Pályakezdés · MI · Csapatmunka

Nincs térkép.
Iránytű van.

Harminc éve a mérnöki életútnak volt mintája. Ma nincs. Ez nem baj — de csak akkor, ha nem arra vársz, hogy valaki megmondja, merre indulj.

2026. szeptember 21. · 7 perc · Dr. Sas Zoltán

Ha most végeztél mérnökként, valószínűleg feltéttél már valakinek egy kérdést ebben a formában: „mi a jó irány?” És valószínűleg nem kaptál rá használható választ. Nem azért, mert nem akartak segíteni. Azért, mert a válasz, amit harminc éve adtak volna, ma már nem igaz.

Akkor a minta így nézett ki: leszerződsz egy nagy céghez, kitanulod a gépeket, tíz év alatt csoportvezető leszel, húsz év alatt osztályvezető. A szaktudás lassabban avult, mint ahogy te öregedtél. A mérnöki pálya kiszámítható volt, és a kiszámíthatóságért cserébe elég volt jónak lenni abban az egy dologban, amit elvárt tőled.

Ez a csere felbomlott. Nem hirtelen, és nem is teljesen — de eléggé ahhoz, hogy aki a régi minta szerint várja a lépéseket, az várakozás közben lemaradjon. A jó hír az, hogy a helyére nem káosz lépett, hanem valami, amit meg lehet tanulni kezelni. A rossz hír az, hogy ezt neked kell megtanulnod, és nem fogja senki helyetted megcsinálni.

Egy kísérlet, ami megváltoztatja a beszélgetést

2024 nyarán a Procter & Gamble-nél lefolytattak egy szokatlanul tiszta kísérletet. 776 tapasztalt szakembert osztottak négy csoportba: volt, aki egyedül dolgozott, volt, aki kettesben egy másik szakterületről érkező kollégával — és mindkét esetben volt, aki kapott generatív MI-t, és volt, aki nem. Valódi termékfejlesztési feladaton, a saját üzletáguk valódi problémáján. A megoldásokat 22 független értékelő pontozta, akik nem tudták, ki melyik csoportban volt.

A számok önmagukért beszélnek.

A megoldások minősége — mennyivel jobb a kontrollcsoportnál (szórásegységben)

0 0,2 0,4 0,00 egyedül MI nélkül +0,24 kettesben MI nélkül +0,37 egyedül MI-vel +0,39 kettesben MI-vel
Az egyedül, MI-vel dolgozó ember utolérte — sőt, számszerűen megelőzte — a kétfős, keresztfunkcionális csapatot. Forrás: Dell'Acqua és társai, 2025.

Olvasd el még egyszer az első két oszlopot. A kétfős csapat azért létezett, mert két ember többet tud, mint egy. Ez a többlet mérhető volt: +0,24. Aztán jött egy chatablak, és egyetlen ember produkálta ugyanezt a többletet — sőt, 16 százalékkal kevesebb idő alatt.

És van itt egy még kényelmetlenebb részlet. Azok a dolgozók, akiknek a termékfejlesztés nem volt a fő feladatuk — vagyis akik ebben a feladatban kezdők voltak —, MI-vel, egyedül elérték azt a szintet, amit korábban csak úgy tudtak volna, ha egy tapasztaltabb kolléga mellettük ül. Az MI nemcsak a tudást pótolta. A mentort is.

Mielőtt továbbmennénk: ez a tanulmány NBER working paper, vagyis nem esett át tudományos lektoráláson, és a P&G részben finanszírozta a kutatóintézetet. Előregisztrált kísérlet volt, ami módszertanilag erős — de egynapos, online feladaton, gyakorlatlan promptolókkal. A szerzők maguk írják, hogy az eredmények inkább alsó becslésnek tekintendők. Vagyis: komolyan kell venni, de nem szentírásként.

Amit tehát elvesz

Legyünk őszinték, mert az ellenkezője úgyis kiderülne. Az MI ma elveszi azt, amiért a keresztfunkcionális csapat egy jelentős része létezett: a hiányzó tudás behozatalát. Ha nem tudod, hogyan gondolkodik egy értékesítő, egy jogász vagy egy gyártástechnológus, ma nem feltétlenül kell odamenned hozzá. Megkérdezheted a gépet, és használható választ kapsz.

