# 114: Using AI Implementation Strategies To Drive Real Business Impact — Darren Ward (2026-07-27) > **Epizód:** #114 (Using AI at Work) • **Dátum:** 2026. július 27. • **Házigazda:** Chris Daigle (chiefaiofficer.com) • **Vendég:** Darren Ward (Chief Strategic Innovation Officer, mid-market operating company; korábban President/CEO, Vistage member 12+ év) > **Forrás:** [usingaiatwork.com](https://www.usingaiatwork.com) • [Buzzsprout MP3 (43 MB)](https://www.buzzsprout.com/2278116/episodes/19549289-114-using-ai-implementation-strategies-to-drive-real-business-impact-with-darren-ward.mp3) > **Transcript:** OpenAI Whisper `ggml-medium.en.bin` (whisper.cpp, Metal GPU), saját futtatás 2026-07-27 (57:04 → 9 378 szó, 0 hallucináció) --- ## 1. rész: Bevezető, Darren Ward háttere és az AI executive ownership kérdése (00:00 – 19:32) --- ## A beszélők azonosítása A transcript teljesen névtelen (Whisper kimenet, nincs explicit „Unknown:” vagy időbélyeg), ezért a beszélőket a kontextusból azonosítottam a következő heurisztikával: - **Házigazda (Chris Daigle)** — rövid, kérdező mondatok, vendéget terelő kérdések („Darren, before we get into kind of like what that's been like over the past year plus of your organization's journey on AI, anything in particular you think that might be relevant for the audience to really understand, like why you are qualified to give an executive's perspective on AI's impact on business?”), gyakran reflektál és összefoglalja a hallgatóságnak, amit Darren mondott. - **Vendég (Darren Ward)** — hosszabb, story-alapú válaszok, konkrét élettörténeti lépcsők (mérnök → management consulting → enterprise software → középvezető → CEO → Chief AI Officer), a cégét és belső folyamatait részletezi. A summary-ban ennek megfelelően a „Házigazda” és a „Vendég (Darren)” címkéket használom. Az ASR-torzításokat (pl. „Vistage” → **Vistage**, „chief AI officer” → **Chief AI Officer**, „vice president” → **VP**, „chief strategic innovation officer” → **Chief Strategic Innovation Officer**) a kontextus alapján javítottam. --- ## Az epizód hideg nyitója (00:00 – 02:05) A műsor a Using AI at Work szokásos cold open-jével indul: Darren Ward vendég nyitó gondolata azonnal a lényeget ragadja meg — az AI-t nem az „elveszi a munkádat” framinggel kell nézni, hanem úgy, hogy **valaki, aki jobban tudja használni az AI-t nálad, elveszi a munkádat**. A Házigazda ezt egy konkrét, életszerű kérdéssel toldja meg: mi van, ha valaki most vásárolt 100+ AI licencet a cégének, és szeretné a leggyorsabban skálázni az értéket? A trailerben a Vendég három kulcsgondolata hangzik el előre: - *„You've got to train people on how to use it with a policy. You've got to roll that out. You've got to give them some basic information about prompting and about the aspect of hallucination and how to avoid it and how to overcome that.”* - *„AI is not going to help you solve something that humans don't already know how to do effectively.”* — az AI nem varázspálca, hanem **az ismert problémák gyorsabb megoldásának eszköze**. - *„For AI to be effective, it's got to be applied to real business problems.”* A 02:05-ös chapter-határ előtt a Házigazda összefoglalja a hallgatóknak: Darren a cégük **elnökéből** (president) lett **Chief AI Officer-ré** (pontos cím: Chief Strategic Innovation Officer), és ez a transzformáció az, amit minden executive-nak érdemes megfontolnia. --- ## A műsor intrója és a chiefaiofficer.com missziója (02:05 – 03:35) A Házigazda intrója a Using AI at Work műsor szokásos formátumát követi. A **chiefaiofficer.com** három szolgáltatást kínál: 1. **Executive és csapat-tréningek** — megtanítják a vállalatoknak a generatív AI biztonságos, mindennapi használatát. 2. **Deployment és implementáció** — az AI-eszközök tényleges bevezetésének és használatának menedzselése. 