Nem az AI okozta a válságot. Láthatóvá tette.

A következő hét pont a cikk gerincét foglalja össze. Mindegyik mögött ott a részletes kifejtés és a hivatkozott forrás.

Nem az AI okozta a válságot. Láthatóvá tette. Piaci körkép a magyar IT-szakma jelenlegi állapotáról - abból a fajtából, amelyik nem panaszokat számol össze, hanem mintázatot keres.

Bevezető: szétszórt panaszok vagy piaci mintázat?

Ha az ember mostanában végigolvas néhány magyar IT-s beszélgetést - Reddit-threadeket, fórumposztokat, szakmai csoportokat -, ugyanazok a motívumok térnek vissza újra és újra. Nehéz a junior belépés. Nyomás van az AI miatt. A senior cím egyre kevesebbet mond. A LinkedIn és a recruiter-megkeresések zajosak és hiteltelenek. A bérek stagnálnak vagy az infláció alatt nőnek. Az interjúfolyamatok többkörösek és kiszámíthatatlanok. A transzparencia gyenge. És sokakból árad egy nehezen megfogható morálromlás: a munka öröme és a szakmai státusz egyszerre sérült.

Az egyik kommentelő egyetlen mondatban összefoglalta a hangulatot: mintha az egész szakma kapott volna egy pofont. Elsőre ezek szétszórt, egyéni panaszoknak tűnhetnek. Együtt olvasva azonban valami mást adnak ki: egy piaci mintázatot, amelyben több, egymástól független erő találkozik ugyanabban az időablakban.

MÓDSZERTANI MEGJEGYZÉS

Ez a cikk nem reprezentatív kutatásként kezeli ezeket a beszélgetéseket, hanem kvalitatív piaci hőmérőként. A threadek hangulatot, ismétlődő narratívákat, félelmeket és percepciókat mutatnak - nem statisztikát. A cél az, hogy ezeket nemzetközi adatokkal és kutatásokkal összeolvasva adjunk piaci körképet. A szövegben végig megkülönböztetem, mit támaszt alá adat, mit látunk a piaci beszélgetésekből, és mi pusztán elemzői hipotézis.

A fő tézis egyszerű: a magyar IT-szakma válságérzete nem magyarázható egyetlen tényezővel. Az AI csak az egyik - igaz, nagyon látványos - gyorsító. Egyszerre hat a gazdasági lassulás, a globális tech-hiring lehűlése, az AI okozta termelékenységi várakozás, a juniorfeladatok automatizálódása, a senioritási címek inflációja, a service-center-modell sérülékenysége, a bérstagnálás, a gyenge recruitment-transzparencia és a tudásmunka mérésének régóta megoldatlan bizonytalansága. A cikk nem AI-ellenes és nem is technooptimista. Az AI valóban gyorsít bizonyos munkákat; a fejlesztők egy része tényleg produktívabb lesz tőle; a belépőszintű és rutinfeladatok viszont sérülékenyebbé válnak; a rossz szervezetekben pedig az AI nem megoldja, hanem felnagyítja a meglévő problémákat.

A mostani hangulat csak az előző évtized fényében érthető. A 2010-es évek és a Covid utáni időszak a tech-hiring túlfűtött korszaka volt: digitalizációs hullám, sorra nyíló service centerek, outsourcing, távmunka, és egy olyan munkaerőpiac, ahol a fejlesztői láthatóság szinte garantálta a kereslet figyelmét. Ez az időszak a 2022 utáni kamatkörnyezettel ért véget. Megdrágult a tőke, a befektetők megtérülést kezdtek várni, és a tech-szektor a növekedés helyett a költségfegyelem nyelvét tanulta meg.

A számok ezt alátámasztják. A Challenger, Gray & Christmas adatai szerint az Egyesült Államokban 2025-ben több mint 806 ezer bejelentett leépítés volt - a legmagasabb érték 2020 óta -, és a tech-szektort érintette a legkeményebben, önmagában több mint 89 ezer leépítéssel. Ez nem egyetlen rossz negyedév, hanem egy több éve tartó újrakalibrálás. Fontos azonban a számokat kontextusban olvasni: ezeknek a leépítéseknek csak egy része köthető közvetlenül az AI-hoz, nagyobb hányaduk a kamatkörnyezet, a túlzott pandémiás felvétel korrekciója és az általános költségfegyelem következménye.

