14. lapszám · nov. 2–8. 2026Agent Age hírmagazin · Többi kiadás · Keresés · Módszer · HU / ENG

A munka az AI korában kétszer változik meg: előbb az, amit az ember csinál, aztán az, amiért megfizetik.

Esszé

Aki az AI-eszközt építi, a munkáról szóló adatot is ő termeli

A munka átalakulásának szereplői építenek, közvetítenek, mérnek, szabályoznak és képviselnek, a szerepek azonban egyre inkább egymásba csúsznak. A munkáról szóló adat nagy része ma az eszközök szállítóinál keletkezik, ezért egy szám értelmezéséhez az előállítója is hozzátartozik.

Varga Zoltán · 2026-11-21 · 10 perc olvasás

A munka tudománya · 3/4. rész

Minden mai állítás mögött, amely a munka átalakulásáról szól, áll valaki, aki a számot előállította, és én először ezt a valakit keresem. Egy termékbejelentés, egy kitettségi mutató, egy munkáltatói felmérés és egy kollektív megállapodás ugyanarról a változásról beszél, de más helyről látja: az egyik a szoftver naplójából, a másik a foglalkozások leírásából, a harmadik a vezetők várakozásaiból, a negyedik a munkát végzők tapasztalatából. A sorozat első része azt a kérdést követte, kié a munkáról szóló tudás, a második pedig azt mutatta meg, hogy az AI-bevezetés beállításai hallgatólagos fogadások egy-egy elmélet mellett. A szereplők terepén a két gondolat összeér, mert a fogadásokat intézmények kötik meg, a tudás pedig ott gyűlik, ahol az adat keletkezik.

Az építők a beállítás jogát is elosztják

A vállalati szoftverek szállítói ma a munkaszervezés alapértelmezéseit írják. A Microsoft 2025 áprilisában közzétett hivatalos blogbejegyzése a Microsoft 365 Copilot alkalmazást az agentek világára nyíló ablakként mutatja be. A bejelentés szerint kutató és elemző agentek érkeznek, egy agentáruházban a partnerek és az ügyfél saját agentjei érhetők el, a Copilot vezérlőrendszere pedig lehetővé teszi, hogy az informatikai szakemberek felhasználónként vagy csoportonként engedélyezzenek, letiltsanak vagy blokkoljanak agenteket 1. Az utolsó elem a legtanulságosabb. Arról, hogy egy munkatárs melyik agenttel dolgozhat, e leírás szerint az informatikai üzemeltetés határoz, vagyis a tervezőasztal, amelyről az első rész szólt, a jogosultságkezelő felületére kerül.

A Workday 2026 októberében, Las Vegas-i konferenciáján mutatta be a Work Intelligence nevű eszközt. A vállalat közleménye szerint az eszköz minden munkakört a benne végzett feladatokra bont, a feladatokat készségekhez köti, és a vezetőknek abban segít, hogy megtervezzék a munkatársak fejlesztését a változó munkához 2. Ez a feladatalapú megközelítés, termékké alakítva. A második részben azt írtam, hogy ennek az elméletnek a besorolás a gyenge pontja, mert valakinek el kell döntenie, melyik feladatot tudja a gép elvégezni. A közlemény leírásában a besorolást a szállító adatai és a vezető végzik el, a munkakör betöltője pedig a tervezés tárgya. Ugyanez a cég más hangon is megszólal. Egy 2026-ra szóló vállalati kitekintésben a Workday egyik vezetője azt mondja, hogy a megkülönböztető tényező a vezetők megfontolt kérdezése lesz, a szöveg pedig olyan folyamatokról ír, amelyekben meg lehet állni, rá lehet kérdezni és ellenőrizni lehet, különösen akkor, ha a gépi kimenet magabiztos és téves 3. A termék a felbontásra tesz, a nyilatkozat az ítélőképességre: az egyik a taylori jóslat, a másik Drucker ellenjóslata, és a kettő egy vállalaton belül is megfér egymás mellett.

