Itt tartunk ma a mesterséges intelligenciában a Kondratyev-hullám elmélete szerint

A mesterséges intelligencia körül ma olyan a zaj, hogy nehéz nem elveszni benne. Egyik oldalon a „világmegváltó” ígéretek, másik oldalon a munkahelyek végét jósló cikkek. Ha azonban nem a napi hírek, hanem a gazdaságtörténet szemüvegén keresztül nézzük az AI-t, egészen más kép rajzolódik ki. A Kondratyev-hullám elmélete pontosan ebben segít: nem az a kérdés, hogy „új ChatGPT-funkció” jelent-e meg a héten, hanem az, hogy hosszú távú, 40–60 éves technológiai–gazdasági ciklusban hol tartunk.

A hosszú hullám elmélet hívei szerint minden nagy korszakot egy olyan technológiai törés indít el, amely nemcsak egy iparágat alakít át, hanem az egész gazdaság szerkezetét – az infrastruktúrától a vállalati szervezésen át a fogyasztói szokásokig. A gőzgéptől a vasútig, az acélig, az olajig és az információtechnológiáig mindegyik korszaknak megvolt a maga „hordozó” technológiája. A mai viták arról szólnak, hogy a mesterséges intelligencia már egy új, hatodik Kondratyev-hullám központi technológiája-e, vagy „csak” az informatikai–távközlési korszak késői, kiteljesedési szakaszának motorja.

Ebben a cikkben üzleti szemmel teszem fel a kérdést: itt tartunk most az AI-ban a Kondratyev-hullám elmélete szerint. Nem elméleti játék kedvéért, hanem azért, mert a hullám fázisa meghatározza, hogyan érdemes stratégiát, befektetést, szervezetet tervezni. Másként dönt egy magyar kkv-tulajdonos, ha még a „kísérletezős, buborékos” szakaszban vagyunk, és máshogy, ha már a termelékenység-robbanás küszöbén áll a gazdaság. A célom az, hogy a történelmi mintákat lefordítsam döntéshozói nyelvre, és világos választ adjak arra, mit jelent ez most, 2025-ben egy magyar vállalkozás, befektető vagy menedzser számára.

Mi az a Kondratyev-hullám elmélete?

A Kondratyev-hullám elmélete Nyikolaj Kondratyev orosz közgazdász nevéhez kötődik, aki az 1920-as években hosszú idősoros adatok alapján azt figyelte meg, hogy a kapitalista világgazdaságban 40–60 éves, egymástól elkülöníthető, nagy növekedési–lassulási ciklusok jelennek meg. Ezeket nevezzük hosszú hullámoknak vagy K-hullámoknak. A klasszikus megközelítésben egy hullámnak van egy emelkedő (expanziós) szakasza, egy tetőpontja, majd egy lassulási–válságos periódusa, amikor az előző korszak technológiái kifulladnak, és az új még nem állt teljesen rendszerbe.

A modern értelmezések ennél tovább mennek, és a technológiai forradalmakra építik a hullámokat. Az innovációelmélet (Schumpeter, majd a neo-schumpeteri szerzők) szerint a „hosszú hullámokat” olyan technológiai csomagok indítják el, amelyek új infrastruktúrát, új szervezési elveket és új üzleti modelleket hoznak. Carlota Perez ezt nevezi techno-gazdasági paradigmának: amikor nemcsak új termékek jelennek meg, hanem az egész gazdaság „alaplogikája” megváltozik – a költségstruktúrától a beruházások szerkezetéig.

Fontos árnyalat: a Kondratyev-elméletet a fősodorbeli közgazdaságtan nem tekinti kőbe vésett törvénynek. A hullámok pontos időzítése, a szakaszok határai vitatottak, és a módszertan sem egységes. Ugyanakkor a technológiai forradalmak és a hosszú gazdasági ciklusok közötti kapcsolatot egyre több történeti és technológiai kutatás támasztja alá. A hosszú hullám így nem „jóslógép”, hanem olyan gondolkodási keret, amely segít: ne csak éves GDP- vagy tőzsdeadatokban, hanem generációs léptékben lássuk a változásokat.

