A szimulációk kora – amikor a tanácsadó nem prezentációt készít, hanem döntési környezetet épít

Képzeld el: 758 tanácsadó, ugyanaz az AI-eszköz, ugyanaz a feladat.

Mégis két teljesen eltérő eredmény született.

Akik értették a szakterületüket, 43%-kal jobb teljesítményt hoztak. Akik nem, 19 százalékponttal rosszabbul teljesítettek, mint azok, akik AI nélkül dolgoztak.

Ugyanaz az eszköz. Ellentétes hatás.

A Harvard és a BCG 2023-as közös kutatása – a szakma egyik legidézettebb AI-tanulmánya – ezt a törésvonalat tette láthatóvá.

A kérdés nem az, hogy használod-e.

A kérdés az, hogy van-e elég ítélőképességed ahhoz, hogy jól használd.

A legtöbb AI-ról szóló cikk emailekről és chatbotokról beszél. Valós alkalmazások – de nem ez a mély változás.

A fordulat az, hogy domain szakértők – tanácsadók, pénzügyi elemzők, mérnökök – interaktív üzleti szimulációkat építenek. Nem kódolnak. Leírják, mit akarnak modellezni, és a generatív AI megépíti.

Andrej Karpathy 2025-ben nevet adott a jelenségnek: „vibe coding”. A Y Combinator 2025 téli évfolyamában a csapatok negyedénél a kódbázis 95%-a AI-generált volt.

Ez nem programozás.

Ez gondolkodás – amit egy eszköz végrehajthatóvá tesz.

Megfordult a prototípus-készítés gazdaságtana.

A gyorsulás dokumentált (IDEO, Copilot, Accenture, McKinsey). De a dráma a költség: a Stanford AI Index szerint 18 hónap alatt 280-szorosára csökkent a nagy modellek futtatási ára. Ami régen drága szoftver volt, ma benne van egy havi AI-előfizetésben.

Feltéve, hogy tudod, mit akarsz modellezni.

A tanácsadó ipar mozgása előrejelzés.

A McKinsey belső AI platformját (Lilli) a 45 000 alkalmazott 72%-a használja. A BCG-nél 36 000 egyedi GPT-alkalmazás készült – 80% nem technológusoktól.

A Harvard Business Review 2025-ben azt írta: a tanácsadó cég „piramisból” „obeliszkké” alakul. Karcsúbb, kevesebb réteggel, de minden szinten nagyobb hatóerővel. Kevesebb prezentáció, több interaktív döntési eszköz. Kevesebb junior munka, több senior ítélőképesség.

Csakhogy a sebesség nem egyenlő a minőséggel.

Az AI-generált kód több hibát tartalmaz. Pénzügyi előrejelzéseknél magas a hallucinációs ráta. És a veszély nem az, hogy a hiba látványos – hanem az, hogy az output csiszolt és meggyőző, miközben a mögöttes logika rossz.

Ezt sokszor csak az veszi észre, aki érti a területet.

Ezért fontos a 758 tanácsadó tanulsága.

Az AI „határán belül” a teljesítmény és a minőség javult, különösen a gyengébbeknél. Az AI kiegyenlít.

De a határon kívül romlás jött: a kevésbé kompetensek „vakon elfogadták az AI outputját, és kevésbé kérdőjelezték meg”.

A kutatók két működő mintát láttak:

„kentaur”: tudatos feladatmegosztás ember és gép között
„kiborg”: mély integráció, folyamatos éberséggel

Mindkettőhöz ugyanaz kell: szakértői ítélőképesség.

A magyar piacon mindez különösen éles.

Wolf Gábor 2026-os kutatása szerint a KKV-k 58%-a már használ AI-t marketingben. De a napi működésbe, döntés-előkészítésbe és szimulációba sokan még nem integrálták.

A gond nem az eszköz hiánya. Hanem az értelmezési keret hiánya: hogyan néz ki a vezető szerepe AI mellett.

Egy friss projektben (ERP-bevezetés) három megoldási irányt nem hetekig prezentáltunk, hanem egy délután alatt interaktív szimulációvá tettük. Az ügyfél csúszkákkal próbálta a kombinációkat, és valós időben látta a következményeket.

Nem szoftvert fejlesztettünk.

Döntési környezetet építettünk.

Három erő konvergál: