1. Modul · Alapok
Mi az az AI?
A mesterséges intelligencia nem egy mindentudó adatbázis, hanem egy új típusú ember–gép interfész: természetes nyelven irányítható, komplex feldolgozási és szintetizálási feladatok elvégzésére.
Nem varázsgömb
Valószínűségi alapon generál — nem igazságot keres, hanem koherens folytatást.
Első vázlat
Gyors, használható kiindulópontot ad — a végső döntés mindig emberi.
Új interfész
Természetes nyelven dolgozik — program- és menülogika helyett.
Mi az az AI?
Lényeg előre
A mesterséges intelligencia (AI) nem egy mindentudó, tévedhetetlen adatbázis, hanem egy új típusú ember–gép interfész. Az elmúlt évtizedekben a szoftvereket menükön, gombokon és kódokon keresztül irányítottuk. A jelenlegi generatív AI rendszerekkel természetes nyelven — plain text formában — tudunk komplex szintetizálási és feldolgozási feladatokat elvégeztetni.
A technológia legnagyobb üzleti értéke 2026-ban a strukturálatlan adatok (szövegek, képek, hangok) gyors feldolgozása és az első vázlatok azonnali előállítása. A legtöbb üzleti helyzetben nem a végső választ adja, hanem egy használható első vázlatot, amelyről már gyorsabban és jobb minőségben lehet tovább dolgozni.
Fontos megérteni, hogy az AI nem egy varázsgömb, amelybe kérdést teszel, és igazságot kapsz vissza. Inkább egy rendkívül gyors, széles tudású asszisztens, amely jól dolgozza fel a kontextust, ügyesen fogalmaz, de téved is — és tévedéseit sokszor magabiztosan adja elő. Ez nem hiba a rendszerben: ez az architektúra természetes következménye. Az, aki ezt érti, sokkal hatékonyabban használja az eszközt, mint aki vakon bízik benne.
Kinek érdemes megtanulni az AI-t?
Nem mindenkinek ugyanolyan dolgokra jó. Nézd meg a saját munkakörnyezetedre szabott példákat.
HR-es és toborzó
Fájdalompont
Naponta 40-80 önéletrajz érkezik, amelyeket manuálisan kellene végigolvasni. A pozícióleírások újraírása ismétlődő, időrabló feladat.
Amit az AI elvégez
Az AI 2 perc alatt összefoglalja a 20 legjobb jelölt profilját, automatikusan kiszűri a kötelező kritériumokat, és kész vázlatot ad az interjúkérdésekhez. Pozícióleírás-frissítésre 5 mondatos briefből teljes szöveg generálható.
Kipróbálható most
Másolj be egy önéletrajzot, és kérd: 'Értékeld ezt a jelöltet egy senior marketing manager pozícióra. Emeld ki az erősségeket, a hiányokat és az 5 legjobb interjúkérdést.
Kisvállalkozó és vállalkozó
Fájdalompont
Marketingszöveg, ügyfélkommunikáció, ajánlat, Google-profil, social media poszt — mind fontos, mind időrabló, de marketing-alkalmazott nincs a csapatban.
Amit az AI elvégez
Az AI átveszi az összes ismétlődő szövegalkalmazást: ajánlatból prezentáció, elégedett ügyféltől kért visszajelzésből review-sablon, egy rövid briefből teljes kampányszöveg készül.
Kipróbálható most
Írd le a vállalkozásod lényegét 3 mondatban, majd kérj: 'Írj ebből egy rövid, meggyőző Google My Business leírást és egy LinkedIn-posztot az induló vállalkozásoknak szóló célközönségnek.
Elemző és kutató
Fájdalompont
Egy kutatási feladat elindításához tíz különböző forrást kell végigolvasni, összefoglalni, majd szintetizálni — csak ezután kezdődik az érdemi elemzés.
Amit az AI elvégez
Az AI elvégzi az előkészítő szintézist: feltöltött dokumentumokból kulcstéziseket, mintázatokat és ellentmondásokat gyűjt ki. Notions és NotebookLM-integráción keresztül zárt dokumentumkészletből dolgozhat.
Kipróbálható most
Töltsd fel a legutóbbi 3 iparági riportot a NotebookLM-be, és kérd: 'Melyek azok a trendek, amelyek mindhárom forrásban visszatérnek, és hol vannak az ellentmondások?
Vezető és döntéshozó
Fájdalompont
A nap a meetingekre megy — utánuk 20 email, 3 döntés és egy prezentáció vár. A kontextusváltások energiát emésztenek fel, az írásos kommunikáció minőségén meglátszik.
