ADÓ ÉS PROFIT · AI ÉS PÉNZÜGYI TUDATOSSÁG
Egy pénzügyi vezető ma már percek alatt készíthet elemzést, beszámolót vagy vezetői prezentációt mesterséges intelligenciával. A munkáltató azonban nem csupán a dokumentumot várja tőle, hanem azt is, hogy értse a számokat, felismerje az összefüggéseket és vállalja a szakmai döntéseit. Nemzetközi kutatások alapján vizsgáltuk meg, mi történhet, ha a pénzügyi szakemberek egyre több gondolkodási feladatot bíznak az AI-ra, és milyen helyzetekben válhat láthatóvá a technológiától való túlzott függés.
Háttérelemzés
A pénzügyi vezető hétfő reggel megkapja a vállalat előző havi eredményeit. A bevétel emelkedett, a nyereség azonban elmaradt a tervtől. A számokat feltölti egy mesterségesintelligencia-rendszerbe, és arra kéri, készítsen összefoglalót az ügyvezetés számára. Néhány perc múlva megérkezik a jelentés: világos szerkezet, szakmai megfogalmazás, lehetséges magyarázatok és javasolt intézkedések.
A dokumentum meggyőző. Az ügyvezető azonban a megbeszélésen feltesz egy kérdést: ha nőtt az árbevétel, miért romlott a működési eredmény?
A pénzügyi vezető visszalapoz az elemzéshez. Megismétli a benne szereplő megállapítást, de nem tudja megmutatni, mely költségtételek okozták az eltérést. A következő kérdésre sem tud válaszolni: egyszeri hatásról van szó, vagy olyan tendenciáról, amely a következő negyedévben is veszélyeztetheti az eredményt?
A helyzet nem egy dokumentált vállalati eset, hanem szemléltető példa. Mégis jól mutatja, hol húzódik a különbség a pénzügyi dokumentum előállítása és a pénzügyi teljesítmény tényleges megértése között.
A generatív mesterséges intelligencia egyre több feladatot képes elvégezni a pénzügyi szervezetekben. A technológia használata önmagában nem jelent szakmai problémát. A kérdés az, hogy a gyorsabban elkészült munka mögött megmarad-e az a tudás, amelyre a vállalatnak akkor is szüksége van, amikor a rendszer téved, hiányos adatokkal dolgozik, vagy váratlan helyzetre kell reagálni.
A pénzügyi vezetők már nemcsak kísérleteznek az AI-val
A Deloitte 2026. július 23-án közzétett CFO Signals felmérése 200, legalább egymilliárd dollár árbevételű észak-amerikai vállalat pénzügyi vezetőjének válaszait vizsgálta. A résztvevők 93 százaléka arról számolt be, hogy szervezetében a mesterséges intelligenciát már több fontos működési területen is használják.
A megkérdezettek 44 százaléka pénzügyi tervezésre és költségvetés-készítésre, 41 százaléka pénzügyi adatok elemzésére is alkalmazza a technológiát. A vállalati AI bevezetésének egyik legnagyobb kihívásaként 59 százalékuk a gyors alkalmazás és a kockázatok kezelése közötti egyensúly megtalálását jelölte meg.
A felmérés nagyvállalati pénzügyi vezetők véleményét tükrözi, ezért nem tekinthető reprezentatívnak a magyar vállalkozásokra vagy valamennyi pénzügyi alkalmazottra nézve. Azt azonban érzékelteti, hogy a mesterséges intelligencia a pénzügyi szervezetekben már nem pusztán szövegíró eszköz: a tervezés és az elemzés folyamatába is bekerült.
Ez kétféle következménnyel járhat. A pénzügyi szakemberek megszabadulhatnak időigényes, ismétlődő feladatoktól, és több figyelmet fordíthatnak az összetett problémákra. Ha viszont az AI nemcsak az adatfeldolgozást, hanem az értelmezést és a következtetések kialakítását is átveszi, a munkavállaló szerepe fokozatosan megváltozhat.
Előfordulhat, hogy már nem ő építi fel az elemzést, hanem egy kész elemzést fogad el. A különbség akkor válik jelentőssé, amikor a dokumentumot meg kell védenie, módosítania kell az előrejelzést, vagy az eredeti következtetéssel ellentétes új információ érkezik.
