Practical AI. AI Proficiency a szervezetben — Mike Lewis (Tier1 Performance), 2026-08-25¶

Epizód: Practical AI • Cím: AI Proficiency: Building Organizational AI Fluency • Dátum: 2026-08-25 • Házigazdák: Daniel Whitenack (Prediction Guard) és Chris Benson (Principal AI/Autonomy Research Engineer) • Vendég: Mike Lewis (Chief AI Architect, Tier1 Performance) Forrás: Practical AI podcast • Transcript forrása: saját ASR-futtatás (Whisper, 9688 szó) Transcript: 9688 szó, praktikai AI-epizód (Daniel Whitenack + Chris Benson + Mike Lewis)

A lényeg¶

Mike Lewis, a Tier1 Performance Chief AI Architectje a szervezeti AI-proficienciáról beszélget Daniel Whitenack-kel és Chris Bensonnal. A Tier1 a világ legnagyobb szervezeteinek (Google, Eli Lilly, Takeda, amerikai légierő, Fortune 100) teljesítmény-transzformációs partnere, és Mike az ő belső, 5 szintű proficiency-keretrendszerüket (L0–L4) mutatja be. A legfontosabb tanulság: a szervezetek tipikusan 60%-ban L0-s („quality disappointed”) és L1-es („még nem elég jó, de használja”) szintű alkalmazottakból állnak, és csak ~10% az L3–L4-es „builder” / „transformer”. Mike explicit hangsúlyozza, hogy nem lépcsőről van szó — egy L1-es nem „rosszabb”, mint egy L3-as, csak más feladatkörre való. A workforce enablement központi gondolat: a workflow-ba integrált AI (sales enablement, marketing copy, ügyfélszolgálati ticket routing, fordító csapatok TMS-integrációja) sokkal értékesebb, mint a „legjobb modell megvásárlása”. A „lean against the brick wall” filozófia a záró gondolat: a kreatív problémamegoldás az AI korlátain belül a következő 2–5 év egyik legértékesebb készsége. Daniel és Mike végső üzenete a szervezeteknek: ne a „várjunk, amíg az AI megérik” passzivitást válasszák, hanem a workflow-tisztelettel ötvözött, bátor kísérletezést.

1. rész: Teljes epizód (1 rész, 9688 szó transcript)¶

A vendég szokatlan útja az AI-iparba¶

Mike Lewis nem a megszokott tech-ipari háttérrel érkezett az AI-építészetbe. A főiskola után csaknem 20 évig portréfestő volt, saját művészeti vállalkozást vezetett, tanítványokat fogadott. Az OpenAI DALL-E modelljének kereskedelmi béta-tesztelőjeként került a tech-közegbe, egy vacsoránál kapta az emailt, hogy hozzáférést kapott egy „olyan dologhoz, amiről akkor még senki nem hallott”. Egy kis Python-tudással már tudott kísérletezni, és azonnal beleszeretett a nyelvi modellekbe — még mielőtt a chatbothype elindult volna. Az orvosi rekordcégek hívták, könyvet épített, és a Tier1 Performance felvásárolta a cégét.

Ez a háttér fontos kontextus a beszélgetés további részéhez: Mike saját elmondása szerint nincs „hosszú, sáros története” az iparban, és az életszabálya, hogy „nem foglalkozom a befolyási körömön kívüli dolgokkal”. Csak azt nézi, ami közvetlenül hat a Tier1-es ügyfélprojektekre.

Miért releváns a Tier1 Performance nézőpontja¶

A Tier1 egy „end-to-end organizational performance and transformation partner” — a világ legnagyobb szervezeteinek (Google, Eli Lilly, Takeda, az amerikai légierő, szinte az egész Fortune 100) segít újragondolni a transzformációt. Mike hangsúlyozza, hogy nem hagyományos tanácsadócég: évtizedes track recordot hoznak, és a teljesítmény-transzformáció nem csak egy „AI-szelet” a munkájukban, de a Mike élete gyakorlatilag ez az AI-szelet.

Amikor egy „masszív, disruptív technológia” megjelenik a világban, a telefon elkezd csörögni. Mike mostanra abban a pozícióban van, hogy a legnagyobb amerikai nagyvállalatok AI-kezdeményezéseinek mindennapi kihívásaival szembesül. Ez a gyakorlati nézőpont hatja át az egész epizódot: az AI-proficienciáról nem elméletben, hanem a gyáripar, a légierő és a gyógyszeripar konkrét szervezetein keresztül beszélgetnek.