Amit az AI elvégez
Az AI elvégzi a kommunikációs réteg nagy részét: meeting-transcript alapján döntési memót és akciólistát készít, emailekre vázlatot ad, előkészítő anyagokat strukturál.
Kipróbálható most
A legutóbbi fontos megbeszélés után másold be a fő pontokat, és kérd: 'Írj belőle 5 mondatos executive summary-t, amely a döntéseket és a következő lépéseket emeli ki.
Értékesítő és ügyfélkezelő
Fájdalompont
A CRM-et frissíteni kell, az ügyfélnek személyes emailt kellene írni, a pitchdeck még nincs kész — és ez csak a mai teendőlista.
Amit az AI elvégez
Az AI felgyorsítja a sales adminisztrációt: ügyfélprofilból személyre szabott outreach-sablon, meeting-összefoglalóból CRM-bejegyzés, verzus-dokumentumból kompetitív összehasonlítás.
Kipróbálható most
Másold be egy potenciális ügyfél LinkedInről vett profilját, és kérd: 'Írj egy rövid, személyre szabott első emailt, amelynek célja egy 20 perces bemutatókérés.
Tanár és oktató
Fájdalompont
Tananyag differenciálása, feladatlapok készítése, visszajelzések szövegezése — mind ismétlődő, időrabló folyamatok, amelyek elvonják az energiát a tényleges tanítástól.
Amit az AI elvégez
Az AI generálja az ismétlődő alkotóelemeket: ugyanabból a témából különböző nehézségi fokú feladatlapok, tanulói munkákhoz személyre szabott visszajelzés-vázlatok, lecketermervázlatok.
Kipróbálható most
Adj meg egy tananyagtémát és a korosztályt, majd kérj: 'Készíts 3 különböző nehézségi fokozatú, 5-5 kérdéses feladatlapot erről a témáról, és add meg a helyes válaszokat is.
Miért fontos ezt most jól érteni?
Az AI-ról alkotott első mentális modelled meghatározza, hogyan fogod használni később. Ha úgy gondolsz rá, mint egy mindent tudó válaszgépre, túl fogsz bízni benne. Ha úgy gondolsz rá, mint egy ügyes, de korlátos munkatársra, sokkal jobban fogsz tudni vele dolgozni.
Ennek a modulnak nem az a célja, hogy lelkesítsen az AI iránt, hanem hogy helyes alapképet adjon. A következő modulokban már promptingról, workflow-ról és agentekről lesz szó — de ezek mind félrecsúsznak, ha az első képed hibás.
A legfontosabb kiindulópont ezért ez: az AI nem kész igazságot ad, hanem valószínűségi alapon előállított, gyakran nagyon hasznos első munkaváltozatot.
Mielőtt továbbmegyünk
Három rossz mentális modell az AI-ról
'Az AI egy okos kereső"
Nem. A kereső meglévő forrásokat talál meg. A generatív AI új szöveget, összefoglalót, kódot vagy képet állít elő mintázatok alapján.
'Az AI egy digitális szakértő"
Nem. Néha úgy hangzik, mint egy szakértő, de ez nem ugyanaz. A meggyőző stílus nem bizonyíték a pontosságra.
'Az AI csak chatbot"
Nem. A chat csak az egyik felület. Ugyanaz a modell dolgozhat dokumentumokon, képeken, kóddal, workflow-ban, agentként vagy API-n keresztül is.
Ha ezt a három félreértést tisztán látod, sokkal könnyebb megérteni, miért volt akkora fordulópont a ChatGPT megjelenése.
A paradigmaváltás és a ChatGPT-pillanat
A gépi tanulás (machine learning) és a nagy nyelvi modellek (LLM — Large Language Models) architektúrája már évekkel 2022 előtt is létezett. A kutatólaborok már 2017 óta dolgoztak a Transformer-architektúrán, és a GPT-3 modell 2020-ban már elérhető volt korlátozott hozzáféréssel. Mégis, a széles nyilvánosság számára az AI 2022 novemberéig láthatatlan maradt.
A 2022-es ChatGPT-pillanat nem tisztán algoritmikus áttörés volt — hanem egy felhasználói élmény (UX) forradalom. A technológiai küszöb nullára csökkent: a bonyolult API-hívásokat, a programozói tudást és a parancssorokat felváltotta egy egyszerű chatablak. Bárki, aki tudott gépelni, azonnal eredményt kapott. Ez az egyszerűség volt az a döntő változó, amely az AI-t a kutatólaborokból a mindennapi üzleti és privát munkafolyamatokba hozta.
