A szám, amiből az egész következik
2025 elején egy kutatócsoport szigorú kísérletet futtatott: 16 tapasztalt fejlesztő, 246 valódi feladat, feladatonként véletlenszerűen eldöntve, hogy használhat-e AI-t. A résztvevők előre 24%-os gyorsulást vártak. A mérés 19%-os lassulást mutatott. És ami ennél is fontosabb: a kísérlet után, a lassulás átélésével a hátuk mögött, még mindig 20%-os gyorsulást hittek.
Egy dolgot nem szabad ebből levonni: hogy „az AI lassít". A mérés 2025 eleji eszközökkel készült, és ugyanaz a csapat 2026 februárjában kiírta, hogy az elrendezésük megbukott — a fejlesztők 30–50%-a már nem hajlandó bizonyos feladatokat AI nélkül megcsinálni, ezért maguk válogatják meg, mit adnak be. Mai álláspontjuk szerint az AI 2026-ban valószínűleg gyorsít, csak azt nem tudják, mennyivel.
Ami viszont áll, és ez a cikk tézise: az önbevallás és a mérés szisztematikusan elválik egymástól, kiszámítható irányba. Ugyanez a csapat számszerűsítette is: a korábbi mérésükben az emberek 39 százalékponttal becsülték túl, mennyit segített nekik az AI. Harminckilenc százalékpont — jóval nagyobb, mint a hatás, amiről dönteni akarsz.
Ugyanez marketingben, számokkal
Nem kell fejlesztői analógiára hagyatkozni. Van rá marketinges adat, és pontosan ugyanezt az alakzatot mutatja.
Egy 2025 őszén közölt, 1 015 B2B marketingest megkérdező felmérésben így néz ki a lépcső azoknál, akik AI-t használnak tartalomkészítésre:
| Mit kérdeztek | Mennyien mondták, hogy javult |
|---|---|
| Termelékenység | 87% |
| Működési hatékonyság | 80% |
| A tartalom minősége | 58% |
| A tartalom teljesítménye | 39% |
Ugyanezek közül 34% szerint semmi nem változott, 5% szerint kifejezetten romlott.
Egy másik, 1 005 marketingest megkérdező felmérés ugyanezt hozta: 83,8% jelez termelékenységnövekedést és heti öt óra feletti megtakarítást, de csak 25,6% mondja, hogy az AI-tartalom jobban is teljesít. Két felmérés, két külön időszak, két minta — ugyanaz a forma: nagyjából 85% érez javulást, 25–40% lát teljesítményjavulást.
És itt a csavar: a 87% ugyanolyan önbevallás, mint amit a fenti kísérlet 39 százalékponttal túlbecsültnek mért. A 87% és a teljesítményjavulást jelző 39% közti szakadék tehát valószínűleg még alá is becsüli a valódit.
A négy metrika
A területnek nincs saját, lektorált mérési keretrendszere. Van viszont egy jól ismert a szoftverfejlesztésből, ami pontosan azt mondja ki, amire szükség van: soha ne egyetlen számot nézz, és az aktivitás önmagában nem termelékenység. Szó szerint: „az aktivitásmutatókat önmagukban soha nem szabad használni" sem jutalmazásra, sem büntetésre — és legalább három különböző dimenziót érdemes egyszerre mérni.
Marketingre lefordítva ez a négy:
(a) ÁTFUTÁSI IDŐ / DARABKÖLTSÉG -> mennyi idő és pénz egy anyag
Stopperrel, nem kérdőívvel. Ez az egyetlen, amit az érzés
a legjobban torzít.
(b) KIMENETI MENNYISÉG -> hány anyag készült
ÖNMAGÁBAN ÉRTÉKTELEN. Csak (a)-val és (c)-vel együtt olvasható.
(c) ÜZLETI MUTATÓ -> konverzió, bevétel, megkeresés
Ez dönti el, hogy volt-e értelme. A többi három csak magyarázat.
(d) SELEJT ÉS ÚJRAMUNKA -> mennyit kellett javítani, kidobni,
visszaküldeni. A rejtett költségoldal, amit szinte senki nem mér.
