Using AI at Work #119. Az „AI Chief of Staff” kora — Aritól a szervezeti agyig (Erkang Zheng, Ariaso)¶

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:

Tracking rendszer, a tervezett és elvégzett munka konzisztens nyilvántartása, hogy ne vesszenek el a részletek.
Prioritizálás, a fontosság megítélése, hogy ne szétszórva, hanem a legnagyobb hatású feladatokra koncentráljunk.
Kommunikáció, alignment és riportálás, előtte és utána egyaránt.
Accountability, a nyomon követés és a felelősségvállalás a végrehajtásban.
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:

Hozzáférés-szabályozás, ha mindenki ugyanazt a nagy adatmedencét látja, ki kontrollálja, ki mit kérdezhet le? Hogyan védjük a bizalmas információkat (HR, pénzügy, jogi)?
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)