Ugyanez a kísérlet azt is kimutatta, hogy MI nélkül a kereskedelmi hátterű emberek kereskedelmi ötleteket adtak, a fejlesztők pedig technikaiakat — MI-vel viszont ez a különbség eltűnt. Mindkét csoport kiegyensúlyozott, a szakterületi határokon átnyúló megoldásokat írt, anélkül hogy a minőség romlott volna.

Ez a te szempontodból azt jelenti, hogy a frissen megszerzett szakdiplomád belépőjegy, nem versenyelőny. Nem azért, mert nem ér semmit — hanem mert a „tudom, amit te nem tudsz” pozíció olcsóbb lett.

Amit viszont nem vesz el

Itt kezdődik a valódi kérdés. Mert ugyanabban a kísérletben három dolog makacsul emberi maradt.

Az első: a kiugró teljesítmény. Átlagos munkára az MI helyettesíti a csapatot. A legjobb tíz százalékra nem.

Mennyi esély van rá, hogy a megoldás a legjobb 10%-ba kerül?

0 8% 16% 5,8% egyedül MI nélkül 9,5% kettesben MI nélkül 7,7% egyedül MI-vel 15,0% kettesben MI-vel
A négy közül statisztikailag csak a kettesben + MI eltérése szignifikáns — nagyjából háromszoros esély a csúcskategóriára. Az ember és a gép együtt hoz áttörést, külön-külön csak jó átlagot.

A második: a csapatban ki beszél. MI nélkül a kétfős csapatok megoldásai két csomóba rendeződtek: vagy technikai, vagy kereskedelmi jellegűek voltak — jellemzően annak megfelelően, hogy melyik csapattag volt a domináns. MI-vel ez az eloszlás kisimult.

A kétfős csapatok megoldásai — technikai vagy kereskedelmi jelleg

MI nélkül — két tábor kereskedelmi technikai MI-vel — egy mező kereskedelmi technikai Ha két ember leül megoldani egy problémát, rendszerint az egyikük nézőpontja nyer. Nem a jobbik — a hangosabb. Ez nem MI-probléma. Ez csapatmunka-probléma.
A kétcsúcsú eloszlás azt jelenti, hogy a párok nem integrálták a két nézőpontot, hanem választottak közülük. Az MI ezt a dominanciahatást tompította — de a kérdést nem oldotta meg.

A harmadik: az egyediség. Az MI-vel készült megoldások egymáshoz szemantikailag jóval hasonlóbbak voltak, mint az emberi megoldások. Vagyis mindenki ugyanoda konvergál. Ha az MI adja a válaszod javát, a válaszod olyan lesz, mint mindenki másé — és a megkülönböztető értéked nem onnan fog jönni.

A horgony

Itt jön el a pont, ahol a legtöbben rosszul döntenek. Van két rossz válasz, és mindkettő kényelmes.

Az egyik: „a régi tudás elavult, minek tanuljam meg, ha úgyis kigenerálom.” A másik: „ez az egész MI-dolog átmeneti divat, én a szakmámat tanultam meg.” Az első ember gyorsan mozog, de nem tudja, merre. A második pontosan tudja, merre — csak egy olyan térképen, amit már senki nem használ.

A felhalmozott tapasztalat nem a múlt, amiben élni kell. A horgony, ami megtartja a rohanást — és aki nem érti az értékét, azt a saját sebessége sodorja el.

Miért horgony? Mert a generatív MI egy dolgot biztosan nem tud megmondani neked: hogy a saját válasza mikor rossz. Ha megkérdezed egy hidraulikus rendszer méretezéséről, kapsz egy magabiztos, szépen megfogalmazott, belülről konzisztens választ. Annak eldöntése, hogy ez az üzemben tényleg működne-e, nem tudásfeladat. Ítéletfeladat. És az ítélet kizárólag tapasztalatból épül — abból, hogy láttál már hasonlót elromlani.