3. **Cég-szintű transzformáció** — hogy az AI a cég operációs rendszerének részévé váljon, ne csak egy „shiny object” legyen. A műsor szlogenje: a „most cselekvő” vállalatok termelékenységet nyernek, költséget vágnak és gyorsabban nőnek; a várakozók lemaradnak. A 114. epizód különlegessége: a vendég nem AI-tanácsadó vagy termék-eladó, hanem egy **operatív vezető**, aki másfél év alatt saját cégénél tanulta meg, hogyan működik az AI-bevezetés a gyakorlatban. Ez a „peer experience” framing adja az epizód hitelességét. --- ## Darren Ward háttere: a CEO-tól a Chief AI Officer-ig (03:35 – 08:04) Darren élettörténete lineáris, és minden lépcsője magyarázza, miért pont ő lett a cég AI-vezetője. A mérnöki diploma és a management consulting indítás után 9 évet töltött egy enterprise software cégnél (termékmenedzsment, implementációs tanácsadás, sales consulting). Innen a középvezetésbe lépett: **VP of IT** egy kis privát tőke által tulajdonolt disztribúciós cégnél, ahol a középvezetői lépcsőket végigjárva **CEO** lett egy Houston-i disztribúciós cégnél. Itt találkozott a jelenlegi főnökével a **Vistage** executive csoportban, ahol 12+ éve tag. Amikor a főnöke családi vállalkozása (harmadik generációs, magántulajdonban lévő gyártó cég) tulajdonosi átadáson ment keresztül, Darrent kérte fel, hogy hagyja el a privát tőke szektort és segítsen a cég építésében. Több mint **10 évig** építette ezt a magántulajdonban lévő gyártó vállalatot, miközben a **president** (elnök) pozíciót töltötte be, és a tulajdonosok szponzorálásával az AI-transzformációt vezette. A 2025-ös év elején a cég felvette Darren utódját president pozícióra, ő maga pedig **remote** dolgozik (a szülei támogatása miatt), és a cég **Chief AI Officer**-eként (pontos cím: Chief Strategic Innovation Officer) folytatja. A Házigazda erre a pontra reflektál: „ha te is élvezed az AI-t, mint Darren, és a cégednél akarsz maradni ebben a szerepben, kövesd ezt az utat”. > „My plan was to slowly retire. I'm too active to just disconnect all together, but I have to spend a lot more time now with my parents. So I had always planned to potentially do some consulting on the side. And when I was asked to stay engaged at that company, that was a perfect win-win.” --- ## Miért nem lehet az AI-t másodállásban csinálni (08:04 – 11:34) A 08:04 – 11:34 szakasz a „**AI executive ownership**” központi tézise. A Házigazda rákérdez: „tudtad volna mindkét pozíciót egyformán hatékonyan csinálni?” Darren válasza kategorikus: > „It's challenging, right? But I think every company is going to need, you definitely need an executive sponsor to drive this initiative. You can't just hand it off to IT.” A tétel: **az AI túl fontos ahhoz, hogy valakinek a mellékprojektje legyen**. Ha egy vezetőnek van egy elsődleges feladata (operáció, sales, finance), az AI mindig a „majd később” kategóriába esik, és a „később” soha nem jön el. Ezért Darren és a cég tulajdonosa közös megegyezésre jutottak: ha nem Darren marad a cégnél ebben a szerepben, akkor egy másik senior executive-ot kellett volna kijelölni kifejezetten erre. A Házigazda egy másik perdöntő állítást tesz: **az AI-t nem IT-nek kell vezetnie**. Darren egyetért, és megmagyarázza: > „For AI to be effective, it's got to be applied to real business problems. And we've got a fantastic IT team, but without understanding what they're building the technology for, they don't really have the necessary context to know where it best applies.” Az IT-csapat „felvillanyozódik” (light up), amikor valós üzleti problémákkal keresik meg őket — nem akarnak „játékokat” építeni, amiket senki nem használ. A minta: **az executive hozza a problémát, az IT a megoldást**. Ez fordítva is igaz: ha az IT-re bízzuk a „fedezd fel, mire vagyunk jók AI-ban” típusú mandátumot, az eredmény drift lesz. A Házigazda két utat különböztet meg a hallgatóságnak: - **Analitikus oldal** — machine learning, data science, PhD-k, MIT típusú emberek. Ez NEM az, amit a legtöbb cég csinál. - **Alkalmazás oldal** — valós üzleti problémákra alkalmazott generatív AI, executive ownership-gal. Ez az, amit Darren csinál, és ez az, ami a legtöbb cég számára elérhető. A 11:34-es chapter-határ a „push training” és „power user adoption” témához vezet át. --- ## Push tréning helyett power user adoption (11:34 – 19:32) A 11:34 – 19:32 szakasz a **vállalati AI bevezetés egyik legnagyobb paradigmaváltását** mutatja be. A Házigazda rákérdez a „ellenállásra” (resistance) — Darren tapasztalata, hogy **a push típusú tréning („mindenki kötelezően vegyen részt”) nem működik jól**, és ezt az AI Council heti meetingjein is rendszeresen visszatérő tapasztalatként élik meg. A cég egyik fontos belső felismerése: a **power userek** (akik maguk fedezték fel az AI-t, és aktívan használják) sokkal értékesebbek, mint a „kötelező tréningen részt vett” felhasználók. A minta: - **Power user → department champion**: ha egy power user kap egy kis tréninget, ő lesz a saját osztályán a belső bajnok. - **Department champion → peer training**: a champion a saját osztályán