Kevesebb gondolkodás, nagyobb bizalom
A Microsoft Research és a Carnegie Mellon Egyetem kutatói 2025-ben publikált tanulmányukban 319 tudásalapú munkát végző szakember AI-használatát vizsgálták. A résztvevők összesen 936 konkrét munkahelyi példát osztottak meg, a kutatók pedig azt elemezték, hogyan változik a kritikai gondolkodás szerepe a generatív AI használatakor.
Az eredmények szerint minél jobban bíztak a résztvevők az AI képességeiben, annál kevesebb kritikai gondolkodásról számoltak be az AI-val támogatott feladatok során. Akik viszont a saját szakmai képességeikben jobban bíztak, több kritikai ellenőrzést végeztek.
A kutatás önbevalláson alapult. Nem bizonyította, hogy a résztvevők intelligenciája vagy szakmai tudása tartósan csökkent volna. Arra azonban rámutatott, hogy az AI iránti bizalom és az önálló gondolkodásra fordított erőfeszítés között összefüggés lehet.
A jelenség a pénzügyi munkában különösen érdekes. Egy kontrollernek nem elegendő megállapítania, hogy a terv-tény eltérés tíz százalék. Azt is meg kell vizsgálnia, miből keletkezett az eltérés, milyen adatok támasztják alá a magyarázatot, és szükséges-e beavatkozás.
Ha az AI kész értelmezést ad, a munkavállaló könnyen átugorhatja azokat a lépéseket, amelyek során korábban maga tárta fel az összefüggéseket. A dokumentum minősége ettől akár javulhat is, miközben az elemzés mögött elvégzett önálló munka csökken.
Ez nem szükségszerű következmény, hanem a technológia használatának egyik lehetséges kockázata.
Amikor a jó teljesítmény mögött nem épül tudás
A mesterséges intelligencia és a tanulás kapcsolatáról 2025-ben jelent meg egy kísérleti kutatás a Proceedings of the National Academy of Sciences folyóiratban. A kutatók közel ezer középiskolás diák matematikai teljesítményét vizsgálták különböző AI-támogatási formák mellett.
A résztvevők egy része olyan rendszert használhatott, amely közvetlen megoldásokat adott, míg mások egy tanulást támogató AI-tutorral dolgoztak. Az AI-hozzáférés a gyakorlás közben mindkét csoport teljesítményét javította.
Amikor azonban a közvetlen megoldásokat biztosító rendszert elvették, az azt használó diákok 17 százalékkal rosszabb eredményt értek el az önálló vizsgán, mint az AI nélkül tanuló kontrollcsoport. A tanulást támogató tutor esetében ezt a negatív hatást lényegében sikerült megszüntetni.
A kutatás középiskolás diákokról és matematikai feladatokról szólt, nem tapasztalt pénzügyi vezetőkről. Ebből nem lehet arra következtetni, hogy egy AI-t használó könyvelő vagy kontroller szakmai képessége szükségszerűen 17 százalékkal romlik.
A vizsgálat mégis fontos különbséget mutatott ki: az AI-val elért pillanatnyi teljesítmény nem feltétlenül azonos a megszerzett tudással.
Egy pénzügyi alkalmazott például kiváló cash-flow-előrejelzést állíthat össze mesterséges intelligencia segítségével. Ha azonban soha nem követi végig a vevőkövetelések, a szállítói tartozások, a készletváltozás és a finanszírozási tételek kapcsolatát, nem biztos, hogy később önállóan is képes lesz felismerni a likviditási problémák okát.
A feladat elvégzése és a feladat megértése két különböző eredmény.
Öt szakmai képesség, amely háttérbe szorulhat
A túlzott AI-függés egyik lehetséges következménye, hogy a pénzügyi szakember bizonyos képességeket egyre ritkábban gyakorol. Ez nem jelenti automatikusan a tudás elvesztését, de felveti annak kockázatát, hogy az önálló munkavégzéshez szükséges rutinok gyengülnek.
Az első ilyen terület a probléma felismerése. A pénzügyi vezető egyik alapfeladata annak megállapítása, hogy egyáltalán mit kell megvizsgálni. A romló eredmény mögött állhat árréscsökkenés, megváltozott termékösszetétel, árfolyamhatás vagy egyszeri költség. Aki kizárólag az AI által megfogalmazott kérdésekre és magyarázatokra támaszkodik, könnyen elmulaszthat egy olyan összefüggést, amelyre a rendszer nem hívta fel a figyelmét.