Az ipari forradalmak és az ötödik Kondratyev-hullám

A szakirodalom viszonylag nagy konszenzussal az alábbi technológiai korszakokat köti a Kondratyev-hullámokhoz: az első ipari forradalom (textilipar, vízenergia), a gőzgép és vasút kora, az acél és nehézipar korszak, majd az olaj, az elektromosság és az autógyártás, végül az információ és távközlés időszaka, amelyet tipikusan az 1970-es évektől datálnak. Ezek mindegyike nemcsak technológiát, hanem új vezető iparágakat, infrastruktúrát, finanszírozási mintákat és munkaszervezési formákat hozott.

Az ötödik Kondratyev-hullámot az informatika, a félvezetők, az internet és a mobilkommunikáció emelkedése jellemzi. A mikroprocesszor, a személyi számítógép, a szoftveripar és az internet együtt olyan költségcsökkenést és termelékenység-potenciált hozott, amely a 90-es évektől kezdve teljesen átalakította a gazdaságot: e-kereskedelem, digitális pénzügyek, online média, platformgazdaság. Carlota Perez és több evolúciós közgazdász szerint ez a korszak mára érett fázisba lépett: a technológia olcsó, szabványos, széles körben elterjedt, az igazán magas hozamot már nem annyira az újítás, hanem a skála és a pénzügyi konstrukciók adták.

A 2000-es dotcom-válság, majd a 2008-as pénzügyi krízis a legtöbb hosszú hullám-értelmezésben a korábbi paradigma kifáradásának tünetei. A digitális technológiák beépültek a mindennapokba, de a növekedés minősége megváltozott: a pénzügyi szektor, az adóoptimalizálás és az eszközár-infláció dominálta a nyereségeket. Itt jelenik meg az a kérdés, amely ma az AI-szabályozástól a vállalati stratégiáig mindenkit érint: az 5. hullám végén vagy a 6. elején ülünk? És ha új hullám indul, annak tényleges strukturális motorja a mesterséges intelligencia lesz, vagy más – például a zöld technológiák és az egészségipar –, amelyhez az AI „csak” meghatározó eszközként társul.

Mesterséges intelligencia mint általános célú technológia

A gazdaságtörténetben azok a technológiák indítanak el valódi hosszú hullámot, amelyek általános célúak: sok iparágban, sokféle feladatra, sokféle kombinációban alkalmazhatók (ilyen volt például az elektromosság vagy az internet). A mesterséges intelligenciát egyre több elemzés sorolja ebbe a kategóriába. Az OECD 2024-es tanulmánya kifejezetten úgy fogalmaz, hogy az AI olyan általános célú technológia, amely az autonóm döntéshozatal és az önfejlesztés képessége miatt képes lehet érdemben megváltoztatni a termelékenységet és a jólétet – de az időzítés és az eloszlási hatások nagyon bizonytalanok.

A magyar szakirodalomban Szalavetz Andrea és Szanyi Miklós is külön hangsúlyozza, hogy a gépi tanulással kombinált mesterséges intelligencia megfelel azoknak a jellemzőknek, amelyeket az evolúciós közgazdaságtan a korábbi techno-gazdasági paradigmák magtechnológiáinál azonosított: horizontálisan beépül minden ágazatba; felerősíti a technológiai konvergenciát; új iparágakat hoz létre; erősíti a schumpeteri értelemben vett teremtő rombolást; és mélyen átalakítja a társadalmi létformákat.

