Van egy mondás, amit sokszor Bill Gatesnek tulajdonítanak: „Egy nehéz munkára lusta embert választok, mert a lusta ember megtalálja a legegyszerűbb módját annak, hogy elvégezze.” Ez a „lazy dude” lett az AI, akire bármikor rádobhatjuk azokat a részfeladatokat, amiket sose szerettünk megcsinálni. Ő az a junior kolléga, akinek végtelen a lexikális tudása, de a kreatív szakmába csak tegnap csöppent bele, és még a HR-re sem rohan, ha este 10-kor a hülyeségeink fact-checkjeit dobáljuk neki megállás nélkül. 

Tehát amikor azt mondod, hogy az AI elveszi a munkádat, és ettől te tényleg félsz, az para. Mármint azért para, mert ha ez tényleg bekövetkezik, meg is érdemled. Hiszen közben minden lehetőséged megvan arra is, hogy te legyél a hónap dolgozója, mert az AI-haverod mindenben segíteni fog. 

Segíteni – ez a kulcsszó, mert a munkát helyetted elvégezni nem fogja

A genAI legtalálóbb USP-je nem az, hogy „mindent tud”, hanem az, hogy bizonyos feladattípusokban drámaian növeli a teljesítményt. Noy és Zhang kísérletében (MIT, 2023 – azt vizsgálták, mi történik, ha a ChatGPT-t irodai dolgozók kezébe adják) a mesterséges intelligenciát használók 40 százalékkal gyorsabban készültek el, miközben az output minősége 18 százalékkal javult. Brynjolfsson és szerzőtársai több mint 5000 ügyfélszolgálati dolgozónál 14-15 százalékos produktivitásnövekedést mértek a junioroknál. Ez nagyon közel van ahhoz a metaforához, hogy az AI egy olyan junior kolléga, aki iszonyatosan sokat tud, és főleg ott hasznos, ahol a struktúra, a minta és a gyors első draft számít. 

A BCG-tanácsadók körében végzett kontrollált vizsgálat szintén ezt erősíti: AI-jal 12,2 százalékkal több feladat készült el, 25,1 százalékkal gyorsabban, és a minőség több mint 40 százalékkal javult – de csak azokon a feladatokon, amelyek a modell „kompetenciahatárán belül” voltak. Azon kívül a résztvevők 19 százalékponttal gyakrabban adtak hibás választ. Ebből a kreatív ügynökségi gyakorlat számára az következik, hogy az AI-t nem szabad ellenőrizetlenül felengedni insightra, pozicionálásra, márkakockázatra vagy ügyfélérzékeny állításokra. Draftolhat, de nem dönthet! 

Kuráció a kattintgatás helyett

A kreatív dizájnfolyamatban a kép ugyanez, csak finomabban. Hou és szerzőtársai szerint a genAI az ideációs szakaszban minden dizájnernek segít, mert csökkenti a kognitív fixációt és tágítja az ötletteret. Viszont az implementációban az expert dizájnereknek nem ad érdemi kreatív előnyt, sőt a mezőnykísérletben 57 százalékkal hosszabb befejezési időt okozott. Ez erős szakmai érv amellett, hogy a dizájner szerepköre nem tűnik el, hanem átalakul: több lesz benne a szelekció, a kuráció, az ítélet és a koncepciófegyelem. 

A kreativitásnál van még egy fontos, ritkábban emlegetett csapda: az AI javíthatja az egyéni outputot, miközben csökkenti a kollektív diverzitást. A Science Advances 2024-es eredménye szerint a genAI-jal támogatott történetek kreatívabbnak és jobban megírtnak hatottak, de hasonlóbbá váltak egymáshoz. Ez ügynökségi nyelven azt jelenti: ha mindenki ugyanabból a modellből, ugyanazzal a promptlogikával dolgozik, akkor könnyen kapunk gyors, csinos, közepesen egyforma kampányokat. #vótmá 

Nincs kedvenc program, csak átgondolt ökoszisztéma

Mielőtt belevágunk, egy dolgot szerintünk fontos tisztázni: a „Te mit használsz?”, „Gemini vagy GPT?”, „Szerinted melyik a jobb?” kérdéseket és azok megválaszolását mellőzzük. Nincs kedvenc Office programod sem, sőt, Adobe-ból is maximum azért van, mert mondjuk grafikusként elég ritkán pörgeted a Premiere Prót. Szóval ez nem egy kedvenc program vagy felület, hanem egy mindent átszövő, komplex workflow-architektúra. 

