A cégek 5,4-szer annyit költenek AI-ra, mint egy éve: hová megy a pénz, és mit kezdj ezzel te?

Állapot: 2026. november 7. A cikk a Menlo Ventures november 3-i jelentésén és sajtóközleményén, a SaaStr, a VCWire, a FourWeekMBA és a South China Morning Post beszámolóin, valamint az Eurostat vállalati AI-statisztikáján alapul. A forintos számításokat a SocialPro csapata végezte az MNB november 6-i árfolyamával, a feltételezéseket mindenhol jelöljük.

Mit mér a Menlo Ventures 2026-os vállalati AI-jelentése?

A Menlo Ventures egy kaliforniai kockázatitőke-befektető, amely negyedik éve ad ki éves jelentést a vállalati AI-költésről és az AI-piacról. A 2026-os kiadás november 3-án jelent meg. A szerzők a cég partnerei és munkatársai: Tim Tully, Joff Redfern, Deedy Das és Derek Xiao.

A fő szám a vállalati AI-bevezetésre (angolul deployment) fordított pénz: 176,8 milliárd dollár. Egy éve ez még 33 milliárd volt, 2024-ben 8,5 milliárd, 2023-ban 1,7 milliárd. Ide az számít, amit a cégek AI használatára költenek: modellhívásokra, infrastruktúrára és AI-alkalmazásokra. A jelentés ebből 99,5 milliárdot az infrastruktúrának, 77,3 milliárdot az alkalmazásoknak tulajdonít.

Külön halom a modellek építése és tanítása: erre 102,5 milliárd dollár ment el, 5,3-szor annyi, mint egy éve. A Menlo szerint minden dollárra, amit modellek tanítására költenek, 1,70 dollár jut az AI munkába állítására. A teljes, 21 oldalas anyag PDF-ben is letölthető.

Fontos tudni, honnan jönnek a számok. A módszertani rész szerint a felmérés közel 400 amerikai vállalati döntéshozóra épül, akik együtt több mint 4 milliárd dollár AI-költésért felelnek. A kérdőívet a Morning Consult kutatócég töltette ki velük 2026. szeptember 8. és 26. között. A piacméret a Menlo saját becslése. Egy saját számítás: 4 milliárd dollár 400 válaszadóra elosztva átlagosan több mint 10 millió dollár AI-költést jelent cégenként. Ezek tehát amerikai nagyvállalatok, nem 20 fős cégek.

Még egy dolog: a Menlo befektetett az Anthropicba, az OpenRouterbe és több, a jelentésben szereplő AI-cégbe. A jelentés ezt maga is jelöli. Ettől a számok nem rosszak, de érdemes fejben tartani, ki írta őket.

„Wall Street is questioning whether the massive investments in AI will pay off, but our latest data shows just how quickly enterprise demand is growing.”

Magyarul: „A Wall Street azt kérdezi, megtérülnek-e az AI-ba fektetett hatalmas összegek, de a legfrissebb adataink megmutatják, milyen gyorsan nő a vállalati kereslet.” — Tim Tully, partner, Menlo Ventures (sajtóközlemény, GlobeNewswire / Yahoo Finance)

Miért nőtt ötszörösére a cégek AI-költése egy év alatt?

A Menlo válasza egy szó: ügynökök. Az AI-ügynök olyan program, amely egy nyelvi modell segítségével több lépésből álló feladatot végez el, kevés emberi beavatkozással. Kódot ír és tesztel, leveleket válaszol meg, adatot keres és összesít. Ha még új a fogalom, a hogyan működik egy AI-ügynök a KKV-nál cikkünk lépésenként végigmegy rajta.

A jelentés szerint a cégek idén jóval többet költöttek AI-ra, mint amennyit terveztek, és ezt az ügynökök magyarázzák. A szerzők megfogalmazásában: „They work independently, run in parallel, and keep going even after people step away, so spending scales with work rather than headcount.” Magyarul: önállóan dolgoznak, párhuzamosan futnak, és akkor is mennek tovább, amikor az emberek már felálltak a géptől, így a költés a munkával nő, nem a létszámmal.