belül tanítja a kollégákat, mert ismeri az osztályspecifikus use case-eket. - **Pull-based adoption**: a kollégák maguk jönnek, mert látják, hogy a champion „eléri a KPI-ját” az AI-val. Ez a minta szöges ellentétben áll a „mindenki kap 1 napos tréninget” típusú push megközelítéssel. Darren szerint az utóbbi **interferál a munkával** (interferes with job performance), és az emberek gyorsan elfelejtik, amit nem használnak azonnal. A Házigazda egy másik dimenziót hoz be: a **technológia exponenciális gyorsulása**. Az AI „változásának üteme” (rate of change) olyan gyors, hogy amit ma tanítasz, hat hónap múlva elavult lehet. Ez nem ok a várakozásra — **„today is the day to get started”**, de a tananyagot iteratívan kell frissíteni. A 19:32-es chapter-határ a **„Finding Measurable AI Use Cases”** témához vezet, amely a 2. részben (ROI, use case-ok, szkeptikusok) folytatódik. > „We've had to be careful around not making this mandatory. This is, hey, you know, this is an opportunity. You need to know what we're doing. You can choose to be part of it or you can choose not to be part of it. But there's enough traction in the company realizing that this is a strategic advantage in the long run, that they're okay, as long as it's not…” --- ## Kulcsidézetek a 1. rész-ből --- ## A 1. rész üzenete executive-ok számára A 02:05 – 19:32 szakasz három, egymásra épülő üzenetet hordoz: 1. **Az AI-transzformáció executive szintű elköteleződést igényel** — nem IT-projekt, nem mellékhatás, hanem stratégiai fókusz. Ha az AI-t egy vezető másodállásban csinálja, az soha nem lesz sikeres. 2. **Az IT a megoldás, nem a felfedező** — az IT-csapat akkor nyújt kiváló munkát, ha konkrét üzleti problémákkal keresik meg. Az IT-re bízni a „fedezd fel, mire vagyunk jók” típusú mandátumot drift-et okoz. 3. **A push tréning helyett power user adoption** — a belső champion-ek, akik maguk fedezték fel az AI-t, sokkal hatékonyabban tanítják a kollégáikat, mint a kötelező 1 napos tréningek. A cég ezt 1,5 éve működteti, és még mindig „early in the gains” fázisban vannak. A következő rész (2. rész, 19:32–37:50) a **ROI mérését, a use case-ok azonosítását, és a szkeptikusok megnyerését** mutatja be konkrét esettanulmányokon keresztül (head engineer, safety advisor, AI survey). --- ## 2. rész: ROI mérése, use case-ok és a szkeptikusok megnyerése (19:32 – 37:50) --- ## A beszélők azonosítása A transcript teljesen névtelen (Whisper kimenet, nincs explicit „Unknown:” vagy időbélyeg), ezért a beszélőket a kontextusból azonosítottam a következő heurisztikával: - **Házigazda (Chris Daigle)** — rövid, kérdező mondatok, vendéget terelő kérdések („have you cracked the code on that?”, „what did you learn from that survey?”), gyakran reflektál és összefoglalja a hallgatóságnak, amit Darren mondott. - **Vendég (Darren Ward)** — hosszabb, story-alapú válaszok, konkrét számok és esettanulmányok (engineering prints, sales order processing, safety advisor toolbox topic), belső folyamatokat részletez. A summary-ban ennek megfelelően a „Házigazda” és a „Vendég (Darren)” címkéket használom. Az ASR-torzításokat (pl. „Eytan” / „Eitan” → **Eitan**, „Ross” → **Ross**, „custom GPTs” → **custom GPT-k**) a kontextus alapján javítottam. Darren pozícióját a summary-ban **Chief Strategic Innovation Officer** formában használom, ahogy a show notes és a transcript is megerősíti. --- ## A ROI mérése — az iparág nyitott kérdése (19:32 – 25:24) A beszélgetés egyik legfontosabb szála a ROI (Return on Investment) mérése. A Házigazda egy konkrét anekdotával nyit: a partnercégük AI-fejlesztő trénere, **Eitan** épp most jött vissza egy Napa Valley-i privát tőke (PE) operating partnereknek szervezett eseményről. Az eseményen képviselt vagyonkezelési portfolió értéke meghaladta az **1 billió dollárt** (trillion dollars, AkH 12. kiadás szerinti fordítás). A döbbenetes szám: a teremben mindössze **két** ember volt, aki Eitan szintjén értett az AI-hoz. Ennek ellenére **mindenki** AI-ról beszélt. A beszélgetések leggyakoribb visszatérő kérdése pedig az volt: **„Hogyan méritek ROI-t?”