A harmadik nagy szállító helyét Dave Ulrich és szerzőtársai 2017-es könyve, a Victory Through Organization jelöli ki. A szerzők akkor úgy írták le a terepet, hogy a HR-részlegek a folyamataik egyszerűsítésére, az információ megosztására és a munkatársak összekapcsolására használják a technológiát, a platformokat pedig olyan globális cégek adják, mint az Oracle, az SAP és a Workday 4. Az SAP saját oktatási anyaga 2026-ban már arról szól, hogy a SuccessFactors rendszerben egy általános agent helyett egy-egy HR-funkcióhoz rendelt, célra épített agentek dolgoznak 5. A szállítók közös vonása, hogy a bér, a teljesítményértékelés és a toborzás nyilvántartását vezetik, ezért az agentjeik éppen ott kezdenek működni, ahol a szervezet az emberről szóló adatot tartja.

A modelleket fejlesztő laborok egy lépéssel hátrébb állnak, és a szótárukkal hatnak. Melissa Wilfley és munkatársai 2026-os előzetes közleménye, a Competing Visions of Ethical AI az OpenAI nyilvános dokumentumait vizsgálta minőségi tartalomelemzéssel és számítógépes szövegelemzéssel. Az eredmény szerint a cég nyilvános kommunikációját a biztonság és a kockázat nyelve uralja, az akadémiai és az érdekvédelmi etikai keretek szókészlete nélkül 6. Egyetlen vállalat esettanulmánya ez, a tanulságát mégis tágabbnak tartom: aki a technológiát építi, a róla folyó beszéd fogalmait is megválasztja, és a munka kérdései ebben a szótárban kockázatkezelési tételként jelennek meg.

A közvetítők az emberről szóló tudást gyűjtik

Az álláspiaci platformok az építők és a munkáltatók között állnak, és a szerepük jóval régebbi a generatív modelleknél. Thomas L. Friedman 2016-os könyve, a Thank You for Being Late úgy írta le a LinkedIn törekvését, hogy a cég a munkaerőpiac gráfját építi, néhány kísérleti várossal kezdve, és rögtön megkérdezte, mi jut a piac azon felének, amely nincs így hálózatba kötve. Friedman azokra mutatott rá, akik a készségeiket maguk szerezték meg, oklevél és tanúsítvány nélkül, miközben a munkáltatók a felvételnél éppen ezekre a papírokra szoktak hagyatkozni 7. Ben Eubanks 2018-as könyve, az Artificial Intelligence for HR a párosítás technikai fordulatát rögzíti: a jobb rendszer a munkakör megnevezését tényleges készségekre fordítja le, és a pozíció bérezését is készségenként teszi átláthatóvá 8.

A párosításból azóta feladatvégzés lett. Az Indeed munkáltatóknak szóló saját oldala olyan eszközöket sorol fel, amelyek a jelöltek felkutatását, a megkeresést és a jelentkezők átnézésének rendezését segítik 9. A Microsoft 2026-os pénzügyi évének harmadik negyedévéről tartott befektetői tájékoztatóján az hangzott el, hogy a LinkedIn toborzóknak szánt agentes termékei, amelyek a felkutatást, a szűrést és az üzenetek megfogalmazását automatizálják, átlépték a 450 millió dolláros évesített bevételi ütemet 10. A megbízásos munkánál a szabadúszó-piacterek töltik be ugyanezt a szerepet, köztük az Upwork.

A közvetítők gyakorlata a munkát végző embert készségek kötegeként írja le, és ez a leírás a platform adatbázisában él. Az első rész tengelye itt egy fokkal elmozdul: a kérdés az lesz, kié a munkavállalóról szóló tudás. A készségalapú párosítás utat nyit azok előtt, akiket a papírjaik alapján kiszűrtek volna, a szűrés szabályait viszont olyan szereplő kezébe adja, akit a jelölt és a munkáltató is csak a felületen keresztül ismer.

