Embernek hitték egy élő videóhívásban: mit bizonyít valójában a Tavus Griffin Turing-tesztje

Képzeld el, hogy egy kutatási platformon jelentkezel egy rövid feladatra: egy perc videóhívás egy másik résztvevővel arról, mit vársz az idei évtől. A képernyőn egy nő beszélget veled. A hívás után kitöltesz egy kérdőívet, és csak a legvégén kérdezik meg, hogy megfordult-e a fejedben: talán nem is ember volt.

A Tavus vizsgálatában a résztvevők több mint felének ez a hívás alatt meg sem fordult a fejében, és szinte mindannyian valódinak mondták a partnerüket. A videóhívás túloldalán a cég új modellje, a Griffin ült, pontosabban annak kisebb, kutatási változata, a Griffin-Lite, amely valós időben generálta az arcát, a hangját és a válaszait. Összesen a résztvevők 48%-a hitte embernek.

A bejelentés egy nap alatt bejárta az X-et: a Tavus bejelentő posztja a beolvasásunkkor 34 ezernél több kedvelést kapott. A lelkesedés mellett erős kritika is jött: csalástól, deepfake-hívásoktól és a magányos emberek kihasználásától tartanak sokan. Ebben a cikkben megnézzük, mit jelentett be pontosan a Tavus, hogyan zajlott a vizsgálat, mit mér az NVIDIA benchmarkja, és mit jelent mindez egy magyar cégnek, amely AI avatart tenne az ügyfélszolgálatára, vagy épp egy deepfake-videóhívástól védené a pénzügyeit.

Mit jelentett be a Tavus 2026. október 1-jén?

A San Franciscó-i Tavus a hivatalos kutatási oldalán mutatta be a Griffint. A cég szerint ez az első Human Interaction Model (HIM), vagyis egy új modellosztály tagja, amely a szemtől szembeni, valós idejű emberi beszélgetést érti és állítja elő. A Tavus megfogalmazásában a HIM-ek beszéd közben is figyelnek, és nemcsak a szavakra, hanem az arckifejezésekre és a szünetekre is.

A Tavus eddig is MI-videóhívásokkal foglalkozott. A platformján fejlesztők és cégek építenek úgynevezett PAL-okat: MI-alapú beszélgetőtársakat, akikkel videóban lehet beszélni. A cég a Griffin-oldalon 150 000 fejlesztőről és vállalkozásról ír. A bejelentés szerzői Hassaan Raza társalapító-vezérigazgató és Ioannis Patras kutatási vezető.

A legfontosabb részlet a nevekben van. A bejelentés címe a Griffinről szól, de minden mérés a Griffin-Lite-tal készült, amely a Tavus szerint kutatási előzetes. Kiválasztott tesztelők már használhatják, ügyfelek viszont egyelőre nem. Egy erősebb Griffin később érkezik, de dátumot és árat a cég nem közölt. A későbbi kiadást a Tavus maga is biztonsági okokkal magyarázza: a Griffin-Lite szerintük olyan modell, amelyet össze lehet téveszteni egy valódi emberrel, ezért előbb jelölési és biztonsági mechanizmusokat építenek hozzá.

„AI has become incredibly intelligent, but we still have to meet the machine on its terms. Griffin is a step toward changing that — toward machines that understand how we naturally communicate and meet us where we are.”

Magyarul: „Az MI hihetetlenül intelligens lett, de még mindig nekünk kell alkalmazkodnunk a géphez. A Griffin egy lépés ennek megváltoztatása felé: olyan gépek felé, amelyek értik, hogyan kommunikálunk természetesen, és ott találkoznak velünk, ahol vagyunk.”