** Darren őszintén elismeri: ők sem oldották meg a kérdést. Három módszert próbálnak párhuzamosan: - **Időmegtakarítás-survey-k** — rendszeresen megkérdezik a felhasználókat, mennyi időt takarítanak meg naponta. - **AI council heti meeting** — a belső AI tanács hetente ülésezik, és dokumentálja a konkrét győzelmeket. - **Business process metrikák** — ott, ahol egy folyamat konkrétan mérhető, baseline-okat vesznek. A három módszer együttesen sem ad választ. Darren saját bevallása szerint **„a time savings-nek csak egy minimális részét capture-elik”**. Ennek oka, hogy az AI-használat sokszor **nem formalizált**: ő maga naponta többször, szinte minden percben használja, de ennek mennyiségi mérése szinte lehetetlen. Az AI inkább **kognitív sávszélességet** ad, amely a háttérben dolgozik — ezt klasszikus P&L (Profit & Loss) sorokra lefordítani nem lehet. A belső szkeptikus hang a felsővezetésben („hol van ez a P&L-ben?”) jogos. Darren szerint két dolgot lehet csinálni: 1. **Headcount-aritmetika** — összeadni a felhasználók által jelentett órákat, és megszorozni egy munkaerő-költség rátával. Ez azonban lassú, és csak nagyvállalatoknál mutatható ki tisztán. 2. **Folyamat-metrikák** — sales order processing: hány rendelés/FTE/nap; engineering: hány print/drafter/nap. Baseline 2025-ből, majd AI-implementáció után új mérés. Az igazán nehéz kérdés: hogyan mérjük a **fehér táblán hónapok óta várakozó feladatok** gyorsabb elvégzését? Ezeket „soha nem lett volna idő megcsinálni” kategóriába esnek, így klasszikus baseline-juk sincs. A 19:32 – 25:24 szakasz tanulsága: a ROI-t mindenki keresi, de senki sem oldotta meg. Ez a minta **nem egyedi a Darren cégénél** — iparági szintű nyitott kérdés. > „So listener, if you're having trouble with this as well, you're not alone. We know that there's more is happening in the company at probably a higher quality than without it. […] But how do I turn that into dollars and cents and give it to somebody who is very focused on the P and L. I don't think there's an answer for that.” --- ## A mérnöki szkeptikus esete — Ross, a head engineer (25:24 – 29:06) A beszélgetés egy konkrét esettanulmánnyal folytatódik, amely a **vállalati AI bevezetés egyik legnehezebb pontját** mutatja be: a műszaki vezetők megnyerését. Darren cégénél a **head engineer, Ross** kezdetben **szkeptikus volt**: - „It hallucinates. I can't trust it.” - „Engineering is precise. I'm accountable for my results and for my math. So I don't trust it.” A vállalat tulajdonosa és korábbi CEO-ja (a „current boss”, akit Darren 12+ éve ismer a **Vistage** executive csoportból) személyesen ült le Ross-szal egy „szívből szívbe” beszélgetésre, és egyértelművé tette: „ez a cég stratégiája, szállj be és oldd meg”. Ross elkezdett kutatni, olvasni, megérteni a **hallucináció FUD-ját** (Fear, Uncertainty, Doubt), és megtanulta, hogyan kell **guard rail-eket** (őrkerítéseket) és **human-in-the-loop review-kat** beépíteni. Az eredmény: Ross néhány hónap alatt **a cég egyik power user-évé** vált, saját **custom GPT-ket** épített, és ezeket kiterjesztette a saját osztályára, valamint a sales engineer-ekre, hogy a termékmérnökségre jutó információáramlás gyorsabb legyen. A történet tanulsága: a **szkeptikusból champion** út nem automatikus — ehhez **explicit executive sponsorship** és egy „heart to heart” beszélgetés kell. > „Early on you would think engineering would be one of the early adopters. I mean, they're typically technical, that's a great use case because you can use AI to do research and analysis and reach into your databases for documentation. But our head engineer was a skeptic.” --- ## Kommunikáció és a performance review-k összekapcsolása (29:06 – 31:12) A Házigazda rákérdez: hogyan kommunikálja egy vezetőség, hogy az AI **„többé nem opcionális”**? Darren négy szintet különböztet meg: - **CEO / exec team email-ek** — periodikus emlékeztetők a stratégiáról. - **All-hands meeting-ek** — példák kiemelése a különböző osztályokról, konkrét time-savings számokkal. - **Performance review-k** — egyes white-collar vállalatoknál a teljesítményértékelés **részévé** teszik az AI-használatot. (Darrenék ezt még korainak tartják, de fontolgatják.) - **Manufacturing realitás** — ők gyártócég, ahol a dolgozók többsége **technician a gyártósoron**, nekik az AI kevésbé alkalmazható. A saját módszerük: **performance objectives összekapcsolása AI use case-ekkel**. Minden fizetett alkalmazottnak van egyéni teljesítménycélja, amely a cég stratégiai playbook-jához kapcsolódik. Amikor AI-pilotokat szűrnek, explicit rákérdeznek: **„Hogyan segít ez a cél elérésében?”