AI a marketingben: promptoktól az ügynökökig

Frissítve: 2026. november 5.

Ma már gyakorlatilag mindenki használ a marketingben AI-t, gondolom Te is. De melyik fajtáját?
Mert az, hogy AI-t használunk egészen sok mindent jelenthet.

Van, aki egy jól bevált prompttal írja meg a heti posztjait. Van, aki három egymásra épülő prompttal készíti a hírlevelét. Van, akinél egy skill végzi el egy teljes cikk kutatását és megírását, és van, akinél egy AI-ügynök kérdezi le reggelente a Google Ads és a GA4 adatait, majd riportot küld. Mindegyik AI. Csak egészen más eszköz, más tudást és más adatkezelési figyelmet igényel.

Ebben a cikkben végigmegyünk azon, milyen AI-megoldások közül választhatsz ma marketingesként: a sima prompttól a promptsorozatokon, a skilleken és az ágenseken át az MCP-kapcsolatokig, a RAG-ig és a saját fejlesztésű eszközökig. Mindegyiknél megnézzük, mi ez, mire jó a marketingben, és mikor nincs rá szükséged.

Egy dolgot előre tisztázzunk: ez nem egy létra, amin felfelé kell másznod. Aki ágenseket használ, az is ír naponta sima promptokat. A cél az, hogy lásd a teljes eszköztárat, és tudd, melyik feladathoz melyiket érdemes elővenni.

És egy megjegyzés is: bár itt általában AI-ról beszélek, leggyakrabban a generatív AI eszközökről lesz szó, és a nagy nyelvi modellekről. A mesterséges intelligencia, mint technológia, ennél jóval szélesebb, és több mindenre használható, de – követve az elterjedt gyakorlatot – megengedek magamnak ennyi egyszerűsítést.

Milyen AI-megoldások közül választhat ma egy marketinges?

Ma legalább tizenkét jól elkülöníthető AI-megoldástípus áll egy marketinges rendelkezésére. Ezek nem helyettesítik, hanem kiegészítik egymást, ezért érdemes nem rangsorként, hanem eszköztárként tekinteni rájuk.

Én négy kérdés mentén szoktam csoportosítani őket, mert így sokkal könnyebb eldönteni, mire van szükséged:

1. Hogyan utasítod az AI-t? Egyetlen prompttal, egymásra épülő promptokkal, egy betanított asszisztenssel, egy teljes módszertant tartalmazó skillel, vagy esetleg nem is utasítod, mert figyel, vagy éppen egy automatizmus része.
2. Ki hajtja végre a munkát? Te lépésről-lépésre, egy előre beállított automatizálás, vagy egy ágens, amely maga dönt a következő irányról.
3. Mihez fér hozzá az AI? Csak ahhoz, amit bemásolsz, egy tudásbázishoz (RAG), vagy MCP-n keresztül az élő marketingeszközeidhez.
4. Hol fut? Egy általános chatfelületen, egy platformba építve (Meta, Canva, Google), a saját fejlesztésű eszközödben vagy a saját gépeden.

Látod, ezek alapján nagyban eltér, hogy milyen AI megoldásokban gondolkodhatunk, nézzük őket végig, vagy legalábbis a legfontosabbakat közűlük!

Megoldástípus	Mire jó a marketingben?	Mi kell hozzá?
Prompt	poszt, hirdetésszöveg, gyors elemzés, egyedi kérések, kérdések	egy AI-chat és jó kérdezési logika
Promptsorozat	hírlevél, kampányterv, cikk, nagyobb feladat lépésenként végrehajtva	elmentett, egymásra épülő promptok
Egyedi projekt	márkahangon írás, ismétlődő ügyfélmunka	Például Claude Projects, ChatGPT projektek
Skill	összetett, döntési utakkal teli módszertan	skillt kezelő felület, például Claude vagy ChatGPT
Automatizálás AI-lépéssel	leadosztályozás, tartalomterjesztés, riport	Make, Zapier vagy n8n
AI-ágens	kutatás, fiókelemzés, többlépéses feladat	ágensképes felület, jól körülírt feladat
MCP-kapcsolat	élő adatok a GA4-ből, a hirdetési fiókokból, módosítás végrehajtás AI platformról indítva más rendszerben	MCP-t támogató AI és hivatalos csatlakozó
RAG	belső tudásból válaszoló chatbot	rendezett dokumentumok, keresőréteg
Platformba épített AI	Advantage+, Canva Magic Studio	a platform, amit már most is használsz
Saját fejlesztésű eszköz	a saját folyamatodra szabott alkalmazás, akár AI funkciókkal	AI-alapú kódolás, kevés technikai alap
Helyi modell	érzékeny adatok feldolgozása saját gépen	erősebb gép, telepítés
Médiagenerálás	kép, videó, hang, avatar	képgeneráló és videós eszközök

Hányan használnak AI-t itthon és a marketingben?

Sokan, és egyre többen. Magyarországon a munkaképes korúak egyharmada használ generatív AI-t, de az internetezők 80%-a próbálta már. A marketingesek körében pedig a napi használat már inkább alap, mint kivétel. A különbség ma már nem az, hogy ki használja, hanem az, hogy mennyire mélyen.

A magyar képet a Microsoft 2026 második negyedéves AI Diffusion jelentése mutatja a legfrissebben: Magyarországon a 15-64 évesek 33,3 százaléka használt generatív AI-t, ezzel a 20. helyen állunk a világon, és vezetjük a visegrádi országokat. Ez a szám nem kérdőívből, hanem a Microsoft anonimizált használati adataiból készült becslés, ezért érdemes egy másik méréssel együtt nézni.

Ilyen az AI Readiness Index 2025-ös hazai felmérése, amely több mint kétezer internetező válaszai alapján azt találta, hogy egy év alatt 26-ról 42 százalékra nőtt azok aránya, akiknek a mindennapjai része valamilyen AI-alkalmazás.

A cégeknél más a kép. A KSH adatai alapján a hazai vállalkozások nagyjából tizede használ valamilyen AI-technológiát, miközben az Eurostat szerint az uniós átlag 20 százalék, és az AI-t használó cégek több mint harmada marketingre vagy értékesítésre veti be.

