ATAILA Sajtószoba · Budapest · 2026. augusztus 19.
A legtöbb AI-projekt sosem jut el élesig. A miénk onnan indul.
A Portfolio.hu a KPMG Global Tech kutatását a Kórász Tamással, a KPMG tanácsadási üzletágának vezetőjével készült interjúval együtt közölte. A megállapítás egy ellentmondás, amin érdemes elidőzni: az AI-beruházás akár kétszeresen is megtérülhet — a projektek többsége viszont esélyt sem kap rá, mert sosem jut el éles üzemig. Mi ezt a szakadékot látjuk minden héten. Pontosan ennek a felszámolására építettük a platformot.
A cikk, amelyre válaszolunk
Portfolio.hu · 2026. augusztus 19.
Mit ír a cikk
A KPMG 27 országban 2500 menedzsert kérdezett meg; a cikkben idézett számok nyersek.
A hasznos rész Kórász magyarázata a miértre. A projektek ott buknak el, ahol a cégek az AI-val próbálják elfedni az adatrendszerbeli vagy működési hiányosságaikat — az ő szavaival az ilyen megközelítések „rendszerint kudarcba fulladnak”. Elbuknak, amikor az adat elavult rendszerekben szétszórva hever, amikor nincs governance, amikor a munkatársak nincsenek felkészítve, és amikor a munkát nem valós üzleti eset hajtja, hanem a lemaradástól való félelem. A sikeres projektek olyan problémát választanak, ahol a mintafelismerés tényleg segít, előbb az adatot teszik rendbe, hagynak teret a kísérletezésnek, és a munkafolyamatot az eredmény köré tervezik újra.
A biztonsági oldalt is megnevezi: az AI-használat a céges adatokat „szétszórtan és nehezen követhető módon” tolja felhőkörnyezetekbe, a következő kockázat pedig az AI-ügynökök kérdése — milyen jogosultságot kapnak, és ki felel értük.
A számok az ott közöltek szerint (KPMG Global Tech kutatás, Gartner, KSH, GKI); a teljes kontextushoz lásd az eredeti cikket.
Szinte mindenben egyetértünk
Ez nem cáfolat. A diagnózis pontosan az, amit minden héten látunk: egy prototípus, amely a demón mindenkit lenyűgözött, valakinek a jegyzetfüzetében, egy adatszeleten épült — és nincs útja azokhoz a rendszerekhez, ahhoz a biztonsági átvilágításhoz és üzemeltető csapathoz, amit az éles üzem megkövetel. Az a 60%, ami sosem áll élesbe, nem az AI kudarca. A leszállításé.
Ahol elválunk az iparág szokásos következtetésétől, az a teendő. A bevett válasz — „több érettség, több governance, több változásmenedzsment” — mind igaz, és mind olyasmi, amire egy 20–200 fős cégnek nincs embere. Mi azért építettünk platformot, hogy ne is kelljen.
Mit kezd ezekkel az ATAILA
A cikk megállapítása
A legtöbb projekt a prototípus és az éles üzem között akad el.
A mi válaszunk
Az ATAILA-n az éles környezet nem a projekt utolsó lépése, hanem az első dolog, amit létrehozunk. Minden projekt valódi DEV, UAT és PROD környezettel indul, és minden változtatást egy kontrollált Release Manager visz végig rajtuk. Nincs külön „élesítési projekt”, ami aztán sosem kap költségvetést.
Így működik a Release Manager →A cikk megállapítása
Az AI-val adat- és működési hiányosságokat próbálnak elfedni.
A mi válaszunk
Egy munkafolyamattal indulunk, és azzal az adattal, amit az ténylegesen érint — nem „AI-t vezetünk be a cégnek”. Pont ezért mondunk nemet ott, ahol az adat még nincs meg. Egy szűk, valós probléma eljut élesig; egy tág nem.
Kinek való az ATAILA — és kinek nem →A cikk megállapítása
Az adatok „szétszórtan és nehezen követhető módon” kerülnek a felhőbe.
A mi válaszunk
A számítási kapacitásunk privát és végig EU-rezidens. A dokumentumaid, az embeddingek, a logok és maga az alkalmazás olyan infrastruktúrán élnek, amit te irányítasz — nem egy publikus AI-szolgáltató és három SaaS-eszköz között szétszórva. Így lesz a governance is megválaszolható kérdés.
Az alatta futó szuverén EU-s felhő →A cikk megállapítása
A pilot után senki nem felel azért, ami történik.
A mi válaszunk
Amit leszállítunk, azt üzemeltetjük is — monitoring, mentések, biztonsági frissítések, modell-életciklus — írásos SLA mellett. A projekt nem ér véget az átadásnál, mert átadás nincs.
Mit tartalmaz az „üzemeltetve” →A vállalásunk, egy mondatban
Ami az ATAILA platformon fut, az éles üzembe kerül. Nem reményként, hanem architektúraként: az éles környezet, az oda vezető kontrollált release-út és az utána üzemeltető csapat mind a platform része az első naptól — így az „élesítés” nem külön projekt, ami csendben kifuthat a költségvetésből.
Azért mondhatjuk ezt, mert a platform a saját termékeinken bizonyít: az open*.hu családunk — ma az OpenMath és az OpenChef, továbbiak jönnek — az ATAILA Coderrel, privát AI-n épült, és élesben fut a platformon; a legújabb a kész modulok újrafelhasználásával órák alatt állt élesbe. A teljes kép a referenciák oldalon.
Egy dolog, amit nem állítunk
Egy rossz ötlet nálunk sem térül meg kétszeresen. Ha egy munkafolyamatot nem érdemes automatizálni, vagy az adat tényleg nincs meg, megmondjuk — mielőtt bármit költenél. Pontosan erre valók azok a kérdések, amiket előre felteszünk. Amit viszont tudunk: kiiktatjuk azt az okot, amiért a legtöbb jó ötlet meghal — a hosszú, finanszírozatlan, gazdátlan szakadékot a működő prototípus és a futó rendszer között.
Ha van az az egy bizalmas munkafolyamatod, amit régóta automatizálnál — az, amit sosem másolnál be egy publikus AI-ba —, meséld el nekünk. Őszintén megmondjuk, eljut-e élesig. Aztán elvisszük odáig.
Forrás: Vállalati AI-beruházások: kétszeres megtérülés is elérhető, de a projektek többsége még éles üzemig sem jut el — Portfolio.hu, 2026. augusztus 19.
← Vissza a Sajtószobába Sajtómegkeresés: kapcsolat