>Amíg mi LLM-ekről beszélünk, valaki még striguláz

Volt a héten egy érdekes ügyfélmegbeszélésem. Nem látványos történet volt, nem nagy konfliktus, nem olyan pillanat, amikor valaki kimondott valami drámait. Inkább az a fajta apró szakmai jelenet, amelyik utólag kezd dolgozni az ember fejében.

A beszélgetés egy pontján szóba került, hogyan mérik az ügyfélszolgálati feladatok átfutását. Ki mennyi idő alatt old meg egy ügyet, mikor megy ki a válasz, mennyi idő telik el a beérkező kérés és a tényleges lezárás között. Ezek teljesen érthető kérdések. Egy ügyfélszolgálatnál nem mindegy, mennyi ideig áll egy ügy, hol akad meg a folyamat, és ki az, aki túl van terhelve.

A furcsa rész nem ez volt. Hanem az, hogy erre a feladatra van egy munkakör. Valaki figyeli a kimenő leveleket, és kézzel strigulázza, hogy ki mennyi idő alatt oldott meg valamit.

Elsőre ez akár jelentéktelen részletnek is tűnhet. Sok szervezetben vannak ilyen munkák. Valaki néz egy postafiókot, másol egy táblázatba, ellenőriz egy státuszt, továbbít egy értesítést, felír valamit, amit a rendszer nem tud rendesen megmutatni. Ezek a feladatok annyira belesimulnak a működésbe, hogy egy idő után már nem is látszanak különösnek. Egyszerűen így megy.

Nekem mégis furcsa volt ott ülni ebben a beszélgetésben, mert közben a saját munkánkban már szinte ki sem jövünk abból a kérdésből, hogyan lehetne ugyanazt a problémát egy LLM-eszközzel, automatizált feldolgozással, jobb adatmodellel vagy valamilyen belső termékkel megoldani. Nem azért, mert mindenre AI-al akarunk válaszolni. Inkább azért, mert ma már nagyon nehéz nem észrevenni, ha egy ismétlődő, jól körülírható, adatból dolgozó feladatot emberi figyelemmel tartanak életben.

És ekkor egyszerre két világ volt jelen ugyanabban a szobában. Az egyikben már az a kérdés, hogy az AI-al hogyan lehet kontextust adni, döntéseket előkészíteni, első verziókat gyártani, leveleket értelmezni, ügyeket osztályozni, összefoglalókat készíteni. A másikban pedig még az is külön emberi munka, hogy valaki észrevegye: egy levél kiment.

Könnyű lenne ezt a történetet úgy elmesélni, hogy lám, mennyire le vannak maradva bizonyos cégek. Ez lenne a kényelmes verzió, de nem lenne igazán pontos. A kézi strigulázás mögött általában nem butaság van, hanem sok év alatt összenőtt működés, régi rendszerek, részben kimondott szabályok, Excelben toldozott riportok és olyan döntések, amelyeket senki nem akart egyszerre újranyitni.

Az ilyen munkakörök gyakran nem azért léteznek, mert valaki szerint ez a legjobb megoldás. Hanem azért, mert a szervezet valahol korábban nem építette ki azt a pontot, ahol az adat keletkezik, értelmezhetővé válik, és visszakerül a döntéshozatalba. Ha nincs jó státuszkezelés, valaki státuszt fog figyelni. Ha nincs megbízható riport, valaki riportot fog kézzel készíteni. Ha a rendszer nem tudja megmondani, mikor zárult le egy ügy, valaki majd megpróbálja kikövetkeztetni a levelezésből.

Ilyenkor az ember nem embert helyettesít. Rendszerhiányt pótol.

Ez a felismerés azért kellemetlen, mert a legtöbb szervezetben rengeteg ilyen láthatatlan pótlék működik. Nem feltétlenül látványosak. Nem úgy néznek ki, mint egy rossz folyamatábra. Inkább úgy, mint egy munkatárs, aki „ezt szokta nézni”. Egy kolléga, aki „tudja, hol van a táblázat”. Egy asszisztens, aki „majd összerakja péntekre”. Egy vezető, aki „rá szokott kérdezni, ha valami gyanús”.