Magyarország ebben a rendszerben sajátos szerepet töltött be: költségoptimalizált, de jó minőségű delivery-helyszín volt. A nyugati piacokhoz képest olcsóbb, de elég képzett munkaerő ideális célponttá tette a globális cégek számára. Ez a modell pontosan addig működik jól, amíg a nyugati „drága core” és a kelet-európai „olcsóbb delivery” közti különbség elég nagy. Ha ez a rés szűkül - erős forint, lassuló reálbérek, vagy épp egy olyan technológia, amellyel kevesebb emberrel is elvégezhető ugyanaz a munka -, a modell sebezhetővé válik.

A magyar makrokép ezt árnyalja. A KSH szerint 2025-ben a fogyasztói árak átlagosan 4,4%-kal nőttek, miközben 2026 elejére az infláció már 2% közelébe süllyedt egy választási évben. Az ipari termelés viszont 3,2%-kal elmaradt az előző évitől - a feldolgozóipar 13 alága közül mindössze kettőben nőtt a kibocsátás, és a leglátványosabban épp a számítógép-, elektronikai és optikai termékek gyártásában (+14,5%). A kép tehát nem egyöntetűen sötét: vannak technológiai szigetek, ahol erős a húzóerő. De a tágabb munkaerőpiaci hangulat borús.

ADAT

Hays Hungary Salary Guide 2026: a hazai munkaerőpiaci szereplők több mint 70%-a borúlátó a következő 2-5 évvel kapcsolatban, és csak minden tizedik optimista. A bérek 2025-ben érezhetően lassabban nőttek: a leggyakoribb emelés 6-10% volt, de sokan csak 2,5-5%-ot kaptak, és a 10% feletti emelések aránya drasztikusan visszaesett.

Érdemes feltenni a kérdést, amelyet a piac maga is feszeget: válság van, vagy csak normalizálódik egy korábbi, természetellenesen túlfűtött időszak? A becsületes válasz: részben mindkettő. A 2021-es tempóhoz képest ez kétségtelenül lehűlés. Egy hosszabb történelmi átlaghoz mérve viszont inkább visszatérés a földre. A probléma az, hogy a lehűlés és az AI okozta strukturális átrendeződés egyszerre érkezett - és a kettő együtt sokkal nyugtalanítóbb, mint külön-külön lenne.

Az AI szerepét akkor értjük félre a leginkább, ha vagy mindenért őt okoljuk, vagy mindentől megváltjuk. A pontosabb olvasat: az AI önmagában nem okozza a válságérzetet, hanem felgyorsít minden korábbi nyomást. Ahol már eddig is feszült volt a juniorpiac, ott most láthatóbban feszül. Ahol már eddig sem tudták mérni a fejlesztői munkát, ott most még gyorsabban mérik rosszul.

A háttér valós és nagy léptékű. A Stanford 2025-ös AI Indexe szerint a vállalati AI-beruházások globálisan elérték a 252 milliárd dollárt, a szervezeti adoptáció pedig 78%-ra ugrott egyetlen év alatt (a korábbi 55%-ról). A vállalatok tehát nemcsak kíváncsiak az AI-ra, hanem termelékenységi nyereséget is várnak tőle - és ez a várakozás önmagában is átírja a felvételi és bérdöntéseket.

A munkavállalói tapasztalat azonban kettős. A Stack Overflow 2025-ös fejlesztői felmérésében a válaszadók 84%-a használ vagy tervez használni AI-eszközöket (egy éve 76%) - vagyis az adoptáció vitathatatlan. Ugyanakkor a bizalom ezzel együtt zuhant: a fejlesztők 46%-a nem bízik az AI-kimenet pontosságában (egy éve csak 31% volt ennyire szkeptikus), és mindössze 3% mondja, hogy „erősen megbízik” benne. A legtapasztaltabb fejlesztők a legóvatosabbak. A leggyakoribb frusztráció (a válaszadók 45%-ánál) a „majdnem jó, de mégsem” megoldás, amely a hibakeresést időigényesebbé teszi; a fejlesztők 66%-a több időt tölt a majdnem jó AI-kód javításával. Tízből heten továbbra is inkább embertől kérnének segítséget, ha nem bíznak az AI válaszában.