A következmény azonnali és mélyreható volt. Azok a feladatok, amelyek korábban programozói tudást igényeltek — szöveg összefoglalása, kód generálása, fordítás, kategorizálás — hirtelen elérhetővé váltak mindenki számára. Az alkalmazottak elkezdtek egyénileg kísérletezni, sokszor a vállalati IT-osztály tudta nélkül. Ezt a jelenséget nevezzük árnyék-AI-nak (Shadow AI), és 2026-ban ez az egyik legnagyobb vállalati governance-kihívás.
Ami azóta változott: az AI nem egyszerűen gyorsabb lett. Funkcionálisan differenciálódott. A piac ma már nem egyetlen általános asszisztensből áll, hanem specializált platformokból, amelyek különböző feladatokra különböző mértékben alkalmasak. Az eszközök egy részéből agent lett — olyan rendszer, amely nem csak válaszol, hanem önállóan cselekszik is. Ez alapvetően más kockázati és használati profilt jelent.
Mielőtt kategorizálunk
Nem minden AI ugyanaz a dolog
Amikor valaki azt mondja, hogy 'AI", gyakran több különböző rendszert mos össze egyetlen szóba. Pedig más logika működik egy hitelbírálati rendszerben, más egy ChatGPT-szerű nyelvi modellben, és megint más egy ajánlórendszerben vagy egy képgenerátorban.
A gyakorlatban legalább két nagy csoportot érdemes elkülöníteni:
- → olyan AI-rendszerek, amelyek meglévő adatból következtetnek vagy előrejeleznek,
- → és olyanok, amelyek új tartalmat állítanak elő.
Ez a különbség azért fontos, mert a hibamódjuk, a kockázatuk és a használati módjuk sem ugyanaz.
Analitikus AI vs. Generatív AI
Analitikus (Prediktív) AI
Mint egy statisztikus vagy kockázatelemző
Meglévő adathalmazokat vizsgál, mintázatokat keres, osztályoz és előrejelez. Nem hoz létre új tartalmat — elemez és következtet.
Képzelj el egy tapasztalt statisztikust: nem alkot új tartalmat, hanem a rendelkezésre álló adatokban mintázatokat keres, és azok alapján következtet. Egy hitelbírálati rendszer a korábbi fizetési szokásokból becsüli a nemfizetés kockázatát. A Netflix ajánlóalgoritmus a korábbi nézési szokásokból jósolja meg, mi fog tetszeni. Ezek mind analitikus AI-rendszerek — nem generálnak, hanem értékelnek.
Generatív AI
Mint egy rendkívül gyors, de néha figyelmetlen gyakornok
A betanított mintázatok alapján új, korábban nem létező tartalmat hoz létre: szöveget, kódot, képet, hangot. Nem csak elemez — szintetizál és fogalmaz.
Képzelj el egy rendkívül gyors, sok területen jártas, de néha figyelmetlen gyakornokot: gyorsan dolgozik, jól fogalmaz, de néha magabiztosan rosszat mond, és nem mindig jelzi, ha bizonytalan. A két típus egyre inkább keveredik a modern rendszerekben: a ChatGPT Advanced Data Analysis analitikus feladatokat végez generatív AI felületen keresztül, a Perplexity valós idejű webes keresést kombinál generatív összefoglalással. Érdemes tudni, melyik funkcióban éppen melyik logika dolgozik — mert a kockázatok eltérők.
Döntési szabály
A legegyszerűbb döntési szabály: ha a rendszer meglévő adatból becsül vagy osztályoz, inkább analitikus logika működik; ha új szöveget, képet, kódot vagy összefoglalót állít elő, inkább generatív logika.
Mit tud ma az AI a gyakorlatban?
A legnagyobb értéket ott adja, ahol sok információt kell gyorsan feldolgozni, első változatot kell készíteni, vagy ismétlődő szellemi rutinokat kell felgyorsítani.
Hosszú dokumentumok feldolgozása
Az iparági jelentések, jogi dokumentumok és kutatási anyagok feldolgozása az egyik legtöbb időt elvevő irodai rutin — mégis alig igényel valódi szakmai döntést, csak figyelmet és strukturálási képességet.
60 oldalas iparági jelentés elolvasása, főbb állítások kijegyzetelése, összefoglaló megírása
2–3 óraPDF feltöltése a modellbe, majd strukturált kérés az összefoglalóra
2 perc“Foglald össze a 3 legfontosabb piaci kockázatot a dokumentum alapján, oldalszámok megjelölésével.”
