AI-fejlesztő cég kiválasztása: 15 kritikus kérdés az első egyeztetésre

A mesterséges intelligencia fejlesztési piacon jelenleg óriási a felhajtás, és rengeteg olyan fejlesztőcég jelent meg, akik tegnap még weboldalakat vagy webshopokat készítettek, ma pedig "AI szakértőként" árulják magukat. Ha egy fejlesztőcég az első találkozón azonnal a legújabb ChatGPT-4o funkciókról kezd beszélni, anélkül, hogy megértené a vállalat adatbázis-architektúráját, az komoly figyelmeztető jel (Red flag).

Ha ezeket a kérdéseket nekünk tenné fel, az AI-fejlesztő cégként végzett munkánkat külön oldalon mutatjuk be.

Egy sikeres vállalati AI projekt 80%-ban klasszikus, kőkemény szoftverfejlesztés (Adattisztítás, API integráció, Jogosultságkezelés, Biztonság, DevOps) és csak 20%-ban nyelvi modell (LLM) integráció. Az alábbi 15 kérdést úgy állítottuk össze, hogy azonnal kiszűrje a felületes beszállítókat.

1. Melyik konkrét folyamatot érdemes először fejleszteni?
   Elvárható válasz: A fejlesztő nem akar azonnal mindent automatizálni. Keres egy jól körülhatárolható, mérhető, magas ROI-jú folyamatot (pl. számlafeldolgozás, belső dokumentumkereső) "Proof of Concept" céljából.
2. Milyen kiinduló mérőszámokat (Baseline) rögzítünk?
   Elvárható válasz: Pontos számokat akar látni a jelenlegi manuális folyamat idejéről és hibaarányáról.
3. Mikor javasolnának hagyományos szoftvert AI helyett?
   Elvárható válasz: Amikor a feladat 100%-ban determinisztikus, matematikai pontosságot igényel, vagy szigorú feltételrendszerekre épül (pl. raktárkészlet számolás).
4. Tudnak hasonló, élesben működő rendszer megvalósításáról beszélni?
   Elvárható válasz: Demo videó vagy esettanulmány olyan rendszerről, ami túlmutat a "csináltunk egy chat felületet a cégnek" szinten, és valós integrációt mutat (pl. SAP, Salesforce).
5. Milyen eredmény esetén állítanák le a próbát (Kill Switch)?
   Elvárható válasz: Képesek meghatározni egy olyan hibaarányt, ami felett a projekt gazdaságilag vagy biztonságilag már nem éri meg az erőfeszítést.

6. Milyen adatokra és hozzáférésekre lesz szükségük?
   Elvárható válasz: Minimalizálják a hozzáférést. Tesztkörnyezetet kérnek anonimizált adatokkal. Nem kérik be a teljes éles adatbázist az első napon.
7. Hogyan öröklődnek a meglévő vállalati jogosultságok (Active Directory / IAM)?
   Elvárható válasz: Ha a munkatárs nem férhet hozzá a pénzügyi mappához a Sharepointon, akkor a vállalati AI sem kereshet abban a mappában az ő nevében. A jogosultságkezelés kritikus.
8. Hol tárolódnak és dolgozódnak fel az adatok (Data Residency)?
   Elvárható válasz: Tisztában vannak a GDPR és a Zero Data Retention Policy fogalmaival az OpenAI / Anthropic Enterprise API-k esetében. Szükség esetén (On-Premise) lokális futtatást is kínálnak.
9. Hogyan kezelik a hibás választ és a Prompt Injection támadásokat?
   Elvárható válasz: Többrétegű védelmet építenek. Szeparált validációs modellek figyelik a kimenetet, és szigorúan típusos (Pydantic, JSON Schema) kimenetet használnak a hallucinációk ellen.
10. Mely műveletekhez szükséges mindenképp emberi jóváhagyás (Human-in-the-loop)?
    Elvárható válasz: Bármilyen külső rendszer módosításánál (pl. rendelés feladása, ügyféladat törlése, szerződés aláírása) kötelező az emberi felülvizsgálat beépítése az első fázisokban.

11. Mi tartozik az egyszeri díjba (CAPEX), és mi kerül külön havi költségbe (OPEX)?
    Elvárható válasz: Transzparens szétválasztás a fejlesztési díj, a Cloud (AWS/Azure) költségek és az LLM Token (API) hívások között.
12. Ki kapja meg a forráskódot, a dokumentációt és a szellemi tulajdont (IP)?
    Elvárható válasz: Önök fizetik a fejlesztést, így a forráskód 100%-ban a vállalat tulajdonába kerül, teljes és átfogó telepítési (Deployment) dokumentációval.
13. Ki üzemelteti és figyeli a rendszert a bevezetés után?
    Elvárható válasz: Kínálnak SLA (Service Level Agreement) alapú karbantartást. A rendszer rendelkezik monitoringgal, ami riasztást küld API hiba vagy növekvő "hallucinációs" arány esetén.
14. Hogyan lehet később modellt (LLM) vagy szolgáltatót váltani? (Vendor lock-in elkerülése)
    Elvárható válasz: Moduláris (LLM-Agnostic) kódbázist építenek, ahol egy-egy sor módosításával át lehet állni GPT-4-ről Claude-3-ra, vagy egy nyílt forráskódú modellre.
15. Hogyan történik a csapat oktatása (Change Management)?
    Elvárható válasz: Nem csak átadják a kódot. Részt vesznek a kollégák betanításában, mert egy AI rendszer akkor sikeres, ha a dolgozók bíznak benne és használni kezdik.

Egy anonimizált dokumentum, egy rövid folyamatleírás és a jelenlegi időráfordítás többet segít, mint egy általános technológiai kívánságlista. Az első találkozón az érzékeny adatok helyett a problémát és az elvárást mutassa meg a fejlesztőnek.

"Amikor egy ügyfél behozza az első megbeszélésre a 15 oldalas, kusza, kézzel javított beszállítói számláját, és megkérdezi: Ebből tudtok nekünk automatikusan strukturált SAP JSON-t csinálni? – az a legjobb kezdés. Ebből azonnal el tudunk indulni az architektúra tervezésével." — AI Hungária Integrációs Csapat

A szállítási modellünket, a tulajdonjogi kérdéseket és az első lépéseket az AI-fejlesztő cég vállalatoknak oldalon foglaltuk össze.