Nem az első hullámot kell megnyernünk

Nem biztos, hogy 2027-ben megérkezik az emberfeletti AI. De az már most biztosnak látszik, hogy az AI-verseny nem chatbotokról szól, hanem ipari, geopolitikai és intézményi hatalomról. A kérdés Kelet-Közép-Európa - és benne Magyarország - számára nem az, hogy meg tudjuk-e verni Silicon Valleyt. Nem tudjuk. A kérdés az, hogy találunk-e magunknak saját csatateret, mielőtt mások döntenek helyettünk arról, milyen rendszerekbe ágyazódik be a következő évtized gazdasága és közigazgatása.

Érdemes két szöveggel kezdeni, amelyek ugyanazt a jelenséget nézik két ellentétes pontról.

Az AI 2027 egy részletes, hónapról hónapra haladó forgatókönyv Daniel Kokotajlo és társai tollából. A centrumból ír: egy fiktív élvonalbeli labor, az OpenBrain egyre ügyesebb kódoló- és kutatóügynököket épít, amelyek a saját fejlesztését gyorsítják fel. Ebből egy önerősítő hurok (AI-R&D feedback loop) bontakozik ki, amerikai-kínai fegyverkezési verseny, modell-lopás, kiberképességek, és a háttérben az alignment - vagyis annak kérdése, hogy a rendszerek tényleg azt akarják-e, amit a tervezőik. A történet a 2027-es év végére a szuperintelligencia küszöbéhez ér.

A Europe 2031 ennek a tükörképe a periféria felől. Itt Európa a főszereplő, és a kép borús: technológiai lemaradás, compute-hiány, amerikai infrastruktúra-függőség, és egy Unió, amely - hacsak nem cselekszik radikálisan - elveszíti a képességét, hogy a saját jövőjét alakítsa. A szöveg szerint a tét nem kevesebb, mint hogy lesznek-e értékek, amelyeket meg tudunk védeni, és jóléti rendszerek, amelyeket finanszírozni tudunk.

A két szöveget nem jóslatként érdemes kezelni, hanem stratégiai stressztesztként. Nem az a kérdés, hogy pontosan ez fog-e történni, hanem hogy mely állításaik állnak meg már most adatokkal, és hol kezdődik a spekuláció.

A pénz mozgása nem spekuláció. Az USA privát AI-befektetése 2025-ben elérte a 285,9 milliárd dollárt - huszonháromszorosa a kínai 12,4 milliárdnak -, és ennek több mint háromnegyede egyetlen államból, Kaliforniából érkezett (Stanford AI Index 2026). Ehhez jön a hyperscalerek beruházása: a négy nagy (Amazon, Alphabet, Meta, Microsoft) 2026-ra bejelentett tőkeköltése együtt 630 és 725 milliárd dollár között mozog, szemben a 2025-ös, már akkor is rekordnak számító mintegy 390-410 milliárddal (Financial Times, CNBC). Hogy ez ne tűnjön légvárnak: a NVIDIA adatközpont-bevétele két év alatt 15 milliárdról 115 milliárd dollárra nőtt. A keresletet tehát valódi vásárlások hajtják, nem pusztán prezentációk.

Ennek fizikai következménye van. A Nemzetközi Energiaügynökség szerint a globális adatközpont-áramfogyasztás 2025 és 2030 között nagyjából megduplázódik, 485-ről mintegy 945 terawattórára, és ennek hajtóereje az AI (IEA, Energy and AI). Az Egyesült Államok adja ma a globális adatközpont-fogyasztás 45%-át. A compute és az energia tehát összekapcsolódik, és mindkettő erősen amerikai súlypontú.

A coding agentek terén is van valós elmozdulás. A fejlesztők 84%-a használ már AI-eszközt (Stack Overflow 2025), és a Microsoft vezérigazgatója szerint a cég kódjának 20-30%-át AI generálja. A munkaerőpiacon pedig konkrét, mért hatás látszik: a Stanford Digital Economy Lab béradatokra épülő elemzése szerint a 22-25 éves szoftverfejlesztők foglalkoztatása mintegy 20%-kal esett a 2022 végi csúcsról, miközben a 30 év felettieké nőtt. Ezt a Harvard 62 millió munkavállalót vizsgáló tanulmánya is megerősíti: az AI-t bevezető cégeknél a junior foglalkoztatás 9-10%-kal csökken, a senioré alig változik.

Európa válasza erre eddig elsősorban szabályozás (AI Act) volt, és csak 2025-től kezdődő, határozottabb infrastruktúra-építés. Erről mindjárt - de előbb érdemes megnézni, hol válik a forgatókönyvek narratívája bizonyíthatóból feltételezetté.

