2026. szeptember 28., hétfő

PISA-sokk után, nagy változások előtt: a mesterséges intelligencia jelene és jövője a közoktatás gyakorlatában

A 2025-ös PISA-vizsgálat Németországban is sokkolta a társadalmat: eredményeit Karin Prien szövetségi oktatási, családügyi, idősügyi, nő- és ifjúságügyi miniszter egyenesen „drámainak” nevezte. A 15 évesek teljesítménye matematikából, szövegértésből és természettudományból egyaránt új mélypontra került: matematikából és olvasásból nagyjából minden harmadik, természettudományból nagyjából minden negyedik tanuló nem éri el a minimális kompetenciaszintet (OECD, 2026; BMBFSFJ, 2026). A német értékelés szerint a társadalmi háttér és a tanulói teljesítmény összefüggése erősebb, mint a PISA-mérések kezdete óta bármikor; a lehetséges okok között a megváltozott médiahasználatot, a fiatalok növekvő lelki terhelését és a demográfiai változásokat említik (BMBFSFJ, 2026). A helyzet rendszerszintű választ kíván: korábbi diagnózist, célzott fejlesztést, relevánsabb tanítást és adatokra épülő iskolafejlesztést. Ebbe a környezetbe érkezik az MI gyors térnyerése, amely egyszerre kínál új lehetőségeket és hoz új kockázatokat. Az új magyar oktatási mesterséges intelligencia stratégia megalkotásának időszakában a német tapasztalatok különösen tanulságosak lehetnek – érdemes közelebbről is megismerkedni velük.

A PISA és a Deutsche Telekom Stiftung Trendmonitor KI in der Bildung vizsgálatai eltérő oldalról ugyanarra a kérdésre irányítják a figyelmet: milyen feltételek között képes az iskola eredményesen működni egy gyorsan változó környezetben. A PISA az alapkompetenciák romlását, a motiváció és az esélykülönbségek problémáit teszi láthatóvá; a Trendmonitor azt vizsgálja, miként épül be ebbe a rendszerbe a mesterséges intelligencia. A két kép együtt beszédes: az MI pedagógiai értéke csak akkor ítélhető meg, ha mérhető marad, mit tudnak a tanulók, hogyan tanulnak, és milyen feltételek között használják az új eszközöket.

A német Trendmonitor: kutatási keret és intézményi háttér

A Deutsche Telekom Stiftung Trendmonitor KI in der Bildung programja 2025–2027 között követi a mesterséges intelligencia iskolai alkalmazásának változását. A projektben a Deutsche Telekom Stiftung mellett az mmb Institut és a Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) berlini Educational Technology Lab-je vesz részt. Az éves Trendmonitorokat egy-egy részterületet feldolgozó Trendmonitor Spezial kiadványok egészítik ki. A program célja, hogy folyamatos képet adjon a gyorsan változó területről, és tájékozódási segítséget nyújtson az iskolarendszer szereplőinek (Trendmonitor Spezial, 2025., 62. o.).

A 2026 tavaszán megjelent Regelwerke zu KI an Schulen különkiadás 56 MI-hez kapcsolódó szabályozó dokumentumot elemzett, tizenkét iskolai interjút készített, és felhasználta egy 1054 pedagógus bevonásával készült reprezentatív forsa-felmérés eredményeit. A vizsgálat így a formális szabályozást a mindennapi iskolai gyakorlattal is összevetette (Regelwerke, 2026, 6–7., 40–41. o.; forsa, 2026).

A 2026 őszén közzétett főjelentés 258, oktatási szempontból releváns MI-alkalmazást vizsgált, és 81 szakértő tapasztalatait és várakozásait dolgozta fel. A fókusz az eszközök puszta megjelenéséről egyre inkább az alkalmazási területekre, a pedagógiai következményekre, a kockázatokra és az intézményi válaszokra helyeződött át (Trendmonitor, 2026, 6–11. o.).

A módszertani kereteket érdemes szem előtt tartani. A főjelentés webes kutatásra, egy 81 fős szakértői panelre és három interjúra épül; ezekből elsősorban trendek és szakértői várakozások rajzolódnak ki. Reprezentatív pedagógusadatot a Deutsche Telekom Stiftung megbízásából készült forsa-felmérés szolgáltat (Trendmonitor, 2026, 26., 28., 32., 63. o.; forsa, 2026). A Trendmonitor így elsősorban piaci, szakértői és szabályozási trendelemzés; a tényleges iskolai használatról a kiegészítő reprezentatív felmérés ad képet.

A kutatás magyar szempontból is használható mintát ad. Az iskolai MI-használat több, egymással összefüggő területből áll: a tanulói és tanári használat mellett az intézményi működés, az adatkezelés, a hozzáférés, a finanszírozás, az értékelés és a kompetenciafejlesztés is számít. A német szabályozási elemzés kilenc területet különít el, köztük az adatvédelmet, a működési kereteket, a digitális és MI-kompetenciákat, a vizsgáztatást és értékelést, a tanulói és tanári használatot, az átláthatóságot, a finanszírozást és a szerzői jogot (Regelwerke, 2026, 14–16. o.).

Terjedő használat, fennmaradó bizonytalanság

A 2026-os főjelentés szerint az MI érdemben megjelent a német iskolai gyakorlatban, bár az intézményi beágyazottság továbbra is egyenetlen. A reprezentatív forsa-felmérés szerint a pedagógusok 19 százaléka naponta vagy hetente többször, 26 százaléka havonta többször, további 18 százaléka legalább havonta egyszer használ MI-alapú alkalmazást; 25 százalékuk ennél ritkábban, 11 százalékuk egyáltalán nem (forsa, 2026; Trendmonitor, 2026, 29. o.). Közben az általános célú generatív rendszerek mellett egyre több, oktatási célra fejlesztett, nagy nyelvi modellekre (Large Language Models, LLMs) épülő platform és chatbot jelenik meg (Trendmonitor, 2026, 7. o.).

A használat terjedése önmagában még nem jelent magabiztos és jogszerű alkalmazást. A pedagógusoknak csak körülbelül egyharmada (32 százalék) érzi úgy, hogy megfelelően tudja, milyen feltételekkel használhat MI-t iskolai feladataihoz; 83 százalékuknak nincs világos áttekintése arról, milyen szabályozások léteznek. A német anyag szerint sok norma és útmutató rendelkezésre áll, ezek ismertsége, közérthetősége és napi alkalmazhatósága azonban korlátozott (forsa, 2026; Regelwerke, 2026, 8., 55. o.).

A bizonytalanság a gyakorlati használatban is erős: a pedagógusok 57 százaléka inkább vagy nagyon bizonytalannak érzi magát, 66 százalékuk pedig kevéssé vagy rosszul informáltnak tartja magát arról, hogyan használhatja jogszerűen az MI-t (forsa, 2026; Regelwerke, 2026, 55. o.). A forsa részadatai 66 százalékot adnak ki, miközben a főjelentés és a VBE 64 százalékot közöl; ezért itt a részadatokkal összhangban a 66 százalékos érték szerepel. A VBE ezekre a problémákra válaszul világos szabályokat, minőségi továbbképzést és közös tantestületi fejlesztési időt sürget (VBE, 2026).

A bizonytalanság azért különösen fontos, mert az MI technikai használatának alacsony belépési küszöbe nem csökkenti a pedagógiai felelősséget. A pedagógusnak kell megítélnie a rendszer eredményének szakmai használhatóságát, felismernie a tévedéseket és torzításokat, adatvédelmi döntéseket hoznia, meghatároznia a tanulói használat feltételeit, és elkülönítenie a tanuló saját teljesítményét a gépi közreműködéstől.

A tanári szerep és a tanuláskultúra átalakulása

A Trendmonitor egyik központi pedagógiai megállapítása, hogy az MI hatása túlmutat az időmegtakarításon. A német pedagógusok jelenleg elsősorban a felkészülés támogatására, tananyagok készítésére és differenciálására használják, vagyis többnyire a meglévő munkafolyamatokat teszik gyorsabbá. A főjelentés ezt a fennálló struktúrák optimalizálásaként írja le. Mélyebb változás akkor történik, amikor az MI a tanulás szervezését is átalakítja; a jelentés kínai példákon mutat be ennél rendszerszintűbb integrációt (Trendmonitor, 2026, 9., 34., 57. o.).

Uta Hauck-Thum szerint a megváltozott tanuláskultúra egyik jele, hogy a tanulók nagyobb felelősséget vállalnak saját tanulásukért, önállóbban dolgoznak, reflektálnak a tanulási útjukra, az MI-t pedig gondolkodásra, strukturálásra, ötletfejlesztésre és visszajelzésre használják. Ezt a széles gyakorlatban még nem látja általánosnak. Niels Pinkwart hasonlóan fogalmaz: az MI megérkezett a pedagógusokhoz, széles körű strukturális használatról azonban még nem beszélhetünk (Trendmonitor, 2026, 13. o.).

