Furcsa ellentmondás: miközben egyre több szervezet épít AI-t a mindennapi működésébe, az amerikai irodai dolgozók körében mégis kiugróan magas a szkepticizmus. A magyarázat nem annyira a „robotok elveszik a munkát” narratíva, hanem az, hogy sokan már kipróbálták — és nem azt kapták, amit ígértek.

Mi történt

Egy több kontinensre kiterjedő, 1500+ irodai dolgozót (túlnyomórészt „szellemi munkát” végzőket) vizsgáló felmérésben az amerikai válaszadók több mint fele AI-szkeptikusnak vallotta magát. Ez jóval magasabb a globális átlagnál: az amerikai dolgozók 43%-kal nagyobb eséllyel szkeptikusak, mint az átlagos globális munkavállaló.

A kép azért is érdekes, mert közben a közszférában gyorsul az AI-eszközök és „AI-ügynökök” (agentic AI) használata. Az AI-ügynököt úgy képzeld el, mint egy digitális „mini-kollégát”: nem csak válaszol, hanem lépéseket is végrehajt (például jegyet nyit, adatot lekérdez, riportot készít) előre megadott szabályok és jogosultságok mentén. Egy IDC-s kutatás szerint 2030-ra a kormányzati munka sok helyen ember–AI-ügynök együttműködés lesz, és már most is sok ügynökség használ ilyen megoldásokat.

Miért fontos

Az eltérés a fejlett és a feltörekvő gazdaságok között látványos: sok feltörekvő országban az AI-t inkább karrier-mobilitási eszköznek tekintik, míg a fejlett piacokon gyakrabban a munkahelyek kiszorításának kockázata kerül előtérbe. De az amerikai szkepszis fő üzenete ennél praktikusabb: a dolgozók nem elvi okokból óvatosak, hanem azért, mert a mindennapi munkában az AI gyakran „túl általános”, nehezen ellenőrizhető és rosszul illeszkedik a folyamatokhoz. A generatív AI (ami szöveget, képet, kódot „kitalál” minták alapján) és az ügynöki AI értéke ott jön ki, ahol megbízható adatokon, jól körülhatárolt feladatokon és világos felelősségi kereteken fut — különben marad a bizonytalanság.

Mire figyelj

  1. Pilot vs. éles működés: Sok kudarc oka a „pilot-paradoxon”: gyors teszt indul, de nincs mögötte adatminőség, jogosultsági rend, mérés és visszacsatolás. A dolgozók ilyenkor azt tanulják meg, hogy az AI kiszámíthatatlan.
  2. Tréning és „biztonságos gyakorlótér”: Ha nincs idő és keret kísérletezni, az AI használata kockázatosnak tűnik. A tapasztalat ráadásul kétélű: az aktív felhasználók több hibát is látnak, mert többet próbálkoznak — ettől még ők lehetnek a legjobb belső nagykövetek, ha van támogatás.
  3. Determináltság és bizalom: A „valószínűségi” válaszok (amik néha tévednek) sok munkafolyamatban nem elfogadhatók. Ilyenkor nem „jobb prompt” kell, hanem tesztelés, korlátok, ellenőrizhető források és olyan kimenetek, amik a vállalati szabályokhoz igazodnak.
  4. Integráció a napi eszközökbe: Az AI akkor lesz hasznos, ha nem külön felület, hanem ott van a CRM-ben, levelezőben, jegykezelőben — ahol a munka amúgy történik.
  5. Személyre szabhatóság: A szerepkörök eltérnek; ami jó egy értékesítőnek, nem biztos, hogy jó egy pénzügyesnek. A ZDNet által ismertetett Salesforce-kutatás négy sikerfaktort emel ki (tréning, integráció, megbízható kimenet alapos teszttel, testreszabás), és azt sugallja: ha ezek megvannak, a szkepszis jelentős része gyakorlati úton oldódik, nem kommunikációs kampányokkal.