EGYMÁSNAK ELLENTMONDÓ BIZONYÍTÉKOK

Optimista oldal - PwC 2025 Global AI Jobs Barometer: az AI-nak leginkább kitett iparágakban (pénzügy, szoftverkiadás) a termelékenységnövekedés közel megnégyszereződött 2022 óta, és az AI-készségekért átlagosan 56%-os bérprémium jár (egy éve még 25% volt).

Szkeptikus oldal - METR randomizált kontrollált kísérlet (2025): 16 tapasztalt open-source fejlesztő, 246 feladat, érett kódbázisokon. A fejlesztők 24%-os gyorsulást vártak az AI-tól, utólag is 20%-ot becsültek - valójában 19%-kal lassultak vele. Okok: alacsony megbízhatóság (a javaslatok kevesebb mint 44%-át fogadták el), validációs teher, kontextusváltási költség.

Egyik adat sem hamis, és nem is állnak feltétlenül ellentmondásban. A PwC iparági szintű, mintegy egymilliárd álláshirdetésen alapuló elemzés; a METR pedig szűk, mély, mérnöki kísérlet érett kódbázisokon. A METR korlátait maguk a szerzők is hangsúlyozzák: kis minta, a fejlesztők nagyon jól ismerték a saját projektjüket, és a 2025 eleji eszközöket tesztelték - azóta sokat fejlődtek a kódoló ágensek. A két eredmény mégis ugyanarra figyelmeztet: az AI nem egyenletesen gyorsít. Új, jól körülhatárolt feladaton, boilerplate-en, prototípuson nagy a nyereség; érett, összetett, magas validációs igényű rendszerben viszont a haszon eltűnhet, sőt negatívvá válhat.

Itt kerül a középpontba egy fontos megkülönböztetés, amely a piaci beszélgetésekben is kikristályosodott: az AI-literate engineer és a vibe coder különbsége. Az előbbi tudja, mit akar, eszközként használja az AI-t, reviewzik, validál, és felelősséget vállal a kódjáért. Az utóbbi elfogadja, amit az AI generál, anélkül, hogy értené. A Stack Overflow felmérésében a fejlesztők 72%-a nem nevezi vibe codingnak a munkáját - vagyis a szakma nagy része máris ösztönösen védi ezt a határt. A menedzsment azonban gyakran nem látja a különbséget a hasznos AI-asszisztencia és a kontrollálatlan slopgyártás között. És itt van a kulcs: a rossz szervezetekben az AI nem megoldja, hanem felerősíti a meglévő bajokat - a jó szervezetekben viszont valódi mérnöki leverage.

Ha van pont, ahol a piaci hangulat és a kemény adat a leginkább egybecseng, az a juniorpiac. A belépőszintű pozíciók megritkultak, és pont azokat a feladatokat - a régi „droidmunkát”, az egyszerű ticketeket, a CRUD-ot, a tesztírást, a dokumentációt - automatizálja vagy gyorsítja az AI, amelyeken a juniorok korábban tanultak.

A SignalFire elemzése szerint a nagy techcégeknél a friss diplomások aránya az új belépők mindössze 7%-ára esett 2024-ben: ez 25%-os visszaesés egyetlen év alatt, és több mint 50%-os csökkenés a járvány előtti, 2019-es szinthez képest. A startupoknál a pályakezdők aránya 30%-ról (2019) 6% alá zuhant. Egy harvardi kutatás 62 millió LinkedIn-profil és 200 millió álláshirdetés alapján „senioritás-torzított” változást mutat ki: a generatív AI-t adoptáló cégeknél a junior felvételek élesen visszaesnek, miközben a senior felvételek szintje stabil marad - és ezt elsősorban a lassuló felvétel okozza, nem a kirúgások. Egy stanfordi munkapaper a 22-25 évesek 13%-os relatív foglalkoztatási visszaesését dokumentálja az AI-exponált foglalkozásokban.

SZÁMOK KONTEXTUSBAN - ÓVATOSAN!

