Miért nem feltétlenül AI-mérnök az, akire szüksége van?

A megfelelő szakember a megfelelő feladatra – és amit erről a legtöbb céges álláshirdetés elront

Amikor egy vállalkozás vezetője úgy dönt, hogy az AI-t be kell vezetni a cégbe, az első reflex szinte mindig ugyanaz: „Keresünk egy AI-mérnököt.” A LinkedIn-hirdetések, a tanácsadói ajánlások, az iparági cikkek mind ezt a fogalmat tolják előtérbe. Az eredmény: sok vállalkozás drága, túlképzett szakembert vesz fel vagy bíz meg, miközben valójában egészen más kompetenciára lenne szüksége.

Ez nem kritika. Ez egy felismerhető és megérthető piaci tévedés. De megéri végiggondolni.

Mit csinál valójában egy AI-mérnök?

Az AI-mérnök (machine learning engineer, data scientist, AI developer – a címkék változnak, a lényeg nem) az algoritmusok szintjén dolgozik. Modelleket épít, finomhangol, adatpipeline-okat tervez, Python-kódot ír, neurális hálózatokat optimalizál. Ez rendkívül értékes tudás – de egy nagyon specifikus kontextusban.

Arra való, ha:

• saját AI-modellt kell fejleszteni vagy egy meglévőt szakterületre hangolni,
• több tízmillió soros adathalmazon kell dolgozni,
• egy technológiai startup vagy nagyvállalat termékének a magját alkotja az AI,
• kutatási-fejlesztési projekt keretében zajlik a munka.

Arra viszont nem feltétlenül való, amire a KKV-k 80%-ának valójában szüksége van.

Mi az, amire a kis- és középvállalkozásoknak ténylegesen szükségük van?

Egy KKV alapvetően nem modellt akar fejleszteni. Azt akarja, hogy a munkafolyamatok kezelése kevesebb időt vegyen igénybe. Egy ügyvédi iroda vagy egy könyvelő iroda sem neurális hálózatot kér. Azt kéri, hogy az ügyfelektől beérkező dokumentumok feldolgozása félig automatikus legyen. Egy orvosi rendelő nem adatpipeline-t igényel. Azt igényli, hogy a betegtájékoztatók, beutalók és adminisztrációs folyamatok intelligensen támogatottak legyenek.

Ezek valós szükségletek. Értékesek. Megoldhatók. De a megoldáshoz nem algoritmusfejlesztés kell, hanem folyamatismeret, eszközismeret és a kettő összekapcsolásának képessége.

Ez pontosan az a kompetencia, amelyet a Nocode & AI Product Builder / AI-integrátor képvisel.

A két profil összehasonlítva

Szempont	AI-mérnök	Product Builder / AI-integrátor
Fő tevékenység	Modellek fejlesztése, optimalizálása	Munkafolyamatok elemzése, AI-eszközök integrálása
Technikai alap	Python, ML-keretrendszerek, matematika	No-code eszközök, workflow-automatizálás, RAG
Ügyfélkontextus	Ritkán dolgozik végfelhasználóval	A folyamat és az ügyfél igénye az alap
Tipikus projekt	Saját modell fejlesztése	Meglévő AI-eszközök illesztése a valós igényhez
Havi költség (bérköltség)	3 500 – 6 000 € (és felette)	Projekt- vagy retainer-alapú, töredék áron
Bevezetési sebesség	Hetek – hónapok	Napok – hetek

A félreértés gyökere

A probléma részben fogalmi. Az „AI” szó egyszerre jelöl egy technológiai szakterületet és egy alkalmazási réteget. Amikor valaki azt mondja, „AI-szakembert keresünk”, általában az alkalmazási rétegre gondol, ám a piaci reflexek az engineering-réteget hozzák fel első helyen.

Egy párhuzam: ha egy vállalkozásnak céges autóra van szüksége, nem motorsportmérnököt keres, hanem sofőrt, aki ismeri az utakat, érti a célokat, és biztonságosan eljut A-ból B-be. Az F1-mérnök tudása páratlan, de más a feladata.

Az AI-mérnök és a Product Builder viszonya nagyjából ilyen. Mindkettőre szükség van, de nem ugyanolyan kontextusban.

Kezdik ezt felismerni?

A piac lassan, de egyértelműen mozdul. A France Compétences 2024-ben és 2025-ben is a feltörekvő szakmák között tartja nyilván a Product Builder no-code & IA profilt. A France Travail az ügyvédi/könyvelői/egészségügyi KKV-k számára kifejezetten ezt a profilt ajánlja a fejlesztőhiány egyik megoldásaként. A no-code és AI-integrációs projektek száma évről évre nő és egyre több vállalkozásvezető jön rá, hogy az, akit keresett, nem az, aki a legtöbb évet töltötte tanulással, hanem az, aki a legjobban érti a problémájukat.

Ez a felismerés még nem vált általánossá. De az a vállalkozás, amely ma megelőzi a piacot, holnap előnnyel indul.

Az ArkeoAI pozíciója

Az ArkeoAI pontosan ezt a pozíciót képviseli. Nem modelleket fejlesztünk, hanem a már létező, kipróbált AI-technológiát illesztjük a szabályozott szektorok (jog, könyvelés, egészségügy) valós munkafolyamataiba. Teljesen offline, helyi hálózaton, az adatok a helyszínen maradnak. Nem általános chatbot, hanem feladatspecifikus rendszer.

A munkamódszerünk: több AI-modell párhuzamos alkalmazása, az eredmények kritikai szintézise, majd az ügyfél folyamataira szabott konfiguráció, ahol a szakterületi ismeret és az együttműködést segítő hatékony ügyfélkommunikáció legalább annyit nyom, mint a technikai eszköztár. Ezt a megközelítést nem lehet három hónap alatt megtanítani, és nem is helyettesíti egy algoritmusfejlesztő diploma.

Amit biztosítunk: az a rész, ami a gyakorlatban számít. A problémaelemzéstől a bevezetésig, az ügyfél nyelvén – anélkül, hogy IT-projektet kellene indítani.

Nem minden AI-feladathoz kell AI-mérnök. De minden AI-bevezetéshez kell valaki, aki érti, mi folyik a cégnél és átlátja, hogyan lehet azt okosan automatizálni. Ez a két kompetencia nem ugyanaz.