MINDIG MIND A NÉGY. Ha csak (a)-t és (b)-t nézed, minden AI-eszköz
sikeresnek fog látszani.
Miért a (c) dönt: öt alkalmazás, két nulla
A legjobb bizonyíték arra, hogy az üzleti mutatót lehet mérni, egy nagy e-kereskedelmi platformon futtatott randomizált terepkísérlet-sorozat. Ugyanaz a cég, ugyanaz az év, ugyanaz a technológia, öt különböző marketinges AI-alkalmazás — és ötből kettő semmit nem mozdított:
| Alkalmazás | Hatás az eladásra |
|---|---|
| Értékesítés előtti chatbot | +16,3% |
| Keresési lekérdezés finomítása | +2,93% |
| Termékleírás generálása | +2,05% |
| Marketing push-üzenet | +1,6% — nem szignifikáns |
| Hirdetéscím generálása | nincs kimutatható hatás |
Aki nem mér, az mind az ötöt sikernek könyveli el, mert mind az öt „gyorsabb lett". A chatbot és a hirdetéscím ugyanabba a sorba kerül, pedig az egyik több mint tizenhat százalékkal emelte az eladást, a másik semennyivel.
Miért nem tudod A/B-tesztelni az eszközbevezetést
Ez a rész fáj, de ki kell mondani.
A fenti fejlesztői kísérletről a kutatók maguk írták, hogy a 246 feladat „épphogy elég" volt ahhoz, hogy a nullhipotézist elvessék. Ehhez 16 fizetett fejlesztő, feladatonkénti véletlenbesorolás és nyolcvannégy óra képernyőfelvétel-elemzés kellett. Egy négyfős marketingcsapatnak ennek a töredéke van.
Számoljuk ki. Ha az átfutási idő szórása a szokásos marketinges mértékű — egy hírlevél és egy pillércikk nagyságrendekkel eltér —, akkor egy 20%-os gyorsulás kimutatásához csoportonként 97 anyag kell, vagyis összesen 194. Havi tizenkét anyagnál ez tizenhat hónap. Egy 10%-os gyorsuláshoz 870 anyag: hat év. Addigra kétszer lecserélted az eszközt.
Az üzleti mutatón még rosszabb. 2%-os alapkonverziónál egy 20%-os relatív emelés kimutatásához 42 217 látogató kell. Havi kétezer látogatónál ez huszonegy hónap. A részletes mintanagyság-táblázat a landing page variánsainak tesztelése posztban van, de a tanulság ugyanaz.
A helyes válasz nem a szigorúbb statisztika. Hanem az előtte-utána összehasonlítás, azonos definícióval, írásban rögzített kiindulóértékkel — és azzal a tudattal, hogy ez nem oksági bizonyíték, csak a legjobb, ami elérhető.
A költségoldal, amit ritkán számolnak végig
Egy négyfős marketingcsapat minimális eszközkosara 2026 szeptemberi listaárakon — nyelvi modell négy főre, képgenerálás, dizájneszköz két főre, egy SEO- és láthatóságmérő csomag — havi 311 dollár, nagyjából évi 1,17 millió forint. Egy junior munkatárs két havi bérköltsége. Ehhez jön két tétel, ami nincs számlán.
Az ellenőrzési idő. Ha anyagonként húsz perccel több ellenőrzés kell, és havi tizenkét anyag készül, az négy óra. Nyolcezer forintos belső óraköltséggel számolva havi 32 ezer forint — több, mint a képgenerálás és a dizájneszköz együtt.
A javítgatás. Egy nagyjából ezer amerikai irodai dolgozót megkérdező kutatás szerint minden tizedik-ötödik beérkező anyag „csillogó, de üres": rendben néz ki, de a valódi munkát átpasszolja a fogadóra. A javítása közel két óra darabonként, és fejenként havi 186 dollárra becsülik a költségét. Négy főre ez havi 233 ezer forint — a teljes eszközkosár két és félszerese.
Ez a (d) metrika. Nem „lágy" szempont: ha csak az egyik oldalt méred, az előjelet is elrontod.
Amit a megtérülésről mondanak — és miért nem hihetsz el egyet sem
2025 nyarán megjelent egy riport, amit azóta mindenhol idéznek: „a szervezetek 95%-a nulla hozamot ér el". Amit nem idéznek mellé: ez 52 interjúból és konferenciákon gyűjtött 153 vezetői kérdőívből áll, és a riport maga írja oda, hogy az adatok „inkább egyéni interjúkon, mint hivatalos vállalati adatközlésen alapulnak" — vagyis ugyanabból az önbevallásból, amit ez a cikk kritizál.
Ugyanabban a negyedévben egy másik felmérés 800+ vállalati döntéshozótól azt hozta, hogy háromnegyedük pozitív megtérülést jelez.
Kilencvenöt százalék bukás és hetvenöt százalék siker, ugyanarra a kérdésre, ugyanabban az évben. Ha két komoly felmérés egymás ellentétét adja, a probléma nem az AI-ban van, hanem a mérésben.
A legvédhetőbb szám egy 2026 augusztusi, 1 719 válaszadós, 97 országot lefedő felmérésből jön: a cégek 37%-a tud bármilyen üzemi eredményhatást kimutatni — és ez az arány egy év alatt nem mozdult. Nem 95% bukás, nem 75% siker. Nagyjából minden harmadik.
Hol tartanak az országok
Az európai statisztikai hivatal 2025-ös adata szerint a tíz főnél nagyobb cégek AI-használata tagállamonként négyszeres szórást mutat: az uniós átlag 19,95%, Dánia 42%, Románia 5,2%. A számot azért érdemes ismerni, mert ez adja meg, mihez képest vagy korán vagy késve — és mert a marketing-részarány máshogy alakul, mint az összkép. Nyisd le, amelyik érint:
Magyarország — az uniós átlag fele, de aki használja, marketingre használja
A magyar, tíz főnél nagyobb cégek 10,4%-a használ bármilyen AI-technológiát, szemben a 19,95%-os uniós átlaggal — nagyjából a fele. A 27 tagállam rangsorában ez a 22. hely. Marketingre vagy értékesítésre az összes cég 3,6%-a.
Aki viszont egyáltalán használ, annál a marketing az első számú terep: az AI-t használó magyar cégek 34,7%-a marketingre is használja. Érdemes tudni, hogy ez a szám pontosan az uniós átlag (34,7%) — vagyis nem magyar sajátosság. A magyar sajátosság az, hogy kevesen használnak AI-t egyáltalán, nem az, hogy mire.
Egy magyar kkv-felmérés — kis mintás, cégtől származó, módszertan nélkül — ezzel szemben azt mondja, hogy a hazai vállalkozások 73%-ánál használnak AI-t, de csak nagyjából egyharmaduk fizet érte céges szinten. A két szám nem mond ellent egymásnak: az egyik azt méri, hogy valaki használ-e a cégnél, a másik azt, hogy a cég használ-e. A különbség maga az árnyék-AI. Ha a költséget nem is látod, a hatást biztosan nem méred.
Spanyolország — egy év alatt az uniós átlag fölé került
A spanyol, tíz főnél nagyobb cégek 20,27%-a használ AI-technológiát: ez a 13. hely a 27-ből, épp az uniós átlag fölött. A magyar aránynak csaknem a kétszerese.
A fordulat friss: 2024-ben Spanyolország még az uniós átlag alatt volt (11,31% a 13,48%-os átlaggal szemben), és egy év alatt majdnem duplázott, +8,96 százalékponttal — miközben az EU +6,47, Magyarország +2,96 pontot lépett. Méret szerint: 10–49 fő 17,2%, 50–249 fő 30,1%, 250 fő fölött 57,5%.
A marketing-részarány viszont fordítva alakul: az AI-t használó spanyol cégeknek csak 29,5%-a fordítja marketingre, szemben a 34,7%-os uniós átlaggal. Vagyis Spanyolországban többen használnak AI-t, de arányaiban kevesebben marketingre — ott az adminisztráció és az üzletvezetés majdnem ugyanakkora tétel (28,6%).