A legerősebb jel az OpenRouterről jön. Ez egy közös belépési pont, amelyen keresztül sok szolgáltató AI-modelljét lehet hívni. Itt már az ügynökök adják az összes token 80%-át, heti 130,9 billió tokent, ami nagyjából hétszerese az emberek által indított forgalomnak. (A token a szöveg feldolgozási egysége, a modellszolgáltatók ez alapján számláznak.) A Menlo maga is jelzi, hogy az OpenRouter felhasználói között több az egyéni fejlesztő és a startup, mint a nagyvállalat.

A tervezett és a tényleges költés közti különbséget a jelentés egy táblázatban mutatja meg. A számok azt jelzik, hányszorosát költötték a cégek a 2025-ös szintnek:

Az átlag és a medián közti rés sokat elárul. Egy kisebb csoport, az ügynököket a legintenzívebben használó cégek, a költés aránytalanul nagy részét viszik. A tipikus (medián) cég nagyjából 20%-kal lépte túl a tervét, az átlagos cég viszont a tervezett összeg 2,5-szeresét költötte el. Közben az AI-ért fizető cégek aránya csak 55%-ról 65%-ra nőtt. A növekedés tehát főleg abból jön, hogy aki már használja, sokkal többet használ.

„Agents are changing the economics of software. Our survey found they ended up spending 2.5 times what they'd budgeted.”

Magyarul: „Az ügynökök megváltoztatják a szoftverek gazdaságtanát. A felmérésünk szerint a cégek végül a tervezett összeg 2,5-szeresét költötték el.” — Derek Xiao, principal, Menlo Ventures (sajtóközlemény)

Hogyan lehet drágább az AI, ha a token közben olcsóbb lett?

Ez a jelentés egyik legérdekesebb része. Egy ügynök ugyanazt a hosszú kontextust (utasításokat, dokumentumokat, előzményeket) újra és újra elküldi a modellnek. A Menlo szerint egy ügynök tokenjeinek 95%-a vagy több úgynevezett cache-olvasás: a modellszolgáltató ezt az ismételt bemenetet gyorsítótárból, töredékáron számolja el.

A jelentés példája a Claude Opus 5.5: millió tokenenként 4 dollár a friss bemenet, 20 dollár a kimenet, a cache-olvasás viszont csak 0,20 dollár. Ha egy munkamenet 95% cache-ből, 3% friss bemenetből és 2% kimenetből áll, a vegyes ár nagyjából 0,70 dollár millió tokenenként. Az egységár tehát esett, a számla mégis nőtt, mert az ügynökök nagyságrendekkel több tokent fogyasztanak.

A cégek ráadásul a drágább modellek felé mozdultak. Egy éve a legnépszerűbb modellek a Claude Sonnet 4.5 (3 dollár bemenet és 15 dollár kimenet millió tokenenként) és a GPT-5 (1,25 és 10 dollár) voltak. Ma a Claude Opus 5.5 (4 és 20 dollár) és a GPT-6 Astra (10 és 60 dollár). A csúcsmodellek a költés 63%-át viszik, egy éve 35%-át. A Menlo következtetése: a vállalati piacon a döntő versenyelőny a modell képessége, nem az ára.

Hová megy a vállalati AI-pénz 2026-ban?

Az AI-alkalmazásokra fordított pénz 19-ről 77,3 milliárd dollárra nőtt. Ennek 76%-a két kategóriába megy: a kódolásba és a chatbot- és produktivitási eszközökbe (ilyen a vállalati ChatGPT, Claude vagy Gemini). A többi terület jóval kisebb, de több helyen gyorsan nő:

Miért éppen a kódolás és az ügyfélszolgálat nő a leggyorsabban? A Menlo három feltételt nevez meg, amelyek mellett az ügynökök jól teljesítenek, és ahová ezért a pénz is megy:

• Környezet, ahol az ügynök cselekedhet. Hozzáférés a rendszerekhez, ahol a munka zajlik: kódtár, e-mail, Slack, megosztott meghajtó.
• Teljes kontextus, amiből tanulhat. A kérés mögötti szándék és a cég saját szokásai, valamint az, hogyan szokott a munka menni.
• Ellenőrizhető eredmény. A kódnál a fordító és a tesztek megmondják, működik-e. A tudáskeresés eredménye is viszonylag könnyen ellenőrizhető.