Kik?	Arány	Forrás
EU, 16-74 évesek, 3 hónapon belül	33%	Eurostat, 2025
Magyarország, 15-64 évesek	33,3%	Microsoft, 2026 Q2
Magyar internetezők, mindennapi használat	42%	AI Readiness Index, 2025
Magyar vállalkozások	kb. 10%	KSH, 2025
Marketingesek, napi használat	73%	Social Media Examiner, 2026
Marketingesek, legalább egy munkafolyamatban	87%	Salesforce, 2026

Mit mutatnak a marketinges felmérések?

A saját kutatásaink alapján (például az aikviz.hu 1575 magát marketingesnek valló kitöltőjét vizsgálva) azt látjuk, hogy a válaszadóknak csak a 4,6%-a nem használ AI-t a munkájában.
A legtöbb marketinges kitöltő szövegírásra (68%) valamint képek és videók készítésére (54%) használ mesterséges intelligenciát, de az elemzés is jó helyen van (41%). Sőt, ha az elmozdulásokat nézzük, akkor azt látjuk – nem meglepő módon-, hogy egyre kevesebb az, aki nem használ AI-t a marketingesek között, és egyre többen használják minden területen ezt a technológiát.

Mit jelent ez neked?
Azt, hogy a „használok-e AI-t” kérdés eldőlt. A mostani kérdés már az, ki tud a promptokon túl rendszert építeni, miközben megtartja az ellenőrzést. Ha kíváncsi vagy még további magyar adatokra, olvass a tavalyi marketinges AI-kutatásról, de arról is írtam, hogy a magyar marketingesek nem félnek az AI-tól.

Ezek után pedig nézzük az AI lehetőségeit!

Promptok: az alap, amit sosem nősz ki

A prompt egyetlen utasítás az AI-nak, és ma is ez a leggyakrabban használt megoldás a marketingben. Posztötlet, hirdetésszöveg, tárgysor, egy táblázat gyors elemzése, egy ügyfélpanasz megválaszolása: ezekhez legtöbbször egy jól megírt prompt is elég.

A különbség a jó és a gyenge prompt között nem a hosszában van, hanem abban, hogy mennyi kontextust adsz. Az AI nem ismeri a cégedet, a célcsoportodat és azt, mi működött nálad eddig. Ha ezt nem mondod el neki, átlagos szöveget kapsz, ami bárkié lehetne.

Egy jól működő marketinges prompt jellemzően ezt az öt elemet tartalmazza:

1. Szerep: kinek a szemével dolgozzon (például tapasztalt közösségimédia-szövegíró).
2. Kontextus: termék, célcsoport, márkahang, platform, korábbi eredmények.
3. Feladat: pontosan mit kérsz, egyetlen fő céllal.
4. Formátum: hossz, tagolás, hány változat, mi ne legyen benne.
5. Példa: egy-két korábbi szöveged, ami tetszett, hogy legyen mihez igazodnia.

Persze, ha már sokat beszélgettél ugyanazzal az AI-jal, akkor ő sokat tudhat rólad, a cégedről, a célcsoportodról. Egyre jobb a platformokba épített memória, egyre nagyobbak a kontextus ablakok, így nem feltétlenül kell mindent a nulláról kezdeni.
Vagy ha olyan projektben használsz egyszerű AI promptokat, amikben vannak dokumenutmok, például buyer personák, brief-ek, stb. akkor egy rövidebb prompt is elég.

Hogyan mentsd és rendszerezd a promptjaidat?

Ha egy prompt egyszer jól működött, ne írd újra legközelebb fejből. Mentsd el, és építs belőle saját promptkönyvtárat. Nem kell hozzá külön eszköz: egy jegyzetalkalmazás, egy Google-dokumentum vagy egy táblázat is megteszi, ha következetesen használod.

Ha most kezded, a napi feladatokban hasznos AI-megoldásokról írt cikkemben több kiinduló példát is találsz.

Promptsorozatok: amikor a promptok egymásra épülnek

A promptsorozat, vagy promptlánc (angolul prompt chaining) azt jelenti, hogy egy nagyobb feladatot több lépésre bontasz, és minden lépéshez külön prompt tartozik, amely az előző eredményéből dolgozik. Egy hírlevélnél például először a kutató prompt gyűjti össze az anyagot, aztán a szövegíró megírja a levelet, végül a javító prompt átnézi, csiszolja és kiveszi belőle az AI-szagot.

Ez nem csak marketinges trükk. Az Anthropic az AI-rendszerek építéséről írt útmutatójában a promptláncot az egyik alapmintának tekinti, és pont marketinges példát hoz rá: előbb megírni egy reklámszöveget, aztán külön lépésben lefordítani. A lényeg, hogy minden lépés egyszerűbb feladat, ezért pontosabb eredményt ad, és a lépések között te is ellenőrizhetsz.

Szempont	Egy nagy prompt	Promptsorozat
Mikor jó?	rövid, egycélú feladatnál	több részfeladatból álló munkánál
Pontosság	a sok utasításból könnyen kihagy valamit	lépésenként jobban követi az utasítást
Ellenőrzés	csak a végén látod az eredményt	minden lépés után javíthatsz
Idő	gyorsabb	több kör, de kevesebb utólagos javítás

Egy jó jel arra, hogy sorozat kell: ha a promptodban már négy-öt különböző dolgot kérsz egyszerre („kutasd ki, írd meg, legyen rövid, ellenőrizd a tényeket, és fordítsd le”), és az eredmény rendre félresikerül. Bontsd szét, és nézd meg, mennyit javul. Egy régebbi kísérletemben azt is megmértem, mennyi idő egy kampánytervet elkészíteni AI-jal, és ott is a lépésekre bontás hozta a használható eredményt.

Egyedi projektek

Használhatsz olyan előre beállított AI-környezetet, amely minden beszélgetésnél ugyanazokat háttéranyagokat kapja. Ezek általában projekt néven futnak a különböző AI platformokban. A ChatGPT-ben korábbana Custom GPT-k tudtak segíteni, de azokat kivezette az OpenAI, így itt is a projektek a jó megoldások erre, ahogy, a Claude-ban is. A lényeg ugyanaz: nem kell minden alkalommal újra elmagyaráznod, ki vagy és mit szeretnél.