Az amerikai BLS-adatok szerint a „programozó” (programmer) foglalkozásban 27,5%-os foglalkoztatási visszaesés volt 2023 és 2025 között - a „szoftverfejlesztő” (software developer) kategóriában viszont mindössze 0,3%. A két szám nem mond ellent egymásnak: különböző foglalkozási kategóriákról van szó. Ez jó emlékeztető arra, hogy egyetlen drámai számra ne építsünk teljes narratívát; a kategóriahatárok és a definíciók sokat számítanak.

Ehhez a strukturális paradoxonhoz vezet: a piac seniorokat akar, miközben lebontja azt a gyakorlóterepet, amelyből seniorok lesznek. Ha senki nem vesz fel juniort, honnan lesznek öt év múlva seniorok? Rövid távon a cégeknek mégis csábítóbb a kevesebb, de tapasztaltabb ember plusz AI-asszisztens. Ez nem kizárólag magyar probléma - az indiai IT-szolgáltatók 20-25%-kal csökkentették a belépőszintű szerepeket -, de Magyarországon különösen fájhat, épp a költségoptimalizált delivery-örökség miatt.

A piaci beszélgetések egy mélyebb réteget is megvilágítanak, amely a puszta foglalkoztatási adatból nem látszik: a tanulás és a delivery szétválik. Azok a juniorok és mediorok, akik bent vannak, sem feltétlenül fejlődnek egészségesen, mert a munkahelyi környezet nem azt mondja, hogy „értsd meg, építs szakmai intuíciót”, hanem azt, hogy „legyen kész, AI-val, gyorsan”. A régi modellben a junior unalmas, de tanulságos feladatokon keresztül tanulta meg a rendszert. Ha pont ezeket automatizáljuk, marad a gyors szállítás - és elmarad a mély értés. Ez nem egyszerűen az, hogy „a junior nem kap állást”; ez egy szakmai utánpótlási válság.

Az elvárások emellett strukturálisan átrendeződnek. A PwC szerint az AI-exponált foglalkozásokban a keresett készségek 66%-kal gyorsabban változnak, mint korábban, és a formális diploma iránti igény is csorbul (az AI által kiegészített munkáknál 66%-ról 59%-ra esett a diplomát igénylők aránya). A WEF Future of Jobs 2025 szerint a kulcskészségek 39%-a átalakul 2030-ig. A régi karrierlétra - junior, medior, senior - nem eltűnik, hanem összenyomódik: a belépőszinten egyre több önállóságot, kommunikációt és ítélőképességet várnak el. Magyarul: a junior szereptől ma részben azt kérik, amit régen a mediortól.

Ha a belépőszint felfelé csúszik, a hierarchia teteje sem marad érintetlen. A piaci beszélgetésekben visszatérő felismerés, hogy a „senior” cím sok helyen már nem szakmai garancia, hanem bérsáv és alkucímke. Egy cég azért nevez valakit seniornak, mert egy bizonyos fizetési kategóriába sorolja - nem feltétlenül azért, mert az illető production-szinten felelős rendszerekért.

Ennek két iránya van, és érdemes mindkettőt komolyan venni. Egyrészt valódi címinfláció zajlik: a régi senior ma sok helyen staff, principal vagy architect, mert a „senior” devalválódott. Másrészt vannak fiatal seniorok, akik részben tényleg gyorsabb tanulási pályán mozognak - az AI, a jobb tananyagok és a sűrűbb visszacsatolás mellett három-négy év alatt összeszedhető olyan tudás, amihez korábban több kellett. A két jelenség keveredik, és pont ezért nehéz a címből bármit kiolvasni.

MAGYAR BÉRSÁVOK 2026 (HAVI BRUTTÓ, TÁJÉKOZTATÓ BENCHMARK)

Junior fejlesztő: kb. 700 000-1 000 000 Ft · Senior fejlesztő: 1 750 000-2 100 000 Ft

Senior Data Scientist / Data Engineer: kb. 2 000 000 Ft · Senior ML Engineer: kb. 2 100 000 Ft

Lead / Architect: kb. 2 300 000-2 500 000 Ft

Forrás: Hays Salary Guide 2026 és Fizetesek.com 2026-os benchmark. Összevetésül: a KSH szerint 2025 decemberében a teljes munkaidős bruttó mediánkereset 607 700 Ft volt; az IKT a kiemelkedő keresetű ágazatok közé tartozik.