Tegyük fel, hogy most mind együtt dolgozunk egy nyári termékbevezető FMCG kampányon. Klasszikus helyzet: ügyfél álmodik, e-mail megíródik, account pislog, a feladat nagy, de legalább összetett, és – de ezt már úgyis tudjátok – a határidő rövid. Alapesetben ebből készül egy brief, és elindul a munka. Debrief, kickoff, meg még vagy másik 12 ügynökségi szakzsargon. Nagyon sok, apró és szerteágazó háttérmunka indul el ilyenkor, aminek minden esetben meg kell előznie a tényleges munkát: feladat értelmezése, esetleges kérdések megfogalmazása, meglévő infók rendszerezése, kutatás elindítása, delegálás, óraszámbecslés, árajánlat, insight mining, piackutatás, versenytárselemzés, ütemezés és a többi... 

Az a hatalmas szerencse, hogy egy ideális világban ezek már mind automatizálhatóak. De nem leszünk ennyire mohók. Ezen a ponton az AI segít az ügyfélkapcsolati osztálynak rendszerezni és előkészíteni a projektet. Képes arra, hogy maga az account is képbe kerüljön a projekttel, megismerje pontosan a feladatot, és a kreatív összes kukacoskodó kérdésére tudja a választ. De hé, ehhez még mindig kell az account! Ha AI Jr. elszabadulna, már a projekt 0. pontján beállna a káosz. Az, hogy melyik AI-kapitányt hívod segítségül ezen a ponton, édesmindegy. De abban egyetértünk, hogy drasztikusan meggyorsíthatja a projekt beindítását, ha ezek a workflow-k be vannak járatva. 

Következő megálló: Grafika falva

Grafikusi oldalon az AI látványosan erős. Moodboard, kompozíciós variáció, packshot-kiterjesztés, resize, háttér- és hangulatkísérletek, first look storyboardok: ezekben ma már valós sebességelőnyt ad. Ráadásul vannak kifejezetten vállalati és kereskedelmi szempontból kedvező megoldások is: az Adobe Firefly például nem scrapeeli a nyílt webet, és licencelt, illetve közkincstartalmakon tanul. Ez nem jogi nirvána, de fontos különbség. A buktató ott jön, amikor valaki az AI-t nem az ötletelős, hanem a végső fázisra szánt anyagok gyártására akarja használni. Itt is az a kulcs, hogy az adott grafikus megtalálja azt az ökoszisztémát, ami meggyorsítja a munkáját és a keze alá dolgozik. 

Közben forduljunk rá a termékhez készített one-pagerre is. Ez az a terület, ahol durván sokat fejlődött a mesterséges intelligencia. Ha nagyon szeretnénk, már magától össze tud pakolni komplett weboldalakat, és még jól is néz ki, csak... Na jó, nem lőjük le előre a poént. 

Wireframe egy szalvétára firkált szkeccsből, kattintható prototípus pár perc alatt, dizájnrendszer-váz, és – ami a legnagyobb terhet veszi le a válladról – a felhasználói kutatás nyersanyagának szintetizálása. A Figma AI, az Uizard (havi pár ezer forint), a UX Pilot pillanatok alatt formába öntik azt, amit eddig fél nap volt összekattintgatni. A Figma 2025-ös jelentése szerint a tervezők és fejlesztők 78 százaléka szerint az AI valóban gyorsítja a munkavégzést. 

Aztán jön a kijózanodás, hiszen (lásd a fenti, Science Advances-féle kísérletet) a homogenizáció a gyakorlatban arcul csap. A LogRocket és a Moqups gyakorlati tesztjei szerint az AI-kimenet hajlamos „generikus, ismétlődő, képnehéz” lenni – magyarul pont olyan, mint a másik ezer landing page. Olyan ez, mint egy IKEA-katalógus: a gép kiteszi eléd a lapra szerelt BILLY-polcot, te meg összerakod, és csodálkozol, hogy a fél internet nappalijában ugyanaz a polc áll. A dizájner dolga itt nem a kattintgatás, hanem hogy a felület konvertáljon, a tiéd maradjon, és ne álljon be a végtelen egyformaságba. Stílus nélkül nem megy, ez pedig nem az AI-nak van, hanem neked. Az AI dizájnpartner, nem dizájnmegoldás. 