Marketingesként ez akkor a legerősebb, ha egy ügyfélhez vagy márkához tartozó tudást akarsz egy helyen tartani. Feltöltöd a márkakézikönyvet, a buyer personát, a korábbi jól működő szövegeket és a tiltott kifejezések listáját (ezeket akár külön dokumentumokba a projekten belül), és onnantól minden szöveg ebből dolgozik. Ügynökségnél ügyfelenként érdemes külön projektet nyitni, hogy a márkák ne keveredjenek.

A projektek egy másik előnye, hogy tudsz náluk megadni olyan instrukciót, amelyik a teljes projektre vonatkozik. Ez egy speciális prompt, ami tudja, hogy mit kezdjen egy olyan adatcsomaggal, amit minden egyéb magyarázat, vagy további prompt nélkül, csak úgy bedobsz egy olyan beszélgetésben, amelyik a projektben van.

Szempont	Projekt	Skill
Mit tárol?	állandó utasításokat és háttéranyagot	egy feladat teljes módszertanát
Mikor lép működésbe?	amikor abban a projektben dolgozol	amikor a feladat illik a leírásához
Döntési utak, eszközök	korlátozottan	igen, lépésekkel, szkriptekkel
Tipikus példa	„X ügyfél márkahangja”	„pillércikk írása kutatástól publikálásig”

A kettő nem versenytársa egymásnak. A projekt tudja, kinek dolgozol, a skill tudja, hogyan kell elvégezni a feladatot. Ha mindkettő megvan, egy ügyfélprojekten belül futtatott skill egyszerre ismeri a márkát és a módszertant. Sőt: együtt kifejezetten jól működnek.

Ok, de mi az a skill? Lássuk!

Skillek: egy teljes módszertan egyetlen csomagban

A skill egy módszertan, ami egy feladat teljes elvégzési módját leírja. Technikailag tulajdonképpen egy mapp, amiben benne vannak: lépések, döntési pontok, szabályok, minták, és szükség esetén futtatható szkriptek. Egy jól megírt skill tíz-tizenöt prompt helyét is átveszi, mert nemcsak azt mondja meg az AI-nak, mit csináljon, hanem azt is, mikor mit csináljon, és mikor álljon meg megkérdezni téged.

A formátumot az Anthropic dolgozta ki, és nyílt szabványként tette közzé. A mérnöki leírásuk szerint a skillek egyik kulcsa a fokozatos betöltés: az AI először csak a skill nevét és rövid leírását látja, a teljes utasítást csak akkor tölti be, ha a feladat tényleg ehhez a skillhez illik, a mélyebb segédanyagokat pedig csak akkor, ha az adott lépésnél szükség van rájuk. Így akár több tucat skill is lehet telepítve, mégsem terheli túl a beszélgetést.

Mitől több egy skill, mint egy hosszú prompt?

Mert egy teljes módszertant, egy munkamódszert leír, annak számos elemével:

• Döntési utak: „ha nincs buyer persona, kérd be; ha van, ellenőrizd, hogy friss-e”.
• Jóváhagyási pontok: a skill megállhat, és csak a te döntésed után megy tovább.
• Eszközhasználat: kereshet a weben, futtathat ellenőrző szkriptet, létrehozhat fájlt.
• Más skillek meghívása: egy cikkíró skill például a végén átadhatja a szöveget egy lektoráló skillnek.
• Állandó minőség: mindig ugyanazt a módszertant követi, akkor is, ha más kolléga indítja.

Mikor nem kell skill?
Ha a feladatot ritkán csinálod, vagy minden alkalommal egészen más. A skill akkor hozza vissza a beléfektetett időt, ha egy ismétlődő, összetett munkát akarsz mindig ugyanolyan minőségben elvégeztetni. Egy skill-t ugyanis ki kell dolgozni, le kell tesztelni és finomítani kell. Ez az idő és munka általában bőven megtérül, de csak akkor, ha a skill-t nem csak egyszer-kétszer használod.

Marketing automatizálás AI segítséggel: Make, Zapier, n8n

Az eddigi megoldásoknál te indítod el a munkát. Egy automatizálásnál egy esemény indítja: beérkezik egy űrlap, megjelenik egy új sor a táblázatban, eltelik egy hét… A folyamat lépései előre be vannak állítva, és ezek közül egy vagy több lépést az AI végez el.

Ehhez nem kell programozni. Például a Make, a Zapier vagy az n8n vizuális felületén, dobozokból és nyilakból rakhatod össze a folyamatot, és mindegyikben van AI-modul, amely egy prompttal dolgozza fel az adott lépés adatát.

Az Anthropic már idézett útmutatója ezt workflow-nak hívja: olyan rendszer, ahol az AI és az eszközök előre megírt útvonalon dolgoznak. Ennek nagy előnye a kiszámíthatóság. Minden alkalommal ugyanaz történik, könnyű ellenőrizni és hibát keresni benne. Ugyanezért a legtöbb ismétlődő marketingfolyamatra ma ez a jobb választás, nem az ágens.

AI-ágensek: amikor a gép dönti el a következő lépést

Az AI-ügyök vagy ágens (angolul agent) egy olyan rendszer, amely egy célt kap tőled, és maga dönti el, milyen lépésekkel, milyen eszközökkel éri el. Keres, olvas, kipróbál, javít, és ha elakad, visszakérdez. Az automatizálással szemben itt nincs előre megírt útvonal, vagy legalábbis nem a teljes útvonal készül el előre, csak egy része, vagy csak a fő irányok.

Az Anthropic definíciója szerint a különbség pont ez: a workflow-ban teljesen előre meghatározott úton halad a folyamat, az ágensben az AI maga irányítja a saját lépéseit és eszközhasználatát. Az útmutató azt is hangsúlyozza, hogy mindig a lehető legegyszerűbb megoldást érdemes választani, és sok feladatnál egyáltalán nem kell ágens.

Szempont	Automatizálás (workflow)	AI-ágens
Ki dönti el a lépéseket?	te, előre	az AI, menet közben
Mire jó?	jól körülírt, ismétlődő folyamat	nyitott, változó feladat
Kiszámíthatóság	magas	alacsonyabb, ellenőrzést igényel
Marketinges példa	űrlap → AI-osztályozás → CRM	„nézd meg, miért drágult a leadek ára”

Hol találkozol ma ágensekkel marketingesként?