Az AI technológiai értelemben már messze túl van a kísérleti szakaszon. A gépi látás, a beszédfelismerés, a természetes nyelvfeldolgozás és a generatív modellek számos területen elérték vagy meghaladták az emberi teljesítményt, miközben a futtatás költségei meredeken csökkennek. Ugyanakkor a termelékenységi statisztikákban ez még nem látszik egyértelműen: a fejlett országokban az elmúlt évtizedben inkább a „termelékenységi paradoxon” fogalma került előtérbe. Ez tipikusan annak a jele, hogy egy új technológia már létezik, de a gazdaság és az intézményrendszer még nem szerveződött át köré – vagyis hosszú hullám-szempontból az installációs, illetve korai felívelő szakasz határán állunk.

Ötödik vagy hatodik hullám? A vita az AI helyéről

A szakirodalomban jelenleg két fő irányzat létezik. Az egyik szerint a mesterséges intelligencia az 5. Kondratyev-hullám késői, kiteljesedő fázisának része: az információ és telekommunikáció korszakának logikus folytatása, amely elsősorban a meglévő digitális infrastruktúra hatékonyságát növeli. Ebben az értelmezésben az AI inkább „második hullámos alkalmazás”, amely a már kiépült internetes, felhő- és mobilinfrastruktúrán fut, és annak termelékenységét fokozza.

A másik irányzat – ide sorolható többek között Daniel Šmihula és több magyar szerző – azt állítja, hogy a gépi tanulásra épülő AI már egy új, hatodik hullám magtechnológiája. Ebbe a korszakba többnyire az intelligens, erőforráshatékony technológiákat, a zöld átállást, a biotechnológiát és a mélyen beágyazott digitális rendszereket (IoT, kiber-fizikai rendszerek) sorolják, ahol az AI a döntési, optimalizálási és automatizálási funkciót adja. A vita lényege nem pusztán taxonómiai: ha új hullámról beszélünk, az azt jelenti, hogy az AI nemcsak „ráépül” az informatikára, hanem új befektetési, munkaszervezési, oktatási és szabályozási logikát kényszerít ki.

Szalavetz Andrea kifejezetten úgy fogalmaz, hogy a 2010-es évek radikális technológiai újdonságai (automatizálás, robotizálás, digitalizáció, mesterséges intelligencia) kapcsán vita zajlik arról, vajon ezek már egy új hosszú távú műszaki–gazdasági Kondratyev-ciklus kezdetét jelentik, vagy csupán az 5. hullám szétterülő fázisát. A saját álláspontom az, hogy koncepcionálisan a mesterséges intelligencia már új hullámhoz illeszkedik: általános célú technológia, amely az informatikától a biotechnológián át az energetikáig mindent újraszervez. Ugyanakkor intézményi és üzleti gyakorlat szintjén még nagyon sok minden az 5. hullám logikája szerint működik. Ebből következik a kulcskérdés: hogyan viselkedik egy vállalkozás egy olyan átmeneti zónában, ahol az új paradigma technológiai magja már látható, de a játékszabályok még nem szilárdak.

Hol tartunk globálisan az AI-hullámban?

Ha Kondratyev-szemmel nézzük a jelenlegi helyzetet, világszinten az AI-hullám installációs szakaszának második felében járunk. A tőkeáramlások, a vállalati bejelentések és a politikai napirend alapján az látszik, hogy az elmúlt 3–4 évben a mesterséges intelligencia a globális innováció és befektetés egyik első számú fókuszává vált. Az OECD és más nemzetközi szervezetek egyre gyakrabban írják le az AI-t potenciális növekedési motoraként, ugyanakkor hangsúlyozzák: a hosszú távú növekedési hatás erősen függ attól, hogy a vállalatok mennyire képesek szervezeti, képzettségi és adat-infrastruktúra oldalon is alkalmazkodni.

Paradox módon mindez egy olyan korszakban zajlik, amikor a hivatalos termelékenységi statisztikák nem mutatnak látványos ugrást. A „modern termelékenységi paradoxonról” szóló elemzések arra mutatnak rá, hogy a csúcstech-cégek szintjén már érzékelhetőek az AI-hatások, de az átlagos vállalat még messze le van maradva. Ez tipikus mintázat a hosszú hullámok történetében: az új technológia kezdetben kevés, nagy, tőkeerős szereplőnél koncentrálódik, miközben a széles körű diffúzióhoz idő, kiegészítő beruházások és szabályozási alkalmazkodás kell.

