A társaság az idén már 25. alkalommal megrendezett SAP NOW Hungary konferencián ismertette ügyfeleinek és partnereinek bevonásával készített kutatását az S/4HANA átállás magyarországi helyzetéről, ami az SAP-ökoszisztéma előtt álló legnagyobb kihívásnak tartanak a következő években, tekiintettel a korábbi vállalatirányítási rendszerek támogatásának 2027 végi leállítására. Ebből kiderült, hogy az átállás halogatása valós kockázatokat hordoz, mivel a nagy cégek esetében komplex, akár 2-3 éves folyamatról van szó, de ugyanilyen rizikós lehet a megfelelő belső erőforrások és elkötelezettség nélkül belevágni a dologba.
A felmérés értelmében az érintett hazai cégek 40-45 százaléka még nem tett konkrét lépéseket ebben az irányban, ugyanilyen arányban tartanak a tervezési vagy a megvalósítási szakaszban, és mindössze 10-15 százalékukról mondható el, hogy már megvalósította az átállást. Az SAP arra is felhívta a figyelmet, hogy a határidő közeledtével a tanácsadói kapacitások is jelentősen beszűkülhetnek, ahogy a nagyobb cégek összetett folyamatai lekötik az erőforrásokat, nem beszélve a nemzetközi piacok elszívó hatásairól. A sikeres átállások ráadásul nemcsak technikai, hanem üzleti szinten is alapos tervezést és előkészítést igényelnek.
A kutatásban részt vevő ügyfelek 80 százalékban olyan üzleti szempontokra építik az informatikai döntéseket, mint amilyen a felhasználói élmény javítása, a folyamatok optimalizálása és a hatékonyság, de a tapasztalatok szerint a változásmenedzsment vagy az átállási projektben résztvevők megnövekvő feladatainak kompenzálása is meghatározza annak kimenetelét. A válaszok alapján egyébként az S/4HANA (a felhős ERP-rendszerek mesterséges intelligenciára alapuló új generációja) fő pozitívumaként a fejlett riportálási képességeket, az üzleti folyamatok újragondolását és az iparági sztenderdek beépítését emelték ki.
Az átállás nem (csak) elhatározás kérdése
Bár a mesterséges intelligencia fejlődését az SAP kutatása szerint is mindenki figyelemmel kíséri, az átállási döntéseket egyelőre nem ez határozza meg. A halogatás kockázatai azonban tágabb értelemben is szóba kerültek a konferencián: dr. Tilesch György MI-szakértő, a PHI Institute for Augmented Intelligence elnöke például arra hívta fel a figyelmet, hogy a mesterséges intelligenciára nem valamilyen "éra-technológiaként", hanem az új technológiai paradigmaként érdemes tekinteni, amelynek a generatív MI és a nagy nyelvi modellek csak a sokadik hullámát képviselik. A ChatGPT-t is könnyedén a feledésbe taszítja majd a következő hullám, az MI-ügynökök (AI agents) fejlődése és elterjedése, amelyek már képesek leszenek rendkívül összetett feladatok folyamatos végzésére is.
A hosszú ideje a Szilícium-völgyben élő szakember szerint 2-3 év múlva már nem igazán lehet majd találni olyan új kiadású szoftvert, ami nem a mesterséges intelligencián alapul. Az MI tőzsdei része kisebb-nagyobb mértékben tényleg buborékot képezhet és kipukkanhat, de a technológiai oldal ettől erős és robusztus marad. Mindez egyrészt azt jelenti, hogy nem lehet a témát szimplifikálni és teljes egészében figyelmen kívül hagyni, de a gyors fejlődés miatt az sem működik, ha túl sokáig elemezgetik a feladatokat, miközben lehet, hogy az adott problémára időközben már meg is született a megoldás.
A fentiekhez kapcsolódó másik megállapítása, hogy sehol sem jó irány belevágni egy-egy kirakatba való, nagy horderejű MI-projektbe – ehelyett hasznosabbnak tűnik sok kisebb, "unalmasabb" tervezési és végrehajtási folyamat megvalósítása, ameylek azonban rögtön direkt vagy indirekt hasznot hajtanak a szervezeteknek. Bár a mesterséges intelligencia fejlődése komplex biztonsági, társadalomszervezési és egyéb kérdéseket vet fel, és ezekre a techszektor sem figyel eléggé, dr. Tilesch György szerint az extrém, félelemalapú vagy hurráoptimista reakciók helyett meg kell próbálni "okosan terelgetni" a technológiát.
Az ötlettől az értékteremtésig – egy jól működő adattudományi szervezet alapjai
Miért bukik el annyi adattudományi kezdeményezés már az indulás után? A válasz gyakran nem az algoritmusok összetettségében, hanem az adatok minőségében és kezelésében keresendő. Stabil adatforrások, következetes feature-kezelés és egy jól felépített Feature Store nélkül a gépi tanulás ritkán jut el a valódi üzleti értékteremtésig.
EGY NAPBA SŰRÍTÜNK MINDENT, AMIT MA EGY PROJEKTMENEDZSERNEK TUDNIA KELL!
Ütős esettanulmányok AI-ról, agilitásról, csapattopológiáról. Folyamatos programok három teremben és egy közösségi térben: exkluzív információk, előadások, interaktív workshopok, networking, tapasztalatcsere.
2026.03.10. UP Rendezvénytér
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak