A belső működés
és a piaci pozíció —
egységben.

Közepes méretű IT-szolgáltató cég, 30+ fő. A tulajdonos-vezető minden érdemi döntés végső pontja volt. Szervezeti fejlődés, SZMSZ, önálló vezetői csapat — ezt kérték.

Hat hónap alatt kiépítettük a management-struktúrát: szerepek, felelősségi körök, teljesítménymérés, OKR-rendszer. Dokumentálva, bevezetve, tréningezve.

A szervezeti rendszer csak annyit ér, amennyit a tulajdonos valóban elenged. Ha a döntéshozatal folyamatosan felülíródik, a legjobb rendszer sem tud működni. A következő hasonló projektben ezt a „leválási szerződést" már a tulajdonossal kötjük meg — még a szervezeti munka előtt.

A cég működik, a struktúra él, a decentralizálás fokozatos. A projekt nem zárult robbanásszerű sikerrel, de a tanulság beépült a módszertanunkba — és ettől lett a következő projekt sokkal erősebb.

Ipari szerviz-cég, 10.000 ügyfél-rekord, 6.000 aktív gép, 25–30.000 szerviz-ügylet. A korábbi fejlesztés 2 millió forintba és 7.000 eurós éves licencbe futott bele, amit előre nem közöltek. A projekt kudarcba fulladt, az adatok szétszórva több rendszerben.

Nem új fejlesztésbe kezdtünk, hanem diagnózissal. A kritikus tervezési pontokhoz saját AI-alapú adatmodellező szimulációt fejlesztettünk, ami az eszközök technikai korlátait valós ügyfél-adatokon tesztelte. Ebből épült fel egy hibrid architektúra: workflow-motor, strukturált adattábla-réteg, és a napi használat egy olyan felületen, amit a csapat már évek óta használt — nem kellett új alkalmazást tanulniuk.

A bevezetés-kudarc 9/10 esetben nem a technológián bukott el, hanem a ki nem mondott határokon: ki fér hozzá mihez, mit archiválunk, hogyan találunk meg egy 1995-ös szerviz-rekordot 2025-ben. A technikai terv ezekre a kérdésekre ad választ, nem a funkciókra.

A rendszer működőképes, a szerviz-csapat a napi munkájában használja. A migráció közben több kritikus adathiányt is feltártunk az eredeti adatbázisban — ezek azelőtt is megvoltak, csak senki nem látta. Ezt is tisztáztuk.

Szolgáltató cég, 8.000 fős ügyféladatbázis. Az adatok egy e-mail marketing rendszerben gyűltek, lead-listaként — valódi CRM nem volt. A vezetés új termékkategóriákban gondolkodott, de a meglévő infrastruktúra ezt nem támogatta volna.

Komplex ügyfél-adatmodellt terveztünk, ami kiszolgálja a jelenlegi és minden jövőbeli terméket is. Telepítettünk egy középkategóriás CRM-platformra, migráltuk a lead-listát, és konfiguráltuk a rendszert a tervezett adatmodellre.

Az adatmodell a cég víziójának leképezése — ha jól tervezed, bármilyen új terméket be lehet indítani anélkül, hogy a CRM-et újra kellene tervezni. Legközelebb először az adatmodellt mérjük fel, és csak utána választunk platformot — nem a gombhoz varrjuk a kabátot.

A CRM él, a lead-kezelés és az értékesítési funnel új szintre emelkedett. A cég bármilyen új termékkel el tud indulni — az adatmodell biztosan nem lesz akadálya. Minden CRM-projektet ma már a cég víziójának és adatmodelljének felmérésével kezdünk.

Hazai élelmiszeripari gyártó. Költségallokáció üzemi mérési adatokból: 15 perces input- és output-adatokat kellett üzemekre, termékekre és termékcsoportokra szétosztani. Excelben manuálisan egy napnyi munka volt havonta, hibalehetőségekkel.

Egy AI-alapú költségallokációs rendszert építettünk: automatikus adatbeolvasás több üzemi forrásból, szabályalapú felbontás termékekre és termékcsoportokra, havi riport, vizuális dashboard. Ami korábban egy napnyi Excel-munka volt havonta, az most néhány kattintás és öt perc.

A technikailag jól kivitelezett rendszer sem áll működésbe magától. Egy KKV-ban a műszaki, pénzügyi és vezetői oldal egyszerre kell, hogy rábólintson — ha bármelyik el van úszva, a legjobb eszköz is a polcon marad. A bevezetési kereteket előre rögzítjük.

Az alkalmazás éles, a számítási logika validált. Ez volt az első éles AI-alapú adatfeldolgozó rendszerünk hazai ipari környezetben — a logika átemelhető más gyártói és szolgáltatói iparágakba is.