A mérők mást és mást kérdeznek

A mérő intézmények számai azért térnek el egymástól, mert mindegyik mást kérdez meg. A Nemzetközi Munkaügyi Szervezet és a lengyel NASK kutatóintézet 2025-ös műhelytanulmánya a foglalkozások leírásából indul: közel harmincezer feladatot pontozott szakértői ellenőrzéssel és gépi segítséggel, és arra a becslésre jutott, hogy világszerte minden negyedik dolgozó olyan foglalkozásban áll, amelyet a generatív AI valamilyen mértékben érint, a legmagasabb kitettségi fokozatba pedig a foglalkoztatás 3,3 százaléka esik. A szerzők hozzáteszik, hogy a legtöbb foglalkozás emberi közreműködést igénylő feladatokat is tartalmaz, ezért az átalakulást tartják valószínűbbnek a megszűnésnél 11. Az OECD 2023-as foglalkoztatási kitekintése hasonló anyagból dolgozik: a mintájában szereplő tagországokban a foglalkoztatás átlagosan 27 százaléka esik az automatizálás legmagasabb kockázatú foglalkozásaiba, miközben a jelentés szerint korai volna az AI-nak tulajdonítható érdemi foglalkoztatási változást keresni 12. Mindkét szám a feladatalapú megközelítésre épül, és azt méri, amit a második rész névleges képességnek nevezett.

A Világgazdasági Fórum a munkáltatókat kérdezi. A 2025-ös Future of Jobs jelentés több mint ezer nagy munkáltató várakozásaiból vetít előre, és ebből adódik a becslése, hogy 2030-ig 170 millió új állás keletkezik és 92 millió szűnik meg. A jelentés adatszolgáltatói között a közlemény szerint az Indeed és a LinkedIn is szerepel, vagyis a mérő részben a közvetítők nyilvántartásából dolgozik 13. A tanácsadó cégek becslései hasonló úton készülnek, és másodkézből terjednek tovább. Tolulope Michael AI-irányításról szóló könyve a McKinsey becsléseként idézi, hogy a generatív AI évente 2,6 és 4,4 billió dollár közötti értéket adhat a vállalati bevételekhez 14. Katie King 2022-es könyve a McKinsey 2020-as globális felméréséből emeli ki, hogy a válaszadók fele szerint a cégük legalább egy üzleti funkcióban bevezette az AI-t, és 22 százalékuk mondta, hogy a 2019-es üzemi eredmény több mint öt százaléka az AI-használatnak tulajdonítható 15. Ezek vezetői önbevallások, amelyek a várakozást és a megítélést rögzítik.

A Gallup a munkavállalót kérdezi. A 2026 harmadik negyedévi felmérésében az amerikai alkalmazottak 53 százaléka mondta, hogy évente legalább néhányszor használ AI-t a munkakörében, és 32 százalékuk tette ezt hetente többször 16. Ez a szám a kitettségi becslések ellenpárja: a tényleges használatot mutatja, egyetlen országban, önbevallás alapján.

A negyedik adatforrás az építők saját naplója. A Microsoft 2025-ös Work Trend Index jelentése a módszertani jegyzete szerint AI-val szoros együttműködésben készült: a Copilot és a Copilot Studióban épített agentek segítettek a kérdőív összeállításában, az adatelemzésben, a szövegezésben és a szerkesztésben, a gépi munkát pedig emberek irányították és nézték át. Ugyanez a jelentés a szervezeteknek azt ajánlja, hogy a bevezetés mérföldköveit egy olyan mutatóval kövessék, amely a vállalat saját termékének elterjedtségét méri és hasonló szervezetekéhez hasonlítja 17. Az akadémiai mérés is ebből a nyersanyagból merít. Dora Zhao és munkatársai 2026-os előzetes közleménye, amelyet a korábbi részek az álláshirdetések felől tárgyaltak, a tevékenységek AI-kitettségét két elterjedt AI-asszisztens használati adataiból vezeti le 18. A mérce tehát abból készül, amit az eszközök naplója megmutat a használatról.

A szabályozók a döntési pontokat jelölik ki

A szabályozás két rétegben működik. Michael könyve az AI-irányítási keretrendszert szabályok, eljárásrendek, szabványok és bevált gyakorlatok rendezett halmazaként határozza meg, és az amerikai szabványügyi intézet, a NIST keretrendszerét hozza példának, amely a szervezeteket a kockázatkezelés bevált gyakorlatainak alkalmazásában segíti. Ugyanez a könyv a kínai rendszerről azt írja, hogy a kibertér-felügyelet a kiberbiztonsági és adatvédelmi szabályok betartatásáért felel, az ipari és informatikai minisztérium pedig a szabványokért és egyúttal az iparág versenyképességének előmozdításáért 14. A szabályozó és az ösztönző szerepe tehát egy intézményen belül is találkozik.