Szabályozási oldalról az Európai Unió AI Act-je fontos mérföldkő: kockázatalapú keretrendszert vezet be, amely tilt bizonyos felhasználásokat, szigorúan szabályozza a magas kockázatú rendszereket, és átláthatósági kötelezettségeket ír elő a generatív modellekre. Ez egyben azt is jelenti, hogy az AI-hullám nem „szabályozatlan vadnyugatként” fog lefutni, hanem már az installációs szakaszban erős intézményi válaszok érkeznek. A globális hosszú hullám szempontjából ez lelassíthatja a rövid távú diffúziót, viszont hosszabb távon stabilabb, kiszámíthatóbb pályát hozhat. Vállalati szinten ez azt üzeni: az AI-stratégia ma már nem pusztán technológiai, hanem compliance- és kockázatkezelési kérdés is.

Hol tartunk Magyarországon az AI-hullámban?

Ha Magyarországot nézzük, a kép jóval heterogénebb. A nemzeti MI-stratégia 2020–2030, majd annak 2025–2030-as frissítése egyértelműen kimondja: a mesterséges intelligencia a növekedési és versenyképességi politika központi eszköze, a cél a GDP és a termelékenység érdemi növelése. A stratégia szerint az AI 2030-ra két számjegyű többletet adhat a magyar GDP-hez, ha az ökoszisztéma fejlesztése – adatinfrastruktúra, szuperszámítástechnika, képzés, kkv-támogatás – ténylegesen megvalósul.

A valós vállalati gyakorlat ugyanakkor még nagyon az elején tart. Az Európai Bizottság 2024-es Digital Decade jelentése szerint a magyar vállalatok mindössze 3,7 százaléka használ valamilyen AI-technológiát, miközben az uniós átlag 8 százalék. Ez azt jelenti, hogy hosszú hullám-szempontból Magyarország nagy része még a „pre-installációs” zónában mozog: az AI mint téma jelen van a médiában és a stratégiákban, de a tényleges vállalati folyamatokba csak lassan szivárog be.

Dajka Gábor tapasztalata szerint a magyar kkv-k jelentős része ma ott tart, hogy néhány kolléga privát szinten kísérletezik generatív AI-eszközökkel, de nincs szervezeti szinten kidolgozott AI-stratégia, adatvagyon-kezelés, folyamat-szintű beágyazás. A hazai AI-hullám ma sokkal inkább tudatossági és vezetői bátorság kérdése, mintsem tisztán technológiai akadály. A szükséges felhőszolgáltatások, API-k és eszközök elérhetők, de a vállalati döntés, hogy ezeket beépítsék a mindennapi működésbe, még gyakran hiányzik. Ilyen környezetben a hosszú hullám-elmélet nagyon egyszerű üzenetet ad: aki most lép, egyszerre profitálhat az új technológia megtérüléséből és a versenytársak lemaradásából.

Mit jelent ez egy vállalkozásnak a következő 5–10 évben?

Ha a mesterséges intelligenciát a Kondratyev-hullám szempontjából nézzük, akkor egy magyar vállalkozás számára a következő 5–10 év ablak: egyszerre lehetőség és kockázat. Lehetőség, mert az AI még viszonylag olcsón, kísérletezésre alkalmas módon elérhető, miközben a versenytársak többsége még nem használja rendszerszinten. Kockázat, mert a hosszú hullámok mintázata szerint, amikor az új paradigma valóban átszervezi a gazdaságot, a későn ébredő szereplők tartósan hátrányos helyzetbe kerülnek – nem csak technológiailag, hanem profitabilitás és munkaerő-vonzó képesség szempontjából is.