A második a számok mögötti üzleti folyamatok megértése. A pénzügyi adatok egy vállalat működésének lenyomatai. A készletnövekedés, a vevőállomány változása vagy a költségek átrendeződése nem értelmezhető minden esetben pusztán a számok alapján. Szükség lehet az értékesítés, a beszerzés és az operatív működés ismeretére is.
A harmadik képesség a szakmai mérlegelés. Egy pénzügyi döntésnél sokszor több szabály, kockázat és üzleti cél között kell választani. Az AI képes lehet alternatívák bemutatására, de a vállalatspecifikus körülmények hiányos ismerete miatt az eredményét ellenőrizni kell.
A negyedik az ellenőrzési rutin. Egy tapasztalt pénzügyi szakembernek feltűnhet, ha egy eredmény túl kedvező, egy mutató váratlanul megváltozik, vagy egy kimutatás nem egyeztethető össze a főkönyvvel. Ha a kész elemzések rendszeres elfogadása kiszorítja az önálló ellenőrzést, a munkavállaló kevesebb alkalommal gyakorolja a hibák felismerését.
Az ötödik a következtetések önálló megvédése. Egy pénzügyi vezető nem csupán jelentést készít, hanem értelmezi azt az ügyvezetés számára. Meg kell tudnia magyarázni, milyen feltételezésekből indult ki, mi történik, ha ezek megváltoznak, és milyen bizonytalanságok kapcsolódnak az előrejelzéshez.
Ezek a pénzügyi munkakörökből levezethető kockázati területek, nem egyetlen kutatás által igazolt, minden AI-használónál bekövetkező képességvesztési lista.
A munkáltató számára nem az AI-használat ténye lehet feltűnő
Egy mesterséges intelligenciával készített jelentés stílusa sokszor felismerhetőnek tűnhet. A túl szabályos mondatszerkezet, az általános megállapítások vagy a szokatlan szóhasználat gyanút kelthetnek. Ezek azonban nem bizonyítják, hogy a dokumentum AI-val készült, és azt sem, hogy a munkavállaló nem érti a tartalmát.
A szakmai teljesítmény hiányosságai sokkal konkrétabb helyzetekben válhatnak láthatóvá.
Ilyen lehet például, amikor a pénzügyi vezető nem tudja rekonstruálni saját előrejelzésének számítását, nem képes megmagyarázni egy eltérés okát, vagy a vezetői megbeszélésen kizárólag az előre elkészített szöveget tudja ismételni.
Az is figyelmeztető jel lehet, ha a munkavállaló egy váratlan kérdésre nem tud reagálni, a kimutatásban szereplő adatok forrását nem tudja megnevezni, vagy egy hibás feltételezés megváltoztatása után nem képes önállóan újragondolni a következtetést.
Ezek azonban nem kizárólag az AI-függés tünetei. Hasonló problémákat okozhat hiányos betanítás, túlterhelés, rossz vállalati adatszolgáltatás vagy a munkakörhöz nem illeszkedő szakmai felkészültség is.
A munkáltató ezért nem következtethet megalapozottan az AI-használatra pusztán a dokumentum stílusából vagy egyetlen sikertelen szakmai válaszból.
A lényegi kérdés az, hogy a munkavállaló képes-e ellenőrizhetően bemutatni a munkája alapját, és megfelelően ellátni a munkaköréhez tartozó feladatokat.
A Harvard kutatása szerint az AI egyszerre javíthatja és ronthatja a teljesítményt
Fabrizio Dell’Acqua és kutatótársai a Boston Consulting Group közreműködésével 758 tudásalapú munkát végző szakembert vizsgáltak egy kísérletben, amelynek eredményeit 2026-ban az Organization Science folyóirat publikálta.
A kutatók azt találták, hogy azoknál a feladatoknál, amelyek az AI képességeinek megfelelő tartományba estek, a technológiát használó résztvevők átlagosan 12,2 százalékkal több feladatot végeztek el, és 25,1 százalékkal gyorsabban dolgoztak. A megoldások minősége is javult.
