# AI chatbot fejlesztés cégeknek: chatbot, AI asszisztens vagy AI ügynök?

AI chatbot fejlesztés cégeknek: chatbot, AI asszisztens és AI ügynök különbsége, jó első felhasználási területek, kockázatok, költségtényezők és a pilot.

Source: https://www.iz-labs.com/hu/insights/ai-chatbot-fejlesztes-cegeknek

Egy cégnek akkor éri meg AI chatbotot fejleszteni, ha az a saját, ellenőrzött adataira épül, pontosan meghatározott feladatot lát el, és ott ad át embernek, ahol a tévedésnek ára van. A „chatbot”, az „AI asszisztens” és az „AI ügynök” nem ugyanaz: az első kérdésekre válaszol, a második a munkatársakat segíti a cég tudásával, a harmadik pedig műveleteket is végrehajt más rendszerekben. Érdemes egyetlen jól körülhatárolt feladattal, valós adatokon futó pilottal kezdeni.

## Mi a különbség a chatbot, az AI asszisztens és az AI ügynök között?

A három fogalmat gyakran összemossák, pedig a különbség a fejlesztés költségét és a kockázatot is meghatározza.

- **Chatbot:** beszélgetésben válaszol a felhasználó kérdéseire, jellemzően a weboldalon vagy egy üzenetküldő alkalmazásban. A mai chatbotok mögött nyelvi modell áll, de a jó megoldás csak jóváhagyott forrásokból válaszol.
- **AI asszisztens:** a cég belső munkáját segíti. Kereshető a belső dokumentumokban, szabályzatokban, szerződésekben, összefoglal, vázlatot ír, de a döntés és a végrehajtás a munkatársé marad.
- **AI ügynök:** nemcsak válaszol, hanem cselekszik is. Eszközöket használ: rögzít egy érdeklődőt a CRM-ben, jegyet nyit az ügyfélszolgálati rendszerben, e-mail-vázlatot készít, lekérdez egy rendelés állapotát. Több lépésből álló feladatot is képes végigvinni.

| | Chatbot | AI asszisztens | AI ügynök |
|---|---|---|---|
| **Fő feladat** | Kérdések megválaszolása | Munkatársak támogatása a cég tudásával | Feladatok végrehajtása rendszerekben |
| **Ki használja** | Ügyfelek, látogatók | Belső munkatársak | Ügyfelek vagy munkatársak, illetve háttérfolyamatok |
| **Adatforrás** | GYIK, termékinformáció, nyilvános tartalmak | Belső dokumentumok jogosultságkezeléssel | Dokumentumok és élő rendszerek (CRM, jegykezelő, levelezés) |
| **Mit tehet** | Válaszol, embernek átad | Keres, összefoglal, vázlatot ír | Rögzít, módosít, elküld, jóváhagyás után |
| **Integrációs igény** | Alacsony–közepes | Közepes | Magas |
| **Kockázat, ha téved** | Rossz válasz | Rossz összefoglaló, amelyet a munkatárs ellenőriz | Rossz művelet egy éles rendszerben |

Minél több mindent tehet a rendszer önállóan, annál fontosabb a jogosultságok szűkítése, a naplózás és az emberi jóváhagyás.

## Milyen feladatokkal érdemes kezdeni?

A jó első felhasználási terület ismétlődő, jól dokumentált, és a hiba könnyen észrevehető. Néhány bevált kiindulópont:

- **GYIK és ügyfélszolgálat emberi átadással:** a chatbot megválaszolja a gyakori kérdéseket (szállítás, nyitvatartás, garancia, árak), és ha bizonytalan, vagy az ügyfél kéri, az előzményekkel együtt átadja egy kollégának.
- **Belső tudásasszisztens:** a munkatársak természetes nyelven kérdeznek a belső szabályzatokról, termékleírásokról, folyamatleírásokról, és a válasz mellett látják a forrásdokumentumot is.
- **E-mailek osztályozása és válaszvázlatok:** a beérkező leveleket az AI kategorizálja, a megfelelő emberhez irányítja, és vázlatot készít, amelyet a kolléga átnéz és elküld.
- **Érdeklődők minősítése:** a weboldalon vagy üzenetben érkező megkeresésnél az AI felteszi a szükséges kérdéseket (igény, határidő, cégméret), majd az összefoglalót a CRM-be rögzíti.
- **Adatkinyerés dokumentumokból:** számlákból, megrendelőkből, szállítólevelekből kiolvassa a kulcsadatokat, amelyeket ellenőrzés után a rendszer rögzít.