** Amikor a munkavállaló ezt megérti, maga kezdi el mondani a kollégáknak: „Nézd, ezzel a custom GPT-vel érem el a metrikámat.” A 29:06 – 31:12 szakasz kulcsmondata: az AI bevezetés nem IT-projekt, hanem **stratégiai playbook-hoz kötött egyéni célok rendszere**. Aki a saját KPI-ján keresztül látja az AI értékét, az maga lesz a belső champion. --- ## A safety advisor toolbox topic esettanulmány (31:12 – 34:18) A 31:12 – 34:18 szakasz egy konkrét, jól mérhető **use case**-t mutat be: a **safety advisor** heti „toolbox topic” feladata. A safety advisor egyik egyéni teljesítménycélja: hetente közzétenni egy biztonsági témájú összefoglalót (pl. „kesztyű és kézvédelem”, miután valaki megvágta a kezét). A folyamat a GPT előtt: - 1-2 óra kutatás (hivatalos weboldalak, források). - YouTube videók keresése a témához. - Az LNS (Learning Management System) rendszerbe való formázás. A GPT után: - A safety advisor beírja: „Hé, kell egy toolbox topic erre.” - A custom GPT ismeri a **pontos formátumot**, a **forráslistát** (mely weboldalakat nézze), és a **YouTube keresési stratégiát**. - Eredmény: **30 perc helyett 2 óra**, és a kimenet az LNS-be copy-paste-elhető. A safety advisor saját reakciója (Darren tolmácsolásában): „ez az AI dolog elég jó”. A minta általánosítható: **minden szerepkörben van legalább egy feladat, ami fontos, de senki sem szereti csinálni** — és pont ezekre az AI a legnagyobb érték. A „Hézag, amit senki sem tölt be” típusú feladatokra az AI **azonnal érezhető időmegtakarítást** hoz, és a felhasználó saját bőrén tapasztalja meg a hasznát. > „And in every role, there's something happening like that where I got to do this thing. It's important, but I really hate it. And here comes AI to save the day.” --- ## Az AI-használati survey tanulságai (34:18 – 37:50) A 34:18 – 37:50 szakasz az egyik legértékesebb adat-vezérelt betekintést hozza. Darrenék nemrégiben **survey-t küldtek minden GPT-licenccel rendelkező felhasználónak** a cégnél. Két fontos caveat: (1) csak azok kapták meg, akiknek volt licencük; (2) **GPT Team account esetén az egyéni használat nem követhető** — a license kiosztása nem jelent tényleges használatot. A survey két meglepetést hozott: - **Pozitív meglepetés** — a válaszadók **jelentős része valóban használta** a licencet, és konkrét időmegtakarítást jelentett. Ez ellentmond a „licence kárpitt” jelenségnek, ahol a felhasználók megkapják, de nem nyitják meg. - **Nagyon kevés shadow IT** — a szervezetben szinte alig volt olyan felhasználó, aki **nem jóváhagyott eszközt** használt volna. Ennek oka: a vezetőség **erősen kommunikálta a preferált eszközöket** (Gemini + ChatGPT + néhány Claude user), és nem tiltó, hanem **engedélyező** framinget alkalmazott: „használd ezeket, ne menjen külső, ismeretlen eszköz felé”. A „nem használók” két fő oka (a survey commentjeiből): 1. **„Nem tudom, mit kezdjek vele”** — a licencet a manager igényelte, de senki nem mutatta meg, hogyan kell használni. Tiszta **change management** probléma: a bevezető manager nem szánt időt a tréningre. 2. **„Félek tőle, mert hallucinál”** — a negatív percepció a médianarratívából jön. Megoldás: célzott prompting-tréning és hallucináció-felismerés. A 100%-os használat nem elvárás. A **„licenc → használat” konverzió** növelése érdekében a cég **célzott tréninget** kínál a nem-használóknak: „Láttuk, hogy nem használod — részt vettél már a prompting szemináriumunkon?” --- ## Mit tegyünk közvetlenül az AI licencek megvásárlása után? (37:50 – 41:22) A Házigazda „zéró baseline” kérdést tesz fel: „ha valaki most vásárolt 100+ AI licencet, mit tegyen holnap reggel?” Darren válasza három konkrét lépést ad: 1. **AI policy definiálása** — a do-k és don't-ök írásos rögzítése. Ez nem IT-dokumentum, hanem **stratégiai keret**: mit szabad, mit nem, milyen adatokat lehet bevinni, milyeneket nem. 2. **Prompting és hallucináció alaptréning** — az új felhasználóknak szóló bevezető, amelynek két fókusza van: (a) hogyan promptoljunk hatékonyan, (b) hogyan ismerjük fel és kezeljük a hallucinációt. Ez utóbbi kulcsfontosságú a **negatív percepció** ellen. 