— Hassaan Raza, a Tavus vezérigazgatója, a Tavus sajtóközleményében

A Tavus hivatalos bemutatófilmjében a cég vezérigazgatója egy Griffinre épülő PAL-lal beszélget videóhívásban. A film 1 perc 49 másodperces, és a lejátszásig semmi nem töltődik le a YouTube-ról:

Introducing Griffin: a Tavus bemutatófilmje (1 perc 49 mp)

A Tavus hivatalos filmje a Griffinről: a cég vezérigazgatója, Hassaan Raza videóhívásban beszélget egy Griffinre épülő MI-beszélgetőtárssal (PAL).

Mi az a Turing-teszt, és mit mért ebből a Tavus?

A Turing-teszt Alan Turing 1950-es javaslata arra a kérdésre, hogy tudnak-e gondolkodni a gépek. A Stanford Encyclopedia of Philosophy összefoglalója szerint az eredeti „utánzásos játékban” egy kérdező beszélget egy emberrel és egy géppel, és el kell döntenie, melyik melyik. Turing jóslata egy laza mércét is adott: szerinte idővel egy átlagos kérdező öt perc kérdezés után legfeljebb 70% eséllyel találja el, melyik a gép. Vagyis a gép az esetek legalább 30%-ában megtéveszti.

Átment már mesterséges intelligencia a Turing-teszten?

Szöveges csevegésben Turing mércéjét már 2025-ben átlépték. Cameron R. Jones és Benjamin K. Bergen előregisztrált, randomizált vizsgálatában a résztvevők öt percig egyszerre beszélgettek egy emberrel és egy MI-vel, majd eldöntötték, melyik az ember. Az emberi szerepre utasított GPT-4.5-öt az esetek 73%-ában választották embernek, gyakrabban, mint a valódi emberi résztvevőt. A szerzők szerint ez az első empirikus bizonyíték arra, hogy egy mesterséges rendszer átment a szabványos, háromszereplős Turing-teszten.

Miben más a Tavus videós Turing-tesztje?

A Tavus vizsgálata a Jones–Bergen-tanulmányhoz képest más műfaj: élő videóhívás, kétszereplős felállás, és a résztvevők nem tudták, hogy a partnerük gép is lehet. Az alábbi táblázatban egymás mellé tettük a két vizsgálat feltételeit, mert a „48%” és a „73%” csak a feltételekkel együtt értelmezhető.

A két vizsgálat közti különbség lényeges. A háromszereplős tesztben a kérdező gyanakszik, és két partnert hasonlít össze. A Tavus-vizsgálatban senki nem kereste a gépet, és azt is elhitték, hogy a partnerük ember. A videós felállás ugyanakkor nehezebb terep: arcot, mimikát, hangszínt és időzítést is hitelesen kell előállítani, valós időben. Szöveges Turing-tesztre már volt bizonyíték, videósra a Tavus szerint ez az első.

Hogyan zajlott a vizsgálat, és mit nem bizonyít a 48%?

A Tavus leírása szerint minden új modelljét ugyanígy teszteli. Egy független kutatási platformon toboroz résztvevőket, akik rövid videóhívást folytatnak a modellel úgy, hogy nem mondják meg nekik, mi az. A Griffin-Lite vizsgálatában a résztvevők azt az utasítást kapták, hogy egy másik résztvevővel párosítják őket egy egyperces hívásra. A partnerük valójában egy Griffin-Lite-alapú PAL volt.

A hívás után a résztvevők leírták, mit válaszolt a partnerük, majd egy hétfokú skálán értékelték. Átlagosan 5,4 pontot adtak a természetességre, 5,6-ot a megbízhatóságra és 5,8-at arra, hogy szívesen beszélnének vele újra. Az újrabeszélgetési szándék azoknál is 5,4 volt, akik MI-nek tippelték. A beszélgetés gördülékenysége kapta a legkevesebbet, 4,9 pontot. Csak a kérdőív végén kérdezték meg, hogy gondoltak-e arra, hogy nem emberrel beszélnek, és ha igen, mikor. Ezután minden résztvevő megtudta az igazat.

