AI • Ügynökök • Automatizálás
Megérkezett a „Full Agency” korszak: amikor az AI már projektet vezet, nem csak válaszol
A tegnapi bejelentések üzenete egyszerű: a modern AI egyre kevésbé „chat”, és egyre inkább egy
autonóm, eszközökkel dolgozó ügynök, amely képes komplex feladatokat lebontani, végrehajtani,
ellenőrizni — majd dokumentálni az eredményt.
Közzétéve: 2026.02.06.
Olvasási idő: ~6–8 perc
Téma: Full Agency / agentic AI
Mit jelent pontosan a „Full Agency”?
Az „agency” (ügynöki képesség) leegyszerűsítve azt jelenti, hogy az AI nem csupán válaszokat ad,
hanem célokat értelmez, tervet készít, lépéseket hajt végre,
és közben visszacsatol a felhasználó felé: mit csinált, miért csinálta, mi lett az eredmény,
és hol kéri a jóváhagyást.
A „Full Agency” kifejezés a gyakorlatban nem azt jelenti, hogy az AI „szabadon garázdálkodik”.
Inkább azt, hogy hosszú, több órás vagy több napos munkafolyamatokat is képes következetesen
végigvinni: feladatlistát vezet, fájlokat kezel, teszteket futtat, hibát javít, majd a végén összerak egy
publikálható kimenetet.
Fontos: az ügynökök ereje nem csak a modell „IQ-jából” jön, hanem abból, hogy hozzáférnek
eszközökhöz (kód futtatás, fájlkezelés, repo-műveletek, keresés, vállalati integrációk), és képesek
a munkát lépésekre bontani.
Mi változott „tegnap”? A nagy váltás: AI → csapat-szerű működés
Az elmúlt időszakban több vezető szereplő is olyan irányba mozdult, hogy a modellek ne csak „egyablakos”
chatként működjenek, hanem munkatárs-szerű rendszerré álljanak össze. Például:
-
Vállalati „AI co-worker” platformok jelennek meg, amelyek kifejezetten ügynökök építésére,
menedzselésére és integrálására készülnek (fájlok, adatok, üzleti rendszerek).
-
Kódolásban nem csak autokompletálásról beszélünk, hanem „hosszú távú fejlesztési feladatokról”:
hibajegyek kezelése, több modul érintése, tesztelés, dokumentáció, csomagolás.
-
A kutatási oldalról is egyre több anyag születik arról, hogyan lehet skálázni az agent rendszereket:
mikor működnek jól, és miért buknak el.
A közös nevező: nem egyetlen „okos válasz” a cél, hanem egy megbízható folyamat,
ami hasonlít arra, ahogy egy mini csapat dolgozik: tervez → végrehajt → ellenőriz → jelent.
Hogyan néz ki egy „Full Agency” workflow a valóságban?
1) Brief → feladatbontás
Te megadod a célt (pl. „készíts landing oldalt”, „javítsd a backendet”, „írj 3 híranyagot”),
az ügynök pedig lebontja lépésekre, és kijelöli a függőségeket (mire van szüksége tőled).
2) Kivitelezés eszközökkel
Kódot ír, fájlokat hoz létre, teszteket futtat, buildet készít, adatot elemez, jegyzetel.
Nem „szöveget ír”, hanem dolgozik.
3) Ellenőrzés és önjavítás
Az ügynök tipikusan visszaellenőrzi a saját eredményét: tesztek, lint, edge case-ek, logok,
majd iterál, amíg a cél teljesül.
4) Jóváhagyási pontok
A „Full Agency” akkor jó, ha nem vakon fut: a kritikus pontokon kér tőled döntést
(deploy, költséges művelet, publikus publikálás).
Ez a különbség a „segéd” és a „projektmenedzser” AI között:
a segéd ad egy választ. Az agent végigviszi a munkát — és közben dokumentál.