3. **A tréning ne legyen túl sok** — Darren egy konkrét hibát oszt meg: az első körben **egész napos all-staff training-et** szerveztek, ami visszaütött. A jobb minta: **roll-out power usereknek**, majd ők legyenek az osztály-szintű champion-ek, és **1 óra / kéthetente** ritmusban ismétlődő szinten tartó alkalmak. A teljes képhez tartozik, hogy a cég **LMS (Learning Management System)** bevezetés előtt áll, ahol formalizált **AI learning path-ok** és kurzusok lesznek elérhetők, és a jövőben a **quarterly/annual review** részévé válhat az AI-kompetencia. A 37:50 – 41:22 szakasz tanulsága: a licencek megvásárlása a munka 5%-a. A 95% a **policy + tréning + culture** összehangolása, hónapokon átívelő türelemmel. > „One of the mistakes we made was inviting a large group to an all day training session right off the bat. I think if you roll it out to power users and then you schedule followups with that power user that now has some training, they can be your champion.” --- ## A Microsoft–Google–OpenAI ökoszisztéma kérdése (a 3. rész-ba átnyúlva) A 41:22 előtti utolsó pár szakasz a **platform-stratégiát** érinti, és a 3. rész-mal összefüggésben kell olvasni. Darren cégük **Google Workspace**-t használ (Gmail, Drive, Calendar), ami a Gemini alapértelmezett elérhetőségét adja. A korai (2 évvel ezelőtti) Gemini viszont „not ready for prime time” volt — a legtöbb kérdésre az volt a válasz: „I can't do that”. Ez kényszerítette őket a **ChatGPT team account** irányába. Az időközben a Gemini „came leaps and bounds” — ma már a legtöbb felhasználó számára elégséges. Ennek eredményeként a cég **ChatGPT licenceket csökkentett** (azoknál, akiknek a Gemini is megfelel), és **újradefiniálta az AI stack-jüket**. A tier-ek és a privát LLM/RAG döntés a 3. részben folytatódik. --- ## 📌 Ami a show notes-ban ígérve volt, de ebben a részben NINCS - **37:50 Designing a Three-Tier AI Tool Stack** — a 2. rész a kérdés bevezetését tartalmazza, de a részletes tier-bemutató a 3. részben van. - **41:22 Private LLMs, RAG, and Internal Data** — teljes egészében a 3. részben. - **51:59 Start Small, Start Now** — teljes egészében a 3. részben. A show notes-ból a 2. részhöz tartozó chapter-ek: **19:32 Finding Measurable AI Use Cases** (teljes), **25:24 Turning an Engineering Skeptic Into a Champion** (teljes), **29:06 Connecting AI Pilots to Strategic Objectives** (teljes), **31:12 Measuring Usage and Preventing Shadow AI** (teljes), **34:18 What to Do After Buying AI Licenses** (teljes). ## Összegzés A 2. rész a teljes epizód egyik legértékesebb szakasza: **konkrét számok, konkrét esettanulmányok, és a ROI / shadow IT / szkeptikus-kezelés** kulcskérdéseit mutatja be. A legfontosabb üzenetek: 1. **A ROI mérése iparági szintű nyitott kérdés** — senki sem oldotta meg, de a baseline-metrikák (sales order/FTE, engineering prints/FTE) segítenek. 2. **A szkeptikusból champion út** heart-to-heart beszélgetéssel és explicit executive sponsorship-pal indul. 3. **A teljesítménycélok és az AI use case-ek összekapcsolása** a legerősebb belső motiváció: „ezzel érem el a KPI-jaimat”. 4. **A safety advisor-féle „senki sem szereti” feladatok** a legjobb korai use case-ek, mert azonnal érezhető az időmegtakarítás. 5. **A shadow IT-t nem tiltással, hanem preferált eszközök erős kommunikációjával** lehet csökkenteni. 6. **A 100%-os licence-kihasználás nem reális cél** — a lényeg a „licenc → valódi használat” konverzió növelése, célzott tréninggel. 7. **A licencek megvásárlása a munka 5%-a** — a 95% a policy + tréning + culture összehangolása, hónapokon átívelő türelemmel. --- ## 3. rész: A háromrétegű AI stack, a privát LLM evolúció és a Start Small, Start Now záró (37:50 – 51:59) --- ## Beszélők és kontextus A beszélgetés utolsó szakasza a gyakorlati implementáció mélyebb rétegeibe megy át: Darren Ward leírja, hogyan jutottak el a szétszórt AI-kísérletezéstől egy tudatosan felépített háromrétegű AI stackig. A **Házigazda (Chris Daigle)** irányítja a beszélgetést konkrét kérdésekkel, a **Vendég (Darren Ward)** pedig személyes tapasztalatokon, költség-számokon és belső IT-döntéseken keresztül mutatja be a tanulságokat. A fejezet lényegében az „így csináld a saját cégednél” típusú playbook: technológiai döntések, szervezeti változások és üzenet a hallgatóságnak. ## A háromrétegű AI eszközstack kialakulása A **Vendég (Darren Ward)** a kutatásaik egyik konkrét eredményeként mutatja be, hogy a szervezet ma már nem egyetlen AI-eszközt használ, hanem egy háromszintű stack-et: - **Tier 1 (alapréteg):** Gemini — a cég minden alkalmazottja számára, általános célra. - **Tier 2 (power user réteg):** ChatGPT — azoknak, akik custom GPT-ket, projekteket és memória-alapú folyamatokat építenek; ezen belül egy al-Tierként **Claude** (Anthropic) szolgál a technikai felhasználóknak (queryírás, kód, Apps Script). - **Tier 3 (privát LLM réteg):** saját fejlesztésű belső LLM, amelyet kifejezetten belső, ERP-rendszerbeli adatok természetes