A bérsávok közti nagy ugrások önmagukban is ösztönzik a címinflációt: a junior és a senior sáv közötti több mint kétszeres különbség mellett bőven van tér arra, hogy a cégek a címmel manőverezzenek a bér helyett - vagy fordítva. Ez azonban nem oldja meg az alapproblémát: az évek száma rossz mérőszám. A valódi senioritás nem azonos a ledolgozott idővel. Ownership, tradeoff-érzék, production-felelősség, stakeholder-kezelés, mentorálás, mély rendszerismeret - ezek a tényleges jelek. Az a senior, aki nem ír kódot, hanem megakadályozza, hogy rossz rendszer épüljön, gyakran többet ér, mint az, aki sokat commitol. A bajt nem maga az infláció okozza, hanem hogy a piacnak nincs jó nyelve a valódi senioritás kifejezésére - és ezt a hiányt az AI csak felerősíti, mert a puszta kódírás értéke csökken, a döntésé pedig nő.

A munkaerőpiac nemcsak szűkebb lett, hanem zajosabb is. A piaci beszélgetések egyik legindulatosabb vonulata épp az álláskeresési infrastruktúra széteséséről szól. Juniornak tagelt hirdetések, amelyek közepén derül ki, hogy seniort keresnek. Bérsáv nélküli megkeresések. Kulcsszó-alapú recruiter-outreach, amely nem a jelöltet szolgálja, hanem a reach-et. A LinkedIn-szűrő junior beállítással is 10+ éves director- és architect-pozíciókat dob fel.

Ez egy rejtett költséget ró a jelöltre: a kevés valódi belépő pozíció mellett előbb ki kell bányásznia, melyik hirdetés nem hazudik neki. A keresési költség nő, a jelölt alkupozíció-érzete pedig romlik - különösen, mert sok megkeresésben ott lebeg a háttérfenyegetés, hogy ha te nem vállalod, jön az olcsóbb offshore vagy az AI-alternatíva. A piaci beszélgetésekben ez a hangnem gyakran sztereotip és indulatos, de a mögöttes gazdasági érzés világos: a magyar IT-s egyre kevésbé érzi magát erős tárgyalási helyzetben.

Itt a paradoxon: a szakma lenézi a láthatósági játékot, miközben a munkaerőpiac egyre inkább láthatósági játékká válik. A LinkedInt sokan cringe-nek, vállalati önfényezésnek tartják - és nincs is teljesen igazuk. De a piac állapotát nézve valamilyen minimális jelenlét megkerülhetetlen. A piaci beszélgetésekben felbukkan egy egészségesebb kompromisszum is, és ez egybecseng a transzparencia tágabb trendjével: nem napi üres posztolás, hanem saját, bizonyító erejű szakmai nyom - egy technikai esettanulmány, egy blog- vagy Substack-cikk -, amit aztán röviden megoszt az ember. Nem influencernek kell lenni, hanem nyomot hagyni.

PIACI JELZÉS + ADAT

A Hays Hungary szerint a hazai bértranszparencia még gyerekcipőben jár: a munkavállalók 61%-a szerint nem történt érdemi előrelépés. Ez azonban hamarosan változik: az EU bértranszparenciás irányelve nyomán 2026 nyarán kötelező bértranszparencia lép életbe Magyarországon, ami átírhatja a fizetési sávokra, a karrierutakra és a hirdetésekre vonatkozó elvárásokat. A jelöltek tehát épp most kapnak több strukturális alkuerőt - miközben a piac egyébként a hátrányukra billent.

Van egy kényelmetlen igazság, amelyet érdemes kimondani: a fejlesztői munkát már az AI előtt sem tudtuk jól mérni. A ledolgozott óra, a story point, a ticket-szám, a kódsorok száma (lines of code) és a meetingjelenlét mind problematikus mutató - mert a tudásmunka értéke ritkán látszik közvetlenül az aktivitásban. Az AI ebbe a már eleve bizonytalan mérési környezetbe robbant be.