Az AI 2027 legmerészebb állítása nem a compute-növekedés, hanem az önfejlesztési hurok: hogy az AI-rendszerek érdemben felgyorsítják a saját kutatásukat, és ez exponenciális robbanáshoz vezet. Erre ma nincs publikus, független bizonyíték. A laborok belső használatról beszélnek, de a másfélszer-háromszor gyorsabb algoritmikus haladás jellegű állításokat kívülről nem lehet ellenőrizni. Ez a forgatókönyv spekulatív magja.

A 2027-es szuperintelligencia-határidő szintén agresszív - és ezt nem csak a szkeptikusok mondják. Maguk a szerzők is jelzik, hogy a bizonytalanságuk 2026 után jelentősen nő. A legélesebb ellenérvet Arvind Narayanan és Sayash Kapoor princetoni kutatók fogalmazzák meg AI as normal technology tézisükben: a technológiák hatását nem a feltalálás, hanem a diffúzió üteme szabja meg, és a diffúzió emberi sebességgel halad. Jellemző adatuk: bár a felnőttek 40%-a használ már generatív AI-t, ez a munkaóráknak csak 0,5-3,5%-át érinti. A képesség és a tényleges gazdasági hatás között szakadék van.

Ezt a szakadékot a legkeményebben egy randomizált kísérlet mutatta meg. A METR 2025-ös vizsgálatában tapasztalt fejlesztők AI-eszközzel 19%-kal lassabban végeztek a feladataikkal - miközben 24%-os gyorsulást vártak, és utólag is 20%-ot éreztek. A benchmark tehát nem egyenlő a valós termelékenységgel, és még a felhasználói önbecslés is megbízhatatlan. Fontos viszont a kiegyensúlyozottság kedvéért: a METR 2026 eleji frissítése szerint bizonyos részmintákon már gyorsulás látszik. A hatás nem nulla és nem is egyöntetű - kontextusfüggő.

A Europe 2031 ellenkező irányból túloz: determinisztikus. A lemaradás valós (a foundation modellek 70%-a amerikai, és három hyperscaler uralja az európai felhőpiac kétharmadát), de a marginalizáció elkerülhetetlen következtetés nem az. A pálya nyitottabb, mint amilyennek a forgatókönyv mutatja.

Európa akkor van bajban, ha csak szabályoz és importál. De nincs elveszve, ha ipari, szabályozott, doménspecifikus AI-adoptionben épít képességet.

A fordulat már elindult. A 2024-es Draghi-jelentés kimondta, amit régóta tudni lehetett: az EU termelékenységi szakadéka az USA-val szemben nagyrészt a tech-szektorral magyarázható, és befektetés nélkül a jóléti modell finanszírozhatatlanná válik. Erre válasz az InvestAI: 20 milliárd euró gigafactory-grant, 200 milliárd eurós mobilizálási céllal. Itt viszont fegyelmezett olvasásra van szükség. A 200 milliárd nem elkötelezett tőke, hanem remélt, magántőkével felszorzott keret; az EU tényleges hozzájárulása a beruházások mintegy 17%-a, és az első gigafactory építése csak 2027-ben kezdődik. A Mistral - Európa legjobb modellcége - eddigi teljes tőkéje nagyjából 2,8 milliárd euró, amelyhez 2025-ben az ASML chipgyártó óriás szállt be vezető befektetőként. Ez stratégiailag jelentős (összeér a chip- és az AI-ellátlánc), de léptékben egy amerikai hyperscaler néhány hetes költésével ér fel.

A józan európai következtetés ezért nem az, hogy a frontieren kell utolérni az USA-t. A Bruegel kutatóintézet pontosan ezt a dilemmát teszi fel: utolérni a frontiert, vagy a frontier alatt boldogulni a származtatott AI-termékek és -szolgáltatások piacán? Európa valódi tőkéje az ipari mélység, a szabályozott szektorok (egészségügy, pénzügy, energia, közigazgatás) és a megbízhatóság iránti igény. Itt nem a legnagyobb modell nyer, hanem az, amelyik auditálható, adatvédelmi szempontból megfelelő, és beépül a meglévő folyamatokba. Az energia is ezt erősíti: az IEA maga jelzi, hogy a hálózati és engedélyezési szűk keresztmetszetek - USA-ban és EU-ban egyaránt 10+ éves erőmű-engedélyezéssel - lassítják a legagresszívabb forgatókönyveket. A korlát tehát nemcsak Európát sújtja; ez némi mozgásteret is jelent.