Egy részletet több hírportál is félreolvasott. A Tavus nem azt írja, hogy a legtöbben 20 másodperc alatt rájöttek. Azt írja, hogy a résztvevők több mint fele nem is gyanakodott, és akik igen, azok jellemzően az első 20 másodpercben kezdtek gyanakodni.

Mi a gyenge pontja a Tavus-vizsgálatnak?

• Megtévesztett résztvevők. Aki azt hallja, hogy egy másik résztvevővel beszél, eleve embert vár. Ez a beállítás a „valódi ember” válasz felé billenti a mérlegét.
• Nincs emberi kontroll. Nem tudjuk, ugyanebben a felállásban a résztvevők hány százaléka hinne embernek egy valódi embert. E nélkül nehéz megmondani, mennyire „emberi” a 48%.
• Kis minta, rövid hívás. 54 résztvevő és egy perc. Saját számításunk szerint a 26/54-es arány 95%-os konfidencia-intervalluma (Wilson-módszerrel) nagyjából 35–61%.
• Gyártói vizsgálat. A toborzóplatform nevét és a résztvevők demográfiáját a Tavus nem közölte, az eredmény nincs szakmailag lektorálva. A Protos szerint az X-es bejelentésre közösségi megjegyzés (Community Note) került: az eredményt senki nem ellenőrizte függetlenül, és nem szabványos protokoll szerint készült.

„A 48% rate sits close to a coin flip, which is arguably the most meaningful threshold: if people cannot do better than chance at spotting the machine, the machine is effectively indistinguishable.” […] „The flip side is that 54 participants is a modest sample, and one minute is a short window.”

Magyarul: „A 48% közel van a pénzfeldobáshoz, és vitathatatlanul ez a legbeszédesebb küszöb: ha az emberek a véletlennél jobban sem tudják kiszúrni a gépet, a gép gyakorlatilag megkülönböztethetetlen. […] A másik oldal: 54 résztvevő szerény minta, és egy perc rövid idő.”

— Diego Almada Lopez, Crypto Briefing

Egy dolgot viszont a kritikák sem vitatnak: ugyanezzel a protokollal a Tavus előző rendszere (Phoenix-4.5 + Sparrow-2 + Raven-1) 41 résztvevőből egyet tévesztett meg. Ennek az aránynak a konfidencia-intervalluma saját számításunk szerint nagyjából 0,4–12,6%, vagyis a két intervallum nem is fedi egymást. A protokoll gyengeségei mindkét modellnél ugyanúgy jelen voltak, mégis óriási az ugrás. A 48% önmagában vitatható szám, a 2,4%-ról 48%-ra ugrás viszont valódi minőségi változást jelez.

Mit mér az NVIDIA VideoFDB benchmarkja, és hol áll rajta a Griffin?

A Turing-teszt mellett a Tavus egy külső mérésre is hivatkozik. Az NVIDIA kutatóinak VideoFDB benchmarkja a valós idejű, videós MI-beszélgetést méri. Az adatkészlet 237, szakértők által annotált klipből áll, valódi kétszemélyes videóhívásokból, 11 beszélgetési helyzetre bontva. A tesztelt ágens élőben kapja meg a felhasználó hangját és videóját, majd egy nyelvimodell-bíró kategóriánként három szempont szerint, 0-tól 5-ig pontozza a válaszát.

A benchmarknak két kategóriája van. Az észlelés (Perception) azt méri, mennyire érti az ágens, amit lát és hall. A generálás (Generation) azt, mennyire természetes a válasza arccal, mimikával és nonverbális jelzésekkel együtt.

A Griffin-Lite első helye a VideoFDB-n valós, de érdemes tudni, mekkora a mezőny. A generálási kategóriában az emberi referencián kívül csak a Griffin-Lite és két kaszkádrendszer szerepel. A pontozást egy nyelvimodell-bíró végzi, a mintánkénti kimeneteket pedig a fejlesztő állítja elő és küldi be, az NVIDIA ezeket pontozza. Az időzítésben a különbség az emberhez képest is nagy: generálásban a Griffin-Lite a megszólalási pillanatok 62,8%-át találta el, 1892 ms-os medián késleltetéssel, az emberi referencia 78%-ot és 900 ms-ot ért el.