Gyakorlati szinten ez azt jelenti, hogy a következő években három dologra érdemes fókuszálni:

• Adatvagyon és adatminőség: AI-t csak olyan cégnél lehet értelmesen alkalmazni, ahol az adatok strukturáltak, elérhetők és jogilag tiszták. Ha ma még „Excel-szigetek” vannak a cégben, az AI-bevezetés előtt ezeket kell rendbe rakni.
• Folyamat-szintű gondolkodás: nem „AI-projektben”, hanem folyamatokban kell gondolkodni: ügyfélszolgálat, értékesítés, marketing, pénzügy, back office. Az a kérdés, hol tud az AI döntést támogatni, automatizálni vagy minőséget javítani.
• Kompetencia-építés: a technológia bérelhető, de a gondolkodásmódot házon belül kell felépíteni. Képzések, belső pilotok, kísérletezés, cross-funkcionális csapatok.

„A mesterséges intelligencia nem elveszi a munkádat, hanem felnagyítja, hogy milyen stratégiával dolgozol. Ha nincs stratégiád, az AI csak felgyorsítja a káoszt.” – Dajka Gábor

Hosszú hullám nyelvre lefordítva: most még a pozíciófoglalás időszaka zajlik. A tőkeerős globális szereplők már masszívan fektetnek AI-ba, a szabályozás formálódik, a produktivitási hatások pedig még vegyesek. Az a vállalkozás jár jól, amelyik most építi ki az AI-kompetenciáját, hogy a következő 5–10 évben – amikor a hullám felívelő szakasza érdemben elindul – ne csak kövesse, hanem használni is tudja a strukturális változásokat.

Akcióterv: hogyan pozicionáld a cégedet az AI-hullám szakaszaihoz?

Annak érdekében, hogy a Kondratyev-hullám elmélet ne maradjon elvont fogalom, érdemes a vállalati döntések nyelvére fordítani. Az alábbi egyszerű táblázat azt mutatja, milyen fókuszok illeszkednek legjobban a következő évek várható AI-hullám dinamikájához.

Dajka Gábor tapasztalata szerint azok a cégek jutnak előnyhöz, amelyek nem egyszeri „AI-projektként” kezelik a kérdést, hanem beépítik a stratégiai tervezésükbe. Ez azt is jelenti, hogy a hosszú hullám szakaszait tudatosan használják: a mostani installációs időszakot kompetenciaépítésre, a korai felívelést folyamatintegrációra, a későbbi éveket pedig üzleti modell-szintű átalakításra. Aki ezzel szemben ad hoc módon, eszközszinten foglalkozik az AI-val, az jó eséllyel csak költséget halmoz, tartós versenyelőny nélkül.

Etikai és társadalmi szempontok: milyen AI-hullámot engedünk kifutni?

A Kondratyev-hullám elmélet gyakran technológiai és gazdasági szempontból kerül elő, de a hosszú hullámoknak mindig volt társadalmi dimenziója is. A mostani AI-hullám esetében különösen erős a kockázata annak, hogy a termelékenység-növekedés és a jólét eloszlása nagyon egyenlőtlen lesz. A magyar és nemzetközi tanulmányok egyaránt figyelmeztetnek: ha az AI elsősorban a magas képzettségű, tőkeerős szereplők hatékonyságát növeli, miközben automatizálható munkakörök tömegei szorulnak ki, akkor a társadalmi feszültségek és az egyenlőtlenségek olyan szintre emelkedhetnek, amely visszafogja a hullám felívelő szakaszát is.

Az EU AI Act és a nemzeti MI-stratégiák ezért nem csak technológiai kérdések. Valójában arról szólnak, milyen normák mentén engedjük kialakulni az AI-korszak intézményrendszerét. Ha a szabályozás és a vállalati önszabályozás képes arra, hogy a méltányosság, az átláthatóság és az emberi méltóság szempontjait beépítse, akkor a hosszú hullám nem csak GDP-ben mérhető nyereséget hoz. Ha viszont a technológia diffúziója messze megelőzi a társadalmi és oktatási alkalmazkodást, akkor a hullám könnyen egy elhúzódó bizalmi válságba torkollhat.