A zaj kiszűrése és a „saját ösztön”¶

Daniel Whitenack az epizód első felében azt kérdezi Mike-tól: hogyan szűri ki a zajt, amikor ennyi forrás, hír, vendor-claim és Twitter-vita egyszerre árasztja el a terepet. Mike válasza egyszerű és karakteres: ő „a furcsa szerencsés fickó, aki a tökéletes pillanatban botlott bele”. Saját szabálya, hogy nem foglalkozik a befolyási körén kívüli dolgokkal — nem olvas minden AI-hírt, nem követ minden release-t. Ehelyett a Tier1-es ügyfélprojektekre figyel.

Mike konkrét példát hoz: ő maga „szinte bárkit meg tud győzni, hogy okosnak tartják”, amikor AI-t használ és kontextust illeszt a munkájához. A meggyőződése, hogy ez a legtöbb emberre igaz — de nem biztos, hogy ezt mindenki felismeri. Ez a „használd, és meglátod” attitűd hatja át a proficiency-vitát: nem az elméleti keretrendszerekről beszélgetnek, hanem arról, hogy az egyes szintű alkalmazottak hogyan érhetik el ezt a felismerést.

Az AI-proficiency meghatározása: L0-tól L4-ig¶

Mike és a Tier1 öt kategóriát dolgozott ki a szervezeti AI-proficienciára. A legfontosabb előzetes megjegyzés: nem lépcsőről beszélnek. Mike explicit kimondja, hogy „egy L1 nem jobb, mint egy L0; egy L2 nem jobb, mint egy L1”. Nem szintrendszerként, hanem inkább „osztályozásként” tekintenek rá, ami leírja, hogy a szervezeten belül ki hogyan viszonyul a toolkithez.

Az öt kategória (a transcript alapján, L0-tól L4-ig):

L0. Quality disappointed: Az alkalmazott már próbálkozott AI-eszközökkel, de a minőség nem volt elég jó a munkájához. Ők az „ellenállók”, de Mike hangsúlyozza, hogy „minden vezető füle hegyezzen erre”, ne írják le ezeket az embereket, mert lehetnek valid okai. Mike példát hoz: egy marketingszövegíró kolléganő megmutatta neki, hogy a copy generation AI-jal egyszerűen „rosszabb, mint amit egy ember ír”. Igaza volt, és „egyetlen AI-szakértő sem hallgatta meg eddig”.
L1. Még nem elég jó, de használja: Hasonló az L0-hoz, de az alkalmazott továbbra is használja a toolt, mert „talán javulni fog”.
L2. Workflow-ba integrált: Az AI eszköz a napi munkafolyamat része. Ez a „munkába állított” szint — az L2-es ember AI nélkül már hatékonytalan lenne.
L3. Építő / builder: Az alkalmazott már saját alkalmazásokat vagy ügynököket épít, nem csak használja az eszközt. Mike elmondása szerint a Tier1-es csapatuk egyes tagjai ezen a szinten vannak.
L4. Átalakító / transformer: Aki megváltoztatja a környezetét, maga a Tier1-es szervezet transzformációs partnere ebbe a kategóriába tartozik.

A diskurzus hangsúlyozza, hogy a szervezetek tipikusan 60%-ban L0-s és L1-es szintű emberekből állnak, és csak 10% körüli az L3-L4-es építők aránya. A „minőség csalódott” kategória fontosságát Mike többször hangsúlyozza: ezek az alkalmazottak valid feedbacket adnak, és a szervezetnek hallgatnia kell rájuk, nem leírni őket.

A „józan ész” csapdája: nem egyenletes a proficiency¶

Mike visszautasítja azt a feltételezést, hogy „mindenki legyen magasabb szintű”. Arra a kérdésre, hogy „mindenkit végig kell vezetni a szinteken?”, Mike azt válaszolja: nem feltétlenül. Egy marketingszövegíró kolléganő nem fog L3-as építővé válni, és ez rendben van. A proficiency-t a munkakör igényeihez kell igazítani, nem pedig egy egységes „magasabb = jobb” cél felé tolni.

Daniel egy személyes példát hoz: ő maga „L2-L3 kategóriában van” — AI terméket épít, de a mindennapi munkájában más a fő profil. Mike visszacsatolja: a TiER1-nél hasonló a mekőzelítés, vannak emberek, akik soha nem lesznek „építők”, és ez nem baj.