Az Európai Unió 2024-ben elfogadott AI-rendelete a kötelező réteg. A rendelet harmadik melléklete a magas kockázatú rendszerek közé sorolja azokat, amelyeket toborzásra és kiválasztásra, a munkaviszony feltételeit, az előléptetést és a megszüntetést érintő döntésekre, az egyéni viselkedésen vagy személyes jellemzőkön alapuló feladatkiosztásra, valamint a teljesítmény és a viselkedés megfigyelésére és értékelésére szánnak. A szöveg azt is előírja, hogy a munkáltató a munkahelyi használat előtt tájékoztatja a munkavállalók képviselőit és az érintett dolgozókat 19. A felsorolás pontosan azokat a beállításokat fedi le, amelyeket a második rész a fogadás tárgyaként nevezett meg: a felügyelet sűrűségét, a feladat kiosztását és az értékelést. A jogalkotó ezzel maga is állást foglal, mert a kárt azokon a pontokon várja, ahol a rendszer emberről dönt, és a tájékoztatási kötelezettséggel a tudás egy részét visszautalja azokhoz, akikről a döntés szól.

A képviselők a műhely tudását viszik az asztalhoz

A szakszervezetek és az üzemi képviseletek helyzete a legkedvezőtlenebb az adatok szempontjából, és a legerősebb a munka ismeretében. Az MIT Sloan vezetőképző iskola 2026-os beszámolója egy kutatói jelentést ismertet, amely a Kaiser Permanente egészségügyi szolgáltató és a 62 ezer ápolót, technikust és más egészségügyi dolgozót képviselő szakszervezeti szövetség 2025-ös megállapodását dolgozza fel. A beszámoló szerint a felek abban egyeztek meg, hogy a dolgozók véleménye az AI-ról szóló döntések minden szakaszába bekerül, a megoldandó probléma kiválasztásától az eszköz tervezéséig és a képzésig, a kutatók pedig azt figyelték meg, hogy a frontvonalban dolgozók fogadókészebbek voltak, ha a megnyugtatás az általuk személyesen ismert szakszervezeti képviselőtől érkezett 20. Az eset egy munkáltatóra és egy ágazatra szorítkozik, a megoldás elterjedtségéről ezért semmit sem mond.

A megállapodás mégis világos fogadás. Abból indul ki, amit Taylor is leírt, majd a módszerével felülírt: a munka tudása azoknál van, akik végzik. A Nemzetközi Munkaügyi Szervezet 2025-ös kutatási összefoglalója ugyanezt intézményi szinten mondja ki, amikor az átmenet kezelését a munkáltatók és a munkavállalók szervezett párbeszédére bízná 21. A képviselők gyakorlata az Y feltevésre épít, és arra a belátásra, hogy a bevezetés hibáiról a felhasználó értesül először.

A szerepek összecsúsznak, az adat egy helyen gyűlik

A szerepek szerinti rendezés nekem azt mutatja meg, hogy a szereplők kevésbé különülnek el, mint amennyire a megnevezésük sugallja. Az építő mér is, hiszen jelentést ad ki, és a saját terméke elterjedtségét kínálja a siker mutatójának, a közvetítő pedig adatot szolgáltat a mérőnek. A kutató a kitettség mércéjét az asszisztensek használati adataiból számolja, a szabályozó egyes rendszerekben az iparág előmozdítója is. Saját adatfolyam nélkül egyedül a képviselő dolgozik, akinek a tudása beszélgetésekből és tapasztalatból áll, és ezt nehéz egy kitettségi pontszám mellé tenni.

Ennek a következménye egy aszimmetria. Az első rész szerint a tudományos munkaszervezés a munka tudását a műhelyből a tervezőhöz vitte. Az AI-korszakban ez a tudás a szállító naplójában gyűlik, és onnan termékként, jelentésként vagy mutatóként érkezik vissza a szervezethez. A szervezet, amely platformot vásárol, a platform alapértelmezéseivel együtt egy elméleti fogadást is átvesz: azt, hogy ki engedélyezi az agentet, ki bontja feladatokra a munkakört, és mi számít a sikeres bevezetés jelének. A szervezet legfontosabb ellensúlyának ezért a saját mérést tartom, vagyis azt, hogy az eredményt a saját munkáján, a saját mércéjével is megnézi, és a munkát végzők megfigyeléseit ugyanolyan súlyú adatként kezeli, mint a szállító kimutatását. Egy előrejelzés vagy felmérés ebben a helyzetben három adattal együtt olvasható jól: ki készítette, kinek a nyilvántartásából, és kit kérdezett meg.