A kísérlet adatai ezt alá is támasztják: a legtöbb MI-tartalmat megtartó résztvevők nem másoltak-beillesztettek. Átlagosan 18,7 promptot váltottak a géppel; akiknél a végeredmény szinte teljesen MI-eredetű szöveg volt, ott 23,9-et. Hosszan, iteratívan dolgoztak vele. És a végeredmény szemantikailag közelebb maradt az emberi megoldásokhoz, mint a nyers MI-kimenethez — vagyis az emberek érdemben formálták, nem csak átvették.

Ez az iteráció az, amit a tapasztalat hajt. Aki tudja, mit keres, kérdez tovább. Aki nem, az elfogadja az első választ.

A T-alakú mérnök — és ami éppen változik benne

szélesség — más területek nyelve mélység — ítélet, hibaérzék Ezt ma olcsón megkapod egy géptől. Ezt nem. Ez csak évekkel, hibákkal és jelenléttel épül.
A T-alakú kompetencia modellje nem új. Ami új: a két szár ára szétvált. A vízszintes olcsóbb lett, a függőleges értékesebb.

Ezért tarthatod becsben a nálad idősebb kolléga harminc évét anélkül, hogy a módszereit átvennéd. Nem a konkrét megoldásai érnek valamit — azok tényleg avulnak. Az érték a kalibrációja: az, hogy ránéz valamire, és tudja, hogy nem stimmel, még mielőtt meg tudná mondani, miért. Ez a dolog nem tölthető le.

A tükör

Van a P&G-kísérletnek egy furcsa mellékeredménye. Az MI-vel dolgozók objektíven jobban teljesítettek — és közben 9,2 százalékponttal kevésbé hitték, hogy a megoldásuk a legjobbak közé kerül. Jobbak lettek, és ezt nem vették észre magukon.

Ez nem elszigetelt jelenség. Tasha Eurich szervezetpszichológus közel ötezer fős kutatási programja arra jutott, hogy bár az emberek 95 százaléka önismerőnek tartja magát, becslésük szerint csak 10–15 százalékuk felel meg a kritériumoknak. És a legfontosabb megállapítása nem is ez a szám, hanem a kettéválasztás: a belső önismeret (tudod, mi mozgat, mik az értékeid, hogyan reagálsz) és a külső önismeret (tudod, hogy mások hogyan látnak téged) között gyakorlatilag nincs összefüggés. Lehetsz kiválóan önreflektív, és közben fogalmad sem lehet róla, milyen benyomást keltesz.

A szakadék, ami mindkét irányba nyílik

tényleges teljesítményed „Tudom, mit érek.” — Eurich: az emberek 95%-a hiszi ezt, 10–15%-uknál igaz. „Ez nem lesz elég jó.” — a P&G-kísérletben az MI-vel dolgozók alulbecsülték magukat.
A két kutatás ellentétes irányba téved, de ugyanazt mutatja: az önképed és a teljesítményed külön pályán mozog. Visszajelzés nélkül nem záródik a rés.

És hogy ez miért pont a mérnököket érinti? Egy holland vizsgálat 103 gyakorló mérnököt mért fel Big Five személyiségteszttel. A mérnökök a nemzeti átlagnál alacsonyabban pontoztak barátságosságban, és magasabban lelkiismeretességben, érzelmi stabilitásban és autonómiában. Minél idősebb a mérnök, annál autonómabb. A szerzők gyakorlati következtetése egyetlen mondat volt: a mérnökök továbbképzésében több figyelmet kell fordítani az interperszonális készségekre.

Ez nem sértés. Ez profil. Az autonómia és a lelkiismeretesség pontosan az, amiért jó mérnök vagy. Csak van ára: aki autonóm, az ritkábban kér visszajelzést — és aki ritkán kér visszajelzést, annak a külső önismerete nem fejlődik.

Mellesleg a World Economic Forum több mint ezer nagyvállalat megkérdezése alapján készült 2025-ös felmérésében a „motiváció és önismeret” az ötödik legkeresettebb alapkészség. Nem a huszadik. Az ötödik.