A pedagógus feladata ezért egyre inkább annak meghatározása, hogy egy adott tanulási helyzetben milyen célra, milyen korlátozásokkal és milyen ellenőrzés mellett használható MI. A tanári szerepben nagyobb súlyt kap a tanulástervezés, a minőségellenőrzés, a mentorálás és az értelmezés. Felértékelődik annak felismerése is, hogy a tanuló mit ért, hol akad el, és mikor használja az MI-t valódi tanulási támogatásként.

A jelentés ehhez kapcsolja az ember a folyamatban elvet (human-in-the-loop). Az MI-hallucinációk és torzítások miatt az emberi minőségellenőrzés nélkülözhetetlen, és a pedagógiai felelősség a pedagógusnál marad. Az MI akkor adhat érdemi pedagógiai segítséget, ha jól körülhatárolt asszisztensi feladatokat vesz át, és ezzel időt szabadít fel a tanári figyelemre és a személyes kapcsolatra (Trendmonitor, 2026, 11., 59. o.).

Tanulási kockázatok és a bizonyítottság határai

A 2026-os Trendmonitorban a kompetenciákról folyó vita súlypontja az eszközhasználatról a kritikai értelmezésre, a reflexióra és az önszabályozásra helyeződik át. A hatékony utasításadás továbbra is fontos, de önmagában kevés: a tanulónak az MI eredményét ellenőriznie, értelmeznie és saját tanulási folyamatába beépítenie is tudnia kell. Az MI-jártasság (AI Literacy) ebben az értelemben alkalmazási, kritikai és reflexív kompetenciák együttese.

A megkérdezett szakértők a második legsúlyosabb kockázatnak a készségátugrás és a készségvesztés együttes veszélyét tartják. A kérdőív a kettőt egy tételként kezelte; itt az érthetőség kedvéért külön választjuk őket. A készségátugrás (Skill Skipping) azt jelenti, hogy a tanuló az MI segítségével kihagyja valamely készség kialakulásához szükséges gyakorlást. Készségvesztésről (Deskilling) akkor beszélhetünk, ha egy korábban megszerzett képesség gyengül, mert a tanuló rendszeresen a rendszerre bízza az adott tevékenységet. Uta Hauck-Thum külön kiemeli az írás, az érvelés és a problémamegoldás védelmét; a szakértők pedig az MI nélküli szakmai alapkompetenciák fejlesztését is fontosnak tartják (Trendmonitor, 2026, 14., 40., 44–45. o.).

A szakértők összességében a piacvezető, Európán kívüli MI-vállalatoktól való függést tartják a legnagyobb kockázatnak, és erős igényt jeleznek az uniós MI-megoldások iránt. A digitális szuverenitás ezért az iskolai MI-bevezetés egyik stratégiai kérdése is lehet (Trendmonitor, 2026, 39–40., 44–45. o.).

Ehhez kapcsolódik az önszabályozott tanulás szerepe. A tanulónak meg kell tudnia tervezni saját tanulását, fenn kell tartania a motivációját, ellenőriznie kell a megértését, és értékelnie kell az MI eredményeit. A szakértők szerint a személyre szabott MI-támogatás akkor válhat valódi tanulási segítséggé, ha ezek az önszabályozási feltételek is kialakulnak (Trendmonitor, 2026, 8. o.).

A 2025-ös MINT-Lernen mit KI különkiadás óvatosságra int az optimista várakozásokkal kapcsolatban. Az intelligens tutorálórendszerek (Intelligent Tutoring Systems, ITS) tanulási lehetőségeiről van kutatási háttér, a Németországban vizsgált konkrét MI-projektek közül azonban sok még pilot- vagy fejlesztési szakaszban volt, és több esetben nem állt rendelkezésre publikált hatásvizsgálat. A bemutatott példák ezért nem termékajánlások vagy minőségi rangsorok; a széles körű iskolai eredményességre vonatkozó bizonyítékok továbbra is hiányosak (Trendmonitor Spezial, 2025).

A gyakorlati következmény, hogy az MI használatát világos pedagógiai célhoz és tanulási szakaszokhoz érdemes kötni. Jól elkülöníthető a saját próbálkozás, az MI-től kért segítség, majd a két eredmény összevetése és a reflexió. Életkori szempontot is érdemes figyelembe venni: a Kultuszminiszteri Konferencia Állandó Tudományos Bizottsága (SWK) az általános iskolában és az alsó középfokon kevés vagy semmilyen nyelvimodell-használatot javasol, a rendszeres használatot pedig a 8. évfolyamtól (SWK, 2024; Regelwerke, 2026, 26. o.). A német szabályozási ajánlások a folyamat dokumentálását, a promptnaplókat és a reflexiós beszélgetéseket is hangsúlyozzák (Regelwerke, 2026, 53. o.).

Szabályozás, értékelés és intézményi irányítás

A német szabályozási vizsgálat jól mutatja, hogy az iskolai MI-használat jogi, szervezeti és pedagógiai kérdései egymásra épülnek. Németország föderális rendszerében nincs egységes „iskolai MI-törvény”; a felelősség több tartományi és intézményi szereplő között oszlik meg. A vizsgált 56 dokumentumból 34 törvény vagy rendelet, míg a pedagógusképzéshez mindössze hat kapcsolódik, vagyis a jogi szabályozás mellett a gyakorlati felkészítés jóval kevésbé hangsúlyos (Regelwerke, 2026, 9–12. o.).

Az 56 dokumentum elemzése szerint az adatvédelem és az általános működési keretek a leggyakrabban szabályozott területek, míg a finanszírozás és a szerzői jog ritkábban jelenik meg (Regelwerke, 2026, 16. o.). A német tapasztalat fontos tanulsága, hogy a szabályok száma önmagában nem teszi egyszerűbbé a pedagógiai döntéseket. A normatív elveket ezért konkrét tanórai, házi feladati és vizsgahelyzetekre, valamint intézményi eljárásokra kell lefordítani (Regelwerke, 2026).

Különösen érzékeny terület az értékelés. Ha egy beadandó vagy projekt elkészítésében generatív MI is részt vehet, a kész produktum önmagában egyre kevésbé bizonyítja a tanuló tudását. A német ajánlások ezért a tanulási folyamat dokumentálását, a promptnaplókat, a reflexiós beszélgetéseket és új értékelési formák kidolgozását hangsúlyozzák. Egyértelművé kell tenni, milyen MI-közreműködés fogadható el, hogyan kell azt jelölni, és miként azonosítható a tanuló saját teljesítménye (Regelwerke, 2026).

A 2026-os Trendmonitor az iskolavezetés és az adminisztráció szerepét is vizsgálja. Az oktatási adatbányászat (Educational Data Mining) és a tanulásanalitika (Learning Analytics) adatalapú támogatást kínálhat az intézményi és tanulási folyamatok értelmezéséhez. A széttagolt adattárolás és a komplex adminisztratív folyamatok azonban jelenleg korlátozzák a felhasználást. A szakértők az MI-ügynökök terjedésére is számítanak, miközben egyes interjúalanyok adatvédelmi aggályokat fogalmaznak meg (Trendmonitor, 2026, 8., 32., 38., 40. o.).

A szabályozási különkiadás több gyakorlati intézményi megoldást is javasol: iskolai MI-irányító csoportokat, rövid és világos helyi szabályokat, rendszeres mikro-továbbképzéseket, kísérleti pedagógiai tereket és erősebb folyamatdiagnosztikát. Tartományi szinten adatvédelmileg megfelelő hozzáféréseket, tantárgyspecifikus útmutatókat és értékelési kereteket sürget. Az intézményi MI-stratégia így a szervezeti működés és a tanuláskultúra részévé válik (Regelwerke, 2026, 52–53. o.).

A magyarországi helyzet: mérési és intézményi hiányok

A német példa azt mutatja, hogy a piaci, szabályozási és szakértői elemzés mellett reprezentatív pedagógusfelmérésre is szükség van; Magyarországon ez hiányzik. Országos döntésekhez, különösen a most készülő oktatási mesterséges intelligencia stratégia kialakításához fontos lenne látni, mi történik ténylegesen az iskolákban: hogyan használják az MI-t a tanulók, a pedagógusok és az intézményvezetők, és milyen szabályok alakultak ki a gyakorlatban.

A közoktatási mesterséges intelligencia használatot vizsgáló friss, vagy átfogó hazai felmérési eredményeink nincsenek: a Nemzeti Média és Hírközlési Hatóság 2025 áprilisában nyilvánosságra hozott adatai a 2024 végi helyzetet tükrözik, s csak három évfolyamra (13-15 évesek) koncentráltak (NMHH, 2025).