A hatás azonban nem volt minden feladatnál kedvező. A kutatók ezt egyenetlen technológiai képességhatárként írták le: az AI bizonyos, egymáshoz látszólag hasonló feladatoknál segíthet, másoknál viszont ronthatja az eredményt.
A vizsgálat vezetési tanácsadási feladatokra épült, ezért eredményeit nem lehet automatikusan átemelni a pénzügyi beszámolók vagy adóbevallások világába.
A megállapítás mégis releváns. A pénzügyi szakemberek számára nem elegendő általánosságban tudni, hogy az AI gyors. Azt kell felismerniük, mely feladatokban segíti ténylegesen a munkájukat, és melyekben szükséges fokozott szakmai ellenőrzés.
Az AI megfelelő alkalmazásának így önálló kompetenciája van: a technológia képességeinek és korlátainak megítélése.
A Microsoft kutatói a gondolkodás kiszervezésének problémájáról beszélnek
Advait Sarkar, a Microsoft Research vezető kutatója és munkatársai 2025. szeptember 24-én megjelent szakmai írásukban azt vizsgálták, hogyan lehetne a mesterséges intelligenciát olyan eszközként fejleszteni, amely nem helyettesíti, hanem támogatja az emberi gondolkodást.
A kutatók szerint problémát jelenthet, ha a munkavállaló a saját munkaterületének aktív feldolgozása helyett egyre inkább az AI által előállított eredmények ellenőrzőjévé válik. Ugyanakkor hangsúlyozták, hogy a kutatási eredmények vegyesek: bizonyos alkalmazások javíthatják a kreativitást és a kritikai gondolkodást, más használati módok ellenkező hatással járhatnak.
Ez a különbség a pénzügyi munkában különösen fontos. A mesterséges intelligencia használható arra, hogy alternatív értelmezéseket mutasson be egy eltérésre, ellentmondásokat keressen egy jelentésben, vagy megkérdőjelezze a pénzügyi vezető saját feltételezéseit.
Ebben az esetben az AI nem veszi át a gondolkodást, hanem további ellenőrzésre ösztönöz.
Más a helyzet, ha a munkavállaló már az elemzés megkezdése előtt átadja a teljes feladatot a rendszernek, majd az elkészült választ érdemi felülvizsgálat nélkül továbbítja.
A két használati mód technikailag hasonló eszközre épülhet, szakmailag azonban eltérő munkafolyamatot jelent.
Mi történik, amikor az AI hirtelen nem áll rendelkezésre?
A munkavállalói AI-függés egyik legfontosabb kérdése, hogy a korábban megszerzett teljesítményből mennyi marad meg, amikor a technológia nem használható.
Egy 2026-ban közzétett NBER-kutatás 1174, 25 és 45 év közötti felnőtt részvételével vizsgálta, hogyan hat a generatív AI a munkahelyi jellegű problémamegoldási teljesítményre.
Az AI-t használó résztvevők jobban teljesítettek, különösen az alacsonyabb iskolai végzettségűek. Amikor a technológiát később elvették, a korábbi előny egy része eltűnt, de a résztvevők nem teljesítettek rosszabbul a kontrollcsoportnál. Azoknál, akik az AI intenzív használata mellett saját erőfeszítést is fektettek a feladatba, kedvezőbb volt a későbbi önálló teljesítmény.
Ez az eredmény árnyalja azt az elképzelést, hogy a ChatGPT használata szükségszerűen képességvesztéshez vezet. Az AI-val végzett munka tanulással is járhat, különösen akkor, ha a felhasználó aktívan részt vesz a problémamegoldásban.
A pénzügyi szervezetek számára ezért nem az lehet a cél, hogy a munkatársak AI nélkül készítsenek el minden dokumentumot. Inkább azt kell biztosítani, hogy az alkalmazottak akkor is megőrizzék a szükséges szakmai önállóságukat, amikor a rendszer hibázik, nem áll rendelkezésre, vagy az eredményét meg kell kérdőjelezni.
A vállalati adatok külön kockázatot jelentenek
A pénzügyi alkalmazottak esetében a túlzott AI-használat nemcsak szakmai kérdés. A munkájuk során olyan információkhoz férnek hozzá, amelyek különösen érzékenyek lehetnek: béradatok, árrések, szerződések, bankszámlaadatok, előrejelzések és még nem nyilvános üzleti eredmények.