Magyarországon külön kockázat a digitális és területi egyenlőtlenségek kérdése. A DESI és más felmérések rendre jelzik, hogy a digitális készségekben, az infrastruktúrában és az e-közigazgatás minőségében jelentős lemaradás van, különösen a vidéki térségekben. Ha az AI-hullám ezekre a töréspontokra „ül rá”, akkor a hosszú hullám felívelése nemcsak gazdasági, hanem társadalmi értelemben is vegyes eredményt hozhat. Ezért üzleti döntéshozóként nem elég a profitpotenciált látni: érdemes felelősséggel gondolkodni munkahelyi átképzésről, átlátható AI-használatról és arról, milyen társadalmi környezetben akarjuk lefuttatni a következő 20–30 évet.

Dajka Gábor marketingszakértő, business coach és befektető szerint

Ha egy mondatban kellene válaszolnom arra, hol tartunk az AI-ban a Kondratyev-hullám elmélete szerint, akkor így fogalmaznék: globálisan a hatodik hullám korai installációs–felívelő határán állunk, Magyarországon pedig még csak most kezdjük komolyan venni, hogy ez a hullám rólunk is szól. A mesterséges intelligencia technológiai értelemben már bizonyította, hogy általános célú, struktúraváltó erő. A kérdés nem az, hogy lesz-e AI-korszak, hanem az, hogy ki fogja aktívan formálni, és ki fogja passzívan elszenvedni.

Üzleti döntéshozóként azt tartom a legnagyobb hibának, ha valaki úgy tekint az AI-ra, mint „még egy IT-projektre”. A Kondratyev-hullám logikája szerint ez valójában stratégiai identitáskérdés: milyen szervezetet, milyen tudást, milyen adatvagyont építünk, és mennyire vagyunk hajlandók a következő évtizedben újraértelmezni a saját üzleti modellünket. A következő 5–10 év döntései meg fogják határozni, hogy egy cég a felívelő hullámban profitál-e a strukturális átalakulásból, vagy a késői, kényszerű alkalmazkodás időszakában próbál túlélni.

„A mesterséges intelligencia-korszak nem attól lesz sikeres számodra, hogy milyen eszközt használsz, hanem attól, hogy milyen fegyelemmel, etikával és hosszú távú gondolkodással építed be a cégedbe.” – Dajka Gábor

Ha Kondratyev szemével nézzük, akkor 2025-ben még van idő tudatosan pozíciót foglalni az AI-hullámban. Aki most fejleszt adat- és AI-kultúrát, az nem csupán hatékonyságot nyer, hanem belépési korlátokat emel maga köré. Aki viszont csak akkor kezd mozogni, amikor a szabályozás, a versenytársak és az ügyfelek már kikényszerítik az AI használatát, az egy kiforrott játéktérre érkezik meg, ahol a pozíciók nagy részét már elvitték. A hosszú hullám elmélete ebben segít: nem rövid távú trendeket magyaráz, hanem rákényszerít arra, hogy 20–30 éves időtávban gondolkodjunk – és ehhez igazítsuk a mai döntéseinket.

Szakértő válaszol – GYIK

Melyik Kondratyev-hullámban járunk most az AI szempontjából?

Elméleti szinten a vita továbbra is nyitott: egyes szerzők szerint az AI az 5. hullám (informatika, telekommunikáció) késői, kiteljesedő szakaszának része, mások szerint már egy új, hatodik hullám magtechnológiája. Az én értelmezésem az, hogy technológiai logika alapján az AI már egy új, hatodik Kondratyev-hullám magja, amely a digitális, zöld és egészségorientált technológiák konvergenciájára épül. Intézményi és vállalati gyakorlat szintjén viszont még erősen élnek az 5. hullám reflexei. Ebből a kettősségből fakad a mostani zavar: a technológia már előrébb tart, mint a szervezetek, a szabályozás és a képzési rendszerek.