• Mély kutatás (Deep Research): a ChatGPT, a Claude és a Gemini kutatási módja tucatnyi oldalt átnéz, és forrásokkal ellátott összefoglalót ír, például versenytárselemzéshez.
• Böngészőt vagy számítógépet vezérlő ügynökök: megnyitnak oldalakat, kattintanak, kitöltenek, például a versenytársak áraihoz vagy egy hosszadalmas adminfeladathoz.
• Platformok saját ágensei: a Meta például a Business Agenttel az ügyfélbeszélgetéseket, a Muse Wonder modellekkel pedig összetettebb feladatokat bíz ágensekre.
• Ügynökök a saját eszközeiddel: egy Claude vagy ChatGPT ágens, amely MCP-n keresztül eléri a hirdetési fiókodat, a GA4-et és a fájljaidat, és ezekből dolgozik.

MCP: így kötöd össze az AI-t a marketingeszközeiddel

Az MCP (Model Context Protocol) egy nyílt szabvány, amellyel az AI-asszisztensek közvetlenül elérhetik a külső eszközöket és adatokat: a hirdetési fiókodat, a GA4-et, a Google Drive-ot, a CRM-et. Nem kell többé exportálnod és bemásolnod az adatokat, az AI maga kérdezi le, amire szüksége van.

Az MCP-t az Anthropic indította 2024. november 25-én, és a dokumentációja szerint azt szabványosítja, hogyan kapnak kontextust a nyelvi modellek a többi alkalmazástól. Azóta a nagy AI-cégek is átvették, így ma nem egy cég saját megoldása, hanem iparági szabvány.

Marketingesként ez azért fontos, mert egyre több platform ad hivatalos MCP-csatlakozót. A Meta 2026 tavaszán nyitotta meg a hirdetési rendszerét az AI-asszisztensek előtt, erről a Meta-hirdetéskezelés ChatGPT-vel és Claude-dal cikkben írtam részletesen. A Google-nél a GA4-hez és a Google Ads-hez is van MCP-szerver.

Mire használhatod a gyakorlatban?

• Kereszt-elemzés: „hasonlítsd össze a Meta-kampányok költését a GA4-ben mért vásárlásokkal és a megrendelési felület adataival az elmúlt 30 napban”.
• Riport természetes nyelven: heti összefoglaló a hirdetési fiókokból, táblázatok exportálása nélkül.
• Tartalom a saját anyagaidból: az AI a Drive-ban lévő briefből és a CRM ügyféladataiból dolgozik.
• Skill + MCP: egy riportkészítő skill MCP-n keresztül maga gyűjti be az adatokat, és mindig ugyanabban a formában adja át.

RAG és tudásbázis: kell ez egy kisvállalkozásnak?

A RAG (Retrieval-Augmented Generation, magyarul nagyjából keresésre épülő szöveggenerálás) azt jelenti, hogy az AI válaszadás előtt kikeresi egy tudásbázisból a kérdéshez kapcsolódó részeket, és azokra építi a válaszát. Így nem a betanított általános tudásából, hanem a te dokumentumaidból dolgozik, sok esetben a saját szervereden.

A módszert Patrick Lewis és kollégái írták le 2020-ban, és azóta ez lett a vállalati AI-chatbotok alapja. Az előnye kettős: a tudásbázist frissítheted anélkül, hogy a modellt újra kellene tanítani, és az AI meg tudja mutatni, melyik dokumentumból vette a választ.

Egy kisvállalkozásnak legtöbbször nem kell saját RAG-rendszert építenie. Ha a ChatGPT-ben, a Claude-ban vagy a Geminiben feltöltesz néhány dokumentumot egy projektbe, használsz projetkinstrukciókat, skilleket a projektben akkor ez is jól működhet. A nagyobb anyagoknál a háttérben, utlajdonképpen ezek a felületek is keresést használnak, vagyis egyfajta beépített RAG-gal dolgoznak.

A saját RAG akkor kerül szóba, ha sok, gyakran változó dokumentumod van, vagy ha az ügyfeleidnek szeretnél egy chatbotot, amely csak a te anyagaidból válaszol.
Vagy: ha különösen fontos a saját adataidnak a védelme, és nem szeretnéd, ha ez kikerülne a Te hardver környezetedből. Ilyenkor olyan RAG-ot is használhatsz akár, ami egy irodai szerveren fut, és arra van telepítve egy nagy nyelvi modell (LLM), ami kezeli az anyagaidat anélkül, hogy azokba bármilyen külső AI (ChatGPT, Claud, DeepSeek, stb. ) betekintést kapna.

Helyzet	Mit válassz?
néhány dokumentum, csak te használod	fájlfeltöltés egy projektbe vagy asszisztensbe
sok anyag, belső csapat használja	projekt vagy tudásbázis-funkció egy üzleti csomagban
ügyfeleknek szóló chatbot a weboldalon	saját vagy kész RAG-megoldás, tesztelt válaszokkal
több ezer, gyakran változó dokumentum érzékeny adatokkal	saját RAG-rendszer fejlesztővel, saját hardveren

Egy dolgot a RAG sem old meg: ha a tudásbázis rendezetlen, elavult vagy ellentmondásos, a válaszok is azok lesznek. A legtöbb RAG-projekt ezért valójában dokumentumrendezési projekt.

A platformokba épített AI: Meta, Google, Canva és társaik

Szinte minden marketingeszközbe bekerült már az AI, és ezek a funkciók gyakran a legkönnyebben elérhetők, mert ott vannak, ahol egyébként is dolgozol. A hirdetési platformokon ráadásul nem is opció: a célzást és a kiszolgálást ma már nagyrészt az AI végzi.

Platform	Jellemző AI-funkciók	Mire figyelj?
Meta	Advantage+ kampányok, kreatívváltozatok, Üzleti asszisztens, Business Agent	a generált kreatívokat élesítés előtt nézd át
Google Ads	automatizált kampánytípusok, generált hirdetésszövegek és képek	a jó konverziós adat itt is alapfeltétel
Canva	képgenerálás, szövegírás, átméretezés, márkakészlet	a márkaelemeket előre állítsd be
Hírlevél- és CRM-rendszerek	tárgysor- és szövegjavaslat, szegmentálás, küldési idő	az ügyféladatokat a rendszer AI-ja is látja
Videós eszközök	vágás, felirat, formátumváltás	a feliratok magyar pontosságát ellenőrizd

Elég-e a platformok beépített AI-ja? Egy adott feladatra gyakran igen, és ott, ahol a platform saját adatával dolgozik (például a Meta hirdetéskiszolgálása), nincs is jobb megoldás. A korlátja az, hogy mindegyik csak a saját világát látja. A Meta AI-ja nem tudja, mit mutat a GA4, a Canva nem ismeri a CRM-edet. Ahol több rendszer adatát kell összekötni, ott jön képbe az általános AI-asszisztens, az MCP és az ágens.