Ma nincs rendszeres, egységes országos adatgyűjtés arról, milyen gyakorisággal és milyen iskolai célokra használják a gyerekek és a pedagógusok a generatív MI-t. Hiányos az összkép az adatkezelésről, az iskolavezetési és adminisztratív alkalmazásokról, valamint az intézményi szabályozás elterjedtségéről is. Az MI iskolai oktatásának bevezetésére csak szűk körben (a szakképző intézmények, mintegy hatvan körüli iskola esetében) került sor, közelebbi információkkal, tudásmegosztással azonban ezekről nem rendelkezünk.

A hozzáférés és a kompetenciák különbsége társadalmi szempontból Magyarországon is lényeges. A Trendmonitor szakértői szerint tovább nyílhat a digitális készségszakadék (Digital Skills Gap): a magasabb digitális és reflexív kompetenciával rendelkező tanulók várhatóan többet profitálnak az MI-ből (Trendmonitor, 2026, 8., 40. o.). A MINT-különkiadás és több tartományi dokumentum arra is figyelmeztet, hogy a jó minőségű, adatvédelmileg megfelelő vagy fizetős eszközökhöz való egyenlőtlen hozzáférés erősítheti a meglévő oktatási különbségeket (Trendmonitor Spezial, 2025, 10. o.; Regelwerke, 2026, 26., 32. o.). A VBE ezért az egyenlő részvételt biztosító digitális infrastruktúrát és a hátrányos helyzetű iskolák célzott támogatását sürgeti (VBE, 2026).

Ebből egy országos iskolai MI-monitor szükségessége vezethető le. Azonos alapmutatók éves felvétele a tanulók, pedagógusok, intézményvezetők és lehetőség szerint a fenntartók körében összehasonlítható képet adhatna a használat gyakoriságáról és céljairól, az alkalmazott eszközökről, a kompetenciákról, az értékelésről, az adatvédelemről és szerzői jogról, az intézményi szabályokról, a hozzáférésről és az adminisztratív felhasználásról.

A mérési rendszerhez közérthető jogi és pedagógiai kereteknek kell kapcsolódniuk. A pedagógus számára intézményi szinten is egyértelművé kell tenni, milyen rendszert használhat, milyen adatot nem vihet be külső szolgáltatásba, hogyan dokumentálja az MI közreműködését, milyen elvek szerint értékel, és mely döntésekben marad elengedhetetlen az emberi szakmai felelősség.

A tanárképzéssel és szakmai a továbbképzésekkel szembeni igény többé már nem csak sürgető: azonnali intézkedéseket követel. A promptírás önmagában nem elegendő: a képzésnek össze kell kapcsolnia a didaktikát és az értékelést az adatvédelemmel, a szerzői joggal, a forráskritikával, az önszabályozott tanulással és az MI által előállított hibás vagy bizonytalan tartalom ellenőrzésével. A MINT-különkiadás a gyakorlati kipróbálást, a tantárgyspecifikus felkészülést, a kollégák közötti tudásmegosztást és a képzők képzését is fontosnak tartja (Trendmonitor Spezial, 2025). A tanár maga is MI-használó, amihez megfelelő és ingyenes szakmai felkészítést kell kapnia – másrészt ő irányítja, ellenőrzi a gyerekek az egyes szaktárgyak keretében az MI-vel való munkáját, ő látja közvetlenül a problémákat – és neki kell tudnia kezelnie is azokat. Irreális abban bízni, hogy egy, az digitális kultúra tárgyba beépült, alacsony óraszámú blokkal „letudható” lenne a gyerekek MI-felkészítése. Ez legfeljebb az alapokat adja meg, az MI tanulói kezelésére azonban minden tárgyban, minden évfolyamon alkalmasnak kell a rendszernek lennie.

A pedagógusok ezt a feladatot a meglévő terhek mellett nem tudják pusztán mellékfeladatként elvégezni. Ezzel együtt az értékelési gyakorlat korszerűsítésére is szükség van: nagyobb szerepet kaphat a folyamatértékelés, a szóbeli visszakérdezés, az önreflexió és a dokumentált MI-használat. A pedagógiai döntés és a végső értékelés felelőssége emberi feladat marad.

Összegzés

A német Trendmonitor alapján azt látjuk, hogy az iskolai mesterséges intelligencia kérdése a kísérleti eszközhasználattól egyre inkább az intézményi bevezetés felé mozdul, de a folyamat még nem tekinthető lezártnak. A technológia terjedése egyszerre érinti a tanári szerepeket, az értékelést, az adatkezelést, az iskolai munkafolyamatokat, a szabályozást és a hozzáférési különbségeket. A német források közös üzenete, hogy a használat növekedése önmagában nem bizonyít pedagógiai eredményességet: az alkalmazás minőségét a tanulási célok, a kritikai és reflexív kompetenciák, az emberi felülvizsgálat és az intézményi szabályozás együtt határozza meg.

Magyarország számára ebből az következik, hogy az MI általános- és középiskolai bevezetéséhez az eszközök mellett rendszeres és összehasonlítható adatokra, világos intézményi felelősségi körökre, tantárgyi és értékelési útmutatókra, valamint a pedagógusok számára biztosított képzési és fejlesztési időre is szükség van. Erre épülhet olyan intézményi MI-irányítás, amely a technológiai alkalmazást a tanulási célokkal, az ellenőrizhető tanulási folyamattal, az értékelhetőséggel és a pedagógiai felelősséggel kapcsolja össze.

Mindennek az új oktatási stratégia elkészítésének időszakában különös jelentősége van. Nincs idő újabb elégtelen megoldásokkal való próbálkozásra, a nagy infrastrukturális és tananyagfejlesztések kivárására: ezekre mind szükség van, de azonnali, reálisan megoldható intézkedésekre is – 2026 júliusában közzé tett szakmai anyagunkban ezekre nézve konkrét javaslatokkal is éltünk. A tapasztalat azt mutatja, hogy gyerekek lényegében 12-13 éves kortól már most, tömegesen használják a generatív mesterséges intelligenciát, és rosszul használják azt: a feladatok kiváltására, nem a feladatmegoldásba való beépítésre, a tudás helyettesítésére, nem megszerzésének támogatására. Ezt a korai használat tilalmával, a mobiltelefon és közösségi média használat eltiltásával nem lehet kezelni – és megpróbálni sem érdemes. Az MI velünk van, és velünk marad – az iskolákban is. Próbálunk okosan együtt élni vele.

Irodalom

BMBFSFJ (2026). Bundesministerium für Bildung, Familie, Senioren, Frauen und Jugend PISA 2025 zeigt deutlich: Basiskompetenzen stärken, Bildungschancen verbessern [Pressemitteilung]. (2026, szeptember 8.). https://www.bmbfsfj.bund.de/bmbfsfj/aktuelles/pressemitteilungen/pisa-2025-zeigt-deutlich-basiskompetenzen-staerken-bildungschancen-verbessern-293974

forsa (2026). Gesellschaft für Sozialforschung und statistische Analysen mbH. KI-Regelwerke für die Schule: Ergebnisse einer repräsentativen Befragung unter Lehrkräften an allgemeinbildenden Schulen [A Deutsche Telekom Stiftung megbízásából készült felmérési jelentés]. https://www.telekom-stiftung.de/fileadmin/media/projekte/trendmonitor_ki_in_der_bildung/Forsa-Bericht_KI-Regelwerke.pdf

NMHH (2025). Nemzeti Média és Hírközlési Hatóság. A mesterséges intelligencia használatának jellemzői a 13-16 éves korosztály körében, 2025. április 22., https://nmhh.hu/cikk/252083/A_mesterseges_intelligencia_hasznalatanak_jellemzoi_a_1316_eves_korosztaly_koreben

OECD (2025). Results from TALIS 2024: Country notes – Hungary. OECD Publishing. https://www.oecd.org/en/publications/results-from-talis-2024-country-notes_e127f9e2-en/hungary_29960fb1-en.html

OECD (2026). PISA 2025 results (Volume I). OECD Publishing. https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/09/pisa-2025-results-volume-i_5265bfb1/73451bc5-en.pdf

Regelwerke (2026). Schmid, U., Blanc, B., Goertz, L., Georgi, M., & Pinkwart, N. Trendmonitor Spezial: Regelwerke zu KI an Schulen. Überblick und Analyse. Deutsche Telekom Stiftung. https://www.telekom-stiftung.de/fileadmin/media/analysen/pdf/trendmonitor-spezial-ki-regelwerke.pdf

SWK. (2024). Ständige Wissenschaftliche Kommission der Kultusministerkonferenz. Large Language Models und ihre Potenziale im Bildungssystem: Impulspapier der Ständigen Wissenschaftlichen Kommission der Kultusministerkonferenz. https://swk-bildung.org/content/uploads/2024/02/SWK-2024-Impulspapier_LargeLanguageModels.pdf