Mit jelent ez egy magyar kkv-nak a következő 5 évre?

Egy magyar kkv számára a következő 5 év döntő abban az értelemben, hogy belép-e az AI-hullám korai szakaszába, vagy majd csak a kényszerítő, későbbi fázisban próbál alkalmazkodni. Mivel a hazai AI-adoptáció aránya még jóval az uniós átlag alatt van, a korai lépések itt relatív versenyelőnyt jelentenek: aki most kezdi el adatvagyonát rendezni, folyamatait AI-szempontból újragondolni, és beépíteni a mindennapi működésbe az AI-t, az a felívelő szakaszban sokkal jobb kiinduló helyzetből indul. A következő 5 évben nem a tökéletes technológiai megoldás megtalálása a legfontosabb, hanem az, hogy a cég képes legyen tanuló módon kísérletezni, és közben felépíteni a szükséges kompetenciákat.

Veszélyes-e, ha most még kivárok az AI-bevezetéssel?

Rövid távon érthető a kivárás: az eszközök gyorsan változnak, a szabályozás formálódik, a hype-szint magas. Hosszú hullám-szempontból viszont a passzív várakozás a legkockázatosabb stratégia. Nem azért, mert „lemaradsz az AI-vonatról” egy év alatt, hanem mert nem épül ki az a szervezeti és adat-infrastruktúra, amelyre a későbbi, nagyobb volumenű AI-alkalmazások épülhetnének. A tudatos kivárás azt jelentené, hogy legalább adatszinten, folyamat-szinten és kompetencia-szinten megteszed az előkészítő lépéseket, még akkor is, ha bizonyos konkrét AI-megoldásokat csak később vezetsz be. A teljes passzivitás ezzel szemben valódi versenyhátrányt jelent.

Tényleg új ipari forradalom az AI, vagy csak hype?

A történelmi tapasztalat azt mutatja, hogy az új általános célú technológiák mindig túlzó várakozásokkal indulnak, és a rövid távú hatás gyakran elmarad az ígéretektől, miközben a hosszú távú következmények alulbecsültek. Az AI esetében ma azt látjuk, hogy a statisztikákban még nem jelentkezik széles körű termelékenység-ugrás, de a technológiai képességek és a tőkeáramlások egyértelműen egy új korszak irányába mutatnak. Hogy ez valóban „ipari forradalom” lesz-e, az azon múlik, mennyire épül be az AI a vállalati folyamatokba, az oktatásba, az egészségügybe, az energetikába. Technikailag megvan rá a lehetőség, de az emberi, intézményi és etikai oldal még nagyban formálódik.

Hogyan látod a magyar piac sajátosságait az AI-hullámban?

A magyar piac egyszerre hátrányban és előnyben van. Hátrányban, mert a digitális készségek, az e-közigazgatás minősége és a vállalati digitalizáció szintje több mutató alapján elmarad az uniós átlagtól. Előnyben, mert a kisebb piac és a rugalmasabb vállalati struktúrák gyors alkalmazkodást is lehetővé tesznek, ha megvan a vezetői akarat és a tudatos stratégia. A nemzeti MI-stratégia és az uniós források jó keretet adnak, de a tényleges különbséget az fogja jelenteni, hogy a magyar kkv-k mennyire veszik komolyan az AI-t, mint hosszú távú versenyképességi tényezőt – nem csak mint „érdekes újdonságot”.

Ajánlott magyar videók/podcastok

Az alábbi videó jó belépési pont ahhoz, hogy a hazai mesterséges intelligencia-stratégia tágabb gazdasági és társadalmi összefüggéseit is lásd:

Források

Carlota Perez (2009): Technological revolutions and techno-economic paradigms

Szanyi Miklós: Műszaki fejlődés és hosszú távú gazdasági ciklusok

Szalavetz Andrea: Mesterséges intelligencia és technológiavezérelt termelékenységemelkedés

Ha tetszett a cikk, támogasd a blogomat és vedd meg a könyvem.