A hivatkozott oldalak ellenőrzése és az üzleti konklúzió levonása
Az AI kivonatol és összefoglal — de nem tudja, melyik kockázat releváns a te specifikus üzleti kontextusodban. A végső ítéletet mindig te hozod meg.
⚠ Attention degradation: hosszú dokumentumoknál a modell a szöveg elejére és végére koncentrál erőteljesebben, a középső részeket alulsúlyozhatja. Mindig ellenőrizd a hivatkozott oldalakat az eredeti forrásban.
Meeting follow-up és akcióterv
A megbeszélés utáni adminisztráció az egyik legunalmasabb irodai rutinfeladat. Egyszerre igényel figyelmet, írástudást és szervezési képességet, miközben semmiféle kreatív döntést nem tartalmaz.
Jegyzetelés a megbeszélés alatt, utána strukturálás, feladatok kiosztása, felelősök rögzítése, follow-up email megírása
30–40 percA meeting leiratának (transcript) bedobása egy strukturált kéréssel
1 perc“Készíts ebből strukturált összefoglalót, listázd a feladatokat felelősökkel és határidőkkel, és írj egy udvarias follow-up email vázlatot.”
Felelősségi körök validálása és a hangvétel finomhangolása
Az AI a szövegből következtet a felelősökre — de nem tudja, hogy valaki épp szabadságon van, vagy hogy a „majd megnézem” valójában nem volt vállalás.
⚠ Ha a transcript minősége gyenge (félbehagyott mondatok, keresztbeszélések), a modell kitölti a hiányokat saját logikával. Ez téves felelős-hozzárendeléshez vezethet. Soha ne küldd el ellenőrzés nélkül.
Nyers jegyzetből strukturált anyag
Az üres dokumentum előtti bénultság — amikor ott van a fejben az összes gondolat, de nem tudod, hogyan kezdj bele — az egyik leggyakoribb produktivitási akadály. Az AI ezt oldja fel leghatékonyabban: nem a gondolatokat adja, hanem a struktúrát és a fogalmazást.
Üres dokumentum bámulása, gondolatok logikai sorrendbe rendezése, bekezdések írása nulláról
1–2 óraStrukturálatlan, vázlatos gondolatok begépelése egy egyértelmű kéréssel
2 perc“Ezek a fő érveim a projekt mellett, rendezetlen formában. Készíts belőlük egy logikusan felépített, egyoldalas vezetői összefoglalót.”
A generált logika kritikai ellenőrzése, kivételek és árnyalatok hozzáadása
Az AI egy koherens narratívát épít a megadott érvekből — de nem tudja, melyik ellenvetésre kell számítani a konkrét olvasóközönségnél. Ezt te tudod.
⚠ Az AI a legkézenfekvőbb logikai sorrendet választja, ami nem mindig egyezik a kommunikációs céloddal. Egy vezetői összefoglalóban nem mindig a legfontosabb érvvel érdemes kezdeni — ezt a döntést te hozod meg.
Adathalmaz első elemzése
Egy több száz soros Excel-táblázat első áttekintése órákat vesz igénybe, és a munkaidő nagy részét nem az értelmezés, hanem a formázás és az eszközkezelés tölti ki. Az AI ezt a belépési küszöböt szünteti meg.
Pivot-táblák készítése Excelben, VLOOKUP-ok, manuális anomália-keresés
Több óraAdatok feltöltése Advanced Data Analysis képességgel, strukturált elemzési kéréssel
3 perc“Készíts vizualizációt a Q3-as eladásokról, és emeld ki azokat a régiókat, ahol a teljesítmény több mint 15%-kal esett az előző negyedévhez képest.”
Az AI által írt elemzési logika és kód helyességének validálása
Az AI kódot ír és futtat — de ha az adataidban van egy szokatlan dátumformátum vagy egy félreértett oszlopnév, az eredmény néma hibával fut le, és helytelen grafikont kapsz vissza.
⚠ Mindig ellenőrizd az összesített számokat egy egyszerű kézi számítással, mielőtt az eredményt továbbosztod. Az AI a legvalószínűbb értelmezést választja — nem a legpontosabbat.
A főbb AI platformok
A legtöbb felhasználó hibája nem az, hogy rosszul promptol, hanem hogy rossz platformot választ rossz feladatra. A piac 2026-ra differenciálódott — nincs egyetlen legjobb eszköz, a feladat, a munkastílus és az adatvédelmi kontextus határozza meg a helyes választást.