A csapat — de nem automatikusan

Egy dolgot ne vonj le rossz következtetésként: hogy „akkor csak sokféle embert kell egy szobába rakni”. A kutatás ennél szigorúbb. Egy 2026-os modellezés szerint a legnagyobb közös nyereség közepes heterogenitásnál keletkezik, a diverzitás pedig csak akkor segít, ha az emberek között működő kapcsolódási felület van — koordinációs költség fölött a homogén csapat nyer.

Amit pedig a kollektív intelligencia kutatása mutat: a csapat teljesítménye nem a legokosabb vagy az átlagos tagja IQ-jával korrelál, hanem azzal, mennyire kiegyenlítetten oszlik meg a beszéd, és mennyire érzékenyek a tagok egymásra. Vagyis a komplementer készség nem attól lesz komplementer, hogy megvan. Attól, hogy kimondható.

Négy dolog, amit ma elkezdhetsz

  1. 1Keress egy szerető kritikust. Eurich ajánlása: egyetlen ember, aki egyszerre akarja a sikeredet és hajlandó szépítés nélkül megmondani az igazat. Két kérdés elég neki: mi az, amit csinálok és tényleg hasznos a csapatnak — és mi az, ami rontja a közös eredményt.
  2. 2Cseréld a „miért”-et „mi”-re. A „miért rontottam el?” hiányos információból épít magyarázatot, amit az ismétlés egyre igazabbnak érez. A „mi történt, milyen mintázat látszik, mit csinálnék másképp?” ellenőrizhető tények közelében tart.
  3. 3Az MI válaszát addig ne fogadd el, amíg nem tudod, miről ismernéd fel, hogy rossz. Ha erre nincs válaszod, nem a géppel van baj — még nincs meg a mélységed abban a kérdésben. Ez nem szégyen. Ez a következő tanulnivalód címe.
  4. 4Menj oda a tapasztalthoz — de ne a megoldásáért. A konkrét módszere lehet elavult. A kérdés, amit feltesz, mielőtt nekikezdene, szinte biztosan nem az.

Végül

A térkép tényleg elfogyott, és nem fogják újranyomni. De a térkép hiánya nem ugyanaz, mint az irány hiánya. Az irány onnan jön, hogy tudod, mire vagy jó, tudod, hogyan látnak, és tudod, mikor kell megkérdezned valakit, aki már látott ilyet.

A technológia gyorsabban fog változni, mint ahogy követni tudod. Ez adottság, nem probléma. A kérdés az, hogy mihez rögzíted magad, amíg körülötted mozog minden — és a válasz nem egy eszköz, egy platform vagy egy programnyelv. Hanem az, amit már tudsz, és az, amit tudsz magadról.

Előbb a tükör, aztán a technológia.

Hivatkozások

  1. Dell'Acqua, F. és mtsai (2025): The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641 — lektorálatlan working paper. nber.org/papers/w33641
  2. Eurich, T. (2018): What Self-Awareness Really Is (and How to Cultivate It). Harvard Business Review. A 95% / 10–15% arány több vizsgálatból összegyúrt becslés, nem lakossági prevalencia-adat.
  3. Van der Molen, H., Schmidt, H. & Kruisman, G. (2007): Personality characteristics of engineers. European Journal of Engineering Education, 32(5).
  4. World Economic Forum (2025): Future of Jobs Report 2025.
  5. Van den Beemt, A. és mtsai (2020): Interdisciplinary engineering education: A review of vision, teaching, and support. Journal of Engineering Education, 109(3).
  6. Structured complementarity in team design. SN Business & Economics, 2026.
  7. National Research Council (2015): Enhancing the Effectiveness of Team Science. National Academies Press.

Megosztás LinkedIn Facebook

Csapatot vezetsz, ahol frissen végzett mérnökök dolgoznak — és azt látod, hogy a szaktudás megvan, de a többi még nem?

Ingyenes előkonzultáció
SASERA. ADVISORY Ipar · Kutatás · Oktatás — a metszéspontban
zoltan.sas@sasera-advisory.org · +36 30 600 4549
© 2026 · Minden jog fenntartva