Most jönnek az új, csábítóan számszerűsíthető, de félrevezető metrikák: token usage, AI-generált PR-ok száma, ágenssel párhuzamosan vitt ticketek, generált kódmennyiség, „mennyit zártál le”. Ezek könnyen productivity theatre-t hoznak létre: a mérőszám nő, miközben a valódi érték nem feltétlenül. A minőségi munka ráadásul sokszor láthatatlan - a jó design, a kevesebb kód, az elkerült hiba, a pontos specifikáció, a jó teszt, a végiggondolt review, a jókor feltett kérdés mind nehezen számszerűsíthető.

AMIT KÜLÖN KELL TARTANI

Aktivitás (mennyit csinálsz) → output (mennyi készül) → outcome (mit ér el) → üzleti érték → megbízhatóság. Az AI az aktivitást és az outputot teszi olcsóvá és láthatóvá - vagyis pont azt, ami a legkevésbé jó mérőszám.

A METR-kísérlet tanulsága itt is kísért: a fejlesztők rosszul mérték fel a saját termelékenységüket - gyorsabbnak hitték magukat, miközben lassultak. Ha egy szervezet korábban sem értette a különbséget aktivitás és értékteremtés között, az AI csak gyorsabbá teszi a félremérést. A szakmában léteznek átgondoltabb keretek - a DORA- és a SPACE-metrikák épp a több dimenzió (átfutási idő, megbízhatóság, elégedettség, kognitív teher) együttes nézésére bátorítanak -, de ezek lassan terjednek, mert kényelmetlenebbek, mint egy egyszerű ticket-szám.

A piaci beszélgetések egy szürreális kísérőjelenséget is felszínre hoznak: maga a „munkaidő” fogalma is széthullik. Sokan napi nulla és négy-öt óra közötti tényleges fókuszidőről beszélnek, és gyorsan átcsap a vita abba, hogy mit is nevezünk munkának - a meetinget, a kávé melletti tervezést, az ágensre várást, a korábban felszedett tudást? Ez nem lustaság, hanem a tudásmunka természetének tünete. És pontosan ez teszi olyan veszélyessé, ha valaki token-fogyasztásban vagy generált kódmennyiségben próbálja mérni az értéket.

A morálromlás egyik legkonkrétabb forrása a bér. A piaci beszélgetésekben visszatérő a kép: infláció alatti emelések, a bónusz és az alapbér közti játék, és az az érzés, hogy a hub értéket termel, miközben a dolgozó 1-3%-os emelést kap. A reakciók megoszlanak - sokan azt mondják, „ilyen a piac, menj máshová” -, de a frusztráció valódi.

A magyar makroadatok megmagyarázzák, miért épp most éleződik ez ki. A KSH szerint 2024-ben a nettó reálkeresetek átlagosan 9%-kal nőttek - a rendszerváltás óta kiemelkedően nagy ütemben. 2025-ben viszont fordult a kocka: minden negyedik magyar dolgozó (a munkavállalók 28%-a) azt tapasztalta, hogy a fizetése kevesebbet ér a boltban, mint egy évvel korábban. A KSH kommentárja szerint emögött főleg a törzsbéren kívüli juttatások - pótlékok, jutalmak - csökkenése áll. Magyarul: a cégek nem feltétlenül a bértáblát vágták, hanem a bónuszt és az extrákat - ami pontosan az a tapasztalat, amely a beszélgetésekből is árad. A 0-5%-os emelési sávba esők aránya 16%-ról 28%-ra nőtt.

PIACI JELZÉS

A 2024-es kiemelkedő reálbér-növekedés utáni 2025-ös visszaesés pszichológiailag élesebb, mint egy folyamatos stagnálás lett volna: az emberek hozzászoktak a javuláshoz, majd hirtelen szembesültek annak megszűnésével. Ez a kontraszt önmagában is morálromboló - még akkor is, ha az infláció közben mérséklődött.

És itt találkozik a bérkérdés az AI-jal. A PwC szerint az AI-készségekért 56%-os bérprémium jár - ez azonban globális átlag, nem magyar garancia, és azokat jutalmazza, akik AI-készséget visznek a piacra, nem mindenkit. A nyersebb veszély a következő: az AI-tól nő az elvárt output, de nem biztos, hogy nő a bér. Ha a dolgozó csak gyorsabb tempót, több kontextusváltást és stagnáló fizetést érez, akkor az AI nem felszabadító eszköz, hanem morálromboló nyomás.

