Egy magyar középvállalatnál (50-500 fő) az AI tudásbázis bevezetése jellemzően 8 hét alatt jut el a 0-ról a termelésbe — ha jól van strukturálva. Ez a cikk egy konkrét playbook arra, hogy mit csinálj az 1-8. héten, milyen csapdák várnak, és hogyan mérd a ROI-t.
1. hét — Forrás-leltár és use-case választás
Ne kezdd "egy nagy tudásbázist akarunk építeni" attitűddel. Ez 6 hónap után se fog elindulni. Helyette: válassz egy konkrét use case-t, ahol a fájdalom mérhető, a források körülhatárolhatók, és van egy belső championod.
A legjobb induló use case-ek (gyors-win szempontból):
- Ügyfélszolgálati tudásbázis — AHT és onboarding mérhető
- HR önkiszolgáló asszisztens — ticket-szám csökkenthető
- Jogi szerződés-kereső — keresési idő mérhető
Csináld meg a forrás-leltárt: hány PDF van, hány Confluence page, hány korábbi ticket, hány órányi videó. Ha a számok >5000 dokumentum, dobd ki azokat a forrásokat amik nem relevánsak az adott use case-re — később hozzá lehet venni.
2. hét — Jogi és security review
Ezt ne hagyd a végére, mert ha a security csapat veto-zza, az egész pilot-ot újra kell indítani.
Kötelező elemek:
- DPA (adatfeldolgozói szerződés) a vendor-ral. Standard EU-s szerződés, sub-processor lista mellékletben.
- Adattárolási hely. Ha EU-s céged van, ragaszkodj az EU-s régióhoz (pl. AWS Frankfurt). Ne fogadj el USA-t.
- "No training" klauzula. A vendor garantálja, hogy a beküldött tartalmat nem használja modell-tanításra.
- Hozzáférés-modell. Tervezd meg ki láthatja melyik dokumentumot. Per-dokumentum hozzáférés vagy teljes csapatszintű?
Részletek a Biztonság & GDPR oldalunkon.
3-4. hét — Pilot tartalom-feltöltés és kezdeti tesztelés
Töltsd fel a kiválasztott use case forrásait. Ne mindent — kezdj 50-200 dokumentummal. Tesztelj 30-50 valós kérdést (a támogató csapat napló-archívumából vagy HR ticket-archívumából).
Mit nézz a teszteknél:
- Pontosság. A 30-50 kérdésből hányra ad helyes választ?
- Forrás-hivatkozás. Az idézett forrás tényleg tartalmazza-e a választ?
- Hallucináció. Hányszor ad bizonytalanul biztos választ olyanra amit nem tud?
- Magyar nyelv minősége. Megérti-e a ragozott formákat, kérdezni-mód, szakzsargont?
Ha a pontosság <70%, akkor a probléma jellemzően a chunking-ban vagy a forrás-minőségben van. A Cognyra esetén ezt mi optimalizáljuk a számodra — más platformnál ez jellemzően 2-4 hét fine-tuning munka.
5. hét — Csapat-onboarding pilot-csoport
Válassz 5-10 főt a célcsapatból. Tartsatok egy 1 órás workshopot:
- Mit tud (és mit nem tud) az AI
- Hogyan kérdezz hatékonyan (prompt-tippek)
- Hogyan ellenőrizd a választ a forrás-hivatkozással
- Hogyan jelezd a helytelen választ (feedback loop)
Kritikus: tedd a feedback loopot egyszerűvé. Egy "rossz válasz" gomb, opcionális szöveges magyarázattal. Ezeket mi a Cognyra-ban beépítve adjuk; más platformnál saját kell.
6. hét — Mérési baseline
Mielőtt élesedik a tudásbázis, mérd meg most a baseline-t:
- Ügyfélszolgálatnál: AHT (átlagos kezelési idő), TTFR (first response time), CSAT
- HR-nél: heti HR-ticket-szám, átlagos válaszidő
- Jogi csapatnál: szerződéskeresési idő (mintán mért, pl. 20 random keresés)
- Mérnöki: műszaki kérdés átfutási idő (Slack-es kérdések ideje)
Ha nem méred a baseline-t, 3 hónap múlva nem fogsz tudni ROI-t számolni — és a felsővezetés kétségbe fogja vonni a befektetést.
7. hét — Szélesebb csapat-bevezetés
Ha a pilot-csoport feedback-je >75% pozitív (mérd akár Net Promoter Score-ral), akkor terjeszd ki az egész célcsapatra. Második workshop, ezúttal >30 fős csoportoknak.
Itt jönnek elő a "skálázódási" problémák: változatosabb kérdések, edge case-ek, amelyek az 5-10 fős pilot-ban nem voltak. Készülj fel, hogy a 7-8. héten gyakran fogsz forrásokat hozzáadni vagy precizírozni.
8. hét — Termelésbe és a rendszeres folyamat
Ezen a héten a tudásbázis "élesedik" — minden a célcsapatban használja, és van egy havi karbantartási folyamat:
- Heti review: rossz válaszok megnézése, forrás-hozzáadás
- Havi: új dokumentumok beemelése, elavultak archiválása
- Negyedéves: ROI mérés a 6. héten rögzített baseline-hoz képest
Tipikus csapdák
Csapda 1: "Mindent feltöltünk egyszerre"
10 000 dokumentummal indulni nem skálázódik. A zaj-arány túl magas, a pontosság alacsony, a felhasználók kiábrándulnak. Indulj 100-500 dokumentummal egy konkrét use case-re.
Csapda 2: "Nincs forrás-tisztítás"
Ha az "X árajánlat 2024-09-12 v3 FINAL_FINAL.docx" 5 verziója bent van a tudásbázisban, az AI nem tudja melyiket idézze. Mielőtt bevezeted, dobd ki a régi verziókat, vagy jelöld őket archívnak.
Csapda 3: "Nincs feedback loop"
A felhasználók 4 hét után visszacsúsznak a régi munkamódszerre, ha nem érzik hogy a rossz válaszokra reagálsz. Heti 30 perces "hibajavítási sprint" kell.
Mennyibe kerül?
Egy 50 fős pilot-csapatra a kredit-alapú modellben: Pro csomag (24,90 € / hó / fő) vagy Business (79 € / hó / fő, csapatkedvezmény mellett), kiegészítve a havi top-up csomagokkal ha kell. Egyedi vállalati ajánlat 120 000+ kredit / hó használatra, SSO-val és dedikált EU-s környezettel — onboarding workshop és customer success ebben benne van.
ROI: ügyfélszolgálati esetben jellemzően 4-6 hónap alatt megtérül a befektetés (lásd a részletes számítást a Megoldások / Ügyfélszolgálat oldalon).
Hogyan kezdj bele
Ha most lépsz: indítsd el az ingyenes csomagot bankkártya nélkül, vagy kérj demo-t a csapatodra szabva.