Az ügyfélszolgálat azért nő 4,3-szeresére, mert ott a lépéseket forgatókönyvek írják le, a sikert pedig a megoldott ügy jelzi. A HR (2,5×) és a marketing (1,8×) lassabban nő. A Menlo ezt azzal magyarázza, hogy ezeken a területeken több a szubjektív döntés, így nehezebb ellenőrizni, jó-e az ügynök munkája.

Kik nyerik a versenyt: a nagy AI-laborok, a startupok vagy a régi szoftvercégek?

A legnagyobb nyertesek a modelleket fejlesztő laborok. Az Anthropic, az OpenAI és a Google együtt 122,7 milliárd dollárt visz el, a vállalati AI-bevezetési költés 69%-át. Egy éve ez még a fele volt. A laborok bevétele 7,5-szeresére nőtt, a piac többi szereplőjéé 3,3-szorosára. Csak a két kódoló ügynök, a Claude Code és a Codex 24 milliárd dollárt hoz, a kódolási költés 70%-át.

A vállalati nyelvimodell-API-k piacán az Anthropic részesedése 40%-ról 55%-ra nőtt, az OpenAI-é 27%-ról 31%-ra, a Google-é 21%-ról 9%-ra esett. Az Anthropic gyors növekedéséről a tőzsdei beadványáról szóló cikkünkben is írtunk. Itt is érdemes emlékezni rá, hogy a Menlo az Anthropic befektetője.

Az alkalmazások szintjén vegyes a kép. A kódolásban az AI-ra épülő új cégek viszik a pénz 96%-át, máshol viszont a régi szoftvercégek tartják magukat:

Joff Redfern, a Menlo partnere a sajtóközleményben így fogalmazott: „AI isn't disrupting every software category in the same way”, vagyis az AI nem minden szoftverkategóriát forgat fel ugyanúgy. Ahol az AI megváltoztatja, hogyan készül a munka (kódolás), ott új cégek nyernek. Ahol csak javítja a meglévő munkamódszert, ott a régi szereplők maradnak.

Honnan jön az AI-pénz: új keretből vagy a szoftverkeretből?

A SaaStr összefoglalója szerint a többlet 55%-a teljesen új keretből származott, és csak 22%-a a meglévő szoftverkeretből. Ennek a 22 pontnak a nagyobb része (13 pont) a bevett szolgáltatóknál maradt, például amikor egy cég az Office mellé Copilotot vesz. 9 pont, 12,6 milliárd dollár ment át az AI-ra épülő új cégekhez. A SaaStr szerint az AI-bevezetési költés már a nyilvános felhőpiac bevételének nagyjából 30%-át teszi ki, egy éve ez 6% körül volt.

A Menlo szerint a hagyományos szoftverpiac növekedése ettől alig lassul: évi 13%-ról 11%-ra. A cégek ritkán cserélik le az alaprendszereiket (CRM, HR-rendszer, ERP), inkább melléjük tesznek AI-t. A SaaStr cikkének szerzője, Jason Lemkin a saját cégéről hozzátette: náluk az ügynökökre fordított pénz olyan álláshelyekből jött, amelyeket nem töltöttek be újra.

„Far from being a zero-sum game, AI is creating new value across the economy, expanding markets far more than it’s displacing existing revenue.”

Magyarul: „Ez korántsem nulla összegű játszma: az AI új értéket teremt a gazdaságban, és sokkal jobban bővíti a piacokat, mint amennyi meglévő bevételt kiszorít.” — Menlo Ventures, 2026: The State of Enterprise AI (jelentés)

Mennyit visznek a kínai modellek a nyílt modellekre költött pénzből?