Ezekből a mondatokból áll össze a szervezeti technológia árnyékrendszere. Nem hivatalos, nem dokumentált, sokszor nem is tudatos, mégis nélkülözhetetlen. Ha holnap eltűnne, a szervezet egy része hirtelen nem tudná, mi történik benne.

A strigula tehát nem nevetséges. Sokkal inkább pontos jelzés. Azt mutatja, hogy van egy működési kérdés, amelyre a szervezet még nem adott rendszerszintű választ.

Az elmúlt időszakban az AI-al kapcsolatban sokszor túl nagy szavakat használunk. Forradalom, munkahelyek megszűnése, hatékonysági ugrás, új korszak. Ezeknek egy része igaz lehet, de a hétköznapi munka szintjén az AI hatása gyakran csendesebb és zavarba ejtőbb.

Nem feltétlenül az történik, hogy minden munkát azonnal kivált. Inkább az, hogy megváltoztatja, mit tartunk természetesnek.

Régen egy ügyféllevelekből összeállított riport kézi elkészítése könnyen tűnhetett szükségszerű munkának. Valakinek el kellett olvasnia a leveleket, ki kellett keresnie a dátumokat, értelmeznie kellett a választ, össze kellett számolnia a darabokat, majd valahogy kimutatást kellett készítenie belőle. Ez lehetett lassú, de érthető volt. A munka nehézsége részben abból fakadt, hogy az információ szövegben, e-mailekben, emberi kommunikációban volt elrejtve.

Ma már ez a magyarázat kevésbé stabil. Ha a levelek digitálisan léteznek, ha a folyamat ismétlődő, ha az értelmezési szempontok nagyjából leírhatók, akkor egyre nehezebb azt mondani, hogy ezt kizárólag emberi figyelemmel lehet kezelni. Lehet, hogy nem egyszerű jól megoldani. Lehet, hogy kell hozzá adatvédelmi, rendszerintegrációs, folyamat- és minőségbiztosítási gondolkodás. De már nem magától értetődő, hogy a megoldás egy ember, aki figyel és striguláz.

Ez az AI egyik alulértékelt hatása. Nem csak új munkamódszereket hoz be, hanem átárazza a régieket. Ami korábban elfogadható adminisztrációnak látszott, az ma sokszor inkább jelzés: itt valami nincs rendesen modellezve. Ami korábban gondos kézi kontroll volt, az ma lehet, hogy csak egy hiányzó eseménynapló, egy rosszul kialakított ügykezelési állapot vagy egy soha meg nem épített riport.

Ettől persze nem lesz minden kézi munka értelmetlen. Vannak helyzetek, ahol az emberi figyelem éppen azért fontos, mert a kontextus bonyolult, a döntés következménye nagy, vagy az ügyfélhelyzet érzékeny. De a különbség egyre fontosabb. Nem mindegy, hogy valaki azért van egy folyamatban, mert ítélőképességet visz bele, vagy azért, mert a rendszer nem tud összeadni három dolgot.

Az egyik emberi munka. A másik emberrel kitöltött rendszerlyuk.

A legtöbb ilyen beszélgetés könnyen elcsúszik oda, hogy akkor vezessünk be AI-t. Ez jól hangzik, csak sokszor túl korai mondat. Egy szervezet, amelyik ma kézzel strigulázza a kimenő leveleket, nem feltétlenül attól fog jobb állapotba kerülni, hogy másnap ráengedünk egy LLM-et a postafiókra.

Előbb azt kell megérteni, mit is akarunk mérni.

Az ügyfélszolgálati átfutási idő például elsőre egyszerű mutatónak tűnik, de valójában sok apró döntés van mögötte. Mikor indul az óra? Amikor beérkezik az első levél? Amikor valaki először megnyitja? Amikor az ügy valóban megoldhatóvá válik, mert minden információ rendelkezésre áll? Mikor áll meg? Az első válasznál? A tényleges lezárásnál? Akkor is lezártnak számít az ügy, ha az ügyfél nem válaszol? Mi történik, ha több részfeladat van benne?

Ezek nem technikai részletkérdések. Ezek döntések arról, mit nevezünk munkának, felelősségnek és teljesítésnek.