„Cascaded A2AV remains fundamentally limited; closing the gap requires end-to-end speech-vision models or avatar layers that emit nonverbal motion independently of speech.”

Magyarul: „A kaszkádolt, hangból hang- és videókimenetet előállító rendszerek alapvetően korlátozottak maradnak. A lemaradás behozásához végponttól végpontig tartó beszéd-látás modellek kellenek, vagy olyan avatarrétegek, amelyek a beszédtől függetlenül is adnak ki nonverbális mozgást.”

— Amrita Mazumdar és szerzőtársai, NVIDIA Research, a VideoFDB projektoldalán

Miben más a Griffin, mint a mai AI avatarok?

A mai AI avatarok és videós MI-asszisztensek többsége kaszkádrendszer. Egymás után kapcsol több modellt: beszédfelismerés, nyelvi modell, beszédszintézis, végül az avatar arcanimációja. A Tavus szerint ezek a rendszerek megvárják, amíg a felhasználó befejezi a mondatát, és csak utána kezdenek válaszolni. Ettől lesz a beszélgetés darabos, és a válasz érezhetően késik.

A Griffin ezzel szemben egyetlen, videóból videót előállító modell, amely egyszerre hallgat és beszél (full-duplex). Hangban ez a működés már ismerős lehet: az OpenAI GPT-Live, a ChatGPT új hangja is így működik. A full-duplex jelleg a Tavusnál sem új, a cég a korábbi Phoenix-4.5-öt is így írta le. Az újdonság az, hogy az észlelés, a döntés és a hang- és videógenerálás egyetlen modellben fut.

A Tavus kutatási oldala szerint a Griffin két részből áll:

1. Folyamatos beszélgetésmodellezés. Érzékeli a bejövő hangot és videót, és nem fordulónként, hanem másodpercnél rövidebb ciklusokban dönt arról, mit mondjon és hogyan. A vezérlőjelek a hangnemet, a testtartást, az arckifejezést és a gesztusokat is meghatározzák. A modell a beszélgetőtárs tekintetét, mimikáját, környezetét és a megosztott képernyőt is látja.
2. Hang- és videógenerálás. 720p felbontású videót állít elő 320 ezredmásodperces szeletekben, 25 képkocka/s sebességgel, valós időben. A hangklónozáshoz a cég szerint kb. 10 másodpercnyi hangminta elég, és a saját fejlesztésű hangkodek (Tavec) 48 kHz-es hangot állít elő. Egy H100-as GPU-n a hangtól a videóig átlagosan 0,43 másodperc telik el.

A Tavus szerint a korábbi modelljeik kiterjedt 3D-előismeretekre épültek, ezért a kézmozdulatok, a nagyobb testgesztusok és a mozgó háttér nem voltak elérhetők. A Griffin egyetlen referenciaképből a teljes jelenetet generálja, a széktől az árnyékig. A cég demóklipjeiben a modell nevet, „Simon mondja” játékot játszik, kezeli, ha közbevágnak neki, és forrasztás közben időzített instrukciókat ad. Ezek a gyártó válogatott bemutatói, nem független mérések.

Kipróbálhatod most a Griffint, és mennyibe kerül?

Röviden: a Griffint ma nem lehet kipróbálni, és az árát sem tudni. A Griffin-Lite csak kiválasztott, megbízható tesztelőknek érhető el, hozzáférést egy űrlapon lehet kérni. A Tavus azt írja, hogy a Griffin még nincs a platformján, és akkor érkezik, ha kidolgozták a biztonságos kiadás módját. Árat nem közöltek. Azt sem tudni, hogy a Griffin beszél-e magyarul, és hogy EU-s adatközpontban fut-e.

Ha ma AI avatart építenél ügyfélszolgálatra vagy értékesítésre, a Tavus meglévő, Griffin nélküli platformja és versenytársai (például az Anam vagy a HeyGen LiveAvatar) használhatók. Ezek nem a Griffin technológiáján futnak. Az Anam árlistája szerint például az ingyenes csomag 30 percet ad, a Starter havi 12 dollárért 50 percet. Hogy egy adott szolgáltató támogatja-e a magyart, és milyen minőségben, azt mindig saját teszttel ellenőrizd. A hangoldalról lásd az ElevenLabs v4 magyar tesztünket.

Mit ír elő az EU AI Act, ha AI avatart tennél az ügyfélszolgálatodra?

A Tavus vizsgálatának lényege az volt, hogy a résztvevők nem tudták, hogy MI-vel beszélnek. Éles üzleti használatban ez az EU-ban nem vállalható. Az AI Act 50. cikkének hivatalos magyar szövege szerint a természetes személyekkel közvetlen interakcióra szánt MI-rendszereket úgy kell megtervezni, hogy az érintettek tájékoztatást kapjanak: MI-rendszerrel állnak interakcióban. Kivétel csak az, ha ez egy észszerűen tájékozott, figyelmes ember számára nyilvánvaló. A tájékoztatást legkésőbb az első interakció alkalmával, egyértelmű és jól megkülönböztethető módon kell megadni.

Az Európai Bizottság szerint az 50. cikk 2026. augusztus 2. óta alkalmazandó. Egy AI avatarnál három dologra figyelj:

1. Az első mondatban jelezd, hogy MI beszél. A Paul Weiss ügyvédi iroda elemzése szerint az iránymutatás alapján az ÁSZF-be rejtett vagy csak gépileg olvasható tájékoztatás nem elég, és a „nyilvánvaló” kivételt szűken kell értelmezni.
2. Ha az avatar valós személyre hasonlít, deepfake-nek minősülhet. Az AI Act szerint a valóságosnak tűnő, MI-vel létrehozott kép-, hang- vagy videotartalomnál közölni kell, hogy mesterségesen készült. Egy valódi munkatársról klónozott avatar ide tartozhat.
3. A bírság komoly. A Paul Weiss összefoglalója szerint akár 15 millió euró vagy a világszintű árbevétel 3%-a, amelyik magasabb.

A Bizottság a tájékoztató oldalán pontosan azt a jelenséget írja le, amit a Griffin demonstrál: a generatív és interaktív MI-rendszerek gyors fejlődése miatt egyre nehezebb megkülönböztetni az MI-vel folytatott beszélgetést és az MI által generált tartalmat az ember által készítettől. Részletesebben az EU AI Act KKV-útmutatónkban és az AI Act megfelelőségi szolgáltatásunk oldalán írunk erről.

A fenti jogi pontok tájékoztató jellegűek, nem minősülnek jogi tanácsnak; éles bevezetés előtt kérd ki jogi szakember véleményét.

Mi az a deepfake, és hogyan védekezz a deepfake-videóhívás ellen?

A deepfake az AI Act hivatalos magyar szövege (3. cikk 60. pont) szerint „az MI által generált vagy manipulált kép, audio- vagy videotartalom, amely hasonlít létező személyekre, tárgyakra, helyekre, entitásokra vagy eseményekre, és amely egy személy számára megtévesztő módon autentikusnak vagy valóságosnak tűnne”. Deepfake-videóhívásban a túloldalon egy élethű AI avatar ül, amely például a cégvezetőnek adja ki magát. A Griffinnek a hangklónozáshoz a Tavus szerint kb. 10 másodpercnyi hangminta elég.