Nem jó első projekt az, ahol a téves válasz jogi, pénzügyi vagy egészségügyi következménnyel járhat, és nincs emberi ellenőrzés.

## Mitől működik jól egy céges AI chatbot?

A nyelvi modell önmagában csak a motor. Az eredmény azon múlik, ami köré épül:

- **Saját adatokhoz kapcsolva, hozzáférés-kezeléssel:** a rendszer csak azt látja, amit az adott felhasználó is láthat. Egy ügyfél nem kaphat választ belső árképzésből, egy munkatárs nem férhet hozzá más osztály bizalmas anyagaihoz.
- **Válasz jóváhagyott forrásokból:** a modell a kérdéshez illő dokumentumrészleteket keresi elő (ezt nevezik visszakereséssel kiegészített generálásnak, angolul RAG), és ezekre támaszkodva válaszol. Ha nincs forrás, azt mondja, hogy nem tudja.
- **Ember a folyamatban:** ahol a tévedésnek ára van, a rendszer javasol, az ember dönt. Az ügynök műveletei jóváhagyáshoz köthetők.
- **Minőségmérés:** előre összeállított tesztkérdésekkel és elvárt válaszokkal rendszeresen ellenőrizni kell, hogy a rendszer jól válaszol-e, különösen frissítés vagy modellcsere után.
- **Magyar nyelvi ellenőrzés:** a modellek magyar nyelvi teljesítménye eltérő. Érdemes valós magyar kérdéseken, a szakmai szóhasználattal és a tipikus elírásokkal együtt tesztelni, és megnézni, hogy a válasz természetes-e, nem tükörfordítás.

## Milyen kockázatokkal kell számolni?

**Hallucináció.** A nyelvi modell magabiztosan állíthat valótlant. Ezt a forrásokra korlátozott válaszadás, a forrás megjelenítése, a szűk feladatkör és a tesztelés csökkenti, de teljesen nem szünteti meg. Ezért kell az emberi átadás.

**Adatvédelem és GDPR.** Ha a chatbot személyes adatot kezel, ugyanazok a szabályok vonatkoznak rá, mint bármely más adatkezelésre. Fontos kérdések: melyik szolgáltató dolgozza fel az adatot, hol, van-e adatfeldolgozói szerződés, felhasználja-e a szolgáltató az adatokat modelltanításra, és meddig őrzik meg a beszélgetéseket. Ahol az adat nem hagyhatja el a céget, nyílt modell is futtatható saját infrastruktúrán.

**Átláthatóság és az EU AI Act.** Az uniós mesterséges intelligencia rendelet általános elvként elvárja, hogy a felhasználó tudja, ha MI-rendszerrel kommunikál. A gyakorlatban ez egyértelmű jelzést jelent a beszélgetés elején. A konkrét kötelezettségek a felhasználási területtől függenek; ezekről jogi szakembert érdemes megkérdezni, ez a cikk nem jogi tanácsadás.

**Túl nagy jogkör.** Egy ügynök, amely mindent módosíthat, egy rosszul értelmezett kérésből is kárt okozhat. A jogosultságokat a feladathoz kell szabni.

## Mitől függ az AI chatbot fejlesztés ára?

Nincs egységes ár, mert a költséget néhány jól azonosítható tényező határozza meg:

- **Feladatkör:** egy GYIK-chatbot egyszerűbb, mint egy több rendszerben dolgozó ügynök.
- **Integrációk:** minden összekötött rendszer (CRM, webshop, jegykezelő, levelezés, ERP) tervezést, fejlesztést és tesztelést igényel.
- **Adatforrások:** mennyi dokumentum van, milyen formátumban, mennyire naprakész, és kell-e jogosultságok szerint szűrni.
- **Csatornák:** weboldal, Messenger, WhatsApp, belső chat (például Teams vagy Slack). Mindegyiknek saját technikai és szabályozási feltételei vannak.
- **Hang:** a telefonos, beszédalapú asszisztens beszédfelismerést és beszédszintézist is igényel, ami külön réteg.
- **Üzemeltetés:** a modellhasználat díja a forgalommal arányos, emellett számolni kell a felügyelettel, a tartalmak frissítésével és a minőség rendszeres ellenőrzésével.