Mit nyersz vele? 5 azonnali előny
- Időnyereség: a „konteó-rész” (tervezés + következő lépés kitalálása) automatizálódik.
- Kevesebb kontextusvesztés: az agent emlékszik a projekt állapotára, és ott folytatja.
- Stabilabb minőség: ha tesztel és ellenőriz, csökken a „szép, de hibás” kimenetek aránya.
- Skálázhatóság: egy ember több párhuzamos mini-projektet tud felügyelni.
- Dokumentáció: nem utólag „kell megírni”, mert a folyamat része lesz.
A rejtett ár: hol tud ez elcsúszni?
Minél nagyobb autonómiát adsz egy rendszernek, annál fontosabb a kontroll. A tipikus kockázatok:
-
Biztonság: ha az agent hozzáfér repókhoz, kulcsokhoz vagy belső rendszerekhez,
komoly jogosultság- és naplózási szabályok kellenek.
-
„Hallucinált” lépések: nem csak tényeket, hanem műveleteket is el tud rontani
(pl. rossz fájlt módosít).
-
Költség és futási idő: egy hosszú agent-folyamat több compute-ot és több tokenhasználatot jelent.
-
Felelősség: ha a végén publikálsz, mindig legyen emberi jóváhagyás (különösen jogi/egészség/pénzügy témákban).
Gyors szabály: Full Agency = „autonóm kivitelezés”, de nem „autonóm döntési jogkör”.
A döntésekhez állíts be kapukat (approval gates).
Kinek lesz ez a legnagyobb fordulat 2026-ban?
Röviden: annak, aki eddig „ügynökségi” munkát végzett (web, marketing, tartalom, analitika),
és annak, aki szoftvert épít. Az ügynökök ugyanis pont azokat a folyamatokat szeretik, amelyek:
ismétlődők, szabályozhatók, mérhetők.
Három tipikus forgatókönyv
-
Egyéni fejlesztő / indie builder: egyetlen ember „mini csapatot” kap: spec → kód → teszt → release.
-
Kisvállalkozás: automatizált riportok, kampány-előkészítés, ügyfélszolgálati összegzések,
és egyszerű integrációk.
-
Tartalom + SEO / Discover: témakutatás, vázlat, cikk, képprompt, meta, strukturált adat —
mind egy agent-folyamatba köthető.
Gyors kérdések – gyors válaszok
Ez azt jelenti, hogy „kész, vége az emberek munkájának”?
Nem. Inkább azt, hogy a munka átrendeződik: kevesebb kézi kattintás és „copy-paste”, több tervezés,
ellenőrzés, minőségbiztosítás, és üzleti döntés. Az nyer, aki jól tud briefet adni és jól tud review-zni.
Mi kell ahhoz, hogy ez tényleg stabil legyen?
Eszköz-hozzáférés (tooling), tesztelés/ellenőrzés, naplózás, jogosultság-kezelés és jóváhagyási kapuk.
A „csak bedobom a chatbe” szint helyett: folyamat és governance.
Hogyan kezdjek el okosan kísérletezni?
Válassz egy szűk, mérhető feladatot (pl. „egy cikk HTML+JSON-LD sablonban”), állíts be checklistet,
és először csak „javaslat” módban futtasd, emberi jóváhagyással. Ha stabil, akkor engedd több lépésre.
Mit jelent ez a NovaryonAI ökoszisztémában?
A „Full Agency” korszak pont annak kedvez, amit te is építesz: egy olyan rendszernek, ahol az AI nem csak
beszél a világról, hanem dolgozik benne. Például:
- Novaryon News: agent generál cikket + képpromptot + SEO metát + JSON-LD-t egyben.
- Novaryon Audit: agent lefuttat auditot, majd akciótervet ír és priorizál (impact × effort).
- Novaryon Discover: agent témát választ, megírja, validálja és publikálja egységes stílusban.
Források és további olvasnivaló (válogatás)