# Using AI at Work #119. Az „AI Chief of Staff” kora — Aritól a szervezeti agyig (Erkang Zheng, Ariaso) **Podcast:** Using AI at Work | **Epizód:** 119 | **Vendég:** Erkang Zheng (Ariaso alapító-vezérigazgató; korábban Jupiter One, Cisco, IBM, Fidelity) | **Házigazda:** Chris Daigle | **Megjelenés:** 2026. augusztus | **Hossz:** ~47 perc | **Forrás:** [usingaiatwork.com](https://www.usingaiatwork.com) | **Transcript:** saját ASR (Whisper `ggml-medium.en.bin`, 8227 szó) --- ## Összegzés - Az AI a knowledge worker munkájának *végrehajtó részét* veszi át (kódírás szintaxisa, slide-ok, emailek draftja); a *menedzselő rész* (koordináció, riportálás, visszacsatolás) megmarad, és AI-augmentáltan hatékonyabb lesz, ez Erkang Zheng *Everyone as a Manager Now* könyvének központi tézise. - A „company brain” koncepció (minden adat egy közös medencében) helyett az Ariaso egy **alulról-felfelé építkező architektúrát** javasol: minden munkatársnak saját privát digitális agya van, és a szervezeti agy csak szintetizált válaszokat ad — így a privacy és a hozzáférés-szabályozás az egyén szintjén marad. - Az „AI chief of staff” **nem EA / naptársegéd**, hanem director / VP szintű business partner, aki aktívan részt vesz a koordinációban, priorizálásban és a személyes coachingban; célpiac: 10–500 fős szervezetek, ideálisan 50–100 fő. - Az Ariaso az OpenClaw / Hermes-szel ellentétben **előre beépített proaktív képességeket** kínál (meeting note taker, journal writer, status report generator), és a csapat-szintű koordinációt konzisztensen oldja meg, nem pedig utólag összehangolt egyedi agent-ek halmazaként. ## Bevezetés A Using AI at Work ezen epizódjában Chris Daigle vendége Erkang Zheng, az Ariaso alapítója, aki közel másfél éve építi „Ari” nevű AI-asszisztensét, és most a knowledge workerek új korszakáról beszélgetnek: amikor a munkavégzés arányaiban megfordul, és a **munkát előállító idő kevesebb lesz, mint a munkát menedzselő idő**. Erkang központi tézise: a tudásalapú munkaerő nem szoftverfejlesztőként vagy szabadúszó projektmenedzserként tekint magára, hanem „mindenkiből menedzser lesz”, azaz minden alkalmazottnak saját AI „chief of staff” partnere lesz, aki a koordináció, az ítélet és a kommunikáció terheit leveszi. A beszélgetés három tengely köré szerveződik: (1) a **munka újradefiniálása** a klasszikus ipari forradalom analógiáján keresztül; (2) a **„company brain” koncepció kritikája** és az Ariaso erre adott alulról-felfelé építkező válasza; (3) a **„chief of staff” szerepkör újradefiniálása**, amely túllép az EA / naptársegéd szinten, és a director/VP szintű business partner modelljét hozza vissza digitális formában. A vendég háttér-kontextusa fontos: Erkang a pandémia alatt alapította a Jupiter One-t (cloud-native kiberbiztonsági platform), unicorn státuszt ért el vele (Databricks, HSBC ügyfelek), és az Austin környéki tech-szcénából jött a Bay Area-ból. A könyve, az *Everyone as a Manager Now*, idén jelenik meg, és az Ariaso termék ennek a filozófiának a szoftveres megtestesülése. --- ## A tudásalapú munka mennyiségi paradoxona: „több idő megy a menedzselésre, mint a munkára” Erkang egy korai személyes történettel nyit: a karrierje elején egy mentorától (aki egyben a főnöke is volt) kapta azt a három egyszerű utasítást, amely felgyorsította a pályafutását, **„mondd meg, hogy mit fogsz csinálni; csináld meg; mondd meg, hogy mit csináltál”**. A legtöbben a középső lépést, a végrehajtást végezzük el nap mint nap, de az első (alignment, előkészítés) és a harmadik (riportálás, tanulság-levonás) lépés hiányzik. Ha ezt a rendszert kibontjuk, négy fázist kapunk: **track (követés), report (riportálás), analyze (elemzés), measure (mérés)** — és a tényleges „munka-végrehajtás” csak ennek a teljes rendszernek a harmada, negyede. A klasszikus ipari forradalom analógiája itt is működik: ahogy a gépek átvették a fizikai, ismétlődő munkát a 19. században, az AI most a *szellemi*, ismétlődő munkát veszi át (kódírás szintaxisa, slide-ok legyártása, emailek első draftja). Ami megmarad, az a *döntéshozatal*, a *prioritizálás*, az *architektúra-tervezés* és a *szervezeti koordináció*, tehát maga a menedzsment, nem a végrehajtás. Ez Erkang szerint **a klasszikus menedzser-szakma legnagyobb átértékelődése**: a menedzser nem projekt-koordinátor, hanem „a saját munkájának menedzsere”. Ez az, amiért a könyvében szándékosan a *manager* szót választotta a *leader* helyett. A vezetés (leadership) fogalmát az ipar mára megterhelte: a „jó vezető” képe gyakran a víziónál ragad, miközben a tényleges munka — a koordináció, a mérés, a tanulság-levonás — a menedzser-szinten zajlik. Ahogy fogalmaz: **„hogy jó vezető lehess, előbb saját magad jó menedzserének kell lenned”**. ## Az új skill-készlet: track, prioritize, communicate, account, reflect A konkrét skill-készlet, amit Erkang a könyvében és az Ariaso termékben is kódol, öt elemből áll: 1. **Tracking rendszer**, a tervezett és elvégzett munka konzisztens nyilvántartása, hogy ne vesszenek el a részletek. 2. **Prioritizálás**, a fontosság megítélése, hogy ne szétszórva, hanem a legnagyobb hatású feladatokra koncentráljunk. 3. **Kommunikáció**, alignment és riportálás, előtte és utána egyaránt. 4. **Accountability**, a nyomon követés és a felelősségvállalás a végrehajtásban. 5. **Tanulás / reflection**, az elvégzett munka utólagos elemzése, a javítási lehetőségek azonosítása. Ez az öt készség nem csak people-managerekre vonatkozik. A tét: **a knowledge worker munkájának 50–75%-a valójában menedzselés** (koordináció, riportálás, visszacsatolás), nem végrehajtás. Az AI ezt a menedzselési terhet tudja strukturáltan levenni, feltéve, hogy a munkatárs ezeket a készségeket *mintázatként* alkalmazza. Erkang itt beidézi Peter Druckert („az, amit mérünk, javulni fog”) és összeköti az AI-val: ha az AI konzisztensen méri és nyomon követi a saját munkánkat, akkor a saját magunk menedzselése ismét természetes rutinná válik. Az AI ebben nem helyettesít, hanem **visszaadja a menedzselési képességet** — a futó project management rétegek nélkül is. --- ## A „company brain” koncepció csapdái és az Ariaso alulról-felfelé építkező megoldása A beszélgetés egyik legizgalmasabb része a „company brain” (vállalati agy) koncepció kritikája. A piacon elterjedt megközelítés így hangzik: „dobd be az összes Slack-, Teams-, email-, calendar-, hívás-transzkript adatot egy közös adatmedencébe, ültess rá egy AI-ügynököt, és bárki kérdezhet tőle”. Erkang ezzel szemben két komoly problémát azonosít: 1. **Hozzáférés-szabályozás**, ha mindenki ugyanazt a nagy adatmedencét látja, ki kontrollálja, ki mit kérdezhet le? Hogyan védjük a bizalmas információkat (HR, pénzügy, jogi)? 2. **Privacy**, még ha céges az adat, az *alkalmazotti szintű* beszélgetések és személyes munkafolyamatok privacy-aggodalmakat vetnek fel. A hozzáférés-szabályozás és a privacy összefonódik, és a megoldásuk messze nem triviális. A másik, mélyebb probléma: **a „company brain” csak a felső 10%-ot szolgálja ki**. A vezetőség kapja meg a kvázi omniscience élményét, míg az egyéni munkatársak (individual contributor, IC) maradnak a régi, információ-hiányos munkaritmusban. Erkang ezt egyenlőtlenségi problémának tekinti: a vállalati tudás koncentrálása a szervezeti hatékonyság rovására megy. Az Ariaso válasza: **fordítsd meg az irányt**. Ahelyett, hogy felülről öntenéd az adatokat egy közös agyba, **indulj az egyéntől, és replikáld felfelé**. A legkisebb szervezeti elem nem a cég, hanem *egy ember, egy nap*. Ha minden egyes munkatársnak van egy saját digitális agya (individual brain), ami a saját munkáját, döntéseit, megbeszéléseit és tanulságait kezeli, akkor: - A privacy és a hozzáférés-szabályozás az egyén szintjén van, mindenki csak a saját agyát látja teljesen. - A szervezeti agy (company brain) **szintetizált, aggregált válaszokat** ad, nem nyers hozzáférést az egyének adataihoz. - A tömeges knowledge worker réteg (a szervezet 80–90%-a) is hozzáfér a magasabb szintű kontextushoz, nem csak a felső vezetőség. A metafora: **száz százalékig önálló egyéni agyak, amelyek az együttműködés során szintetizálódnak egy