A nyílt súlyú (letölthető) modellek a tokenek 19%-át adják, de a költésnek csak 4%-át, mert jóval olcsóbbak: átlagosan 0,13 dollár millió tokenenként. A jelentés szerint a nyílt modellekre költött pénz 89%-a kínai modellekhez megy, ezen belül 61% a Kimihez. Erről a South China Morning Post is külön cikket írt. A Kimi K3.1 Pro modellt, az árazását és a korlátait külön cikkben néztük meg.

Egy magyar cégnek itt nem az ár az egyetlen szempont. Az Eurostat szerint azok közül az uniós cégek közül, amelyek mérlegelték az AI-t, de végül nem vezették be, 48,83% adatvédelmi aggályokat is említett. Ha nyílt vagy kínai modellt választasz, a beszerzés előtt nézd meg, hol fut a modell, és hová kerül az adat.

Hol tart Magyarország a vállalati AI-használatban?

Az Eurostat szerint Magyarországon 2025-ben a legalább 10 fős cégek 10,3%-a használt AI-t, egy évvel korábban 7,3%-a. Az uniós átlag 19,95%, 2024-ben 13,48% volt. Magyarország tehát nagyjából az uniós átlag felénél tart. Hasonló szinten van Portugália (11,5%) és Lettország (12,2%), alattunk például Lengyelország (8,2%) és Románia (5,1%).

A Menlo-jelentés amerikai adat, a magyar helyzetről az Eurostat vállalati AI-statisztikája ad hivatalos képet. A 2025 elején készült felmérés 157 000 legalább 10 fős vállalkozást kérdezett meg az unióban.

A cégmérettel erősen nő az AI-használat. Uniós szinten a kis cégek (10–49 fő) 17,00%-a, a közepesek 30,36%-a, a nagyok 55,03%-a használ AI-t. Magyar méret szerinti bontást a forrás nem közöl. Az AI-t használó uniós cégek leggyakrabban marketingre és értékesítésre (34,70%), adminisztrációra és irányításra (31,05%), valamint számvitelre és pénzügyre (23,11%) használják.

Azok az uniós cégek, amelyek mérlegelték az AI-t, de nem vezették be, ezeket az okokat adták meg leggyakrabban: hiányzik a szakértelem (70,89%), nem világosak a jogi következmények (52,52%), adatvédelmi aggályok (48,83%), túl drágának tűnik (33,34%).

Ha a két forrást egymás mellé tesszük, jól látszik, mennyire más a kiinduló helyzet:

A mi olvasatunk: egy átlagos magyar KKV-nál ma nem a túlköltés a fő kockázat, hanem az, hogy el sem indul. Amint viszont elindul egy ügynökkel, a Menlo által leírt jelenség azonnal megjelenik: a költés a munkával együtt nő. Ezt érdemes már az első projektnél kezelni.

Mennyi egy AI-ügynök havi modelldíja egy magyar KKV-nál?

Saját számításunk szerint egy AI-ügynök modellhasználati díja jól beállított cache-sel havi kb. 10 000 Ft egy e-mail-ügynöknél, kb. 15 100 Ft egy belső tudáskeresőnél és kb. 50 200 Ft egy fejlesztői ügynöknél. Cache nélkül ugyanez kb. 61 900, 92 900, illetve 309 600 Ft. A fejlesztés és a karbantartás ezen felül fizetendő.

Ez a számítás a miénk, nem a Menlo adata. A Menlo által közölt vegyes árból indulunk ki: egy cache-t jól használó, Claude Opus 5.5-tel futó ügynök nagyjából 0,70 dollárba kerül millió tokenenként. Az árfolyam az MNB 2026. november 6-i hivatalos árfolyama, 325,76 Ft/dollár. A forgalmi adatok feltételezések, 22 munkanappal számolva:

• A) Ügyfélszolgálati e-mail-ügynök: napi 40 levél, levelenként 50 000 token (a levél, az előzmények és a beolvasott tudásbázis) [FELTÉTELEZÉS].
• B) Belső tudáskereső: napi 100 kérdés, kérdésenként 30 000 token [FELTÉTELEZÉS].
• C) Fejlesztői ügynök a weboldal és a belső eszközök karbantartására: napi 10 millió token [FELTÉTELEZÉS].

