DIREKTIVA
DIREKTIVA / 2026
AI Stratégiai Tanácsadás

Tervszerű AI-átalakulás
magyar KKV-knak.

Nem ígéret. Direktíva.

Nem technológiát adunk el — stratégiát adunk. Nem chatbotot telepítünk — az AI-használatát mérjük, auditáljuk és rendezzük. A mikro-, kis- és középvállalkozások AI-átalakulását vezetjük át — tervszerűen, érthetően, mérhetően.

Szolgáltatás · A

AI prompt audit és tesztelés

A nagy nyelvi modell (LLM — large language model, a ChatGPT, Claude, Gemini és Copilot alaptechnológiája) használatának minősége a promptok minőségén áll vagy bukik. Az audit célja: rendet tenni a már működő prompt-állományban, és kiszámíthatóbb, dokumentáltabb kimenetet adni a céges felhasználásban.

  • Meglévő promptok strukturált átvizsgálása — pontosság, konzisztencia, biztonsági kockázatok
  • A/B tesztelés ugyanazzal a bemenettel, eltérő prompt-szerkezettel
  • Sablon-rendszer ismétlődő üzleti folyamatokra (e-mail, jelentés, ügyfél-válasz)
  • Hibás kimenet-minták (hallucináció — kitalált, valótlan tartalom magabiztosan előadva; formázási csúszás; hangnem-eltérés) feltárása
  • Több modell összehasonlító mérése — melyik feladatra melyik LLM optimális
  • Dokumentált jegyzőkönyv minden mérésről, átadható prompt-katalógus
Szolgáltatás · B

Chatbot audit és tesztelés

A működő chatbot nem ugyanaz, mint a jó chatbot. Az audit célja: megnézni, mit válaszol a rendszer akkor, ha az ügyfél nem a „mintapéldányt" kérdezi — szlenget használ, kétértelműen fogalmaz, vagy szándékosan próbálja kibillenteni a botot.

  • Tudásbázis-vizsgálat: mire képes válaszolni, hol szivárog információ
  • Adversarial tesztelés — szándékos provokációk, jailbreak-kísérletek (a bot korlátozásait megkerülő próbálkozások) lefuttatása
  • Hangnem- és márka-konzisztencia ellenőrzés minden válasz-típusra
  • Eskaláció-vizsgálat: mikor kapcsol át emberi ügyintézőre, mikor kellett volna
  • Adatvédelmi szempontú átnézés (GDPR-keretrendszerben — konkrét jogi kérdés ügyvédhez)
  • Méréshez kapcsolódó akció-terv: mit javítson a fejlesztő, mit a tartalom-csapat
Mit mérünk
Pontosság — a kimenet tartalma helyes-e, hivatkozható-e, ellenőrizhető forrásra támaszkodik-e. Konzisztencia — rögzített paraméterek mellett (alacsony hőmérséklet, ismert seed) mennyire stabilan adja vissza ugyanazt a kimenetet, és modell-váltáskor mennyit változik. Biztonság — érzékeny adat kiszivárog-e, szándékos provokációra hogyan reagál, megőrzi-e a márka-hangnemet.

Audit-pillérek

Pillér · 01

Bemeneti audit

A meglévő promptok és a tudásbázis átvizsgálása. Mit kérdezünk a modelltől, milyen kontextusban, milyen formátumban? A leggyakoribb hiba itt dől el — még mielőtt a modell egy szót is kiadna.

Pillér · 02

Kimeneti tesztelés Mérés

Mintavételes és adversarial (szándékosan kibillentő) tesztkérdések futtatása. Hallucináció-arány, hangnem-konzisztencia, biztonsági kockázatok dokumentálása. Mindezt jegyzőkönyvben, számszerű eredménnyel.

Pillér · 03

Folyamati integráció

Hol illeszkedik az AI az üzleti folyamatba — ki a felhasználó, ki ellenőrzi a kimenetet, hova kerül a végeredmény? Egy „okos" modell rossz folyamat-pozícióban értéktelen. A javaslat ezt a beágyazódást is rendezi.

Mit néz meg a prompt audit
  • Sablon-struktúra role, context, task
  • Példák minősége few-shot példák
  • Korlátozó utasítások guardrails
  • Változó-kezelés placeholder-rendszer
  • Token-hatékonyság költségoldal
  • Hibakezelés fallback-szöveg
  • Verziókezelés változás-követés
Mit néz meg a chatbot audit
  • Tudásbázis-lefedettség
  • Témán kívüli kérdés-kezelés
  • Provokáció és jailbreak-tűrés
  • Hangnem és márka-konzisztencia
  • Eskaláció emberi ügyintézőhöz
  • Többnyelvű viselkedés (ha releváns)
  • Logolás és visszamérhetőség
Mit ad át a DIREKTIVA
  • Audit-jegyzőkönyv (PDF)
  • Kategorizált hiba-katalógus
  • Javított prompt-csomag
  • Folyamati ajánlás (workflow-szintű)
  • Mérési alap a következő iterációhoz
  • Belső átadási szóbeli briefing
  • Opciós követő-mérés három hónap után
Modellek
Az audit modell-agnosztikus: az értékelés ugyanazon a metrika-renden fut OpenAI (GPT-sorozat), Anthropic (Claude), Google (Gemini), Mistral és helyben futtatott (Ollama, LM Studio) modelleken. Ez azért fontos, mert a magyar KKV-piacon ritkán egyetlen szolgáltatóhoz kötődik a felhasználás — egy jelentés-író folyamatban más modell optimális, mint egy ügyfél-válasz generálóban.
Tipikus felhasználási területek
Ügyfélszolgálati chatbot Belső tudásbázis-asszisztens E-mail draft-generálás Jelentés-író workflow Marketing-tartalom Szerződés-átnézés Ajánlat-generálás HR-szűrés első kör

Helyzetelemzés

Felmérés a meglévő AI-folyamatokról, eszközökről, prompt-állományról. Nem általános „digitális érettségi szint" — konkrét, mérhető bemeneti oldal feltérképezése, kérdőívvel és prompt-átvilágítással.

Diagnózis

A helyzetelemzésből írásos kórkép: hol szivárog idő, hol kockázat, hol hiányzik a dokumentált eljárás. Forrás-megjelölve, hogy melyik megállapítás mire épül — kutatás, audit-tapasztalat vagy ügyfél-adat.

Javaslat

Cselekvési terv, prioritás-sorrenddel, függőségekkel, mérési pontokkal. Nem általánosság, nem trend-szöveg — konkrét lépések, konkrét eszközökkel, konkrét felelősökkel. Minden ajánlás megvalósíthatósági teszt után kerül a tervbe.

01
Direktíva-gondolkodás

Határozott, világos, cselekvésorientált — nem javaslat-csomag, hanem irány.

02
Precizitás

Minden ajánlás mögött kutatás, audit és dokumentált tapasztalat áll.

03
Relevancia

Csak az számít, ami a magyar piac valóságában működik — nem külföldi „best practice".

04
Bizalom

Hosszú távú partnerség, nem egyszeri projekt. NDA-keret minden megbízásban.

/ 04 · Kapcsolat

Egy rövid kapcsolatfelvétellel indulunk.

A felmérés célja annak eldöntése, hogy a feladat ténylegesen DIREKTIVA-kompatibilis-e. Ha igen — írásos ajánlat következik. Ha nem — őszinte jelzés, és ajánlott alternatíva.