Workforce enablement: a transzformáció pragmatikus oldala¶

A Tier1-nél a „workforce enablement” központi fogalom. Mike saját ügyfélprojektjeikből hoz példákat:

Sales enablement: Hagyományosan sales playbook-okat használtak; most AI-eszközök segítenek a sales call-ok elemzésében, a buyer-személyiség felismerésében, és a sales coaching-ban.
Marketing: Copy generation, üzenet-testreszabás, A/B tesztelés automatizálása.
Ügyfélszolgálat: AI-asszisztált ticket routing és válasz-drafting.
Fordítás: A Tier1-nél van egy digitális ügynökcsapat, ami fordító csapatokkal dolgozik együtt, az ügynökök a meglévő fordításkezelő rendszerbe (TMS) dolgoznak, nem új interfészt kérnek a fordítóktól. „Nem mondjuk, hogy menj át egy másik interfészre, amit soha nem használtál, és csináld az AI-módon” — az ügynökök dolgoznak, és a fordító a saját rendszerében látja az eredményt.

Ez az „integratív” megközelítés fontos tanulság: a vállalati AI-projektek akkor működnek, ha a meglévő workflow-ba simulnak, nem pedig új tool-bevezetést követelnek.

Quality disappointment: a 60%-os probléma¶

A Mike által idézett kutatás és a Tier1 belső adatai szerint a vállalati alkalmazottak kb. 60%-a „quality disappointed” — vagyis az AI-eszköz minősége egyszerűen nem felel meg a munkájuknak. Ez nem azt jelenti, hogy az AI „rossz”, csupán azt, hogy a munkakör-specifikus minőségi elvárás (pl. marketing copy, jogi brief, fordítás) magasabb, mint amit az AI jelenleg produkál.

Mike két figyelmeztetést tesz:

Ne vezesd le az L0-s alkalmazottakat. Ha a minőség nem elég jó a munkájukhoz, az valid kritika. Hallgasd meg, mi a probléma, lehet, hogy jobb eszközre, jobb trainingre van szükség, de a tényt nem szabad bagatellizálni.
Ne gondold, hogy az AI-cégek megoldják ezt a problémát helyetted. Az LLM-vendorok saját maguk sem tudják, hogy egy adott iparágban, adott munkakörben mi a „jó minőség”. A szervezetnek magának kell megértenie a saját minőségi elvárásait, és azokat közvetítenie a tooling felé.

Az LLM-vendorok evolúciója és a workflow integráció¶

Mike megjegyzi, hogy az LLM-vendorok (Anthropic, OpenAI, Hugging Face) exponenciálisan fejlődnek. Ami hat hónapja még nem működött, az most már működik. Ezért a „várjunk, amíg az AI megérik” stratégia veszélyes: lehet, hogy mire megérik, a szervezet lemarad a felhasználási tapasztalatról.

A fordítós példa jól illusztrálja a workflow-integráció fontosságát. A Tier1 nem egy „AI-first” interfészt erőltetett a fordítókra, hanem az ügynökök a meglévő TMS-be dolgoznak. A fordítók a saját eszközeiket használják, és az AI-t ott látják, ahol a munka történik. Daniel visszakérdez: „ennyire a workflow-ról szól ez?”. Mike megerősíti, és hozzáteszi: nem minden szervezetnél lehet így integrálni (vannak esetek, ahol az interfésznek változnia kell), de a workflow-tisztelet a kulcs.

A „lean against the brick wall” filozófia¶

Az epizód záró gondolataként Mike bevezeti a „lean against the brick wall” filozófiát. A legtöbb nagyvállalatnál a dolgozóknak van 1-3 AI-eszköze, amik „nem működnek jól együtt”, „nem feltétlenül működnek jól”, és könnyű feladni, amikor az ember „megpróbálja használni és nem megy”. Mike meglátása szerint hatalmas érték van azokban az alkalmazottakban, akik hajlandóak „nekitolni a téglafalnak és nyomni, nyomni, nyomni”.

A konkrét tanács: amikor az AI-tool azt mondja, hogy „valami nem lehetséges”, kérdezd meg, hogy „legyen kreatív”", vagy „gondoljon alternatív megközelítéseken”. A „creative solutioning” — alternatív utak keresése a tool korlátain belül — Mike szerint a következő 2-3-4-5 év egyik legértékesebb készsége lesz, mielőtt a rendszer „összes gyűrődése kisimul”. A „terminátor” kifejezést ironikusan használja — az AI-ágens korszak, ahol ezek a korlátok eltűnnek, még messze van.

Daniel és Mike lezárásként összegzik: a bátorítás, a „nyomd tovább, még ha nem is tökéletes” filozófia, és a workflow-tisztelet hármasa a legfontosabb üzenetük a szervezetek számára. A „ne aggódj a tökéletes minőség miatt, csináld, amit tudsz” hozzáállás hosszú távon értékesebb, mint a „várj, amíg minden kész” passzivitás.