Egy ritkaság, ami máshol nincs: Spanyolország az egyike annak a két tagállamnak, amely a tíz fő alatti cégekről is közöl adatot. Ott az arány 10,1% — vagyis a spanyol mikrovállalkozás nagyjából ott tart, ahol a magyar középvállalat.
A három metrika, amit tegyél le
Mind a három ugyanazt a hibát követi el: bemenetet vagy aktivitást mér, nem kimenetet.
- „Hány prompt ment el." A hivatkozott kísérletben az AI-t használók több időt töltöttek prompt olással és az eredmény átnézésével — miközben lassabbak lettek. A promptszám ott a rosszabb eredménnyel korrelált.
- „Hány szó készült." A kutatók pont ezt kifogásolják: a kimenet lehet bőbeszédűbb ugyanazzal a tartalommal, és a feladat feldarabolható anélkül, hogy az összes munka változna.
- „Hányan használják." Egy közel ötezer fős szoftverfejlesztői felmérésben 90% használ AI-t a munkájában és több mint 80% érez termelékenységnövekedést — miközben ugyanott a kiadások stabilitása romlik. A fentebbi marketinges felmérésben 95% használ AI-t, de 39% lát teljesítményjavulást. Az elterjedtség és a hatás két külön mennyiség.
Mit írj le, mielőtt bekapcsolod
1. KIINDULÓÉRTÉK, ÍRÁSBAN, a bevezetés ELŐTT.
Mind a négy metrikára, az elmúlt 3 hónapból.
Ha utólag próbálod rekonstruálni, a saját emlékezeted
fogja megmondani - és azt már tudjuk, mennyit ér.
2. DEFINÍCIÓ minden metrikához, egy mondatban.
"Átfutási idő = a brief elküldésétől a jóváhagyásig."
Ha félév múlva máshogy számolod, nincs összehasonlítás.
3. IDŐTÁV: legalább két negyedév.
Az első hónapok szisztematikusan rosszabb képet adnak,
mert a betanulás és a folyamat-átalakítás költségként
jelenik meg, de nem látszik beruházásként.
4. DÖNTÉSI SZABÁLY, előre.
"Ha (c) két negyedév alatt nem mozdul, kivezetjük."
Ezt utólag senki nem hozza meg.
5. A TELJES KÖLTSÉG: előfizetés + ellenőrzési idő + javítgatás.
Nem csak a számla.
Tipikus félreértések
- „Érezhetően gyorsabbak lettünk." A legpontosabb mérésben az érzés 39 százalékponttal tévedett. Az érzés nem adat.
- „Az AI valójában lassít." Ezt sem lehet állítani: az eredeti kutatócsapat maga vonta vissza a mérési elrendezést, és ma azt mondja, valószínűleg gyorsít.
- „A pilotok 95%-a megbukik." 52 interjú és konferenciákon gyűjtött 153 kérdőív, a riport saját közlése szerint nem hivatalos vállalati adatokból. A védhető szám: nagyjából minden harmadik cég tud eredményhatást kimutatni.
- „Majd A/B-teszteljük." Havi tizenkét anyagnál egy 20%-os gyorsulás kimutatása tizenhat hónap. A kis csapatnál ez nem lustaság kérdése, hanem mintanagyságé.
- „Csak a megtakarított idő számít." A javítgatás költsége egy négyfős csapatnál a becslések szerint a teljes eszközkosár két és félszerese.
Amit érdemes elvinni
Az AI hatását nem érezni kell, hanem mérni — és négy metrikával, mert egy mindig hazudik. A kettő, amit szinte senki nem néz, épp a két legfontosabb: a valódi üzleti mutató és a javítgatásra elmenő idő. A kiindulóértéket a bevezetés előtt kell leírni, mert utána már csak az emlékezeted marad — és azt most már tudjuk, mennyit ér.
Hogy mit érdemes egyáltalán mérni az AI-keresőkben, arról a márka láthatóságának mérése poszt szól; a nagy képről pedig, hogy mi változott meg tényleg, az AI és a marketing mérlege poszt.