Trendmonitor Spezial (2025). Schmid, U., Blanc, B., Goertz, L., Georgi, M., & Pinkwart, N. (2025). Trendmonitor Spezial: MINT-Lernen mit KI. Neue Potenziale, besserer Zugang? Deutsche Telekom Stiftung. https://www.telekom-stiftung.de/fileadmin/media/analysen/pdf/trendmonitor-spezial-ki-mintlernen.pdf

Trendmonitor (2026). Schmid, U., Blanc, B., Goertz, L., Georgi, M., Pinkwart, N., & Kravcik, M. Trendmonitor KI in der Bildung 2026. Deutsche Telekom Stiftung. https://www.telekom-stiftung.de/trendmonitor-ki

VBE (2026). Verband Bildung und Erziehung. KI in der Bildung: Schulen stärken, damit aus der Chance kein Rückschritt wird [Pressedienst Nr. 42/2026], (2026, szeptember 23.). https://www.vbe.de/presse/pressedienste/pressedienste-2026/ki-in-der-bildung-schulen-staerken-damit-aus-der-chance-kein-rueckschritt-wird

Verebics (2026). A mesterséges intelligencia és a Nemzeti Alaptanterv megújítása – ami már nem halasztható tovább, 2026. július 20., https://moderniskola.hu/2026/07/a-mesterseges-intelligencia-es-a-nemzeti-alaptanterv-megujitasa-ami-mar-nem-halaszthato-tovabb/

2026. szeptember 21., hétfő

Újságírás és mesterséges intelligencia a szerkesztőségi gyakorlatban és az oktatásban

A 2026. május 26-án megjelent írás szerkesztett, infografikákkal kiegészített változata

2015-től kommunikációs vezetőként nyolc éven át, két egyetemen tanítottam újságírást. Az utolsó tanév már a generatív mesterséges intelligencia tömeges megjelenésének kezdetével esett egybe; hatásait akkor még csak érintőlegesen tudtam beépíteni a tananyagba. Azóta az MI a szerkesztőségek háttérfolyamataiban és az újságírói munkában is elterjedt: szövegeket generál, segíti a szerkesztést, interjúkat tömörít, fordít, tartalmat rendez, trendeket azonosít és jelez előre. Ez az írás egy készülő oktatási segédanyag rövidített összefoglalója. Bemutatja a generatív MI szerkesztőségi alkalmazásait a híranyagok előállításától az interjúk feldolgozásán és a tartalomszerkesztésen át a képi illusztrációk létrehozásáig. Kitér a szerzőség, a felelősség, a hitelesség és az átláthatóság kérdéseire, a nemzetközi ajánlásokra és a szerkesztőségi jó gyakorlatokra. Foglalkozik azzal is, milyen ismeretekre van szükségük az újságíróknak az MI szakszerű használatához, és hogyan kaphatnak ezek helyet a képzésben. Az újságíróknak és a pályára készülő hallgatóknak gyakorlati ötleteket kívánok adni ahhoz, hogyan gyorsíthatják munkájukat az MI segítségével, a minőség javítása és a szakmai értékek megőrzése mellett.

A generatív MI – például a ChatGPT – az információkeresés mellett új szövegeket is létrehoz, kérésre akár különböző stílusban és műfajban is. A szövegalkotás lehetősége a szerkesztőségek érdeklődését is felkeltette. A világ vezető médiavállalatai – köztük a BBC, a Le Monde és a Sveriges Radio – a kísérletezést követően beépítik az MI-t a napi szerkesztőségi gyakorlatba: összefoglaló eszközként, hírlevél-generátorként vagy háttérelemzések előkészítőjeként használják [EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024].

A 2026-os szerkesztőségi gyakorlat már jóval túlmutat az alkalmi szöveggeneráláson. A Reuters Institute 280 médiavezetőre kiterjedő év eleji felmérésében a válaszadók 97 százaléka tartotta fontosnak a háttérfolyamatok automatizálását, 82 százalék a hírgyűjtési alkalmazásokat, 81 százalék pedig a gyorsabb kódolást és termékfejlesztést. Ugyanakkor az eredmények megítélése óvatos: 44 százalék ígéretesnek, 42 százalék korlátozottnak nevezte saját MI-kezdeményezéseit. A gyakorlati tanulság az, hogy a szerkesztőségnek konkrét munkafolyamatokat, ellenőrzési pontokat és mérhető célokat érdemes meghatároznia, ahelyett hogy általában „MI-bevezetésről” beszélne [Reuters Institute for the Study of Journalism: Journalism, media, and technology trends and predictions 2026 (2026. január 12.)].

Az átalakulás technológiai, etikai, szakmai és szabályozási kérdéseket vet fel. Az MI-nek nincsen saját értékrendje, újságírói etikája vagy szerkesztői érzéke – ezek biztosítása az emberi szakemberek feladata marad. Ezért nemzetközi és nemzeti irányelveket dolgoznak ki, amelyek meghatározzák az MI használatának jogi, etikai és szerkesztői normáit [Bertelsmann: State of Play: A GenAI Transforms Media, 2024].

A nemzetközi újságírói közösség egyik válasza a 2023-ban a Riporterek Határok Nélkül által kiadott Paris Charter on AI and Journalism, amely tíz alapelvben fogalmazza meg az MI újságírásban való alkalmazásának kritériumait. A dokumentum az emberi felelősség, az átláthatóság, a függetlenség és a szerkesztői kontroll elveire épül. A Chartát számos nemzetközi médiaház elfogadta, és beépítette belső irányelvei közé [RSF: Paris Charter on AI and Journalism, Párizs, 2023].

Az irányelvek kidolgozásában részt vettek a közszolgálati médiumok, amelyek az Európai Műsorsugárzók Uniója (EBU) keretében már 2024 elején kidolgozták az AI Strategy Framework for Public Service Media című javaslatcsomagot. Ez útmutatást nyújt a tagok számára az MI alkalmazásának technikai, szerkesztői és jogi kérdéseiben. A dokumentum hangsúlyozza, hogy az MI használata csak akkor elfogadható, ha biztosított az emberi közreműködés, az adatbiztonság, valamint az etikai kockázatok előzetes értékelése. A 2025 áprilisában megjelent EBU News Report 2025: Leading Newsrooms in the Age of Generative AI (Genf, 2025) című tanulmány bemutatja, hogyan alkalmazzák a szerkesztőségek az MI-t szövegírásra, háttérelemzésre, interjúfeldolgozásra és képalkotásra, és azt is, hogy ezek milyen kérdéseket vetnek fel a szerzőség, felelősség és hitelesség kapcsán. Ismerteti a nemzetközi irányelveket (pl. Paris Charter, EBU-ajánlások), és bemutatja azokat a jó gyakorlatokat, amelyek segítik az MI etikus, szerkesztői ellenőrzés melletti bevezetését. A tanulmány külön foglalkozik az újságírók képzésével is: a szerkesztőségi tréningektől az egyetemi kurzusokig, különös tekintettel a konkrét MI-eszközök használatára.

Az Európai Unió AI Act rendelete 2026-tól közvetlenül is érinti a szerkesztőségi MI-használatot, mindenekelőtt az átláthatóság, a generált tartalmak jelölése, az emberi felülvizsgálat és az MI-műveltség területén. E kötelezettségek szerkesztőségi következményeire az etikai és jogi kérdéseket tárgyaló fejezetben részletesen visszatérünk.

Ezzel párhuzamosan a nemzeti újságírószervezetek is megkezdték saját irányelveik kidolgozását. A német Deutscher Journalisten-Verband (DJV) és a brit National Union of Journalists (NUJ) egyaránt célul tűzte ki, hogy tagjaikat felkészítsék az MI felelős használatára. Ennek részeként oktatási anyagokat, belső képzéseket és állásfoglalásokat dolgoztak ki, hogy az újságírók saját szakmai önállóságukat megőrizve, tudatosan és kritikusan használják az új eszközöket.

Az olvasói bizalom megőrzése egyre nehezebb feladat. A tartalmak eredetének felismerése egyre nehezebbé válik: a közönség gyakran nem tudja megkülönböztetni a valódi, emberi szerkesztésű írást a gépi úton generált tartalmaktól. A szerkesztőségeknek ezért igazolniuk kell, hogy a közvetített információ hiteles, ellenőrzött és emberi mérlegelésen alapul. Az MI nem váltja ki az újságírót – de megváltoztatja a munkamódszereket, és új kérdéseket vet fel a hitelesség, az átláthatóság, a minőség és a felelősség fogalmainak értelmezésében [Heesen, Jessica et al.: Künstliche Intelligenz im Journalismus: Potenziale und Herausforderungen für Medienschaffende. acatech – Deutsche Akademie der Technikwissenschaften, 2023].

A következő fejezetek az MI szerkesztőségi bevezetését és az egyes újságírói műfajokban való használatát tárgyalják, majd a szerzői jogi, adatvédelmi, etikai és képzési kérdéseket tekintik át.

