A capex–opex határ, amit egy token-számla rajzol ki — és amit a diagnózis előbb dönt el
A Telex írt nemrég arról, hogyan fordult vissza pár hónap alatt a nagy techcégek AI-stratégiája. Még tavasszal versenyeztették az alkalmazottakat, ki használ több mesterségesintelligencia-tokent — most kapacitást vonnak vissza, mert a számlák gyorsabban nőttek, mint bárki tervezte.
Egy vállalat négy hónap alatt elköltötte a teljes éves AI-keretét. Egy másik cégnél a vezérigazgató havi 1,4 millió dolláros tételszámot látott felfutni egyetlen előfizetésen. A pénzügyi vezetők most azzal a kérdéssel szembesülnek, hogy tokenre vagy emberre költsenek — miközben fél éve még pont az ellenkező irányba hajtották a csapatot.
Ez pontosan az a jelenség, amire a Fábius capex–opex nézete rávilágít. Nem azért, mert a magyar KKV-knak ekkora tételszámaik lennének — nincsenek —, hanem azért, mert a mintázat ugyanaz, csak kisebb léptékben. Egy döntés, ami beruházásnak tűnt, valójában egy végtelenül skálázódó üzemeltetési kiadássá válik. És ezt a különbséget a legtöbb vezető csak akkor látja meg, amikor már késő.
Mi a különbség capex és opex között az AI-bevezetésnél
A capex egyszeri, tervezhető, határai vannak — egy platform licenc, egy implementáció, egy képzési sprint. Az opex viszont folyamatos, és AI-eszközöknél van egy tulajdonsága, ami minden korábbi szoftvertípustól eltér: a felhasználás mennyisége közvetlenül a viselkedéstől függ, nem a licencszámtól.
Egy munkatárs egy nap alatt tízszer annyi tokent fogyaszthat el, mint tegnap, és ezt semmilyen hagyományos büdzsé-logika nem látja előre.
A techcégeknél ez most úgy derült ki, hogy a vezetők előbb ösztönözték a fogyasztást, és csak utána néztek rá, mibe kerül. Ez fordított sorrend. A Fábius szerint a helyes sorrend az, hogy előbb felmérjük, milyen szervezeti struktúra, governance és kontroll áll a fogyasztás mögött — és csak ezután engedjük be az eszközt abba a térbe, ahol elszabadulhat.
Miért a diagnózis dönti el, hogy capex vagy opex csapdába futsz bele
A Fábius IT-érettségi nézete éppen ezt a kérdést teszi fel minden szervezetnél: van-e felelőse a capex-opex aránynak, látható-e a shadow IT, és van-e olyan no-code-low-code vagy automatizációs réteg, ami kontrollálja, mi és hogyan fogy. Ha ezekre a kérdésekre nincs válasz, az AI-bevezetés nem stratégiai döntés lesz, hanem egy nyitott csap — pontosan az, amit a techcégeknél most láthatunk.
A diagnózis ezért nem formalitás, és nem egy ingyenes lista, amit be lehet csekkelni. Az a pont, ahol kiderül, hogy egy szervezet a Fábius skála alján van-e még — ahol az AI-bevezetés első lépése nem egy új eszköz, hanem a meglévő folyamatok rendbetétele —, vagy már elég érett ahhoz, hogy a kapacitásbővítést kontrolláltan, mért keretek között vezesse be.
Ez a különbség dönti el, hogy egy AI-projekt beruházás marad, vagy csendben átfordul egy olyan havi tételsorrá, amit senki nem tervezett, és senki nem akar felvállalni, amikor a számla megérkezik.
A gyors megoldás csábítása — és az ára
Az AI-invázió kifejezés pontosan azt írja le, amit a cikkben szereplő cégek átéltek: a lelkesedés gyorsabb volt, mint a kontroll. Egy KKV-nál ugyanez úgy jelenik meg, hogy valaki bevezet egy AI-eszközt, mert működik, mert gyors, mert a kollégák kérik — és három hónap múlva senki nem tudja megmondani, miért nőtt meg ennyire a szoftverköltés, vagy ki felel azért, hogy ez így marad-e. Nem az eszköz a hiba. A hiba az, hogy nem előzte meg semmilyen felmérés, ami megmutatta volna, hol van a szervezet a fogyasztás kontrollálásának képességében.
A diagnózis-first elv pontosan ezt a sorrendet fordítja vissza a helyes irányba: előbb megnézzük, hol szorul el a szervezet — kinél van a capex-opex felelősség, mennyire látható a tényleges IT-fogyasztás, van-e bárkinek mandátuma leállítani egy elszabadult költést —, és csak ezután döntünk arról, milyen tempóban és milyen keretek között érdemes bővíteni az AI-kapacitást. Ez nem lassítja a fejlődést. Megvédi attól, hogy a fejlődés ára egy olyan számla legyen, amit senki nem látott előre.
Fábius szerint: „A legtöbb szervezet nem azért fut bele az opex-csapdába, mert rosszul választ eszközt. Azért, mert a lelkesedés megelőzi a kontrollt — és mire a számla megérkezik, már nincs visszaút, csak takarítás.”
Kúsz Péter interim IT Business Transition Leader, CDO/CAIO és a The Precursorius alapítója. „előbb diagnózist” megközelítése vezeti fel a szervezeti képességekhez idomuló digitális és AI-transzformációt magyar KKV-knál. Sosem javasol eszközt cég,szolgáltatás és termékérettségi felmérés nélkül.
Hol állsz most a capex–opex skálán?
Ha nem tudod biztosan, hogy a szervezetedben ki felel a capex–opex arányért, vagy mennyire látható a tényleges AI- és IT-fogyasztás — ez pontosan az a kérdés, amire a Fábius diagnózis választ ad, mielőtt egy fillér is elköltésre kerül. Kérj egy első találkozót → 25 perc, kötelezettség nélkül — onnan indul a diagnózis, és abból az interim megbízás.
Források
- Madzin Emília: Nemrég még noszogatni kellett a dolgozókat az MI-használatra, aztán rácsúsztak. A cégek most behúzzák a kéziféket, mielőtt a gatyájuk is rámegy — Telex, 2026.06.20.
- Companies are scrambling to curtail soaring AI costs — The Economist, 2026.06.14.
- The AI token economy: spending, workplace budgets, and usage caps — Business Insider, 2026.06.
- „Tokens or humans”: the new corporate trade-off — CNBC, 2026.05.29.