## Fejlesztés vagy előfizetéses chatbot-szolgáltatás?

Az előfizetéses (SaaS) chatbotok gyorsan beindíthatók, és egyszerű GYIK-feladatra sokszor elegendők. Akkor érdemes egyedi fejlesztésben gondolkodni, ha:

- a chatbotnak a cég saját rendszereibe kell írnia, nemcsak olvasnia;
- szigorú elvárások vannak az adatok helyére és kezelésére;
- jogosultság szerinti hozzáférés kell a belső dokumentumokhoz;
- több csatornán, egységes logikával kell működnie;
- a cég nem szeretne egyetlen szolgáltatóhoz kötődni, és szabadon akar modellt váltani.

Gyakori köztes megoldás: a felhasználói felület kész eszköz, a háttérben viszont egyedi integráció és saját adatréteg működik.

## Hogyan induljon el egy AI chatbot projekt?

1. **Válasszon egy feladatot,** amelynél mérhető a jelenlegi állapot (például hány hasonló kérdés érkezik hetente).
2. **Gyűjtse össze a forrásokat,** és tegye rendbe őket: elavult dokumentumból a legjobb modell is rossz választ ad.
3. **Készüljön pilot valós adatokon,** szűk felhasználói körrel, emberi ellenőrzéssel.
4. **Mérje a minőséget** tesztkérdésekkel és a felhasználók visszajelzéseivel.
5. **Ezután bővítsen:** újabb csatorna, újabb integráció, vagy a jóváhagyott műveletek körének óvatos kiterjesztése.

## Gyakori kérdések az AI chatbot fejlesztésről

### Ért magyarul egy AI chatbot?

A mai nagy nyelvi modellek jól kezelik a magyar nyelvet, de a minőség modellenként eltér. Valós magyar kérdéseken, a cég szakmai szókincsével érdemes tesztelni, mielőtt élesbe kerül.

### Mi történik, ha a chatbot nem tudja a választ?

Egy jól megépített rendszer ilyenkor nem találgat, hanem jelzi, hogy nem tudja, és az előzményekkel együtt átadja a beszélgetést egy munkatársnak, vagy felveszi az ügyfél elérhetőségét.

### Biztonságban vannak a cég adatai?

Ez a kialakításon múlik: üzleti feltételekkel használt AI-szolgáltatók, adatfeldolgozói szerződés, lehetőség szerint EU-s adatfeldolgozás, jogosultságkezelés és naplózás. Különösen érzékeny adatoknál saját infrastruktúrán futó nyílt modell is szóba jöhet.

### Mi az AI ügynök, és mikor van rá szükség?

Az AI ügynök olyan rendszer, amely eszközöket használva műveleteket hajt végre, például CRM-be rögzít, jegyet nyit vagy e-mail-vázlatot készít. Akkor van rá szükség, ha a válasz önmagában nem elég, és a feladat a cég rendszereiben folytatódik.

### Mennyi idő alatt készül el egy pilot?

Ez a feladatkörtől, az adatforrások állapotától és az integrációk számától függ. Egy szűk, egyetlen csatornán futó pilot lényegesen gyorsabban elkészül, mint egy több rendszert érintő ügynök.

## AI chatbotok és ügynökök az IZ Labs-szel

Az IZ Labs a cég saját adataira épülő chatbotokat, belső asszisztenseket és AI ügynököket fejleszt, az Anthropic, az OpenAI és a Mistral modelljeivel, illetve nyílt modellekkel, ha az adat nem hagyhatja el a céget. Lehetőség szerint EU-s adatfeldolgozással és emberi ellenőrzéssel dolgozunk ott, ahol számít. Részletek az [AI ügynökök](/hu/services/ai-agents) és az [AI integráció](/hu/services/ai-integration) oldalon, az árak az [árak](/hu/pricing) oldalon; ha egy konkrét feladatot szeretne megbeszélni, [írjon nekünk](/hu/contact).