Szerkesztőségi integráció és szervezetfejlesztés az MI bevezetésekor

A mesterséges intelligencia bevezetése szervezést, átgondolt feladatkiosztást és folyamatos szerkesztői ellenőrzést igényel. A szerkesztőségnek meg kell határoznia, mely munkafolyamatokban számít az MI közreműködésére, és hogyan ellenőrzi az eredményeket.

A nemzetközi példák azt mutatják, hogy ott járnak előrébb a szerkesztőségek, ahol az MI bevezetését szervezeti változásként kezelik. A brit BBC, a finn Yle vagy a francia Le Monde mind külön csapatokat hozott létre, amelyek összehangolják a bevezetés technikai, szerkesztői, etikai, oktatási és kommunikációs feladatait [EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024].

Az első lépés a belső igények felmérése. Melyik szerkesztőségi részlegnél van leginkább szükség automatizálásra? Hol érzik a kollégák a legnagyobb adminisztratív vagy ismétlődő feladatokból adódó terhelést? A legtöbb bevezetési terv egy-két jól körülhatárolt kísérleti projekttel indul, például automatikus hírlevélkészítéssel, rövidhírek összefoglalásával vagy interjúátiratok javításával.

A 2026-os amerikai és nemzetközi tapasztalatok ezt a pilotlogikát pontosítják. A Poynter AI and Journalism Day összegzése szerint a működő fejlesztések rendszerint egy konkrét szerkesztőségi problémából indulnak ki [Poynter: AI advice from journalists who stopped talking and started building (2026. március 26.)]. A Pew Research Center például azért készített MI-t használó WordPress-bővítményt, mert a közönségszerkesztők idejük túlnyomó részét képletszerű közösségimédia-szövegek írására fordították; az automatizált első változatok mellett több idő maradt a közönséggel való tényleges kapcsolattartásra. A WAN-IFRA 2026-os összegzése ugyancsak azt mutatja, hogy a szerkesztőségek a kísérletezéstől a napi, skálázható használat felé mozdulnak: az elterjedt megoldások között az átírás, a közösségimédia-változatok és a vizualizációk előkészítése szerepel. WAN-IFRA: AI at work: How newsrooms are redefining production and audience reach (2026. március 17.) Ezek továbbra is ellenőrzést, szerkesztést és verifikációt igényelnek, ezért a bevezetés tervezésekor az új ellenőrzési lépések munkaidejével is számolni kell.

A bevezetést belső képzés kíséri. A szerkesztőknek és újságíróknak nem kell programozniuk – de érteniük kell az MI működésének logikáját, korlátait, torzításait és lehetőségeit. A svéd Sveriges Radio például már 2022 óta működtet egy házon belüli „promptakadémiát”, ahol újságírók tanulják meg, hogyan adjanak pontos, a feladathoz illő utasításokat a rendszernek [Graßl, M. – Schützeneder, J. – Meier, K.: Künstliche Intelligenz als Assistenz, Journalistik, Köln, 2022].

A belső irányelvekben tisztázni kell a használat feltételeit. Milyen esetekben használható MI? Ki a felelős az ellenőrzésért? Milyen típusú tartalmakat tilos MI-vel készíteni? Az osztrák ORF külön szabályozza például, hogy az MI által generált szövegek mindig szerkesztői jóváhagyást igényelnek, és automatikusan nem publikálhatók [ORF: KI-Guidelines, Bécs, 2023].

A 2026-os tapasztalatok alapján a belső szabályzatot élő dokumentumként érdemes kezelni. A Columbia Journalism Review által megszólaltatott szerkesztőségek közül a Wall Street Journal MI-munkacsoportja különböző szerkesztőségi területek képviselőit és szkeptikus kollégákat is bevon, a szabályokat pedig rendszeresen felülvizsgálja [Columbia Journalism Review: How to Develop AI Guidelines (2026. július 16.)]. A Reutersnél évente frissített alapozó MI-képzés, havi fórumok és bemutatók egészítik ki az írott normákat. Gyakorlati szempontból tehát a szabályzat mellé felelős csoport, rendszeres képzés, eszközértékelés és visszacsatolási fórum is szükséges.

Az MI használatáról az olvasókat is tájékoztatni kell. A közönségnek joga van tudni, ha MI is részt vett egy tartalom előállításában – de a szerkesztőségnek meg is kell tudnia magyarázni, hogyan és miért történt ez. A Le Monde például már 2023-ban külön „AI-oldalt” nyitott az olvasók tájékoztatására, ahol részletesen bemutatták, milyen célokra és milyen korlátokkal használják az algoritmusokat, 2024-ben pedig részletes MI-használati irányelveket fogadtak el.

Az MI bevezetése során a szerkesztőségnek közösen kell megtanulnia az új eszközök használatát. A munkatársaknak érteniük kell, milyen feladatokban számíthatnak rájuk, és hogyan segíthetik a munkájukat. Ehhez időt kell hagyni a kipróbálásra és a tapasztalatok megvitatására, olyan szakmai közegben, ahol a felmerülő kérdésekről és hibákról is nyíltan lehet beszélni.

A közszolgálati gyakorlatban 2026-ra már közösen kialakított, megosztható szerkesztőségi munkafolyamatok kerültek előtérbe. Az EBU májusi szakmai ülésén az ARD és az EBU Digital News & Data Hub példái az átírástól és tényellenőrzéstől a többlépcsős szerkesztőségi MI-folyamatokig terjedtek [European Broadcasting Union: Shaping AI in Public Service Media: From newsroom applications to collaboration (2026. május 28.)]. A szerkesztőség számára ebből az következik, hogy az egyéni eszközhasználat mellett érdemes közös, dokumentált megoldásokat létrehozni, ahol ismert az adatforrás, a modell feladata, az emberi ellenőrzés helye és a végső jóváhagyó személye.

A szerkesztőségi munkafolyamatok és az MI szerepe

A mesterséges intelligencia a szerkesztőségi munka több szakaszában használható, a témakereséstől a publikáláson át a terjesztésig. Megfontolt alkalmazása időt takaríthat meg, javíthatja az elkészült anyagok minőségét, és új megközelítéseket adhat.

Az első lépés sokszor az ötletgyűjtés. Egy tapasztalt újságíró is kerülhet olyan helyzetbe, hogy nem talál megfelelő megközelítést egy témához. Ilyenkor egy nyelvi modell – mint például a ChatGPT – képes lehet szövegváltozatokat, az egyes olvasói csoportokhoz illő megközelítéseket vagy címeket javasolni. A javaslatok új szempontokat adhatnak; használhatóságukat az újságírónak kell mérlegelnie.

Az MI jól használható a háttérkutatás gyorsítására is. Bár nem tekinthető elsődleges forrásnak, képes lehet tematikus szövegösszefoglalókat készíteni, vagy segíteni a témában való eligazodásban – különösen, ha nagy mennyiségű dokumentumból, tanulmányból, interjúból kell kivonatolni a lényeget. A finn Yle szerkesztőségében például már napi gyakorlat, hogy az MI segít a többnyelvű forrásanyagok gyors feldolgozásában, a fordítások előkészítésében és a vizuális kiegészítések generálásában [EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024].

A data journalism és az oknyomozó munka 2026-os példái jól mutatják, hol jelenthet valódi időnyereséget az MI. Jacopo Ottaviani egy korábban háromhetes munkával elkészített adatvizualizációs projektjét két nap alatt építette újra nagy nyelvi modellel, amely természetes nyelvű utasításokból működő kódot állított elő [Reuters Institute for the Study of Journalism: From weeks of work to days: How I rebuilt two data journalism projects with AI (2026. június 26.)]. A BBC Eye Haystack nevű, több MI-ügynökből álló rendszere pedig tízezer közösségimédia-bejegyzést gyűjtött és elemzett egy oknyomozó projektben, miközben az újságíró minden fontos lépésnél utasította a rendszert, pontosította a kategóriákat, és a feltárt bizonyítékokat a csapat manuálisan ellenőrizte [Reuters Institute / BBC Eye: How BBC Eye built a multi-agent AI system to sift through ten thousand Russian social media posts (2026. június 12.)]. A gyakorlati minta így a nagy adatmennyiség gépi előszűrése, majd emberi bizonyítás és forrásellenőrzés.

Az írás folyamata is megváltozik: a mesterséges intelligencia képes vázlatokat készíteni, stílusokat váltani, vagy akár szövegrészeket újrafogalmazni, hogy jobban illeszkedjenek egy adott platformhoz (pl. közösségi médiához). Az eredmény a kérés pontosságától is függ: egy jól megírt prompt akár 80%-ban meghatározza, milyen eredményt kapunk.