Médiaterv és a káosz strukturálása

Nézzük, mi a delivery checklist, elvégre kéne egy médiaterv is, ugye? A Google Performance Max és a Meta Advantage+ önmagát optimalizálja a kereséstől a YouTube-on át a Discoverig, és a számok tényleg szívdöglesztőek: egy Workshop Digital-esettanulmányban a PMax 21 százalékkal magasabb ROAS-t és 55 százalékkal több konverziós értéket hozott a sima Shoppinghoz képest, miközben 40-50 százalékkal csökkentette a manuális munkát. A PMax 2026-ban már a Google Ads-konverziók nagyjából felét hajtja. 

Eddig úgy hangzik, mint a Moneyball: dobd ki a megérzést, jöjjön a tiszta adat, és nyersz. Csakhogy – és ezt a platform marketingese sosem teszi a slide aljára – egy Haus nevű cég 640 inkrementalitási teszttel kimutatta, hogy az Advantage+ hosszú távon alul tud teljesíteni a kézi kampányokhoz képest. Egy Adalysis-elemzés 3300 PMax-kampányon meg azt találta, hogy a sima keresőhirdetés gyakran jobb konverziós rátát hozott ott, ahol mindkettő futhatott volna. A régi szabály köszön vissza: garbage in, garbage out. A gép azon a jelen optimalizál, amit betáplálsz – ha szemetet adsz be, gyönyörűen, hatékonyan, skálázottan fog szemetet kihozni. 

Na, akkor kezdjünk el írni, mert sosem lesz kész ez a kampány. Terméknév, szlogen, headline, social stratégia, példaposztok, short form scriptek, hashtagek. Elárulunk egy titkot, a kis bűnös élvezetünk, hogy megkérjük mondjuk a Geminit vagy GPT-t, hogy legyen kedves és találjon ki nekünk márkaneveket és szlogeneket. Majd gurulva röhögünk a generikus baromságain. De! Amiben verhetetlen, az az insight bányászat, háttérkutatás, versenytárselemzés – csupa olyasmi, amivel régen napokat lehetett elszüttyögni. És addig örülj, amíg ebben a legjobb. 

Most jön a kedvenc részünk, amiben mi, emberek (mi biztosan) szerintünk rosszak vagyunk: a káosz strukturálása. A kreatív ritkán patikamérleg, ha rendszerezésről van szó, elúszik a saját ötletrohamában. Az AI viszont ott erős, ahol mi elveszünk: a kommentmocsárból másodpercek alatt épít egy mind mapet. Témakörök, feszültségpontok, a visszatérő „ez fáj a fogyasztónak” gócok, mind szépen klaszterezve. Olyan, mint az a vörös fonalas nyomozós tábla a krimikben, csak épp olvasható, és nem három hét alatt készül el. Ugyanígy köp ki percek alatt fogyasztói perszóna-vázlatokat és versenytárselemzési mátrixokat, megspórolva a többnapos, céltalan keresgélést. És itt a számok nem füllentenek: a BCG kontrollált vizsgálatában a feladatok pont az ilyen, „kompetenciahatáron belüli” melókon készültek el 25 százalékkal gyorsabban. Strukturálni, összefoglalni, vázazni – ez a gép hazai pályája. 

De akkor „mennyire tökéletesen dolgozik a kezed alá?” Őszintén? Adatgyűjtésre, kutatásra, az első vázlatig elképesztően. A bökkenő ott van, amikor a mintázatból kéne insight. Mert az AI abból főz, ami már megjelent a világban: a meglévő patternek felismerésében verhetetlen, de radikálisan új koncepciót nem szül. Intertextuálisan kreatív, nem out of the box. Odaad ötven mintázatot – és pont az az egy, amelyik a briefet a feje tetejére állítja, és amitől egy nyári szénsavasból hirtelen sztori lesz, az a te dolgod marad. Ahogy a már kétszer is idézett Science Advances-nél láttuk: ha hagyod, hogy a gép adja az insightot is, a végén megint ott a BILLY-polc – gyors, csinos, és pont ugyanaz, mint a konkurensé, aki ugyanazt a promptot nyomta. 