A régió nem a frontier-trainingben fog nyerni. A számok egyértelműek: a teljes CEE kockázatitőke-befektetés 2024-ben mintegy 2,3 milliárd euró volt - kevesebb, mint amennyit egy hyperscaler néhány nap alatt elkölt -, a sikeres scale-upok 48%-a pedig külföldre, jellemzően az USA-ba viszi a központját (Dealroom/Vestbee). Az európai AI-kockázatitőkének több mint kétharmada tíz nagyvárosba áramlik, és a fővárosokon kívül kevesebb mint 1% landol. Frontier labort innen építeni nem reális, és nem is ez a feladat.

A valódi esély a második és harmadik hullámban van: amikor a modelleket valós intézményekbe, iparágakba, adatfolyamatokba és döntési rendszerekbe kell beépíteni. Ez a réteg az AI-adoption engineering: rendezetlen intézményi adatból (messy institutional data) használható rendszert építeni. Konkrétan: RAG és GraphRAG architektúrák, ontológiák és taxonómiák, evaluation-keretek, human-in-the-loop folyamatok, és doménspecifikus vertical AI-eszközök. A régió erősségei - ipari és automotive AI, gyártás, shared service centerek, fintech, kiberbiztonság, govtech, healthtech, edtech - pont ide illeszkednek.

És van egy konkrét magyar visszaigazolás is. A Microsoft 2025-ös adoptációs jelentése szerint Magyarország az AI-használatban a világ 20 legfejlettebb országa közé tartozik, egyes mutatókban az USA, Németország és Lengyelország előtt; a HUN-REN SZTAKI vezette konzorcium pedig elnyerte az EU AI Factory és AI Antenna pályázatát, amivel az ország közvetítő csomóponttá válhat az európai AI-hálózatban. Jakab Roland, a HUN-REN vezérigazgatója és az MI Koalíció elnöke tömören fogalmazta meg a régió logikáját: önmagában az AI nem teremt értéket, annak hoz hasznot, aki tudatosan és jól használja. Ez nem vigaszdíj. Ez a stratégia.

A következő két-öt évben azok lesznek erősek, akik a domainismeretet, a data engineeringet, a cloudot, az AI-workflow-t, a mérési kultúrát és a governance-t egyetlen kompetenciacsomagban tudják összekötni. Nem az, aki a legújabb modellt be tudja gépelni egy chatablakba - hanem aki tudja, melyik problémát érdemes egyáltalán AI-jal megoldani, és hogyan lehet bizonyítani, hogy a megoldás működik.

Gyakorlatban ez egy jól körülírható eszköztár. Az alapokon SQL, Python és PySpark; backend oldalon FastAPI és aszinkron feldolgozás; üzemeltetésben cloud, Docker, CI/CD. Erre épül az AI-réteg: RAG és GraphRAG, ontológia- és taxonómiakezelés, valamint - és ez a leginkább alulértékelt rész - evaluation-keretek és human-in-the-loop tervezés. Mindezt pedig csak akkor ér valamit, ha product thinking és valódi domén-szakértelem fogja keretbe.

Van ebben egy mélyebb, szinte személyes igazság is. A régió legértékesebb embereinek útja gyakran nem a klasszikus mérnöki vonal. Aki egy társadalomtudományi vagy más doménháttérről jutott el az AI-mérnökségig, az pontosan azt a kétnyelvűséget hozza, amire ezen a piacon szükség van: érti az adatot és érti a kontextust, amelyben az adat keletkezik és amelyben döntés lesz belőle. A második hullám nem a tisztán technikai zseniké. Azoké, akik a modell és a valóság közötti fordítást elvégzik - és ez a fordítói szerep nem automatizálódik el egyhamar.

Nem az a kérdés, hogy Kelet-Közép-Európa meg tudja-e nyerni az első AI-hullámot. Valószínűleg nem. A frontier-modellek betanítása, a százmilliárdos compute, a kaliforniai tőkesűrűség - ez a meccs nagyrészt eldőlt, és nem itt.

A kérdés az, hogy felismerjük-e időben a másodikat: azt a hullámot, amikor a modelleket valós intézményekbe, iparágakba, adatfolyamatokba és döntési rendszerekbe kell beépíteni. Ott nem a legnagyobb modell győz, hanem a legjobban beágyazott, leginkább auditálható, a helyi kontextust legjobban értő rendszer. Ehhez nem gigafactory kell, hanem AI-ready intézmények, tiszta adatarchitektúra, doméntudás és mérési fegyelem. Ezt a régió - és Magyarország - meg tudja építeni. De csak akkor, ha nem azt a versenyt akarja megnyerni, amelyet már elveszített, hanem azt, amelyik most kezdődik.