A 2026 őszén megjelenő ágensalapú munkafolyamatok egy lépéssel tovább viszik ezt a logikát. Ottaviani Italia Fragile projektjében az MI már az ötletelés, a kutatás és elemzés, a dizájn, az adatbeszerzés és a karbantartás szakaszában is feladatot kapott; egyes műveleteket ütemezett hurkok ismételtek [Reuters Institute for the Study of Journalism: From prompts to loops: how AI entered every stage of my data journalism (2026. szeptember 11.)]. Szerkesztőségi környezetben ez csak akkor biztonságos, ha a folyamat naplózható, a bemeneti és kimeneti állapotok visszakereshetők, és meghatározott pontokon emberi mintavételes vagy teljes ellenőrzés történik. Az „ágens” ezért elsősorban folyamat-automatizálási lehetőség, amelyhez új ellenőrzési rend tartozik.

Az elkészült szövegeket szerkesztőnek kell ellenőriznie. A német közszolgálati szerkesztőségek – mint a Bayerischer Rundfunk vagy az NDR – belső irányelvek alapján dolgoznak: minden MI által készített vagy módosított szöveg jelölve van, és az anyag véglegesítését mindig ember végzi [Graßl, M. – Schützeneder, J. – Meier, K.: Künstliche Intelligenz als Assistenz, Journalistik, Köln, 2022].

Az utolsó szakasz a publikálás és terjesztés, ahol az MI segítségével például automatikus összefoglalók, hírlevél-verziók vagy akár szövegfelolvasások is készíthetők. Ezek különösen hasznosak lehetnek kisebb szerkesztőségek számára, ahol kevés embernek kell sokféle platformon helytállnia.

A terjesztés 2026-ban azért is válik külön szerkesztőségi kérdéssé, mert az olvasó egyre gyakrabban MI-chatbot közvetítésével találkozik hírekkel. A Reuters Institute Digital News Report 2026 adatai szerint globálisan 10 százalék használt MI-chatbotot hírfogyasztásra az előző héten, szemben az egy évvel korábbi 7 százalékkal; fő hírforrásként ugyanakkor mindössze 1 százalék jelölte meg [Reuters Institute for the Study of Journalism: Digital News Report 2026 – How people are using AI chatbots for news (2026. július 7.)]. A szerkesztőségi következmény kettős: a saját felületeken továbbra is erősíteni kell a közvetlen kapcsolatot, közben pedig úgy kell strukturálni a tartalmat, hogy a gépi összefoglalásokból is visszakövethető legyen az eredeti forrás, a szerző és a teljes kontextus.

Az MI bevezetése a szerkesztőség munkarendjét is érinti: képzésekre, belső eljárásrendekre és etikai irányelvekre van szükség.

Az újságírói műfajok és az MI

A mesterséges intelligencia egyre több szerkesztőségben segíti a napi munkát: gyorsítja a feldolgozást, javaslatokat és kérdéseket fogalmaz meg. Alkalmazását az adott műfajhoz kell igazítani. A hírírás, az esszé és az interjú más-más feladatot ad az MI-nek: az egyiknél a feldolgozás gyorsítása, a másiknál a szöveg szerkezetének kialakítása vagy az ötletadás lehet hasznos.

Hírek és tudósítások készítésekor több részfeladatot is segíthet az MI. Az újságíró hangjegyzetben rögzíti a tényeket, az MI pedig ezekből képes akár három különböző hosszúságú változatot is előállítani: egy rövidhírt a közösségi médiára, egy középhosszú verziót a weboldalra, és egy részletesebb leírást a nyomtatott kiadás számára. A BBC például már fejlesztett belső eszközöket arra, hogy ezek a változatok automatikusan előálljanak – mindig szerkesztői ellenőrzés után [EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024]. Hasonló gyakorlat működik a svéd SVT-nél is, ahol az MI első körös szerkesztésre is képes: például a hangfelvételről gyorsan készít szöveges vázlatot, vagy külön hírverziókat javasol az egyes felületekre.

Az interjú esetében az MI leginkább a felkészülésben és az utómunkában segíthet. A beszélgetés előtt képes háttérinformációkat gyűjteni az alanyról, javasolhat kérdésvázlatokat, vagy megtervezheti a beszélgetés témaköreit. A rögzített interjúk után automatikusan készíthető átirat, amit a rendszer kérésre meg is tisztít, és javaslatot tehet a szerkesztett változatra. Egyes szerkesztőségek – például a Le Monde – gyakran használják a ChatGPT-t arra, hogy kiemelje a legerősebb idézeteket, vagy a válaszokat közérthetőbb formában fogalmazza újra. Az interjúalannyal való kapcsolatteremtés és a váratlan fordulatok kezelése továbbra is az újságíró feladata. Az MI nem képes emberi intuícióval felismerni a beszélgetés apró jelzéseit, és ezekre reagálva irányítani annak menetét.

A feature és a riport készítésekor az MI időt takaríthat meg, ötleteket adhat, és segítheti a megfogalmazást. Javasolhat történetvezetést, bevezetéseket, zárómondatokat és eltérő stílusú szövegváltozatokat. Ha például egy szerkesztő azt kéri, hogy a leírás legyen „költőibb” vagy „filmszerűbb”, a modell képes lehet képi megoldásokra javaslatot adni. A német dpa riporterei gyakran Stichwort-listát – azaz kulcsszavakból álló vázlatot – adnak meg az MI-nek, amely ebből narratív ívet javasol, és az újságíró ennek alapján készíti el a végleges változatot [Graßl, M. – Schützeneder, J. – Meier, K.: Künstliche Intelligenz als Assistenz, Journalistik, Köln, 2022]. Az anyaggyűjtés és a terepmunka továbbra is az újságíró feladata; a személyes tapasztalatok megfogalmazásában az MI is segíthet.

A véleményműfajok – például a kommentár, jegyzet, glossza vagy esszé – esetében különös figyelmet igényel az MI használata. A mesterséges intelligencia nem tud saját álláspontot képviselni, de segíthet az érvek világosabb felépítésében, az ellenpontok megjelenítésében, vagy abban, hogy az írás hangneme következetes maradjon. Egy jól megfogalmazott kérés – például: „javasolj három különböző címötletet egy adott véleménycikkhez: tájékoztató, provokatív és személyes változatban” – használhatóbb eredményt adhat, mint egy általános „írd át szebben” típusú prompt. Az ORF és a Sveriges Radio gyakorlata szerint ezekhez belső promptkatalógusokat fejlesztettek, amelyekkel az újságírók célzottabban tudnak kérdezni a géptől [ORF: KI-Guidelines, Bécs, 2023]. A Paris Charter külön is hangsúlyozza: e műfajokban az MI csak akkor használható etikusan, ha nem rejti el, ki a gondolat valódi szerzője [RSF: Paris Charter on AI and Journalism, Párizs, 2023].

Az újságírói gyakorlatban egyre több szerkesztőség készít belső MI-használati sablonokat: például rövidhír-generáló promptokat, stílusváltó parancsokat, hírlevél-kivonatoló kéréseket, vagy akár adatvizualizációs segédfelületeket. A Sveriges Radio már külön „MI-szerkesztőt” alkalmaz, akinek a feladata az eszközök betanítása, használatuk oktatása, valamint technikai és etikai felügyelete. A kérések több lépésben is pontosíthatók: az újságíró értékeli a választ, majd szükség szerint további utasításokat ad.

A promptot is a műfajhoz kell igazítani. Egy hírnél elég lehet a tényszerű felsorolás, míg egy glosszánál kreatívabb, ironikusabb nyelvezetre kell kérnünk a gépet. Ezért is hasznos, ha a szerkesztőség belső promptgyűjteményt hoz létre – ahogy azt több helyen, például az osztrák ORF-nél vagy a Le Monde-nál is bevezették.

Az MI akkor segíti érdemben az újságíró munkáját, ha világos feladatot kap, az eredményt pedig az újságíró ellenőrzi és szerkeszti. A pontos utasításadás a szerkesztéshez és a forráskritikához hasonlóan tanulható, gyakorlással fejleszthető készség.

Etikai és jogi kérdések a mesterséges intelligencia alkalmazásában

A mesterséges intelligencia újságírói használata etikai és jogi kérdéseket is felvet. Mit jelent a hitelesség egy olyan korban, amikor egy gép is képes cikket írni? Ki a szerzője egy olyan szövegnek, amit egy algoritmus készített emberi kérésre? És mit mondjunk az olvasónak: tudnia kell, hogy egy részlet nem emberi kéz munkája?

Az átláthatóság az olvasói bizalom egyik feltétele. Az olvasóknak joguk van tudni, ha egy tartalom részben vagy egészben mesterséges intelligenciával készült. A Paris Charter ezt úgy fogalmazza meg: „az MI használatáról világosan, érthetően és előre kell tájékoztatni a közönséget” [RSF: Paris Charter on AI and Journalism, Párizs, 2023]. A legtöbb szerkesztőség már most is jelez valamilyen formában, ha gépi támogatást vett igénybe – például lábjegyzetben, alcímben vagy külön ikon segítségével.