magasabb szintű szervezeti aggyá**, nem fordítva. Erkang itt Jack Dorsey Block-nál végzett kísérletét is megidézi, ahol a „single brain” koncepciót eleinte centralizáltan próbálták felépíteni, de hamar szembesültek a hozzáférés-kezelési korlátokkal. Az Ariaso tanulsága: a privát individual brain-ökre épülő architektúra jobban skálázódik. --- ## Az „AI Chief of Staff” újrastrukturálása: nem EA, hanem business partner A diskurzus második felében Erkang a „chief of staff” fogalmát definiálja újra — egyenesen szembe menve a piacon elterjedt „AI executive assistant” értelmezéssel. Számos termék (Replai, Clara, és az újabb „AI chief of staff” SaaS) valójában egy **„felhatalmazott AI executive assistant”**: email-írás, naptár-kezelés, meeting-szervezés, a klasszikus EA funkciók digitalizálva. Erkang ezzel szemben azt mondja: a *tényleges* chief of staff **director / VP szintű business partner**, aki a szervezeti koordinációért felelős, az EA-nál „egy szinttel feljebb”. Ez a szerepkör a politikában és a hadseregben ismert: az illető nem a naptárat kezeli, hanem *érti a szervezetet, érti a csapatot, és összeragasztja a szétszakadozó információtöredékeket* („the glue that holds the organization together”). Ez a digitális megfelelője is valami ilyesmi kell, hogy legyen: nem hatékonysági gyorsító, hanem **stratégiai partner, aki aktívan részt vesz a döntéshozatalban**. Az Ariaso három réteget kínál, amelyek progresszíven nyílnak ki a felhasználó előtt: - **Individuális réteg**, a személyes „digitális agy”: napi journal, emlékezet, priorizálás, előkészítés a megbeszélésekre, személyes coaching. Erkangék az iMessage-en és a Slack-en is elérhetők; az iMessage kiemelt szerepet kap a gyors, hangalapú interakciókban (Siri → Ari). - **Csapat-réteg**, a csapat minden tagjának van saját agya, és ezek az agyak az engedélyezett határokon belül megosztják a kontextust. A menedzser itt már nem egyenként üldözi az embereket státusz-frissítésekért; a státuszokat a rendszer automatikusan generálja a munkatársak saját agyából. - **Szervezeti réteg**, a magasabb szintű szintézis: „Hogy teljesít a csapatom? Mik a fókuszterületek? Vannak-e blokkoló tényezők?” Ezekre a kérdésekre az Ariaso aggregált választ ad, de nem enged nyers hozzáférést az egyének adataihoz. Az értékidőről Erkang őszintén nyilatkozik: a gyors indulás (signup → chat) már az első napon ad némi értéket, de a *valódi különbség* akkor jön, amikor a felhasználó konnektálja a saját adatait (email, naptár, Slack, stb.), és elkezdi használni a napi journalingot. Ez 1–2 nap. A csapat-szintű hatás (ahol az aggregált válaszok is működni kezdenek) 2–4 hét alatt alakul ki. --- ## Hogyan viszonyul az Ariaso az OpenClaw-hoz és a Hermes-hez? Chris Daigle a hallgatóság kedvenc kérdésével zárja a technológiai részt: *„ha mindezt meg tudnám csinálni OpenClaw-jal vagy Hermes-szel is, miért ne tenném?”* Erkang válasza differenciált: - **Hasonlóságok:** Az Ariaso ugyanazt az alapinfrastruktúrát használja, kontextuális memória, tool-integráció, multi-csatornás interakció (Slack, Teams, web, SMS, iMessage). Ebben az értelemben *az Ariaso is egy agent-runtime*. - **Különbség 1, előre beépített proaktív képességek.** Az Ariaso nem egy üres általános agent: a 20+ év vezetői tapasztalatból kinyert „best practices” (meeting note taker, journal writer, status report generator, pre-meeting research) alapértelmezetten beépülnek. A felhasználónak nem kell nulláról újradefiniálnia az agent képességeit, hanem egy *testre szabott*, de azonnal használható rendszert kap. - **Különbség 2, skálázás csapatra.