Az első 5 perc: egy kísérlet, amelyet most elvégezhetsz
Az AI-t nem könyvből tanulják meg — kipróbálással. Ez a kísérlet 5 percet vesz igénybe, és bármelyik platformon elvégezhető (ChatGPT, Claude, Gemini).
Nyiss meg egy AI-platformot
Bármelyik ingyenes fiókot lehet használni: ChatGPT, Claude vagy Gemini. Ha még nincs fiókod, regisztrálj — ez 2 percet vesz igénybe.
Tegyél fel egy valódi, saját munkáddal kapcsolatos kérdést
Ne tesztkérdéssel kezdj. Gondolj a mai vagy a múlt heti egyik konkrét feladatodra: egy emailre, amelyet el kellett küldeni, egy összefoglalóra, amelyet meg kellett írni. Tedd fel azt.
Ne fogadd el az első választ automatikusan
Olvasd el a választ kritikusan: mi jó benne, mi hiányzik, mit mondana valaki, aki ismeri a kontextusodat? Ez a kritikai olvasat az AI-használat alapkészsége.
Pontosítsd a kérdést, és futtasd újra
Adj hozzá egy korlátot, egy célközönséget, egy formátumutalást — bármit, ami hiányzott az első kérésből. Nézd meg, hogyan változik a válasz. Ez az iteráció.
Döntsd el, mi volt jó és mi volt használhatatlan
A kísérlet végén tedd fel magadnak: milyen feladatokra lenne ez az eszköz valóban hasznos a saját munkámban? Ez a kérdés visz tovább a következő modulokba.
Az AI nem egy varázspálca — hanem egy eszköz, amellyel együtt kell gondolkodni. Az első próbálkozás ritkán tökéletes. Az ötödik már általában használható. A tizedik rutinszerű.
A jelenlegi modellek helyzete (2026. március)
A piac 2023 óta rendkívül gyorsan differenciálódott. Az alábbi áttekintés megmutatja, hol tartunk most — és miért fontos tudni, hogy a 'legjobb modell' fogalma kontextusfüggő.
GPT-5.4 / GPT-5.4 Thinking
2026. március 5-én jelent meg az OpenAI legújabb zászlóshajója. A GPT-5.4 Thinking beépített lépésenkénti következtetési módot tartalmaz, a Pro variáns vállalati és agentic workflow-kra van optimalizálva. A korábbi GPT-5.3-codex coding képességeit is integrálja.
Claude Opus 4.6 / Sonnet 4.6
A jelenlegi Anthropic-csúcsmodell. Az Opus 4.6 1 milliós kontextusablakkal, erős hosszútávú feladatvégrehajtással és computer use képességgel (kísérleti, preview) rendelkezik. A Sonnet 4.6 az alapértelmezett modell — közel Opus-szintű teljesítmény kódolásban és dokumentumelemzésben, kisebb költséggel.
Gemini 3.1 Pro / Flash / Flash-Lite
A Gemini 3.1 Pro jelenleg a Google legjobb modellje komplex feladatokra. A Flash sor gyors és gazdaságos — a Flash-Lite $0.25/M input tokenáron érhető el, 45%-kal gyorsabb outputtal mint a 2.5 Flash. A Workspace-integráció érett állapotban van.
Grok 4.20
2026 februárjában jelent meg a 4.20 Beta, amely 4 specializált agent (Grok, Harper, Benjamin, Lucas) párhuzamos együttműködésére épül. A Rapid Learning Architecture hetente frissíti a modellt valós használati adatok alapján. Az X/Twitter adatfolyamhoz való nativ hozzáférése változatlan.
DeepSeek R1 / V3
2025 elején a nyílt forráskódú, alacsony költségű modellel felrázta a piacot. R1 logikai következtetési feladatokban komoly teljesítményt mutat. Adatvédelmi szempontból körültekintés szükséges (kínai üzemeltetés).
A fontosabb kérdés nem az, melyik a 'legjobb' modell, hanem az: melyik illik a konkrét feladatodhoz, a munkastílusodhoz és az adatvédelmi keretedhez?
Mire figyelj? Korlátok és kockázatok
Az LLM-ek architekturálisan nem tényeket tárolnak. Ezek token prediction systemek — gigantikus statisztikai modellek, amelyek kiszámítják, mi a legvalószínűbb következő szótag (token) a megadott kontextusban. A rendszer nem az igazságot keresi, hanem a statisztikailag legkoherensebb folytatást. Ez az egyetlen mondat elegendő ahhoz, hogy megértsük, miért hibázik az AI úgy, ahogy hibázik.