A Meta saját AI-eszközeiről sokat írtam: a Hirdetéskezelőbe épített Üzleti asszisztensről, a 2026-os AI-hirdetési újdonságokról, és arról is, hogyan működik ma az Andromeda és a GEM a Meta-hirdetések mögött.

Saját AI-eszközök: amikor az AI-jal programozod le, amire szükséged van (avagy az a bizonyos vibe coding)

Ma már nem kell fejlesztőnek lenned ahhoz, hogy saját eszközt építs. Az AI-alapú kódolással (ezt vibe codingnak is hívják) elmondod, mit szeretnél, az AI megírja a kódot, te kipróbálod, és addig finomítjátok, amíg úgy működik, ahogy kell. Egy kis kalkulátor, egy belső riportoló felület, wordpress plugin vagy egy tartalomkezelő eszköz így napok alatt elkészülhet.

Ennek több szintje lehet:

1. Kis alkalmazás a chatben: a Claude és a ChatGPT közvetlenül a beszélgetésben is tud működő oldalt, kalkulátort, kvízt készíteni, amit meg is oszthatsz. Ilyen lehet például Az Artifact Claude-ban.
2. Kódoló ágens: a Claude Code, a ChatGPT Codex és társaik egy teljes projekten dolgoznak, fájlokat hoznak létre, tesztelnek, és a gépeden, a saját szervereden vagy éppen a felhőben futtatják az eredményt. A Meta is fejleszt saját kódoló ügynököet egyébként.
3. Saját eszköz AI-motorral: a saját fejlesztésű alkalmazásod, vagy weboldalad API-n keresztül hívja az AI-t, így a saját folyamatodba építheted, például egy hírlevélrendszerbe vagy egy videóvágó eszközbe.
4. Saját eszköz, akár AI motor nélkül: ha vannak jó folyamataid és van egy szervered, lefejleszteted az AI-jal azt a rendszert, ami azt a folyamatot kezeli a saját környezetedben, AI nélkül. Így biztos lehetsz benne, hogy nem jutnak ki az adatok, és nem kell plusz költséggel kalkulálni az AI használat miatt.

Mikor érdemes saját eszközt építeni? Ha egy folyamatot rendszeresen csinálsz, egyetlen kész szoftver sem fedi le jól, és a lépések nagy része gépies. Ha viszont van rá jó kész megoldás, általában olcsóbb azt használni, mert a saját eszközt karban is kell tartanod, és annak minden biztonsági kockázatát Te vállalod.

De vigyázz: ha saját eszközt fejlesztesz, legyen az egy mobilteledon app, saját gépen futó megoldás, vagy olyan, ami a webszervereden működik, Te felelsz érte. Neked kell karabantartani, frissíteni, Neked kell biztosítani az adatkezelést. Ez pedig komoly feladat, és sok veszélyt rejt. Ha vibe codingba vágod a fejszédet, ezzel is kalkulálj.

Helyi modellek: AI a saját gépeden

Létezik egy olyan lehetőség is, amit kevesen használnak: nyílt modelleket a saját számítógépeden futtatni. Ilyenkor az adat nem hagyja el a gépedet, ami érzékeny ügyféladatoknál komoly előny. A hátránya, hogy a helyi modellek jellemzően gyengébbek a felhőben futó nagy modelleknél, és erősebb gép kell hozzájuk. Marketingben ott lehet értelme, ahol nagy mennyiségű bizalmas szöveget kell feldolgozni, például ügyfélvéleményeket vagy belső jegyzeteket kategorizálni.

Kép, videó, hang: az audio-vizuális réteg, ami mindenhol ott van a marketingben

A médiagenerálás nem külön szint, hanem egy réteg, amely minden eddigi megoldásban megjelenhet. Képet generálhatsz egyetlen prompttal, egy skill gyárthat egységes stílusú karusszelt, egy automatizálás készíthet hirdetési változatokat, a platformok pedig maguk is generálnak képet és videót a hirdetéseidhez.

Itt van ma a legnagyobb rés a vágyak és a gyakorlat között. A Social Media Examiner felmérésében a marketingesek 95 százaléka használ AI-t írott tartalomhoz, de csak 37 százalékuk videóhoz, miközben 74 százalékuk szeretné megtanulni az AI-alapú videókészítést.

Két dologra figyelj. Az egyik a márkaegység: a Meta-hirdetésekben például az új Muse Image modell is generál már, és ha nem adod meg a márkaelemeidet, a képek nem fognak igazából hozzád kapcsolódni. A másik a bizalom: a vevők nem minden kategóriában fogadják egyformán az AI-képeket, ezért teszteld, hogyan reagál rájuk a saját közönséged.

Ugyanis van eltérés abban is, hogyan élik meg a marketingesek és a nem marketingesek az AI képek és videókkal való találkozást. Az aikviz.hu-n végzett kutatásunkból kiderült, hogy az emberek kb. 53%-ban tudják eltalálni azt, ha mesterséges intelligencia készített egy képet. Viszont máshogy értékelik az AI-t a különböző válaszadók. A marketingeseknél például az innovatív (51,4%), az előremutató (39,2%) és a kreatív (40,1%) nagyon erős asszociáció. A nem marketingesek körében viszont az AI-hoz elsősorban a manipuláció kötődik nagyon erősen (52,9%), míg a markeitngesek körében győztes kreatív asszoczásió csak 25.9%-os eredményt ért el. Ez volt a legmagasabb, amit a nem marketingesek az AI-hoz kötöttek. A marketingeseknél is magasan volt a skálán a manipulatív, de csak a negyedik helyre került 38.5%-os értékkel.

Melyik feladatra melyik megoldást válaszd?