Az Európai Unió mesterséges intelligenciáról szóló rendelete, az AI Act a szerkesztőségek számára elsősorban az MI-rendszerben betöltött szerephez és a konkrét felhasználáshoz kapcsol kötelezettségeket. A külső generatív MI-eszközt saját munkafolyamatában használó médiavállalat jellemzően alkalmazó (deployer); ha maga fejleszt és saját neve alatt működtet MI-rendszert, szolgáltatói kötelezettségei is keletkezhetnek. A rendelet az alkalmazó és a szolgáltató szerepét elkülönítve szabályozza [Az Európai Parlament és a Tanács (EU) 2024/1689 rendelete].

A szerkesztőségi gyakorlat szempontjából különösen fontos a 2026. augusztus 2-tól alkalmazandó 50. cikk. A generatív MI-rendszerek szolgáltatóinak géppel olvasható módon jelölniük kell a mesterségesen előállított vagy manipulált tartalmakat. Az alkalmazónak közölnie kell, ha MI-vel létrehozott vagy manipulált szöveget tesz közzé a nyilvánosság közérdekű ügyben való tájékoztatására; a deepfake kép-, hang- és videótartalmakra szintén átláthatósági követelmények vonatkoznak. A szövegek jelölési kötelezettsége alól kivételt jelenthet, ha a tartalom érdemi emberi felülvizsgálaton vagy szerkesztői ellenőrzésen ment át, és természetes vagy jogi személy szerkesztői felelősséget visel érte [European Commission: Guidelines on transparency obligations for providers and deployers of AI systems; European Commission: Code of Practice on Transparency of AI-generated Content].

A Bizottság 2026-os értelmezése szerint a puszta helyesírási, nyelvtani vagy formai ellenőrzés ehhez nem elegendő: az emberi felülvizsgálatnak a tartalom lényegére kell irányulnia, a szerkesztői kontroll pedig tényleges jogosultságot feltételez a szöveg jóváhagyására, módosítására vagy elutasítására. Ez a munkafolyamatot is érinti: tisztázni kell, hol lép be az MI a tartalom-előállításba, ki végez érdemi ellenőrzést, ki viseli a szerkesztői felelősséget, és mikor szükséges az olvasó számára látható jelölés. A 4. cikk MI-műveltségi kötelezettsége miatt a munkatársak képzése ugyancsak szervezeti megfelelési kérdéssé válik. Az AI Act ezzel az átláthatóságot, a dokumentált emberi kontrollt és a világos felelősségi rendet a generatív MI szerkesztőségi használatának mindennapi működési feltételei közé emeli [Journalism Funders Forum: Transparency as an Obligation: What the EU AI Act Means for Journalism].

A felelősséget is tisztázni kell. Az MI tévedhet, torzíthat, vagy a tanítási adatok miatt elfogult válaszokat adhat. Az eredményeit ezért ellenőrizni kell. Mindig kell egy újságíró vagy szerkesztő, aki ellenőrzi, jóváhagyja és szükség esetén korrigálja a gép eredményeit. Ezt a gyakorlatot nevezik sok helyen „human-in-the-loop” megközelítésnek – vagyis az ember mindig a döntési lánc része marad.

Az Associated Press 2026 júliusában frissített newsroom-szabályai különösen jól használható feladatszintű mintát adnak. Az AP engedélyezi az MI-t a korai kutatás és dokumentum-összefoglalás támogatására, átírásra és fordításra, cím- és összefoglaló-javaslatokra, valamint nyelvi és keresőoptimalizálási segítségre. Minden gépi eredményt újságíró ellenőriz és szerkeszt publikálás előtt. A szervezet továbbra is tiltja, hogy generatív MI hírfotót hozzon létre, módosítson vagy „javítson”, és külön szabályozza a manipulált tartalmak bemutatását és az érdemi MI-közreműködés közlését [The Associated Press: AP updates newsroom standards for artificial intelligence (2026. július 23.)]. Ez a megengedett feladat + kötelező ellenőrzés + tiltott felhasználás hármasa kis szerkesztőségek számára is könnyen adaptálható.

A szerzői jog kérdéseit is tisztázni kell. Kié a szöveg, amit egy MI állított elő? A jelenlegi jogi keretek szerint – legalábbis az EU területén – az MI nem rendelkezik szerzői joggal, így az elkészült szöveg szerzője az, aki a promptot megadta, vagy aki véglegesíti a tartalmat. A generált szövegek ettől még nem használhatók fel minden esetben szabadon. Ha az MI más szerzők műveiből tanult, és szó szerinti idézeteket hoz létre, akkor a szerkesztőség felelőssége az ilyen részek felismerése és jelölése. A német dpa és a brit BBC ezért külön MI-ellenőrző szerkesztői szerepköröket hozott létre [UNESCO: Reporting on Artificial Intelligence – A Handbook for Journalism Educators, Párizs, 2023].

Az MI használata a forrásvédelmet is érinti. Egyes MI-eszközök – főleg a felhőalapú szolgáltatások – ideiglenesen eltárolhatják a felhasználók által bevitt szövegeket. Ez azt jelenti, hogy ha egy újságíró egy érzékeny interjút vagy belső dokumentumot feltölt egy MI-szolgáltatásba, fennállhat az adatszivárgás veszélye. A szerkesztőségnek ezért meg kell határoznia, milyen alkalmazást, eszközt használ, hol fut az MI (pl. helyi gépen vagy külső szerveren), hol kezelik az adatokat és milyen adatokat lehet biztonsággal feltölteni.

Az MI használata emellett az újságírói etikai elvek alkalmazását is próbára teszi. Vajon etikus-e véleménycikket gépi vázlat alapján írni? Lehet-e „generált idézetet” használni egy interjúban? Elfogadható-e, ha az MI az újságíró stílusában fogalmaz, mintha ő írta volna? Ezekre a kérdésekre nincs mindig egyértelmű válasz – de alapkövetelmény, hogy a közönséggel szembeni őszinteség, a tartalom pontossága és a társadalmi felelősség elve mindig érvényesüljön [Heesen, Jessica et al.: Künstliche Intelligenz im Journalismus: Potenziale und Herausforderungen für Medienschaffende. acatech – Deutsche Akademie der Technikwissenschaften, 2023].

A generált és manipulált képek terjedése miatt a vizuális verifikáció 2026-ra alapkompetenciává vált. Malachy Browne, a New York Times vizuális oknyomozásának egyik meghatározó alakja arra figyelmeztet, hogy a kép- és különösen a hangellenőrzés egyre nehezebb, miközben a generáló eszközök gyorsabban fejlődnek a detektoroknál [Reuters Institute for the Study of Journalism: New York Times’s Malachy Browne on the future of visual investigations in the age of AI (2026. augusztus 4.)]. A GIJN gyakorlati képzési anyaga ezért az eredet feltárását helyezi az első helyre: a forrás, a hely és az idő meghatározását, a fordított képkeresést, a metaadatok ellenőrzését és a speciális elemzőeszközök használatát [Global Investigative Journalism Network: GIJN Masterclass Round-Up: Artificial Intelligence (2026. augusztus 18.)]. A szerkesztőségi szabály így nem épülhet egyetlen „MI-detektorra”; több, egymást erősítő bizonyíték alapján kell dönteni.

A nemzetközi ajánlások szerint a mesterséges intelligencia használatát szerkesztőségi szinten kell szabályozni – belső eljárásrendekkel, irányelvekkel és rendszeres etikai felülvizsgálattal. Ezek segíthetik a megbízható használatot és a kockázatok csökkentését.

A szabályozás szervezeti formája is fejlődik. A Reuters Institute 2026 augusztusában húsz médiavezető és szakértő tapasztalatai alapján három modellt írt le: spontán, formális irányítás nélküli használatot; elvekre és keresztfunkcionális bizottságokra épülő rendszert; valamint külön felelős MI-vezetővel vagy csapattal működő struktúrát. A Yle, a BBC és a Czech Television már az utóbbi megoldást alkalmazza [Reuters Institute for the Study of Journalism: From guidelines to architecture: How newsrooms are rethinking AI governance (2026. augusztus 11.)]. A tanulság az, hogy a „human-in-the-loop” elv önmagában kevés, ha senki sem felel a kockázatok, eszközök és új felhasználási módok rendszeres értékeléséért. A szerkesztőségnek meg kell határoznia, ki engedélyez új eszközt, ki vizsgál incidenst, ki frissíti a szabályokat, és ki felel a képzésért.

