Amit a generatív AI-ról tanultam – és amit a munkámban kezdek vele
Több mint húsz éve tervezek kamerarendszereket, beléptetőket és integrált biztonsági rendszereket. Ebben a szakmában az ember megtanul gyanakvóan nézni minden új csodaszerre: túl sokszor láttam már, hogy egy hangzatos technológiából a gyakorlatban nem maradt más, mint egy drága doboz a rackszekrény alján.
A generatív AI-jal mégis másként alakult. Az elmúlt időszakban tudatosan időt szántam arra, hogy ne csak használjam, hanem megértsem, mi történik a motorháztető alatt. Több tréninget is elvégeztem a Gerilla Mentor Klubban – AI Security in Practice, AI-Native Vector Databases, Azure OpenAI and ChatGPT, AI-Assisted Vibe Coding és még számos további képzést –, és azóta nem lelkesedésből, hanem tapasztalatból mondom, amit most leírok.
Amit a működéséről megértettem
A nagy nyelvi modell nem tud semmit abban az értelemben, ahogyan egy adatbázis tud. Szövegdarabkákra bontja, amit mondunk neki, és azt számolja ki, hogy a tanulása alapján mi a legvalószínűbb folytatás. Nincs mögötte se szándék, se ellenőrzés.
Ennek az egy mondatnak három nagyon gyakorlati következménye van:
- Magabiztosan téved. Nem érzékeli, mikor lép ki a tudása határán, ezért a kitalált szabványszám ugyanolyan meggyőzően hangzik, mint a helyes. Minden műszaki adatot, szabványhivatkozást és árat ellenőrizni kell.
- Csak annyit lát, amennyit megmutatunk neki. A kontextusablak a munkaasztala. Ha egy kérdéshez hozzáteszem a tényleges helyszínrajzot, az eszközlistát és az elvárásokat, nagyságrendekkel jobb választ kapok, mint egy odavetett fél mondatra.
- A kérdés minősége a bemenet. A pontosan megfogalmazott, szerepet és keretet adó kérés ugyanattól a modelltől egészen más színvonalú eredményt hoz. Ez tanulható készség, és nálam ez hozta a legtöbb javítást.
Hol gyorsítja tényleg a munkámat
- Dokumentáció és műszaki leírás. A struktúra és az első vázlat percek alatt megvan. A szakmai tartalom és a felelősség az enyém marad, de nem az üres lapból indulok.
- Árajánlatok szövegezése. A számolás az én dolgom, viszont az érthető, ügyfélre szabott megfogalmazásban nagyon hasznos segítőtárs.
- Adatelemzés. Egy hosszú eseménynapló vagy eszközlista átnézésénél, mintázatok kiszűrésénél gyorsabb, mint amikor mindezt kézzel kapargattam össze.
- Fejlesztés. Ez az oldal, amit épp olvasol, jó példa rá: az egyedi CSS-effektek, a görgetésjelző és a videók optimalizálása mind így készültek. Nem vagyok webfejlesztő, mégis magam oldottam meg őket – úgy, hogy közben értettem is, mit csinálok.
Ahol viszont megállok
Bizalmas ügyféladat, konkrét objektum sebezhetőségét leíró terv nem kerül nyilvános AI-szolgáltatásba. Ez nem óvatoskodás, hanem szakmai alapkövetelmény: amit egyszer elküldtünk, azt nem hívjuk vissza. Ahol ilyesmire lenne szükség, ott zárt, vállalati környezet a helyes válasz.
És a legfontosabb: a mérnöki felelősség nem delegálható. Egy tűzjelző-kiállás, egy menekülési útvonalon lévő ajtó vezérlése vagy egy adatvédelmi szempontból kényes kameraszög kérdésében a döntés az enyém.
Amit ebből leszűrtem
A generatív AI nem a mérnököt váltja ki, hanem az üres lapot, a monoton gépelést és a keresgélést. A szakmai ítélet, a helyszíni tapasztalat és a felelősség ugyanott maradt, ahol eddig volt. Aki viszont megtanulja jól használni, annak több ideje marad arra, ami tényleg számít: hogy a rendszer az ügyfelet szolgálja, ne fordítva.
Szívesen beszélgetek erről. Ha téged is foglalkoztat, hol van ennek a helye a biztonságtechnikában, keress meg bátran.