Mindig a legegyszerűbbet, ami már elég jó eredményt ad. Ha egy prompt megoldja, ne építs skillt. Ha egy automatizálás kiszámíthatóan elvégzi, ne bízd AI-ügynökre. A bonyolultabb megoldás csak akkor éri meg, ha az ismétlődés, a minőség vagy az adatok összekötése tényleg megköveteli.

Feladat	Hogyan teszteld, vagy mit használj, ha ritkán kell?	Ha gyakran csinálod
egy poszt vagy hirdetésszöveg ritkán	prompt	asszisztens a márkahanggal például projektben
heti hírlevél	promptsorozat	skill
hosszú cikk, kampányterv	promptsorozat	skill jóváhagyási pontokkal
beérkező leadek feldolgozása	automatizálás AI-lépéssel	automatizálás + CRM
heti hirdetési riport	adatexport + prompt	MCP + riportskill
versenytárs-kutatás	mély kutatás	ágens rendszeres futtatással
ügyfélkérdések megválaszolása	platform saját AI-ja	RAG-alapú chatbot
egyedi, ismétlődő folyamat	skill	saját fejlesztésű eszköz

Mennyi idő és pénz kell hozzájuk?

A legtöbb megoldáshoz elég egy AI-előfizetés, a különbség inkább a beletett időben van. Az alábbi becslés a saját tapasztalatomon alapul, nem kutatási adat, és erősen függ attól, mennyire ismered már az eszközöket.

Megoldás	Beállítási idő	Jellemző költség
prompt, promptsorozat	percek, órák	AI-előfizetés (bár elvileg ingyenes is elég, ezt ritkán javaslom)
projekt	egy-két óra	AI-előfizetés
skill	fél nap, néhány nap	AI-előfizetés
automatizálás	órák, napok	automatizáló eszköz + AI-használat
MCP-kapcsolat	percek, ha van hivatalos csatlakozó	AI-előfizetés
saját eszköz, RAG	napok, hetek	előfizetés, tárhely, API-díjak

Kell-e fizetős AI-előfizetés? Ha munkára használod, szerintem igen, és nem csak a jobb modellek miatt. A fizetős, különösen az üzleti csomagok adatkezelése más, mint az ingyenes változatoké, erről a következő fejezetben lesz szó.

Hogyan lépj tovább, ha eddig csak promptokat használtál?

1. Írd össze egy-két hét ismétlődő feladatait. Melyik az, amit háromszor-négyszer is ugyanúgy csinálsz?
2. Mentsd el a legjobb promptodat erre a feladatra, és használd egy hétig következetesen.
3. Bontsd lépésekre, ha az eredmény rendszeresen javításra szorul.
4. Csomagold asszisztensbe vagy skillbe, amikor a lépések már stabilak.
5. Kösd rá az adatforrást MCP-vel vagy automatizálással, ha a bemásolás a szűk keresztmetszet.

Adatkezelés, adatvédelem, ügyféladatok

Minél több eszközt kötsz össze az AI-jal, annál fontosabb, hogy pontosan tudd, milyen adat hova kerül. A szabály egyszerű: amit bemásolsz, feltöltesz vagy MCP-n keresztül elérhetővé teszel, azt az AI-szolgáltató feldolgozza. Hogy utána mi történik vele, az a csomagodon, a beállításaidon és a szerződésen múlik.

Ez nem csak elméleti kérdés. A Social Media Examiner felmérésében a marketingesek 77 százaléka aggódik az adatvédelem és az adatbiztonság miatt, és ez volt az a félelem, amelyre a legtöbben adták a legerősebb választ. A Datareportalon található adatokból pedig az derül ki, hogy a magyarok 27,7%-a aggódik, hogyan használják a cégek a személyes adatait.

Milyen adatot szabad bemásolni egy AI-ba?

Zöld: mehet	Sárga: csak üzleti csomagban, óvatosan, vagy saját rendszerben, ellenőrzötten	Piros: ne kerüljön bele
nyilvános információk, saját publikált tartalmak	belső stratégia, árazás, nem nyilvános kampányadatok	jelszavak, API-kulcsok, bankkártyaadatok
anonim, összesített statisztikák	ügyfélvélemények név nélkül	egészségügyi és más különleges adatok
általános szakmai kérdések	hirdetési és analitikai fiókadatok MCP-n keresztül	teljes ügyféllista névvel, e-mail-címmel, szerződés nélkül

Mi a különbség az ingyenes és az üzleti csomagok között?

A legfontosabb különbség az, hogy a beszélgetéseidet felhasználhatják-e a modellek továbbtanítására. Ezt a nagy szolgáltatók ma így kezelik:

• ChatGPT: az OpenAI súgója szerint a Business, Enterprise és API csomagokban alapból nem tanítanak a bemenetekkel és kimenetekkel. A Free, Plus és Pro csomagban viszont alapértelmezés szerint be van kapcsolva a tanításra való felhasználás, ezt a beállításokban kapcsolhatod ki. Kivétel lehet például a személyes csomagban adott visszajelzéshez kapcsolódó beszélgetés, illetve egyes speciális biztonsági programok.
• Claude: az Anthropic szerint az üzleti termékekben (Team, Enterprise, API) a bemeneteket és kimeneteket nem használják tanításra. A magánfelhasználói csomagokban (Free, Pro, Max) 2025 ősze óta a felhasználó dönti el egy beállításban, hogy engedi-e. A Claude azonban biztonsági ellenőrzésre megjelölt beszélgetéseket akkor is felhasználhatja bizonyos biztonsági modellek fejlesztésére, ha a felhasználó kikapcsolta az általános tanítást.
• Gemini: magánfiókkal a beszélgetéseket a Google felhasználhatja a szolgáltatásai fejlesztésére, és egy részüket emberek is átnézhetik. A megfelelő Google Workspace-csomagokban a Google szerint a tartalom nem kerül emberi átnézésre és modelltanításra (összefoglaló).
• A DeepSeek hivatalos, 2026. február 10-én frissített adatvédelmi szabályzata kifejezetten kimondja, hogy a felhasználói adatokat a gépi tanulási modellek fejlesztésére és tanítására is felhasználhatják. Van lehetőség tiltakozni a modell tanítására történő felhasználás ellen, de a DeepSeek kockázati profilját jelentősen befolyásolja, hogy az adatokat Kínában kezeli és tárolja.
• A Grok esetében két külön használati helyzetet kell megkülönböztetni: a Grok saját webes és mobilalkalmazását, valamint az X-en (korábban Twitter) belüli Grokot. A személyes használat során a beszélgetések és válaszok felhasználhatók modellfejlesztésre, de a tanítás kikapcsolható. Az üzleti és API-szolgáltatásokban alapértelmezés szerint nem tanítanak a felhasználói bemenetekkel és kimenetekkel.
• Microsoft Copilot (személyes verzió): A Microsoft a személyes Copilot-beszélgetéseket felhasználhatja AI-modelljeinek fejlesztésére és tanítására, de ez a beállításokban kikapcsolható. A beszélgetések emberi ellenőrzésére is sor kerülhet. A beszélgetési előzmények alapértelmezett megőrzési ideje 18 hónap, de a felhasználó törölheti azokat.
• Microsoft 365 Copilot és Copilot Chat (üzleti verzió): A megfelelő Microsoft 365 üzleti előfizetéssel, szervezeti fiókban használt Copilot Chat és a fizetős Microsoft 365 Copilot egyaránt Enterprise Data Protection védelmet biztosít. A Microsoft alapértelmezés szerint nem használja a beszélgetéseket az alapmodellek tanítására. A beszélgetések megőrzése a szervezet adatmegőrzési szabályzataitól függ, és a jogosult vállalati adminisztrátorok, megfelelőségi munkatársak meghatározott feltételekkel hozzáférhetnek azokhoz.