Ami nem derült ki (show notes vs. epizód-tartalom)¶

A show notes két fő témát ígért: (1) „AI proficiency should look like across their workforce”, és (2) „how they can help employees adapt without simply mandating AI adoption”. A epizód ezeket jól lefedi:

A proficiency 5 kategóriáját (L0-L4) részletesen Mike elmagyarázza
A „mandating AI adoption” kérdést a quality disappointed és a „lean against the brick wall” szálak érintik

A show notes nem tért ki explicit módon a „vállalati AI-stratégia vs. AI-eszközvásárlás” kérdésre, de a beszélgetés kitér erre a workforce enablement keretében.

Összegzés¶

Mike Lewis átfogó képet ad a szervezeti AI-proficienciáról, nem egy lépcsős szintrendszerként, hanem egy 5 kategóriás osztályozásként, ahol a „quality disappointed” (L0) és a „builder” (L3-L4) a két véglet. A legfontosabb üzenetek:

A „quality disappointed” 60%-os probléma valid. Hallgasd meg ezeket az alkalmazottakat, és ne vezesd le őket — ők adják a legjobb feedbacket arról, hogy a tooling nem felel meg a munkakör-specifikus minőségnek.
A workforce enablement fontosabb, mint az AI-tooling. A szervezet nem akkor sikeres, ha a legjobb AI-modellt vásárolja meg, hanem ha a workflow-ba integrálja az AI-t ott, ahol a munka ténylegesen történik.
A „lean against the brick wall” filozófia hosszú távú értéket teremt. Aki hajlandó nyomni a tool korlátain belül, „creative solutioning” képességet fejleszt, ez a következő évek egyik legértékesebb készsége.
Nem kell mindenkit L3-as építővé tenni. A proficiency-t a munkakörhöz kell igazítani, nem egy egységes „magasabb = jobb” cél felé tolni.

A Tier1 Performance-nél szerzett tapasztalatok (Google, Eli Lilly, Takeda, légierő, Fortune 100) egy konzisztens képet mutatnak: a szervezetek, amelyek integratívan gondolkodnak az AI-ról (workflow-tisztelettel, minőség-visszacsatolással, és a „lean against the brick wall” bátorítással) előnyt szereznek azokkal szemben, akik „tool-first” megközelítést alkalmaznak, vagy passzívan várnak.

Vendég-bemutatkozás (magyar)¶

Mike Lewis. Chief AI Architect a Tier1 Performance-nél (székhely: Cincinnati, OH). Portréfestői háttérrel (közel 20 év) és DALL-E béta-tesztelői tapasztalattal rendelkezik, 2016-ban tért át az AI-iparra. Orvosi rekordcégekkel kezdett dolgozni, majd a Tier1 Performance felvásárolta a saját vállalkozását. Most a világ legnagyobb szervezeteinek AI-transzformációját támogatja, konkrétan a Google, Eli Lilly, Takeda, az amerikai légierő és a Fortune 100-as ügyfelek munkáját. Saját szabálya: „nem foglalkozom a befolyási körömön kívüli dolgokkal”.

Daniel Whitenack. A Practical AI podcast társműsorvezetője, a Prediction Guard vezérigazgatója. Korábbi podcast-epizódokban is rendszeresen foglalkozik az agent-harness, a production AI, és a vállalati AI-deployment kérdéseivel.

Chris Benson. A Practical AI podcast társműsorvezetője, Principal AI and Autonomy Research Engineer. Korábban a Lockheed Martin-nál dolgozott, most az AI-autonómia kutatásban és a podcast-szervezésben tevékenykedik.¶

Forrás¶

Epizód weboldal: https://changelog.com/practicalai
Házigazdák: Daniel Whitenack (Prediction Guard) és Chris Benson (Principal AI and Autonomy Research Engineer)
Vendég: Mike Lewis (Chief AI Architect, Tier1 Performance, Cincinnati OH)
Epizód kulcsszavak: Mike Lewis, Tier1 Performance, Daniel Whitenack, Chris Benson, AI proficiency, organizational AI fluency, L0–L4 szintek, quality disappointed, builder, transformer, workforce enablement, workflow integration, sales enablement, marketing copy generation, ügyfélszolgálati ticket routing, fordítás TMS-integráció, lean against the brick wall, creative solutioning, agent korszak, LLM-vendor evolúció, change management
Transcript forrása: saját ASR-futtatás (Whisper, 9688 szó, praktikai AI-epizód transcript, Daniel Whitenack + Chris Benson + Mike Lewis)
Feldolgozás: Henky-pipeline (1 chunk self-write a Practical AI epizódhoz, 2026-08-25)