A kulcskérdést tehát nem lehet megkerülni, de magabiztosan megválaszolni sem: ki nyeri meg az AI termelékenységi nyereségét - a dolgozó, a cég, az ügyfél vagy a részvényes? Ez elosztási kérdés, nem technológiai. A PwC adatai azt sugallják, hogy az AI-készséggel rendelkező munkavállalók egy része valóban realizál bérprémiumot. De az is látszik a McKinsey adataiból, hogy a vállalatok többsége egyelőre nem fordítja vállalati szintű nyereséggé az AI-t (erről a 8. fejezetben), így a megosztható „nyeremény” sok helyen még inkább ígéret, mint realitás. Bárki, aki azt állítja, hogy biztosan tudja a választ, túlbecsüli a jelenlegi bizonyítékokat.

Az AI munkaerőpiaci hatásának van egy alábecsült dimenziója: az árazás. A jelenlegi közhangulat azt feltételezi, hogy az AI lényegében ingyenes és korlátlan. Ez rövid távon részben igaz - az ingyenes hozzáférés valószínűleg marad -, de a professzionális, intenzív AI-használat egyre inkább usage-based, kvótás vagy enterprise-kontrollált lesz.

A legbeszédesebb jelzés a GitHub Copilot árazási modellje. A prémium kérések elszámolása 2025 júniusában indult, és 2026. június 1-jétől minden Copilot-csomag token-alapú, usage-based elszámolásra vált: a „prémiumkérés-egységeket” GitHub AI Credit váltja fel, a fogyasztást a be- és kimeneti tokenek alapján számolják, a korlát feletti kérés pedig külön költséget jelent (a korábbi modellben 0,04 dollár/kérés). A lényeg a modellszorzókban van: a fejlett, érvelő modellek 5×, 20×, egyes gyors üzemmódú csúcsmodellek akár 30× sebességgel fogyaszthatják a keretet. A korábbi „fallback” - amikor a kvóta kimerülése után automatikusan olcsóbb modellre váltottál - megszűnik; helyette a keret és az adminisztrátori költségvetés szabja meg a határt.

A KETTŐS MOZGÁS

Az inferencia ára zuhan: a Stanford AI Index szerint egy GPT-3.5 szintű rendszer futtatása 280-szorosára olcsóbbodott 2022 vége és 2024 vége között (kb. 20 dollárról 0,07 dollárra millió tokenenként). A csúcsmodellek tanítása viszont drágul: a legújabb rendszerek tanítása néha több mint 100 millió dollár - ezt csak a tech-óriások engedhetik meg. A commodity-inferencia tehát olcsó és egyre olcsóbb; a nehéz, hosszú session-ös, nagy kontextusú, ágens jellegű terhelés viszont ott válik költségessé, ahol a valódi mérnöki leverage van.

Ennek a munkaerőpiaci következménye fontos és némileg meglepő: ha a komoly AI-leverage pénzbe kerül, akkor nem vált ki mindenkit - inkább a jó szakemberek hatékonyságát növeli. Az olcsó, korlátlan AI világában könnyű elképzelni, hogy „mindenki helyettesíthető”. A mért, költséges AI világában viszont az számít, ki tudja a drága erőforrást a legnagyobb üzleti értékkel használni: ki tud jó promptot, jó architektúrát, jó evalt és jó költségkontrollt csinálni. Ez felértékeli a mérnöki ítélőképességet, nem leértékeli.

A stratégiai következtetés egyéni és céges szinten is ugyanaz: LLM-agnosztikus rendszerek, model routing (a feladathoz illő, nem mindig a legdrágább modell), eval, költségkontroll és governance. Aki ezt érti, az nemcsak a saját produktivitását növeli, hanem épp azt a réteget építi, amelyet az AI nem commoditizál.