nyelvű lekérdezésére húztak fel. A stack kialakulása nem elméleti döntés volt, hanem a Gemini elmúlt egy évben mutatott ugrásszerű fejlődésének és a belső felhasználói igények differenciálódásának a következménye. A **Vendég (Darren Ward)** szerint a Gemini ma már „nagyon sokat fejlődött”, és a licencfelosztás racionalizálásában is segített: korábban mindenki kapott ChatGPT-hozzáférést, most viszont licenceket tudtak visszavonnni azoktól, akiknek a Gemini is elegendő. ## Tier 1 — Gemini minden alkalmazottnak A legegyszerűbb, legszélesebb körű réteg a Google Workspace-be ágyazott Gemini. A **Vendég (Darren Ward)** hangsúlyozza: *„Tier 1, a cégben mindenki automatikusan kap Gemini-hozzáférést. Szóval mindenkit tréningezünk a Gemini-eszközökre.”* Ez a réteg az általános irodai támogatásról szól: e-mailek, dokumentumok, táblázatok, gyors összefoglalók. Nem igényel semmilyen speciális képzést, és a Google Workspace-be épített formában érhető el, ami a cégnél amúgy is az alapértelmezett irodai környezet. A Tier 1 lényege, hogy az AI-használat ne egy külön projekt legyen, hanem a napi munkafolyamatba simuló, „mindig kéznél lévő” segédeszköz. ## Tier 2 — ChatGPT és Claude a power usereknek A második szint azoknak szól, akik már túlmutatnak az egyszerű promptokon: A Tier 2-nek van egy fontos al-Tierje: a technikai felhasználók — az IT-csapat, illetve néhány igazán technikai kolléga — a Claude-ot használják queryíráshoz, kódoláshoz, Apps Script-fejlesztéshez. A **Vendég (Darren Ward)** itt utal vissza a korábbi beszélgetésükre, miszerint *„a Claude egy ideig a játék előtt járt, aztán a GPT; csak válassz egyet. Mindkettő képes rá, mindkettő nagyon jól kezeli az üzleti biztonsági környezeteket.”* A gyakorlatban tehát a power userek licenceit nem egységesen kezelik, hanem a felhasználási mintázat alapján differenciálják: aki ChatGPT-szintű memória-alapú munkafolyamatot épít, az kap ChatGPT-t; aki kódol vagy technikai integrációt végez, az Claude-ot. ## Tier 3 — Privát LLM belső adatokhoz A harmadik szint a legérdekesebb, és a **Vendég (Darren Ward)** kifejezetten kéri, hogy erről hosszabban beszélhessen, mert „nagy lecke volt”. A Tier 3 lényege: **természetes nyelvű interfész a belső, ERP- és adatbázis-rendszerek felé**. A Tier 3 ma már nem „privát LLM” a szó szoros értelmében (nem saját szerveren futó nyílt forráskódú modell), hanem egy **saját fejlesztésű frontend**, amely mögé tetszőleges kereskedelmi modell bedugható (OpenAI, Anthropic vagy Gemini), és amely RAG-infrastruktúrán, vektoros keresésen és API-kapcsolatokon keresztül éri el a belső ERP- és adatbázisrendszereket. A felhasználó az LLM-felületen kérdez, a rendszer kikeresi az adatot az ERP-ből, és visszaadja a választ — sőt, meg is mondja, hol lehet ellenőrizni. ## A privát LLM evolúció: az IT csapat tanulsága A történet itt válik igazán tanulságossá. Amikor 2025 júniusában elindult ez a munka, a **Vendég (Darren Ward)**-ban és a szervezetben erős adatbiztonsági és adatvédelmi aggodalmak éltek. A terv az volt, hogy a mérnöki és szabadalmaztatott adatokat szegmentálják, és egy saját, belső szerveren futó privát LLM-et építenek. A konklúzió: a saját szerveren futó privát LLM modell **költség-prohibitív**, és csak akkor éri meg, ha a cég valóban kormányzati szintű vagy nagyon érzékeny ügyféladatokkal dolgozik. Ebben az esetben viszont az adatok nem voltak ennyire érzékenyek, így a Gemini, a Claude és az OpenAI kereskedelmi adatvédelmi megállapodásai elfogadható szintű biztonságot nyújtottak. Ráadásul — ahogy a **Vendég (Darren Ward)** fogalmaz — *„a Gemini amúgy is minden adatunknál van, hiszen Google Drive, e-mail, naptár — minden ott van nála.”* Az IT-csapat ezért **pivotolt**: a nyílt forráskódú privát modell helyett egy LLM-frontendet épített, amelybe bármelyik kereskedelmi modell bedugható, és amely a RAG- és vektoros keresési infrastruktúrán keresztül éri el a belső rendszereket. Ez a „Tier 3-as magán-LLM” ma a cég egyik legnagyobb üzleti nyertese. ## RAG és belső ERP-hozzáférés A Tier 3 technikai magja a **RAG (Retrieval-Augmented Generation)** és a vektoros keresés, amely a belső ERP- és adatbázisrendszereket természetes nyelven elérhetővé teszi. A **Vendég (Darren Ward)** leírja, hogyan működik a gyakorlatban: A gyakorlati hatás három szinten érezhető: 1. **Időmegtakarítás:** a felhasználóknak nem kell többé manuálisan keresgélniük a rendszerekben — ez a **Vendég (Darren Ward)** által idézett statisztikát támasztja alá, miszerint a tudásmunkások akár idejük 40%-át is azzal töltik, hogy megkeresik a szükséges információt. 