O

A legtöbb vállalati AI-projekt nem azért hal el, mert rossz eszközt választottak. Hanem mert a szervezet gyorsabban kapcsolta be a mesterséges intelligenciát, mint ahogy a saját struktúrája és kultúrája fel tudta volna dolgozni.

Ez az a mondat, amit a vezetők ritkán hallanak — pedig a legtöbb kudarc mögött ez áll. Nem a modell volt gyenge. A szervezet nem bírta a tempót.

A SICT keretrendszer — amelyet Róth Miklós (Roth Complexity Lab, Budapest) fejlesztett — pontosan erre a vakfoltra világít rá. Nem egy újabb „AI-érettség pontszám”, ami egy szám mögé rejti a valóságot. Egy diagnosztikai lencse, amely jobb kérdéseket ad a kezedbe.

A törékenység valódi forrása

A SICT egyetlen alaptézisre épül, és ez a tézis kényelmetlenül pontos:

A modern rendszerek nem attól lesznek törékennyé, hogy túl bonyolulttá váltak — hanem attól, hogy az információ és a változás gyorsabban áramlik át rajtuk, mint ahogy a struktúra és a kohézió fel tudná dolgozni.

Most gondold végig, mit csinál egy AI-bevezetés egy nagyvállalattal. Egy csapásra megtöbbszörözi az információ áramlását (új outputok, automatizált döntések, riportok, generált tartalom) és felgyorsítja a változás ütemét (új folyamatok, új szerepek, hetente új eszköz). Vagyis pontosan azt a két erőt löki meg, amelyek destabilizálnak.

Ha közben a struktúra és a kohézió — a két stabilizáló erő — ott marad, ahol tavaly volt, a rendszer nem okosabb lesz. Hanem törékenyebb.

Ez a SICT diagnózisának lényege: nem az eszközt méri, hanem az egyensúlyt.

Négy betű, két erő

A SICT négy dimenziója két táborra oszlik:

Stabilizáló erők — ezek tartják össze a rendszert:

• S — Struktúra: az adat-, folyamat- és döntési architektúra. Vannak-e tiszta szerepkörök, adatfolyamok, döntési jogkörök, governance? Megvan-e az a váz, ami egyáltalán elbírja az AI-t?
• K — Kohézió: a közös jelentés és a bizalom. Ugyanazt értik-e a csapatok az AI outputja alatt? Túléli-e a megosztott jelentés a folyamat végét, vagy minden osztály a saját értelmezését gyártja?

Destabilizáló erők — ezek feszítik a rendszert:

• I — Információ: az AI nem csökkenti, hanem felrobbantja az információ mennyiségét. Tudja-e a szervezet szétválasztani a jelet a zajtól, vagy belefullad a saját outputjába?
• T — Transzformáció: a változás sebessége. Képes-e a csapat metabolizálni a folyamatos átalakulást, vagy minden új ciklusnál reped egyet?

A diagnosztikai kérdés mindig ugyanaz: a stabilizáló kapacitás (S + K) lépést tart-e azzal a terheléssel, amit az információ és a változás (I + T) ráenged a rendszerre?

Ahol ez az arány felborul, ott nem több AI-ra van szükség. Hanem több struktúrára vagy több kohézióra — mielőtt a következő eszköz bekapcsolódik.

Mi történik, ha felborul az arány?

Az egyensúly kétféleképpen tud felborulni — és mindkettő drága.

Túl sok I és T, kevés S és K. Ez a leggyakoribb, és ez a klasszikus „AI-hype-csapda”. A cég vesz öt eszközt, mindenki kísérletezik, ömlik az output — de senki nem tudja, melyik szám megbízható, ki a felelős, és hova vezet az egész. A szervezet nem lett okosabb, csak hangosabb. Ez nem fejlődés, hanem zaj felgyorsítva.

Túl sok S és K, kevés I és T. A ritkább, de szintén valós eset: a szervezet annyira védi a saját struktúráját és belső konszenzusát, hogy bénultan figyeli, ahogy a piac elhúz mellette. Itt a governance nem véd — hanem ketrec. Az AI sosem jut túl a „pilot projekten”.

A SICT lényege éppen az, hogy ez a két hiba ugyanannak az aránynak a két végpontja. A cél nem a maximális struktúra és nem a maximális innováció. A cél az, hogy a stabilizáló kapacitásod lépést tartson azzal a tempóval, amit magadra szabadítasz.

Mit mér valójában a SICT egy AI-projektben?

Vegyünk egy tipikus nagyvállalati csapatot, amelyik most vezet be egy generatív AI-megoldást. A SICT négy fegyelmezett kérdéssorrá fordítja le a „mennyire vagyunk készen?” homályos érzését:

• Struktúra: Ki dönti el, mit csinálhat az AI, és mit nem? Tiszták-e az adatforrások, vagy a modell szemétből táplálkozik? Van-e governance, vagy mindenki a saját shadow-eszközét használja?
• Információ: Az AI által termelt outputok döntéssé érnek, vagy csak újabb réteg zajt raknak a meglévő káoszra? Kinek a dolga megszűrni?
• Kohézió: A marketing, az IT, az ops és a vezetés ugyanarról beszél, amikor azt mondja, „AI”? Vagy négy különböző projektet futtatnak ugyanazon a néven?
• Transzformáció: A szervezet tanul a változásból, vagy csak túléli? Az emberek partnernek érzik az AI-t, vagy fenyegetésnek?