Prezóhegesztés és az emberi terep

Huh, kezd összeállni az anyag, mint az LGT... Megvan, leszűrtük az ötvenből az egyet, megszületett az emberi nagy ötlet. Most jön mindenki kedvence, a prezóhegesztés, ami az ügynökségi péntek estéket eltemette (aka pizzapéntek...). Itt lép be a Gamma, Claude vagy a PowerPointba épített Co-pilot, és a te bullet pontjaidból és összehupákolt promptodból percek alatt összerak egy strukturált deck-vázat, sőt olyan prezit, ami indul, dudál, világít... (arculatban) narratív ív, slide-felépítés, placeholder vizuálok, logikus dramaturgia. Ami eddig egyéjszakás InDesign-maraton volt, az most egy kávé hossza. 

Csak hát – és itt jön Don Draper a Mad Menből – a deck nem prezentálja magát. A tárgyaló emberi terep. Az AI felépíti a slide-okat, de a seniort az teszi seniorrá, hogy olvassa az ügyfél arcát, és tudja, mikor kell letenni a klikkert és eltérni a forgatókönyvtől. Kodak Carousel-pitchet még senki nem nyert template-deckkel. 

A nyereség pont itt, a kreatív tervezés legelején a legnagyobb: az a teljes „insighttól a deckig” ív, ami eddig megette a projekt első hetét, most belefér egy-két napba. Ott laknak a fentebb is emlegetett Noy–Zhang-féle 40 százalékok – nem azért, mert a gép okosabb nálad, hanem mert leveszi rólad a robotmunkát, és felszabadít a szakma egyetlen olyan részére, amitől tényleg mozdul a tű: az ötletre és a tárgyalóra. 

Az AI tökéletes, fáradhatatlan, adatgyűjtő junior az asztalodnál. A szikra, az az egy insight és a pillanat a tárgyalóban viszont a tiéd marad. És ez nem hiba. Ez a munkaköri leírás. 

Morális vitaindítók (egy sör mellé)

És akkor pár morális vitaindító, amiről bárkivel és bármikor szívesen eldumálunk egy sör mellett, mert ezekre nincs tankönyvi válasz se nekünk, se az AI Jr.-nak: 

• Etikus-e óradíjat számlázni olyan melóért, amit a gép percek alatt megcsinált? 
• Ha igen, mit adunk el valójában? Egy tool előfizetését emberi munkaórának álcázva? 
• Hol a határ az „AI-jal segített” és az „AI-jal csinált” között, amit ki is kéne írnunk a fogyasztónak? 
• És a legkellemetlenebb: ha a Cannes-ra beküldött munkák 88 százaléka kerüli az AI-t, miközben az ügynökségek 85 százaléka használja – akkor most mindannyian toljuk, csak titokban és szégyellve? 
• Meg az igazi időzített bomba: ha az AI elviszi a junior melót, amin eddig a juniorok seniorrá edződtek, akkor tíz év múlva ki lesz az a senior, aki egyáltalán meg tudja mondani a gépnek, hogy rossz felé megy? 

És igen, ehhez a cikkhez is használtunk AI-t. De, erre van! Ezért van. Értjük, hogy vicces, hogy megnézheted, hogy néznél ki, ha retró gumimatrac lennél, de erre ne pazaroljuk el a világ összes energiáját 2×… 

SOMOGYI MÁRTON

„somivagyok” – írja magáról, majd így folytatja: munkában szövegíró és kontentes, otthon apuka. Több mint 15 éve van jelen a szakmában. Rendezett klipet, csinált múzeumot (nyilván nem egyedül), felügyelt animációt, fotózott, írt. Nyert díjakat itthon is, meg külföldön is, de azt állítja, ezeknél is büszkébb arra, hogy kezei közül kerültek ki olyan kampányok, amelyeknek köszönhetően valóban tudott embereknek segíteni. 

DOBOS GÁBOR

A zeneiparban kezdte a szakmai pályáját sajtósként és social media managerként, innen kerülte be az integrált ügynökségi körforgásba. Öt éve dolgozik a Dot Creative-ban: először Senior Social Media Managerként, aztán Head of Socialként, most pedig két éve kreatívigazgatóként.