Ha ezeket egy munkavállaló engedély nélkül tölti fel egy külső chatbotba, a kockázat független attól, hogy az AI végül helyes választ ad-e.
A Deloitte 2026-os CFO-felmérésében a pénzügyi vezetők 43 százaléka a védett vagy bizalmas tartalmak AI-használatából eredő jogvitákat jelölte meg legnagyobb külső kockázatként. A kiberbiztonságot 41 százalékuk emelte ki.
Nem minden AI-szolgáltatás rendelkezik azonos adatkezelési, hozzáférési és megőrzési feltételekkel. Egy megfelelően konfigurált vállalati rendszer használata ezért nem tekinthető azonosnak azzal, amikor az alkalmazott saját, nem engedélyezett fiókjába tölti fel a vállalat dokumentumait.
A pénzügyi munkatárs szakmai felkészültségéhez ma már az is hozzátartozik, hogy tudja, milyen adatokat, milyen eszközben és milyen jogosultsággal használhat fel.
Nem az AI-t kell elvenni, hanem az önálló gondolkodást kell megőrizni
A generatív mesterséges intelligencia használata a pénzügyi munkában egyre inkább a mindennapi működés része. A technológia képes csökkenteni az adminisztratív terheket, gyorsítani az elemzéseket és támogatni a döntés-előkészítést.
Az eddigi kutatások alapján azonban különbséget kell tenni a mesterséges intelligenciával elért teljesítmény és az alkalmazott saját, tartós szakmai képessége között.
Egy pénzügyi vezetőnek nem feltétlenül kell minden kimutatást kézzel elkészítenie. Arra viszont továbbra is képesnek kell lennie, hogy megmagyarázza a számok mögötti folyamatokat, ellenőrizze a felhasznált adatokat, felismerje a hibás feltételezéseket, és váratlan helyzetekben önállóan is megalapozott következtetésre jusson.
A vállalat szempontjából az AI alkalmazásának akkor van tartós értéke, ha a gyorsabban elkészülő dokumentumok mellett a döntések minősége és ellenőrizhetősége is javul.
A legnagyobb kockázat nem feltétlenül akkor jelentkezik, amikor az AI hibás választ ad. Hanem akkor, amikor a pénzügyi szakember már nem rendelkezik elegendő önálló tudással ahhoz, hogy felismerje a hibát.
A technológia így nem pusztán a munkavégzés gyorsaságát változtatja meg. Azt a kérdést is újra felveti, hogy mit jelent egy pénzügyi szakember hozzáértése: képes-e elkészíteni egy jelentést, vagy valóban érti, amit a jelentés állít?
Felhasznált kutatások és szakmai források
-
Microsoft Research és Carnegie Mellon University (2025): The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. A CHI 2025 konferencián megjelent, szakmailag lektorált kutatás 319 tudásalapú munkavállaló tapasztalatairól.
-
Deloitte (2026): North American CFOs express concerns about AI governance and risk management. A 2026 második negyedévi CFO Signals felmérés 200 nagyvállalati pénzügyi vezető válaszain alapul.
-
Bastani és szerzőtársai (2025): Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences. Kísérleti vizsgálat az AI-val támogatott teljesítmény és az önálló tanulás közötti különbségről.
-
Dell’Acqua és szerzőtársai (2026): Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science. Kísérleti vizsgálat 758 szakember részvételével.
-
Cruces és szerzőtársai (2026): Does Generative AI Narrow Education-Based Productivity Gaps? Evidence from a Randomized Experiment. NBER Working Paper 34851. Randomizált kísérlet 1174 résztvevővel; nem szakmailag lektorált folyóiratcikk.
-
Microsoft Research – Advait Sarkar és munkatársai (2025): Rethinking AI in Knowledge Work: From Assistant to Tool for Thought. Nyilvános szakmai állásfoglalás az AI és az önálló gondolkodás kapcsolatáról.
Szerkesztői megjegyzés
A cikk nem állítja, hogy a ChatGPT-t rendszeresen használó pénzügyi alkalmazottak szükségszerűen elveszítik szakmai képességeiket. A kutatások ennél összetettebb képet mutatnak. A központi megállapítás az, hogy az AI-val elért produktivitás és az önálló szakmai kompetencia nem ugyanaz, ezért a két teljesítményt külön kell értékelni.