A válaszokból nem egy pontszám születik. Hanem egy térkép: pontosan látszik, melyik dimenzió a szűk keresztmetszet — és hol feszül túl a rendszer.

Egy diagnózis a gyakorlatban

Képzeljünk el egy körülbelül 300 fős céget — mondjuk egy gyártó- vagy szolgáltatóvállalatot. Fél éve bevezettek egy menő generatív AI-platformot. A vezetés büszke rá, a sajtóközlemény elment. Aztán fél év után valaki felteszi a kérdést: és akkor most mi változott?

A válasz: alig valami. Futtassuk rá a SICT-et.

• Struktúra: Kiderül, hogy nincs egyetlen felelős sem. Az IT bevezette az eszközt, de a használati szabályokat senki nem írta meg. Mindenki máshogy promptol, az adatok három különböző rendszerből jönnek. Gyenge.
• Információ: Az AI ontja az anyagot — összefoglalókat, vázlatokat, riportokat —, de senki nem ér rá ellenőrizni, mi belőle igaz és releváns. Túlterhelt.
• Kohézió: A marketing imádja, az ops fél tőle, a középvezetők szabotálják, mert úgy érzik, fölöslegessé teszi őket. Négy különböző „AI-történet” él párhuzamosan. Repedezik.
• Transzformáció: Mivel az alap (S és K) gyenge, minden új funkció csak növeli a feszültséget, ahelyett hogy értéket adna. Nem metabolizálódik.

A diagnózis egyértelmű: nem az eszközzel van baj. A szűk keresztmetszet a kohézió és a struktúra — vagyis a két stabilizáló erő. A cégnek nem hatodik AI-eszközre van szüksége. Hanem felelősökre, közös nyelvre és arra, hogy a középvezetőkből szabotőr helyett szövetséges legyen.

Ez a SICT igazi haszna: megmutatja, hogy a pénzt és az energiát hova ne öntsd — és hova igen.

Hogyan használja ezt Róth Miklós

Róth Miklós a SICT-et nem misztikus képletként, hanem diagnosztikai lencseként alkalmazza a vállalati AI-érettség feltérképezésekor. Ez tudatos döntés: a keret bevallottan egy korai fázisú, rendszertudományi javaslat, nem pedig bizonyított törvény vagy univerzális predikciós motor. És pont ez adja a hitelességét.

A gyakorlatban ez három dolgot jelent:

1. Az arány feltérképezése. Nem azt nézi, „van-e AI-tok”, hanem hogy a stabilizáló erőitek (struktúra, kohézió) bírják-e azt a terhelést, amit az információ és a változás rátok zúdít. A diagnózis maga ez az arány.
2. A szűk keresztmetszet megnevezése. A négy dimenzió közül szinte mindig egy a gyenge láncszem. Egy csapatnál a struktúra hiányzik, egy másiknál a kohézió — az emberek nem bíznak az outputban. A SICT megmondja, hova kell először nyúlni.
3. Közös nyelv építése. A keret legnagyobb gyakorlati haszna talán az, hogy hidat ver a vezetés, az IT, az üzleti oldal és a kommunikáció közé. Amikor mindenki ugyanazt a négy dimenziót használja, megszűnik a „beszélünk egymás mellett” probléma — és ez önmagában növeli a kohéziót.

Mit kezdj a diagnózissal?

A diagnózis nem önmagáért van. A SICT azért hasznos, mert a „melyik dimenzió a gyenge?” kérdésre egyértelmű cselekvési irány következik:

• Ha a Struktúra gyenge → előbb a szabályokat, felelősöket és adatforrásokat kell rendbe tenni, és csak utána skálázni. Egy új eszköz itt csak ront a helyzeten.
• Ha az Információ a szűk keresztmetszet → szűrőkre és priorizálásra van szükség, nem több outputra. A kérdés nem az, „hogyan termeljünk többet”, hanem „hogyan döntsünk gyorsabban a meglévőből”.
• Ha a Kohézió reped → a megoldás emberi, nem technológiai. Közös nyelv, transzparens elvárások, és a középvezetők bevonása — különben minden bevezetés alulról fog megfeneklődni.
• Ha a Transzformáció akad → az alapot kell megerősíteni (S és K), mielőtt újabb változást engedsz rá a rendszerre.

A logika mindig ugyanaz: a leggyengébb láncszemet erősítsd, ne a legerősebbet csiszold tovább. A legtöbb cég ezt fordítva csinálja — ott fektet be, ahol már amúgy is jó.

A lényeg

Az AI-érettség nem arról szól, hogy nálad van-e a legjobb eszköz. Arról szól, hogy a struktúrád és a kohéziód lépést tart-e azzal az információval és változással, amit elszabadítasz.

A SICT nem ígér varázsszámot. Őszinte kérdéseket ad — és 2026-ban, az AI-hype kifulladásának évében, pont ez az, ami megkülönböztet egy komoly partnert a következő bullshit-generátortól.

Ha tudni akarod, a saját csapatod hol feszül túl a négy dimenzió mentén, ott kezdődik a beszélgetés.

A SICT keretrendszer Róth Miklós (Roth Complexity Lab, Budapest) fejlesztése. A vállalati AI-érettség diagnosztikai alkalmazásáról a Roth AI Consultingnál.