Az újságírók felkészítése a mesterséges intelligencia szakszerű használatára

A mesterséges intelligencia újságírói alkalmazására a képzésekben is fel kell készülni. Az értő és felelős használatot tanulni és gyakorolni kell, az egyetemi oktatásban és a szerkesztőségekben egyaránt. Ennek hiányában az MI használata hibákhoz vezethet, és megrendítheti az olvasók bizalmát [Schützeneder, Jonas; Graßl, Michael; Meier, Klaus: Grenzen überwinden, Chancen gestalten. KI im journalistischen Newsroom. Friedrich-Ebert-Stiftung, 2024].

A nemzetközi példákban az MI bevezetését belső képzés kíséri. A svéd Sveriges Radio már 2022-ben létrehozta a saját „promptakadémiáját”, ahol újságírók és szerkesztők célzottan tanulják meg, hogyan fogalmazzanak pontos, műfajspecifikus kérdéseket a generatív modellek számára [Graßl, M. – Schützeneder, J. – Meier, K.: Künstliche Intelligenz als Assistenz, Journalistik, Köln, 2022]. A Le Monde és az ORF esetében is strukturált belső oktatási modulok és tréningek segítik a szerkesztőségi munkatársakat abban, hogy technikailag felkészülten, az etikai követelményeket betartva használják az MI-t.

Az újságírószervezetek és a felsőoktatási intézmények képzései is foglalkoznak az MI használatával. Az UNESCO 2023-as kézikönyve kifejezetten javasolja, hogy az MI alkalmazását integrálják a kommunikációs és média szakok tanterveibe. A képzés az MI működésének és korlátainak megismertetésére, valamint a hallgatók kritikai gondolkodásának, etikai érzékenységének és felelősségtudatának fejlesztésére irányul [UNESCO: Reporting on Artificial Intelligence – A Handbook for Journalism Educators, Párizs, 2023]. Egyes amerikai, kanadai és holland egyetemeken már külön tantárgyak foglalkoznak a generatív MI újságírói alkalmazásával, amelyek során hallgatók valós szerkesztőségi szituációkban modellezhetik az MI-használatot.

A képzés akkor válik igazán használhatóvá, ha valós szerkesztőségi problémákra épül. A Duke University 2026-os AI Journalism Lab kurzusán a hallgatók helyi médiumokkal együttműködve többek között önkormányzati napirendeket történetötletek szempontjából átvizsgáló eszközt, közérdekű adatigényléseket figyelő rendszert, hírlevél-összesítőt és kulturális programokat gyűjtő segédprogramot készítettek. A kurzus egyik fontos tapasztalata az volt, hogy több feladatnál az egyszerű automatizálás vagy adatfeldolgozás jobb megoldásnak bizonyult, mint a generatív MI [Poynter: In this Duke journalism class, failure was part of the assignment. It led to real AI tools for local news. (2026. május 7.)]. A hallgatónak ezért nem egyetlen eszköz használatát érdemes megtanulnia, hanem azt, hogyan fogalmazza meg a szerkesztőségi problémát, válasszon hozzá technológiát, tesztelje a hibákat és szervezze meg az emberi ellenőrzést.

A hallgatóknak és szerkesztőségi munkatársaknak meg kell tanulniuk használni a ChatGPT és más generatív mesterséges intelligencia alkalmazások (Claude, Gemini) szövegfeldolgozási funkcióit (összegzés, stílusváltás, vázlatkészítés), a képalkotó rendszereket (pl. ChatGPT-be integrált DALL·E, Midjourney), a beszédfelismerő és transzkripciós megoldásokat (Whisper, Otter.ai), valamint a háttérkutatást támogató keresőplatformokat (pl. Perplexity AI, Bing AI, Elicit). A képzések célja, hogy az MI-t az újságírói munka konkrét szakaszaiba illesztve, tudják alkalmazni – a forráskutatástól a publikálásig.

Az UNESCO 2023-as oktatási kézikönyve és az EBU 2024-es jelentése is hangsúlyozza: az újságírói kompetenciák közé be kell építeni az MI-eszközök kezelésének alapismereteit, összehasonlító értékelését és etikai használatát [UNESCO: Reporting on Artificial Intelligence – A Handbook for Journalism Educators, 2023; EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024]. Az EBU 2025-ös értékelő tanulmánya is úgy látja, hogy az újságírók mesterséges intelligenciával kapcsolatos képzése szükséges a technológia felelős és hatékony bevezetéséhez. A jelentés hangsúlyozza, hogy a szerkesztőségeknek strukturált belső tréningeket kell kialakítaniuk, amelyek az MI-eszközök kezelésére, valamint használatuk etikai, szerkesztői és jogi kérdéseire is kiterjednek. A képzésekben helyet kell kapnia a promptolásnak, az ellenőrzésnek, az adatvédelemnek, a szerzőségnek és a tartalmak eredetére vonatkozó tájékoztatásnak is. Az MI-használat sikerének feltétele, hogy a szerkesztőségek felkészítsék saját munkatársaikat, ne külső automatizmusokra bízzák a tartalom-előállítást.

A képzési programok a technikai ismereteken túl a szerkesztői felelősséggel is foglalkoznak. A mesterséges intelligencia nem váltja ki a szerkesztői döntést, nem értelmez kontextust, és nem vállal felelősséget a közlés következményeiért. Ezért minden képzési forma – legyen az szerkesztőségi tréning vagy egyetemi kurzus – kiemelt figyelmet fordít az etikai kérdésekre, a forrásvédelemre, a torzítások felismerésére, valamint a szerzői jogi követelményekre is. A Deutscher Journalisten-Verband és a brit National Union of Journalists által kidolgozott irányelvek és oktatási anyagok szintén hangsúlyozzák, hogy a technológiai képességek mellett a szakmai értékek megerősítése is elengedhetetlen [ld. korábbi hivatkozások].

Egyre több szerkesztőség alakít ki belső prompt-laborokat, ahol az újságírók kipróbálhatják a különböző MI-eszközöket, tesztelhetik a stílusváltoztatási lehetőségeket, narratív kísérleteket végezhetnek, vagy akár saját sablonokat dolgozhatnak ki. Ezekben a műhelyekben a munkatársak fejleszthetik készségeiket, és megoszthatják egymással tapasztalataikat. A BBC vagy a finn Yle például olyan tudásbázisokat épít, amelyekben a különböző műfajokhoz illesztett MI-használati példák és esettanulmányok szerepelnek [EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024].

Az új eszközök kezelését a kérdezéstechnika, a forráskritika és a szerkesztői szövegmunka ismereteire kell építeni. Az újságíróképzésnek olyan szakembereket kell felkészítenie, akik az MI használata során is vállalják a közlés társadalmi felelősségét, és világosan el tudják különíteni saját munkájukat a gép hozzájárulásától.

Zárszó

A mesterséges intelligencia használata az újságíró munkamódszereit és szakmai döntéseit is befolyásolja. Az MI-eszközök gyorsíthatják a rutinfeladatokat, rendszerezhetik az információkat, ötleteket és stiláris változatokat javasolhatnak, különböző felületekre szánt szövegeket készíthetnek. A gyorsabb munka minőségjavulással is járhat, ha az újságíró ismeri az eszközök működését, és ellenőrzi az eredményeiket.

Az eredmény minősége nagymértékben függ attól, mennyire világos és a műfajhoz illő kérést, azaz promptot fogalmazunk meg. A promptolás gyakorlással fejleszthető. Oktatásának a szerkesztési ismeretek és az etikai kérdések mellett helye van az újságíróképzésben.

Az eszközök kezelése közben saját döntéseinket is felül kell vizsgálnunk. Fel kell ismerni a torzításokat, értékelni kell a forrásokat, és el kell vetni azokat a gépi javaslatokat, amelyek sértik a szakmai normákat. A hitelesség, a felelősség és az átláthatóság az MI-vel végzett munkára is érvényes követelmény.

A képzéseknek arra kell felkészíteniük az újságírókat, hogy önálló szakmai ítélettel használják az MI-eszközöket. Ezt a tudást átgondolt, gyakorlati feladatokra épülő képzési programokban adhatjuk át a következő nemzedéknek.

Irodalomjegyzék

Bertelsmann: State of Play: A GenAI Transforms Media, 2024

Columbia Journalism Review: How to Develop AI Guidelines (2026. július 16.)

Deutscher Journalisten-Verband (DJV).

EBU News Report 2024 – Trusted Journalism in the Age of Generative AI, Genf, 2024

European Broadcasting Union: AI Strategy Framework for Public Service Media (2024).

European Broadcasting Union: EBU News Report 2025: Leading Newsrooms in the Age of Generative AI (2025).

European Broadcasting Union: Shaping AI in Public Service Media: From newsroom applications to collaboration (2026. május 28.)

European Commission: Code of Practice on Transparency of AI-generated Content (2026).

European Commission: Guidelines on transparency obligations for providers and deployers of AI systems (2026. július 20.).

European Parliament and Council: Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act).

Global Investigative Journalism Network: GIJN Masterclass Round-Up: Artificial Intelligence (2026. augusztus 18.)