** Ha mindenki a saját OpenClaw-ját használja, és ezeknek kommunikálniuk kell egymással, exponenciális komplexitás jön létre: ki mit oszt meg, ki milyen kontextust lát, hogyan mérünk konzisztensen? Az Ariaso ezt a *team-scale koordinációt* alapértelmezetten megoldja, mert egy közös, konzisztens rendszert épít, nem egy egyedi agent-ek sokaságát, amelyeket utólag kell összehangolni. Erkang itt egy fontos gyakorlati intelmet is megfogalmaz: a „kalibrálás” (milyen adatot ossz meg az agent, mit hogyan mérjen) csapat-szinten kezelhetetlenül bonyolulttá válik, ha mindenki maga építi. Az Ariaso azáltal ér el konszenzust, hogy *mindenki ugyanazt a rendszert használja*, és a személyes testreszabás ezután jön — nem előtte. A célpiacról Erkang egyértelmű: **10–500 fős szervezetek**, ideálisan 50–100 fő. A Fortune 500-at szándékosan nem célozzák, mert az enterprise értékesítési ciklus és a procurement-torlódás nem fér össze a termék iteratív fejlesztési ritmusával. Ami működik: egy közepes méretű cég csapata, ahol a menedzser és a knowledge workerek is érintettek, és ahol a tool „kétszer-négyszer gyorsabb döntéshozatalt” hozhat. --- ## A méret, az entry-point és a kommunikációs csatorna kérdése Az ügyfél-méret kapcsán Erkang meglepő nyíltsággal beszél: az Ariaso-t 5–10 fős mikro-csapatoktól több száz fős középvállalatokig használják. Még az Ariaso saját belső csapata (10 fő alatti) is napi szinten használja a rendszert; Erkang saját maga számára „személyes hatékonyság-nyilvántartó rendszerként” is működteti. A leggyakoribb belépési pont: **manager vagy team lead**, akit elnyom a project management és a státusz-frissítések hajszolása. Az Ariaso felszabadítja őt azzal, hogy a státuszokat és a riportokat a rendszer automatikusan generálja a csapat többi tagjának saját agyából. Az entry-point tehát „management overload”, nem pedig „AI productivity hack”. A kommunikációs csatornák: a Slack és a Teams az elsődleges a csapat-szintű koordinációhoz, az iMessage és a voice (Siri → Ariaso) az egyéni, gyors interakciókhoz. A voice-képesség különösen fontos: az Ariaso képes hanggal bevitt kéréseket kezelni (pl. „Hey Siri, tell Ari to remind me to call John tomorrow at 10”), és így a fizikai meetingek közben is használható. --- ## Miért *most*? A 2027-es trend előjele Chris Daigle a beszélgetés végén rámutat: ez a megközelítés „2027 nagy témája” lesz. A knowledge workerek tömegesen szembesülnek azzal a kérdéssel, hogy „tudom, hogy AI-t kellene használnom, de nem tudom, hogy *hol*”. Erkang erre az a válasz, hogy az AI nem egy-egy task-ra, hanem *az egész munkanapra* kell hogy integrálódjon. Ha az AI hozzáfér a céged teljes kontextusához, valós időben, a saját adataidból, akkor az a döntéshozatal, a feladat-menedzselés és a stakeholder-kommunikáció alapvető rétegévé válik. A záró gondolat frappáns: **„ha szereted a project managementet, ez nem neked való. Ha szeretnéd elintézni a lényeget és offoladni a PM-BS-t, akkor ez neked való.”** Erkang ezzel azt sugallja, hogy a knowledge worker jövője nem a „még több koordináció”, hanem a „kevesebb koordináció, több értékteremtés” — és az AI chief of staff pontosan ezt a paradigmaváltást testesíti meg. --- ## Vendég-bemutatkozás (magyar) **Erkang Zheng** az Ariaso alapító-vezérigazgatója, és közel másfél éve építi az „Ari” nevű AI chief of staff platformot Austinban (a Bay Area-ról költözött). Korábban a Jupiter One társalapítója volt (cloud-native cybersecurity platform, unicorn státusz, Databricks és HSBC ügyfelek), előtte vezetői pozíciókat töltött be a Cisco-nál, az IBM-nél és a Fidelity-nél (utóbbinál globális csapatokat irányított). Az *Everyone as a Manager Now* című könyve 2026-ban jelenik meg, és az Ariaso termék ennek a filozófiának a szoftveres megtestesülése: a tudásalapú munkavégzés újradefiniálása, ahol „mindenki menedzser”, a saját AI „chief of staff” partnerével. ## Forrás - **Epizód-oldal:** https://www.usingaiatwork.com - **Podcast:** Using AI at Work (házigazda: Chris Daigle) - **Vendég LinkedInje:** ariaso-ai (a transcriptben említve) - **Cég honlap és blog:** ariaso.ai/blog (Erkang ígérete szerint a blog *nem vendor talk*, hanem belső használati tapasztalat, standupok, kód review, prioritizálás) - **Saját ASR transcript:** (Whisper `ggml-medium.en.bin`, 8227 szó) - **Epizód-szám:** #119 (2026-08-31, a sorban megelőző epizódok: #116 2026-08-10, #117 2026-08-17, #118 2026-08-24) - **Szponzor:** Chief AI Officer (https://ChiefAIOfficer.com. AI readiness assessment, „$50,000 opportunity” session, doc@chiefaiofficer.com)