A Griffin a Tavus szerint nem érhető el nyilvánosan, és a cég a kiadást biztonsági feltételekhez köti. A technológia iránya viszont egyértelmű. Kevin Roose technológiai újságíró X-posztjában csípősen úgy foglalta össze a bejelentést, hogy megépült az a gép, amely rávesz idős embereket a banki jelszavuk kiadására. Maga a Tavus is elismeri a kockázatot: azok a tulajdonságok, amelyek a modellt természetes beszélgetőtárssá teszik, arra is alkalmassá teszik, hogy elhitesse valakivel, hogy nem MI-vel beszél.

Magyarországon a csalók már most is használnak MI-t. Az Index a Financial Fraud Summitra hivatkozva azt írta, hogy 2024-ben Magyarországon 42 milliárd forintnyi sikeres csalás történt, és a támadók már mesterséges intelligenciával és deepfake-ekkel dolgoznak. A Nemzeti Kiberbiztonsági Intézet szerint a deepfake technológia tovább növeli a hang- és arcalapú biometrikus hitelesítés kockázatait.

Egy KKV-nál a legveszélyesebb forgatókönyv a „vezérigazgatós” csalás: a pénzügyes munkatárs videóhívást kap a főnökétől, aki sürgős utalást kér. Ha a hívás túloldalán egy élethű AI avatar ül, a régi trükkök (például „fordítsa el a fejét”) nem nyújtanak megbízható védelmet. Ezért nem a hívás megfigyelésére, hanem a folyamatra érdemes építeni. Az alábbi öt szabályt mi is ajánljuk a saját ügyfeleinknek:

1. Videóhívás nem elég pénzügyi döntéshez. Utalást, bankszámlaszám-változást, jelszót vagy hozzáférést soha ne hagyj jóvá csak egy hívás alapján, akármilyen hitelesnek tűnik.
2. Visszahívás ismert számon. Bontsd a hívást, és hívd vissza az illetőt egy előre rögzített, belső telefonszámon, ne azon, amelyről a kérés jött.
3. Kódszó vagy ellenkérdés. Egyeztessetek előre egy belső kódszót, vagy kérdezz rá olyan közös részletre, ami nem szerepel e-mailben vagy a közösségi médiában.
4. Négy szem elv. Egy bizonyos összeg felett az utaláshoz két ember jóváhagyása kelljen.
5. A sürgetés maga a vészjel. A „most azonnal, és ne szólj senkinek” típusú kérés a csalás legjellemzőbb ismertetőjele, nem kivétel.

„Bármilyen banálisnak hangzik, a csalásokat legkönnyebben visszakérdezéssel lehet megelőzni.”

— Szabados Richárd, a kis- és középvállalkozásokért felelős államtitkár, az Index 2026. februári cikkében

Egy egyszerű tréningötlet: mutasd meg a csapatodnak a Tavus fenti bemutatófilmjét, és kérdezd meg őket, hogy egy ilyen hívás alapján utalnának-e. Az MI-ügynökök további kockázatairól az AI-ügynökök veszélyeiről szóló cikkünkben, valós esetekkel pedig az AI-ügynök biztonsági incidenseiről szóló összefoglalónkban írtunk.

Gyakori kérdések a Tavus Griffinről és a videós Turing-tesztről

Mi az a Tavus Griffin?

A Griffin a Tavus 2026. október 1-jén bemutatott modellje, amelyet a cég az első Human Interaction Modelnek (HIM) nevez. Videóhívásban, valós időben beszélget: egyetlen modellben hallja és látja a beszélgetőtársat, dönt arról, mit és hogyan mondjon, és közben generálja a saját arcát, hangját és gesztusait. A méréseket a kisebb, kutatási előzetesként kiadott Griffin-Lite-tal végezték. Egyelőre csak kiválasztott tesztelők érhetik el, árat és megjelenési dátumot a Tavus nem közölt.

Tényleg átment a Griffin a Turing-teszten?

