Tavaly körülbelül ezerszer hallottam a mondatot, hogy „az MI időt takarít meg nekünk". Konferenciákon, LinkedIn-posztokban, olyan értékesítőktől, akik még egy újabb eszközt akartak eladni nekünk. A gond az, hogy a legtöbben általánosságban beszélnek. „Az MI 40%-kal növeli a termelékenységet." Rendben, de hol pontosan?
A Rise.sk-nál nap mint nap használunk MI-t. Nem azért, mert trendi, hanem mert le tudjuk ellenőrizni, hol működik valójában. Az alábbi idők tájékoztató kiindulási értékek. A saját pilotját valós munkamintán kell megmérnie, mert az Ön számai mások lesznek, mint a mieink.
Az e-mailek kézi olvasása, kategorizálása és a megfelelő személyhez rendelése napi 45 percünkbe került. Ma 10 percnél tartunk. Az OpenAI API és a Zapier kombinációja elolvassa a bejövő üzeneteket, sürgősség és téma szerint szétválogatja őket, és javaslatot tesz arra, kihez tartoznak.
A pilot során figyelje a kategorizálás pontosságát, a kézi javítások számát és azt az időt, amit az ügynökök ténylegesen megtakarítanak. Összehasonlítható, bevezetés előtti és utáni minta nélkül bármilyen konkrét százalék csak becslés lenne.
Minden egyórás meeting után további 20-30 perc ment el jegyzetelésre és a teendők kiküldésére. A Zoom AI Companionnal vagy a Slack AI-jal ez 3 perc. Az összefoglalót, a feladatokat és a kulcsfontosságú pontokat az eszköz maga emeli ki.
Ezt a változást azonnal megérzi. Nincs többé „miben is állapodtunk meg?" e-mail másnap. Az összefoglaló elkészül, mielőtt feláll az asztaltól.
Egy üzleti ajánlat, jelentés vagy belső dokumentum első vázlata 2-3 órát vitt el. A Notion AI-jal vagy a ChatGPT-vel 30-45 perc alatt megvan a strukturált vázlat, onnantól már csak szerkeszt.
Ne áltassuk magunkat, a végleges verziót nem az MI írja meg. De az az első, üres dokumentum, amikor nem tudja, hogyan kezdjen bele? Pontosan ezt a részt kezeli jól. Ön ezután hozzáadja a kontextust, és a magáévá teszi a szöveget.
A havi adatok elemzése, a diagramok készítése és a következtetések megírása 1-2 órára rúgott. Töltse fel a táblázatot a ChatGPT-be, vagy használja az OpenAI API-t, és 20-30 perc múlva kész az összefoglaló a trendekről, az anomáliákról és a következő lépésekre vonatkozó javaslatokról.
Én személy szerint erre a havi ügyfél-jelentéseknél használom. Egy Excelben töltött óra helyett 15 perc alatt átlátom, mi változott és miért. A maradék időt arra fordítom, hogy eldöntsem, mit kezdjek vele.
Egy nagyobb pull request review-ja a fejlesztőinknek 30-60 percébe került. GitHub Copilottal 15-25 perc. A Copilot azonosítja a lehetséges bugokat, javításokat javasol, és elmagyarázza a bonyolultabb kódrészleteket.
Itt óvatosnak kell lennie. A Copilot kiválóan felismeri a nyilvánvaló problémákat, de az architekturális döntések és a biztonsági review-k továbbra is tapasztalt fejlesztőt igényelnek. Második pár szemként használjuk, nem egy senior fejlesztő helyettesítőjeként.
Egy blogbejegyzés vagy oldal lefordítása és lokalizálása 2-3 órát vett igénybe. ChatGPT-n vagy DeepL-en keresztüli MI-fordítással és utána piacspecifikus emberi lektorálással 30-40 percnél tartunk.
Hatalmas mennyiségű időt takarít meg. A lektorálást viszont ne hagyja ki, különösen szlovák nyelven, ahol az MI néha mellényúl az idiómáknál vagy egy adott szektor szakterminológiájánál.
Egy új ember 2-3 napot töltött a dokumentáció olvasásával és azzal, hogy alapvető kérdéseket tett fel a kollégáknak. Egy MI-asszisztenssel összekötött belső tudásbázis, nálunk a Notion AI a belső dokumentumok fölött, azonnal válaszol. A beillesztés körülbelül 40%-kal rövidült.
A belső asszisztensünk ismeri a folyamatainkat, a technológiai stackünket és a szabályainkat. Egy új fejlesztő megkérdezi, hogy „hogyan deployolunk stagingre?", és másodpercek alatt választ kap, ahelyett, hogy a Confluence-ben keresgélne.