Fontos tudni: a tanítás kikapcsolása nem jelenti azt, hogy a szolgáltató törli a beszélgetéseidet, vagy hogy azokhoz semmilyen körülmények között nem férhet hozzá hatóság.

Ezek a feltételek gyakran változnak, ezért a saját csomagodnál mindig az aktuális adatvédelmi oldalt nézd meg. Gyakori hiba, hogy a csapat egy része céges, üzleti fiókot használ, mások pedig a saját ingyenes fiókjukba másolják be ugyanazt az ügyfélanyagot.

Mehet ügyféladat az AI-ba? Mit mond a GDPR?

Mehet, de nem bárhogy. Ha személyes adatot (nevet, e-mail-címet, vásárlási előzményt) dolgoztatsz fel AI-val, a GDPR szabályait is be kell tartanod. Az AI-szolgáltató az adatkezelés körülményeitől függően lehet adatfeldolgozó vagy önálló adatkezelő is. Ha ügyféladatokkal dolgozol, különösen fontos tisztázni a szerepeket és az adatkezelés feltételeit.

Ebből néhány gyakorlati teendő következik:

1. Legyen megfelelő jogalapod, és ellenőrizd, hogy az AI-val történő adatfeldolgozás összeegyeztethető-e az eredeti adatkezelési céllal. Az adatkezelési tájékoztatónak is megfelelően be kell mutatnia az adatkezelést.
2. Legyen adatfeldolgozói szerződésed (DPA) az AI-szolgáltatóval, ha adatfeldolgozóként jár el. Az üzleti csomagoknál ez jellemzően elérhető, az ingyenes magánfiókoknál általában nem.
3. Csak annyi adatot adj át, amennyi feltétlenül szükséges. Egy vásárlói folyamat elemzéséhez például nem feltétlenül kell név és e-mail-cím, sokszor elegendők az összesített vagy anonimizált adatok.
4. Anonimizálj vagy álnevesíts, ahol lehet. A neveket és elérhetőségeket cseréld kódra, vagy távolítsd el teljesen az azonosításra alkalmas információkat. Fontos, hogy az álnevesített adat továbbra is személyes adatnak minősülhet.
5. Ügynökségként egyeztess az ügyféllel, és rögzítsétek írásban, milyen AI-eszközzel dolgozhatsz az adataival. Ha az AI-szolgáltató további adatfeldolgozóként vesz részt a munkában, ehhez az ügyfél megfelelő felhatalmazása is szükséges.
6. Ellenőrizd, hova kerülnek az adatok. Ha az AI-szolgáltató az EGT-n kívülre továbbít személyes adatokat, vizsgálni kell a nemzetközi adattovábbítás GDPR szerinti feltételeit is.

Az Európai Adatvédelmi Testület 2024. decemberi véleménye azt is rögzíti, hogy egy AI-modell nem tekinthető automatikusan anonimnak, és a jogos érdek alkalmazhatóságát háromlépéses vizsgálattal kell értékelni. A vélemény magyar nyelven is elérhető, érdemes átfutni.

Mit ír elő az AI Act a marketingeseknek?

A legtöbb marketingcsapat számára az uniós AI Act egyik legfontosabb, már alkalmazandó előírása az AI-jártasság fejlesztése. A 4. cikk 2025. február 2. óta kötelezi az AI-rendszereket használó cégeket, hogy tegyenek intézkedéseket munkatársaik AI-jártasságának fejlesztésére.
A szabályt 2026 júliusában pontosították: nem kell meghatározott tudásszintet garantálni, és kötelező tanúsítvány sincs (bár a képzések dokumentálása praktikus). Az intézkedéseket az AI használatának módjához és kockázataihoz kell igazítani: egy ChatGPT-vel szöveget író csapattól más felkészültséget várnak el, mint egy magas kockázatú AI-rendszert üzemeltető cégtől. A nemzeti hatóságok 2026. augusztus 2-től felügyelik a szabályok betartását.

Mit jelent ez egy marketingcsapatnak? Érdemes nyilvántartani, milyen AI-eszközöket használtok, milyen feladatokra és milyen adatokkal. Fontos, hogy mindenki tisztában legyen az adatvédelmi, biztonsági és ellenőrzési alapszabályokkal. Egy rövid, gyakorlati AI-képzés és egy egyoldalas belső AI-szabályzat már sokat segíthet a megfelelésben, különösen, ha a megtett lépéseket dokumentáljátok is.

Merre tart az AI a marketingben a következő egy-két évben?

Az irány elég egyértelmű: kevesebb kézi másolgatás, több összekötött rendszer, egyedibb megoldások. A Social Media Examiner felmérésében a marketingesek legfőbb tanulási céljai már nem a promptok, hanem az ismétlődő feladatok automatizálása (77%) és a munkafolyamatok építése (75%), és az AI-ügynököket a 79 százalékuk már használja vagy tervezi.