A gyártó szerint igen, de független ellenőrzés nincs. A Tavus saját vizsgálatában egy egyperces videóhívás után 54 résztvevőből 26 (48%) hitte embernek a Griffin-Lite-ot, a cég előző rendszerét 41-ből 1 (2,4%). A résztvevőknek azt mondták, hogy egy másik résztvevővel beszélnek, emberi kontrollcsoport nem volt, és az eredmény nincs szakmailag lektorálva. A javulás a két modell között ugyanazzal a protokollal mérve nagy, a 48% abszolút értéke viszont a beállítás miatt vitatható.

Mi a Turing-teszt lényege?

A Turing-teszt Alan Turing 1950-es javaslata arra, hogyan lehet vizsgálni, hogy egy gép tud-e gondolkodni. Az eredeti felállásban egy kérdező egy emberrel és egy géppel beszélget, és el kell döntenie, melyik melyik. Turing azt jósolta, hogy idővel egy átlagos kérdező öt perc után legfeljebb 70% eséllyel találja el, melyik a gép. Szöveges csevegésben 2025-ben a GPT-4.5-öt egy háromszereplős vizsgálatban az esetek 73%-ában választották embernek.

Mi az a deepfake, és hogyan védekezhet ellene egy cég?

Az AI Act szerint a deepfake az MI által generált vagy manipulált kép, audio- vagy videotartalom, amely létező személyekre, tárgyakra, helyekre, entitásokra vagy eseményekre hasonlít, és megtévesztő módon valóságosnak tűnhet. Deepfake-videóhívás ellen ne a hívás megfigyelésére, hanem a folyamatra építs: utalást, bankszámlaszám-változást, jelszót vagy hozzáférést soha ne hagyj jóvá csak egy hívás alapján, hívd vissza az illetőt egy előre rögzített belső számon, egyeztessetek belső kódszót, egy bizonyos összeg felett két ember hagyja jóvá az utalást, és a sürgetést kezeld vészjelként.

Kell jelezni az ügyfélnek, ha AI avatar beszél vele?

Igen. Az EU AI Act 50. cikke szerint 2026. augusztus 2. óta az ügyfelet legkésőbb az első interakció alkalmával, egyértelműen tájékoztatni kell arról, hogy MI-rendszerrel beszél, kivéve, ha ez a körülményekből nyilvánvaló. Ha az avatar valós személyre hasonlít, deepfake-tartalomnak minősülhet, amelynél jelezni kell a mesterséges eredetet. A bírság akár 15 millió euró vagy a világszintű árbevétel 3%-a is lehet.

Mit jelent a Griffin egy magyar cégnek most?

A Griffin ma még nem termék, hanem egy erős gyártói állítás egy kutatási előzetesről. A 48% körüli vitának van alapja, de az irány nem kérdéses: a videós MI-beszélgetőtársak egy év alatt eljutottak oda, hogy egy rövid hívásban sokan nem tudják megkülönböztetni őket egy embertől. Két következménye van egy magyar cégre nézve.

Ha MI-t állítanál az ügyfeleid elé, akár hangban, akár videóban, a jelölés az első mondatban kötelező, és a magyar nyelvi minőséget mindig saját teszttel ellenőrizd. Ha pedig a pénzügyi folyamataidat véded, ne arra építs, hogy a munkatársaid felismerik a hamis videóhívást, hanem visszahívásra és jóváhagyási szabályokra. Ha magyarul beszélő, az AI Act szerint jelzett MI-asszisztenst szeretnél, nézd meg az AI telefonos asszisztens szolgáltatásunkat, vagy foglalj egy ingyenes konzultációt, és átnézzük, hol érdemes MI-t bevezetned, és hol kell szigorítanod.

Források állapota: a Tavus Griffin-oldala (2026.10.01.) és az NVIDIA VideoFDB-oldala (2026.10.02-i állás); a konfidencia-intervallumokat saját számítással (Wilson-módszer, 95%) adtuk meg.