számolj?

Az AI agent nem tévedhetetlen: hallucinálhat, túl széles jogosultsággal kárt okozhat, napló nélkül pedig ellenőrizhetetlen. A kockázat általában is valós: egyes becslések szerint az AI-projektek több mint 80%-a megbukik (RAND, 2024). Az agent-specifikus kockázatokra viszont vannak bevált, technikai és szervezeti ellenszerek.

Hallucináció: magabiztos tévedés

A nyelvi modell néha kitalál olyat, ami nincs: nem létező rendelésszámot, rossz összeget. Agentnél ez veszélyesebb, mint chatbotnál, mert a tévedésből művelet lehet. Az ellenszer: az agent csak lekérdezett, valós rendszeradatból dolgozhat, a kimenetét pedig determinisztikus ellenőrzés vagy ember validálja a kritikus pontokon.

Jogosultságok: mit szabad megtennie?

Az agentnek pontosan annyi hozzáférést adj, amennyi a feladatához kell, se többet, se általános admin-jogot. Külön kezelendő az olvasás és az írás, összeghatárral, tiltólistával, leállító kapcsolóval. A Gartner 2024-es előrejelzése szerint 2025 végéig a generatív AI-projektek legalább 30%-a a PoC után elvérzett, részben épp a kockázatkontroll hiánya miatt.

Audit-nyomvonal: ki döntött és miért?

Minden agent-műveletről naplónak kell készülnie: mit olvasott, mit írt, milyen indoklással, ki hagyta jóvá. E nélkül sem hibát keresni, sem felelősséget tisztázni nem tudsz. Az EU AI Act 2026. augusztus 2-től teljeskörűen alkalmazandó, és átláthatóságot vár el: az ügyfélnek tudnia kell, hogy AI-val kommunikál. A részletekről itt írtunk: EU AI Act 2026: mit tegyen egy magyar cég.

Hogyan működik a human-in-the-loop felügyelet?

A human-in-the-loop azt jelenti, hogy a kritikus döntési pontokon ember hagy jóvá, mielőtt az agent végrehajt. Nem lassítás, hanem tudatos tervezési elv: a rutinműveletek automatikusan futnak, a kockázatosak megállnak jóváhagyásra. A fogyasztók 95%-a egyébként is elvárja, hogy az AI-döntések világosan megmagyarázhatók legyenek (Zendesk CX Trends 2026).

A gyakorlatban ez küszöbök kérdése. Adatlekérdezés és belső jegyzet: mehet magától. Ügyfélnek kimenő üzenet: mintától és bizonytalanságtól függően megy vagy vár. Pénzt, szerződést, törzsadatot érintő művelet: mindig emberi jóváhagyással. A küszöböket pedig a mért hibaarány alapján időről időre újrahangolod.

Fontos a fokozatosság is. Az új agent eleinte csak javaslatot tesz, és az ember hajt végre. Ahogy a naplókból látszik a megbízhatósága, úgy kap egyre több önállóságot. Így a bizalom nem hitkérdés, hanem adat.

Hogyan kezdj bele? Kis scope, gyors PoC

A jó kezdés: egyetlen szűk folyamat, egy mérőszám és egy 2-4 hetes PoC, vagyis valós adatokon futó, kipróbálható prototípus. A mozgástér nagy: a magyar cégek 10,37%-a használt AI-t 2025-ben, szemben a 20,0%-os EU-átlaggal (Eurostat, 2025). Aki most épít működő agentet, még előnyt szerez.

Válassz olyan folyamatot, amely gyakori, szabályszerű, és amelynek adatai már ma elérhetők digitálisan. Az ajánlatkérés-feldolgozás vagy a rendelés-státusz tipikusan ilyen. Kerüld elsőre a magas tétű, sok kivétellel terhelt folyamatokat: oda majd a második-harmadik körben ér el a rendszer.

A PoC-fázis célja nem a tökéletesség, hanem a bizonyíték: a te adataidon, a te rendszereiddel hozza-e a célszámot. Mi a Composite-nál ezt fix, 2-4 hetes keretben szállítjuk. A módszertanról külön cikk szól: PoC-fejlesztés: így validáld az AI-projektet. A szélesebb bevezetési útitervhez pedig ott az AI-bevezetési útmutatónk.

Megnéznéd a saját folyamatodon?

Az AI agent tehát nem varázsdoboz, hanem mérnöki rendszer: cél, terv, eszközök, végrehajtás, ellenőrzés, emberi felügyelettel. Ha van olyan folyamatod, amely sok kézi munkával, több rendszer között zajlik, jó eséllyel agentnek való feladat.

Az AI agent fejlesztési szolgáltatásunk pontosan ezt az utat fedi le: folyamatfeltárás, jogosultsági és felügyeleti terv, PoC, majd éles bevezetés méréssel. Ha előbb csak beszélgetnél róla, azt is lehet: egy 30 perces ingyenes konzultáción átnézzük a folyamatodat, és megmondjuk, hol látunk mérhető agent-potenciált, és hol nem.

Foglalj időpontot az ingyenes AI-konzultációra, és derüljön ki számokból, mit tudna nálatok egy AI agent.

Gyakran ismételt kérdések

Mennyire önálló egy AI agent valójában?

Annyira, amennyire engeded. Az önállóság nem be- vagy kikapcsolható tulajdonság, hanem tervezett skála: a jó rendszerben műveletenként dől el, mi fut automatikusan, és mi vár emberi jóváhagyásra. Az érett agent-bevezetések fokozatosan bővítik az önállóságot, a naplókból mért hibaarány alapján.

Lecseréli az AI agent az ügyintéző kollégákat?

A reális kép a feladatok átrendeződése: az agent a rutint viszi el, az ember a kivételeket, a döntéseket és az ügyfélkapcsolatot. A Zendesk élenjárói 90%-a szerint pár éven belül 10-ből 8 ügy ember nélkül oldódik meg, a maradék viszont épp a legtöbb hozzáértést kívánó ügy lesz.

Mennyi idő alatt derül ki, hogy nálunk működne-e?

Egy jól körülhatárolt PoC nálunk 2-4 hét alatt készül el, valós adatokon. Ennyi idő alatt kiderül, elég jó-e az adatminőség, kezelhetők-e a kivételek, és hozza-e a rendszer az előre rögzített célszámot. Ha nem hozza, olcsón tanultad meg, mielőtt nagyobb büdzsét költöttél volna.

Biztonságos éles rendszerekhez engedni egy agentet?

Igen, ha a hozzáférése szűkre szabott és naplózott. A gyakorlat: feladathoz méretezett jogosultság, külön kezelt olvasó és író műveletek, összeghatárok, human-in-the-loop jóváhagyás a kritikus lépéseknél, teljes audit-nyomvonal. Az EU AI Act 2026. augusztus 2-től amúgy is átláthatóságot és dokumentáltságot vár el.