2. **Új alkalmazottak onboardingja:** a gyorsan növekvő cégnél az új belépőknek nem kell megtanulniuk, melyik webhelyen (site one vs. site two), melyik űrlapon, melyik menüpontban van az adott adat — egyetlen felületen kérdeznek, és a rendszer visszairányítja őket a pontos helyre, ha részletekre van szükség. 3. **A szkeptikusok meggyőzése:** a Tier 3 volt az, ami a korábban szkeptikus kollégákat is megnyerte, mert kézzelfogható, napi szintű értéket hozott. A Tier 3 bevezetése hat hete kezdődött el, és a **Vendég (Darren Ward)** szerint a használati arány máris magasabb, mint a Geminié vagy a ChatGPT-é önmagában. ## Google Workspace integráció tanulságai A teljes beszélgetés egyik legérdekesebb technikatörténeti momentuma a Google Gemini korai fázisához kötődik. A **Vendég (Darren Ward)** elmagyarázza, hogy a cég körülbelül két évvel ezelőtt (2024-ben) az elsők között próbálta bevezetni a Google Workspace-be ágyazott AI-t — akkor még plusz felár ellenében: A rossz indulás miatt a cég a ChatGPT irányába mozdult el, és a kudarcot vallott Google-integráció helyett a ChatGPT team account és a custom GPT-k tréningje lett a fő irány. Később a Google visszavonta az extra felárat, és a Workspace enterprise ügyfeleknek alapértelmezetten adta a Gemini képességeit. Akkor viszont a Gemini kezdett utolérni, sőt bizonyos feladatokban meg is előzni a ChatGPT-t. A tanulság: a **technológiai érettség** fontosabb, mint a platformhűség. A **Vendég (Darren Ward)** ma már licencia-racionalizálást is végzett — a ChatGPT-licencek számát csökkentették, miután a felhasználók jelezték, hogy a Gemini is elegendő a napi munkához. ## Hallucináció és stealth mód A **Házigazda (Chris Daigle)** felveti a gyakori aggodalmat: a hallucináció. A **Vendég (Darren Ward)** röviden és őszintén válaszol: Ezzel összefüggésben a **Házigazda (Chris Daigle)** bevezeti a „stealth mode” koncepcióját: a cégeknek nem kell azonnal a világ elé tárniuk, hogy AI-t használnak, mert az ügyfelek is hallottak a hallucinációról, és feleslegesen alarmírozhatja őket. A **Vendég (Darren Ward)** megerősíti: az ő iparáguk nem tech-iparág, az ügyfelek nem ezt keresik, és inkább „stealth módban” működnek, mert a versenytársak előtt is előnyös ezt a képességet titokban tartani. ## Záró tanács: Start Small, Start Now Az epizód utolsó kérdésében a **Házigazda (Chris Daigle)** két nézőpontból kér tanácsot: először az ügyvezetők számára, másodszor azok számára, akik érdeklődnek, de nincs befolyásuk a szervezeten belül. **Ügyvezetőknek:** **Operatív kollégáknak (befolyás nélkül):** A **Házigazda (Chris Daigle)** zárógondolata: Darren Ward nem AI-tanácsadó, nem termék-eladó, nem thought leader — hanem egy operatív vezető, aki másfél év alatt tanult bele, hibázott, és mostanra „elmegy bármely iparági konferenciára előadni, és nem elméletet hoz, hanem 'kipróbáltuk, nem működött, kipróbáltuk, működött' típusú tapasztalatot.” Az epizód üzenete a hallgatóknak: ne halogass, kezdj kicsiben, kezdj most — és ha teheted, küldd el ezt a beszélgetést annak a kollégának vagy barátnak, aki még csak „email-írásra” használja az AI-t. --- ## Kulcsidézetek --- --- --- ## Forrás - **Epizód weboldal:** - **Hangfájl (MP3, 43 MB):** - **Vendég:** Darren Ward (Chief Strategic Innovation Officer, mid-market operating company, gyártó ipar; korábban elnök/CEO; 12+ év Vistage member; most full-time Chief AI Officer) - **Házigazda:** Chris Daigle (chiefaiofficer.com — executive és csapat AI-tréning, deployment, cég-szintű AI transzformáció) - **Hivatkozott források:** Vistage (executive peer csoport), Google Workspace / Gemini, ChatGPT (OpenAI), Claude (Anthropic), Microsoft Copilot, custom GPT-k, LMS (Learning Management System), LNS (Learning Management), ERP, RAG, privát LLM, sales order processing, engineering prints, safety advisor toolbox topic, performance review, individual performance objectives, strategic playbook, shadow IT, AI council, FUD (Fear, Uncertainty, Doubt), human-in-the-loop review, guard rails, power user, pull-based adoption, ROI, P&L - **Transcript forrása:** OpenAI Whisper `ggml-medium.en.bin` (whisper.cpp, Metal GPU), saját futtatás 2026-07-27 (57:04 audió → 9 378 szó, 0 hallucináció) - **Feldolgozás:** Henky-pipeline (3-chunk: 2 subagent + 1 self-write silent completion, 2026-07-27)