A közös minta minden kockázat mögött ugyanaz: a modell nyelvileg koherens választ próbál adni, nem pedig intézményi értelemben vett igazságot vagy felelősséget vállalni. Ez nem szándékos megtévesztés — ez az architektúra működési logikája.
Rövid történeti kontextus
Az AI fejlődése nem lineáris, nem folyamatos és nem egyenletes. Vannak évtizedek, amelyekben szinte semmi nem történik — és vannak egyes évek, amelyek mindent megváltoztatnak. A jelenlegi helyzet megértéséhez két fordulópontot érdemes kiemelni.
Az első a 2017-es Transformer-architektúra megjelenése. Az ezt megelőző rendszerek szekvenciálisan dolgozták fel a szöveget — tokenenként, sorban. A Transformer bevezette az attention mechanizmust, amelynek segítségével a modell egyszerre tudja figyelembe venni az egész kontextust, és súlyozni, melyik részre kell jobban koncentrálni. Ez az az architektúra, amelyen a GPT, a Claude, a Gemini és minden modern LLM alapul. Nélküle a 2022-es áttörés sem jöhetett volna létre.
A második fordulópont maga a 2022-es ChatGPT-pillanat — nem azért, mert az algoritmus új volt, hanem azért, mert az interfész demokratizálta a technológiát. Ettől a pillanattól kezdve az AI nem kutatói területté maradt, hanem általános munkaeszközzé vált. A 2022 utáni időszak ezért külön korszak: nem a technológia, hanem az adoptáció és a következmények kora.
Alan Turing: Computing Machinery and Intelligence
A gépi intelligencia elméleti alapjainak megfogalmazása.
Dartmouth konferencia
Az „artificial intelligence” fogalom megszületése.
Expert systems
Szabályalapú rendszerek kora — erősek szűk feladatokban, de nehezen skálázhatók.
AlexNet / ImageNet áttörés
A deep learning bizonyítja a mély neurális hálók gyakorlati erejét.
Transformer architektúra
A modern nagy nyelvi modellek technikai alapjának megszületése.
BERT, GPT-2, GPT-3
Az LLM-ek mérete és képességei gyorsan növekednek.
ChatGPT publikus megjelenés
Mainstream adoptáció: az AI széles körben elérhető munkaeszközzé válik.
GPT-4, Claude, Gemini — verseny robban ki
A piac differenciálódik: több szereplő, eltérő erősségek, első enterprise adoptáció.
Multimodális és reasoning modellek
GPT-4o, o1, Claude 3.5 Sonnet, Gemini 1.5 Pro — kép, hang, videó és lépésenkénti következtetés (reasoning) mainstream szintre jut.
Agentek és nyílt modellek korszaka
DeepSeek R1 felrázza a piacot, Claude 3.7 hibrid gondolkodással jelenik meg, GPT-5 augusztusban debütál. Agentic platformok (OpenAI Agents, Manus, Claude Cowork) tömeges elterjedése.
GPT-5.4, Claude 4.6, Gemini 3.1 — és governance
A csúcsmodellek computer use és hosszútávú feladatvégrehajtás képességével rendelkeznek. Az EU AI Act végrehajtása, vállalati kontrollrendszerek és shadow AI kezelése a legnagyobb kihívás.
Gyakorlás
Teszteld magad AI-jal
Nem csak kérdések megválaszolására lehet AI-t használni — visszakérdezésre és önellenőrzésre is kiváló. Próbáld ki a saját szavaiddal.
Kérdezd meg az AI-t
- →Mi a különbség az analitikus és a generatív AI között? Mondj egy-egy saját példát.
- →Miben korlátozott az AI, és hogyan előzhető meg, hogy ez bajt okozzon?
Kész prompt
“Kérdezz vissza rólam: mit érthettem meg helytelenül az AI működéséről? Adj 3 tipikus tévhitet és rövid cáfolatot.”
Következő lépés
Most már érted, mi az AI nagy képe. A következő modul azt mutatja meg, hogyan működik belülről, és ebből miért következnek a korlátai.
Ebből a leckéből azt viszed tovább, hogy az AI nem varázsgömb, hanem eszköz. A logikus következő kérdés ezért nem az, hogy mire jó még, hanem az, hogy mi történik a motorháztető alatt.