Mit csinálj most?

Ne akarj egyszerre mindent bevezetni. Ezt a hét lépést javaslom a következő hónapra, de nyilván ott kapcsolódj be, ahol most tartasz:

1. Nézd végig a térképet, és jelöld meg, melyik megoldástípust használod már, és melyiket nem ismered.
2. Kezdj promptkönyvtárat az öt leggyakrabban használt promptoddal.
3. Válassz egy ismétlődő feladatot, és bontsd promptsorozatra.
4. Hozz létre egy projektet vagy skillt a saját márkád vagy egy ügyfeled anyagaival.
5. Próbálj ki egy MCP-kapcsolatot olvasási joggal, például a GA4-hez vagy a hirdetési fiókodhoz.
6. Nézd át a csomagjaidat: üzleti fiókból dolgozol-e, és ki van-e kapcsolva a tanításra való felhasználás.
7. Írj egy egyoldalas AI-szabályzatot magadnak vagy a csapatodnak: milyen eszköz, milyen adat, ki hagyja jóvá.

Gyakori kérdések

Mi a különbség a prompt, a skill és az ügynök között?

A prompt egyetlen utasítás. A skill egy újrahasználható módszertani csomag lépésekkel, döntési pontokkal és segédanyagokkal, amit az AI magától elővesz, ha a feladat illik hozzá. Az ágens vagy ügynök egy célt kap, és maga dönti el, milyen lépésekkel és eszközökkel éri el. Egy ügynök használhat skilleket, egy skill pedig tulajdonképpen promptokból épül fel.

Mi az az MCP?

Az MCP (Model Context Protocol) egy nyílt szabvány, amellyel az AI-asszisztensek közvetlenül elérik a külső eszközöket és adatokat, például a GA4-et, a Google Ads-et vagy a Meta hirdetési fiókot. Az Anthropic indította 2024 novemberében, ma a nagy AI-szolgáltatók is támogatják.

Mi a RAG, és kell-e nekem a marketinghez?

A RAG olyan módszer, amelynél az AI válaszadás előtt kikeresi a kapcsolódó részeket egy tudásbázisból, és azokra építi a válaszát. A legtöbb kisvállalkozásnak elég, ha egy AI-projektbe feltölti a dokumentumait (ellenőrzötten, odafigyelve az adatvédelemre). Saját RAG-rendszer akkor kell, ha sok, gyakran változó dokumentumod van, vagy ügyfeleknek szóló chatbotot építesz.

Mi a különbség az automatizálás és az AI-ügynök között?

Az automatizálásnál te határozod meg előre a lépéseket, és az AI csak egy-egy lépést végez el benne. Az ügynöknél az AI maga dönti el, mi legyen a következő lépés. Ismétlődő, jól körülírt marketingfolyamatokra ma az automatizálás a kiszámíthatóbb választás.

Elég a platformokba épített AI, vagy kell külön AI-eszköz?

Egy-egy platformon belüli feladatra gyakran elég. A beépített AI viszont csak a saját platformja adatait látja, ezért ha több rendszert kell összekötnöd, például a hirdetési költést a GA4-ben mért eredményekkel, általános AI-asszisztensre és MCP-re lesz szükséged.

Tudok programozói tudás nélkül saját AI-eszközt építeni?

Igen. AI-alapú kódolással (vibe coding) egyszerűbb eszközöket, kalkulátorokat, belső felületeket programozói háttér nélkül is el lehet készíteni. Az alapvető technikai fogalmakat érdemes megismerni, és számolni kell vele, hogy a saját eszközt karban is kell tartani, és minden biztonsági kockázatért Te felelsz.

Bemásolhatok ügyféladatot a ChatGPT-be vagy a Claude-ba?

Személyes ügyféladatot csak üzleti csomagban, adatfeldolgozói szerződéssel, megfelelő jogalappal és a lehető legkevesebb adattal érdemes, de ha tudod, kerüld el. Ahol lehet, álnevesítsd az adatokat, és ingyenes magánfiókba ne kerüljön ügyféladat semmiképpen.

Vonatkozik rám az AI Act, ha csak ChatGPT-vel írok szöveget?

Az AI-jártasságról szóló 4. cikk igen: 2025. február 2. óta elvárás, hogy aki munkában AI-t használ, megfelelő ismeretekkel rendelkezzen. Tanúsítvány nem kell (bár praktikus, ha van), és egyszerű szövegírási használatnál a követelmény is egyszerűbb.

Kell fizetős AI-előfizetés egy marketingesnek?

Munkához igen, főleg ha ügyféladatokkal is dolgozol. A fizetős csomagok erősebb modelleket és nagyobb kereteket adnak, az üzleti csomagok pedig adatkezelési szempontból is biztonságosabbak, mert alapból nem használják tanításra a beszélgetéseket.

Források

• Eurostat: Use of artificial intelligence by individuals (2026. április, 2025-ös adatok)
• Eurostat: Use of artificial intelligence in enterprises (2025. december)
• Microsoft: Magyarország továbbra is a visegrádi országok élén az AI-használatban (2026. október 8.)
• Megjelent a 2025-ös AI Readiness Index (2025. szeptember 23.)
• HVG: a KSH digitális gazdaságról szóló adatai (2026. június 22.)
• Social Media Examiner: 2026 AI Marketing Industry Report (2026. július)
• AI Marketing Statistics 2026 (Salesforce State of Marketing összefoglaló)
• Relevant Audience: Ahrefs 2026 Survey (2026. október 5.)
• Anthropic: Building effective agents (2024. december)
• Anthropic: Equipping agents for the real world with Agent Skills
• Anthropic: Model Context Protocol (MCP)
• InventiveHQ: What Is the Model Context Protocol?
• Lewis és mtsai.: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020)
• OpenAI Súgó: ChatGPT Enterprise and Team data policy
• Anthropic Súgó: Is my data used for model training?
• MacRumors: Anthropic Will Now Train Claude on Your Chats (2025. augusztus 28.)
• Vaquill: Is Gemini Private?
• EDPB: Opinion on AI models, GDPR principles support responsible AI (2024. december 18.)
• Provimedia: AI Literacy under Article 4 of the EU AI Act (2026. július)