A vita új helyszíne az adat

Az eszközök, a számok és a szabályok kívülről érkeznek a szervezethez, a munkát azonban belül a mindennapi rutinok alakítják. A sorozat záró része ezért a gyakorlatokat veszi szemügyre: hogyan tervez ma munkakört, hogyan vezet be feladatszinten, hogyan mér, képez és néz át a szakma. A szereplők mai állásáról annyit állítok, hogy a munkáról szóló tudásért folyó régi vita az adat körül folytatódik, és ebben a vitában az a fél van előnyben, amelyiknél a napló keletkezik.

Ajánlott olvasmányok

Források

  1. [1] Microsoft (2025): The 2025 Annual Work Trend Index: The Frontier Firm is born - The Official Microsoft Blog. blogs.microsoft.com.
  2. [2] Workday (2026): Workday Introduces Work Intelligence to Help Customers Design Work for AI. blog.onesourcevirtual.com.
  3. [3] Workday (2026): The Era of the AI Reality Check | Workday US. workday.com.
  4. [4] Dave Ulrich, David Kryscynski, Mike Ulrich, Wayne Brockbank (2017): Victory Through Organization: Why the War for Talent Is Failing Your Company and What You Can Do About It. könyv
  5. [5] SAP (2026): Advancing HCM with Joule Assistants and AI Agents. SAP.
  6. [6] Melissa Wilfley, Mengting Ai, Madelyn Rose Sanfilippo (2026): Competing Visions of Ethical AI: A Case Study of OpenAI. arXiv. előnyomat, lektorálás előtt
  7. [7] Thomas L. Friedman (2016): Thank You for Being Late: An Optimist's Guide to Thriving in the Age of Accelerations. könyv
  8. [8] Ben Eubanks (2018): Artificial Intelligence for HR: Use AI to Support and Develop a Successful Workforce. könyv
  9. [9] Indeed: 6 AI Recruitment Software Tools for Employers. indeed.com.
  10. [10] Microsoft (2026): Microsoft Fiscal Year 2026 Third Quarter Earnings Conference Call. Microsoft.
  11. [11] International Labour Organization, NASK (2025): Generative AI and Jobs: A Refined Global Index of Occupational Exposure. International Labour Organization, NASK.
  12. [12] OECD (2023): OECD Employment Outlook 2023: Artificial intelligence and jobs: No signs of slowing labour demand (yet). OECD.
  13. [13] World Economic Forum (2025): Future of Jobs Report 2025: 78 Million New Job Opportunities by 2030 but Urgent Upskilling Needed to Prepare Workforces. World Economic Forum.
  14. [14] Tolulope Michael: Governing AI: Cybersecurity and Risk Management in the Digital Age. könyv
  15. [15] Katie King (2022): AI Strategy for Sales and Marketing. könyv
  16. [16] Gallup (2026): How AI Is Changing the Way Employees Spend Time at Work. Gallup.
  17. [17] Microsoft (2025): 2025 Work Trend Index Annual Report. assets-c4akfrf5b4d3f4b7.z01.azurefd.net.
  18. [18] Dora Zhao, Lin Ai, Pranav Khadpe, Siddharth Suri és munkatársai (2026): AI Exposure and the Changing Responsibilities in Job Postings. arXiv. előnyomat, lektorálás előtt
  19. [19] Európai Unió (2024): Regulation (EU) 2024/1689 of the European Parliament and of the Council (Artificial Intelligence Act). Európai Unió.
  20. [20] MIT Sloan School of Management (2026): What employers can learn from Kaiser Permanente’s AI labor deal. MIT Sloan School of Management.
  21. [21] International Labour Organization (2025): Generative AI and jobs: A 2025 update. International Labour Organization.

Esszék és áttekintések →

Heti levél

Hetente egy levél az Agent Age kiadások fő történeteiről. E-mailben erősíti meg, egy kattintással leiratkozhat.

Mindjárt kész: e-mailt küldtünk. Nyissa meg, és kattintson a megerősítő hivatkozásra. Ha pár percen belül nem érkezik meg, nézze meg a spam mappát.

↑