A globális trendek minden piacot érintenek, de Magyarországon van néhány tényező, amely felerősíti vagy más színben tünteti fel a hatásukat. A legfontosabb a már említett service-center- és nearshore-örökség. Sok munka azért érkezett ide, mert a magyar munkaerő olcsóbb volt, mint a londoni, zürichi vagy német, de elég jó minőségű. Ez a cost-arbitrage modell strukturálisan sebezhető: pontosan addig működik, amíg a költségkülönbség nagy.

Erre jön rá az erős forint. A makroadatok és a piaci hangulat egyaránt azt mutatják, hogy a forint erősödése a külföldi cégek számára relatíve drágábbá teszi a magyar munkaerőt euróban számolva - épp akkor, amikor a globális költségfegyelem amúgy is szigorúbb. (A piaci beszélgetésekben konkrét, 20-25%-os drágulásról is szó esik; ezt érdemes kvalitatív piaci olvasatként, nem pontos mérőszámként kezelni.) Ha a magyar delivery már nem feltűnően olcsóbb, akkor nem elég „jó kódolónak” lenni; valami nehezebben helyettesíthető többlet kell: domain, bizalom, ownership, compliance, helyi és európai kontextus, end-to-end felelősség.

A kereslet oldalán egy másik magyar feszültség is ott van. A piaci beszélgetések visszatérő felismerése, hogy nem az a baj, hogy nincs mit digitalizálni - technikai szükséglet bőven van. A baj az, hogy a fizetőképes, döntésképes kereslet kevés. A KKV-k és intézmények kivárnak, alkudoznak, AI-ra hivatkozva olcsóbban akarnak fejlesztést, vagy belsőleg próbálnak barkácsolni. Hozzá kell tenni: erre nincs erős, publikus magyar adatsor, így ezt elemzői hipotézisként, nem bizonyított tényként fogalmazom meg - de a kép konzisztens azzal, amit a gazdasági lassulásról és a beruházási óvatosságról tudunk.

ELEMZŐI HIPOTÉZIS

A magyar piac kis méretéből adódóan a globális tech- és AI-trendek gyorsabban és élesebben gyűrűznek be, mint nagyobb, diverzifikáltabb gazdaságokban. Egy szűk piacon kevesebb a párna: ha néhány nagy hub vagy néhány domináns ügyfél megváltoztatja a felvételi vagy árazási logikáját, az azonnal érezhető a teljes szakmán. Ez gyorsabb fájdalmat, de potenciálisan gyorsabb alkalmazkodást is jelent.

Végül ott van az állami és nagyvállalati rendszerek lassúsága, a remote/hybrid átrendeződés és a kontraktorpiac bizonytalansága. A magyar kontraktorok és body shopok különösen kitettek: a belső senior plusz AI csapatok visszavehetik a korábban kiszervezett munkát. Összegezve: Magyarországnak nem „vége” - de a sima delivery-modellből felfelé kell lépni a domain-, production- és döntésérték irányába, és erre a kis piac kevesebb haladékot ad.

A kép kemény, de nem reménytelen - és semmiképp sem apokaliptikus. Az átrendeződés nem azt jelenti, hogy a szakmának vége; azt jelenti, hogy eltolódik az, hogy mi számít értéknek. A puszta kódírás veszít az értékéből; a specifikáció, az architektúra, a product-ítélőképesség, a domain-tudás és a production-felelősség viszont nyer. A nyertes profilok ezt a tengelyt követik.

A KÖZÖS SZÁL

A nyertes nem a klasszikus „kódoló”, hanem az, aki tanulni tud, az AI-t kontrolláltan használja, üzleti problémát ért, rendszert épít, validál, kommunikál - és látható szakmai nyomot hagy maga után. Ez a réteg az, amelyet az AI nem commoditizál, hanem felerősít.

A magyar IT-szakma „pofonja” tehát valós tapasztalat, de félrevezető lenne pusztán az AI számlájára írni. Inkább egy munkaerőpiaci rezsimváltás közepén vagyunk, ahol a régi társadalmi szerződés - „tanulj meg programozni, kezdj juniorként, a piac felszív” - átíródik. Az új szerződés keményebb és kevésbé kiszámítható, de nem zárt: azoknak nyílik meg, akik az értéklánc azon pontjaira mozdulnak, ahol a döntés, a felelősség és a domain számít. A következő részekben ezeket a pontokat járom körül egyesével.