Az első válasz átlagos ideje 2-4 óra volt munkaidőben. Az MI-asszisztens a gyakori kérdéseket, mint a rendelés állapota, a visszaküldési szabályzat vagy a műszaki specifikációk, 2 perc alatt elintézi, és ezzel lefedi a gyakori megkeresések 60-70%-át.
A kulcs a beállításban van. Az MI-nek tudnia kell, mikor adja át a beszélgetést egy embernek. A legrosszabb, amit tehet, ha hagyja, hogy az MI mindenre válaszoljon, még akkor is, ha nem tudja. Ez gyorsabban rombolja le a bizalmat, mint ahogy az MI felépíti.
Az adatok kézi ellenőrzése, a megrendeléssel való egyeztetés és az összegek ellenőrzése számlánként 15-20 percet vitt el. Az MI-vel, amely kinyeri az adatokat, összeveti azokat a megrendeléssel, és megjelöli az eltéréseket, ez számlánként 3-5 perc.
Ezt a munkafolyamatot sokan alábecsülik. Havi 50 számlánál ez a különbség 15 óra és 4 óra munka között. És kevesebb hiba.
A LinkedIn- és Instagram-posztok meg a havi hírlevél elkészítése heti 3-4 órát vitt el. Az MI-vel, amely vázlatokat generál, variánsokat javasol, és minden platformhoz igazítja a hangnemet, ez heti 1-1,5 óra.
Az MI ismét csak nem írja meg Ön helyett a végleges posztot. De az üres képernyő bámulását teljesen megszünteti. Ön adja hozzá a saját hangját, véleményét és tapasztalatát. Az MI végzi az unalmas részt.
Tisztességtelen lenne csak a sikerekről beszélni. Íme azok a területek, ahol kipróbáltuk az MI-t, és az eredmények nem voltak meggyőzőek.
Az MI segít a végrehajtásban, de nem a stratégiában. Amikor egy új márkairányt, egyedi piaci megközelítést vagy egy probléma szokatlan megoldását kell kitalálnia, az MI nem menti meg. Átlagok átlagát generálja. Az átlag pedig nem elég.
Az MI adatokat, elemzéseket és ajánlásokat ad Önnek. De a végleges döntés, hogy befektessen-e, kivel működjön együtt és melyik projektet helyezze előtérbe, továbbra is Önön múlik. És így is kell lennie.
Ha az Ön vállalkozása kapcsolatokra épül, az MI nem segít Önnek bizalmat építeni egy ügyféllel. Elő tud készíteni anyagokat, elemezni tudja a kommunikáció előzményeit, de az az emberi pillanat, amikor pontosan azt mondja az ügyfélnek, amit hallania kell? Ez az MI-nek nincs meg.
Nem kell mindent egyszerre bevezetnie. Kezdje azzal az egy munkafolyamattal, amely naponta a legjobban idegesíti. Mérje meg az időt előtte és utána. Ha lát különbséget, adjon hozzá egy másikat. Mi is így csináltuk.
Ha nem biztos benne, hol kezdje, vagy szeretné tudni, van-e értelme automatizálni az Ön konkrét munkafolyamatát, lépjen kapcsolatba velünk. Együtt megnézzük, és őszintén megmondjuk Önnek, van-e értelme. Néha a válasz az, hogy „nem, ezt nem éri meg automatizálni". És ez is értékes információ.
A Rise.sk alapítója és műszaki vezetője. Webalkalmazásokat, adatrendszereket és automatizálást tervez és szállít; szoftverdöntésekről, AI-ról és digitális szolgáltatásokról ír.
A kínai modellek ma már csak hónapokkal, nem évekkel maradnak el az amerikai élvonaltól, mégpedig a költség töredékéért. Egy európai cég számára a valódi kérdés nem az, ki nyeri a versenyt, hanem az, hogy érdemes-e használni őket, és hogyan.
Az OpenAI szerint a GPT-5.6 Sol a költség harmadáért veri a Claude Fable 5-öt kódolásban. Az Anthropic szerint a Fable 5 vezet a nyers képességben. Mindkettőnek igaza van. Íme, melyik modell melyik feladatot nyeri.
Az API-tokenek kevesebbe kerülhetnek egy fejlesztői óránál, de nem képezik a teljes projekt költségét. Gyakorlati összehasonlítás a modellhasználatról, az átnézésről, a tesztelésről és az üzemeltetési költségekről.
Az Ön helyzete határozza meg a választ