Ha ezek nincsenek tisztázva, akkor az AI csak gyorsabban fogja előállítani ugyanazt a bizonytalanságot. Talán szebben összefoglalja a leveleket, talán kategóriát javasol, talán készít egy riportot. De ha a szervezet nem tudja pontosan, milyen esemény mit jelent, akkor a technológia nem megoldja a problémát, csak elegánsabb felületet ad neki.

Ezért volt számomra érdekes az a meeting. Nem azért, mert láttam egy feladatot, amit automatizálni lehetne. Ilyet minden héten lát az ember. Hanem azért, mert nagyon tisztán megmutatta, milyen hosszú út van a kézi strigulától az értelmes automatizálásig.

A kettő között nem csak technológiai távolság van. Szervezeti is.

A kézi adminisztrációt sokszor azért nehéz megszüntetni, mert nem egyetlen feladatból áll. Inkább apró megfigyelésekből, megszokásokból és kivételek kezeléséből. Aki régóta figyeli a leveleket, az nem csak számol. Tudja, melyik ügyfél szokott pontatlanul fogalmazni. Tudja, melyik kolléga válaszol gyorsan, de néha túl röviden. Tudja, mikor van valódi lezárás, és mikor csak udvarias halogatás.

Ez a tudás értékes. Pont ezért veszélyes leegyszerűsíteni a kérdést arra, hogy „ezt majd megcsinálja az AI”. Mert lehet, hogy a strigula mögött olyan hallgatólagos tudás van, amelyet előbb ki kell bontani, meg kell nevezni, és el kell dönteni, mi legyen belőle szabály, adat vagy kivétel.

A jó automatizálás nem ott kezdődik, hogy kivesszük az embert a folyamatból. Hanem ott, hogy megértjük, mit tartott eddig össze.

Egy ilyen helyzetben az első lépés gyakran nem egy nagy AI-projekt, hanem egy nagyon józan feltárás. Milyen események vannak? Hol keletkezik adat? Mit jelent a válaszidő? Milyen kivételek vannak? Mi az, amit tényleg embernek kell eldöntenie? És mi az, amit csak azért dönt ember, mert eddig senki nem csinált hozzá rendes rendszert?

Ha erre nincs válasz, akkor a technológia könnyen díszlet lesz. Modern, gyors, látványos, csak éppen ugyanazt a régi zavart viszi tovább.

Az ügyfélmegbeszélés után azon gondolkodtam, hogy talán ez az egész AI-korszak egyik legfurcsább tapasztalata. Nem az, hogy hirtelen minden megváltozik. Hanem az, hogy a változás nagyon egyenetlenül oszlik el.

Vannak munkák, ahol már az első gondolat is AI-al indul. Megkérdezzük, kereteztetjük, összefoglaltatjuk, átíratjuk, kódoltatjuk, ellenőriztetjük. Nem mindig jó az eredmény, de a munka alapritmusa már megváltozott. Az első verzió előállítása olcsóbb lett, a kérdés pedig egyre inkább az, ki tud jól dönteni a sok lehetséges verzió között.

Közben máshol még mindig ott ül valaki egy folyamat mellett, és emberi figyelemmel tartja mozgásban azt, amit a rendszernek kellene látnia. Nem azért, mert a szervezet feltétlenül rosszul működik. Hanem mert a valóságban a rendszerek ritkán cserélődnek le egyszerre. Egy új eszköz bejön, egy régi táblázat marad, egy szokás tovább él, egy munkakör hozzánő egy hiányossághoz, és a kettő együtt lesz a mindennapi működés.

Ezért nem szeretem, amikor az AI-ról csak úgy beszélünk, mintha az egy tiszta technológiai váltás lenne. A valóság ennél sokkal rendezetlenebb. Az AI nem egy üres pályára érkezik meg, hanem meglévő folyamatok, kompromisszumok, félig digitalizált rendszerek és régi beidegződések közé.

Ott pedig először nem mindig az a kérdés, milyen modellt használjunk. Hanem az, hogy merjük-e megnézni, hol tartja még emberi munka egyben azt, amit már rég rendszerként kellene értenünk.

Mert amíg mi LLM-ekről beszélünk, valaki tényleg még striguláz. És lehet, hogy nem ő van lemaradva. Lehet, hogy csak ő az egyetlen, aki még láthatóvá teszi, amit a rendszer nem tud.