A „cache nélkül” oszlop azt mutatja, mi történik, ha minden bemenetet friss áron fizetsz (98% bemenet 4 dollárért, 2% kimenet 20 dollárért millió tokenenként). Ez kb. 4,32 dollár millió tokenenként, hatszor annyi, mint a cache-sel futó ügynök. Ugyanaz az ügynök tehát a beállításon múlóan havi 10 000 vagy 62 000 forintba is kerülhet.

A tartalékos oszlop a Menlo-adatból jön: az átlagos amerikai cég a tervezett összeg 2,5-szeresét költötte el. Ha nem akarsz meglepetést, tervezz ekkora tartalékkal, vagy állíts be kemény havi limitet a modellszolgáltatónál.

Fontos: ez csak a modellhasználat díja. A fejlesztés, a rendszerekhez kötés és a karbantartás külön tétel, ezekről az AI-ügynök fejlesztési költségeiről szóló cikkünk ad áttekintést. Hogy egy folyamat megéri-e, azt a ROI-kalkulátorunkkal is kiszámolhatod.

Mit tanulhat ebből egy 10–50 fős magyar cég?

Röviden: ott kezdj, ahol az ügynök eredménye ellenőrizhető, a feladatok számával számolj, ne a licencekével, és előre tegyél kemény havi költséglimitet.

A Menlo-jelentés amerikai nagyvállalati adat, a következő lépések ezért a mi értelmezésünk arról, hogyan érdemes egy magyar KKV-nak megtervezni az AI-befektetését:

1. Ott kezdj, ahol az eredmény ellenőrizhető. A Menlo szerint az ügynök ott működik jól, ahol hozzáfér a rendszerekhez, megvan a teljes kontextus, és ellenőrizni lehet az eredményt. KKV-nál ilyen a dokumentált válaszokkal dolgozó ügyfélszolgálat, a belső tudáskeresés (szabályzatok, árlisták, korábbi ajánlatok) és a weboldal karbantartása.
2. Munkára számolj, ne licencre. Az ügynök költése a feladatok számával nő, nem a felhasználókéval. Ezért a kérdés nem az, hány embernek veszel hozzáférést, hanem hány levelet, kérdést vagy feladatot bízol rá havonta.
3. Tegyél kemény havi limitet. A tipikus amerikai cég 20%-kal lépte túl a tervét, az átlagos pedig a tervezett összeg 2,5-szeresét költötte el. Egy havi költségkorlát a modellszolgáltató felületén vagy a saját rendszeredben olcsó biztosítás. Ha az ügynök elszabadulna, a vészleállításról szóló cikkünk leírja, hogyan állíthatod le gyorsan.
4. Ne a legolcsóbb modellt keresd, hanem a jól beállított futtatást. A cégek a drágább, erősebb modellek felé mozdultak, mert azokkal jobb az eredmény. A számláidat inkább a cache és a jól méretezett kontextus csökkenti: a fenti példában ez hatszoros különbség.
5. Ne cseréld le a meglévő rendszereidet. A Menlo szerint a nagyvállalatok sem cserélik le a CRM-et vagy a HR-rendszert, hanem AI-t kötnek melléjük. KKV-nál is az a jó első projekt, amely a meglévő levelezéshez, táblázatokhoz és ügyviteli rendszerhez kapcsolódik.
6. Írj tervet, ne csak eszközt végy. Az uniós cégeknél a szakértelem hiánya a leggyakoribb fék. Egy egyszerű, írásos MI-stratégia (mit, kinek, milyen kerettel) sokat segít.

Ha szeretnéd egy saját folyamatodon kipróbálni, hol térül meg egy AI-ügynök, az AI-ügynök-fejlesztési szolgáltatásunkban a fenti módon, havi költségkerettel tervezünk. Egy ingyenes konzultáción meg is nézzük, melyik folyamatod a legjobb jelölt.

Mennyire lehet hinni a jelentés számainak?

A Menlo-jelentés hasznos iránytű, de nem pontos mérés. Ezt négy dolog miatt érdemes tudni:

• Amerikai, nagyvállalati minta. Közel 400 döntéshozó, akik együtt több mint 4 milliárd dollár AI-költésért felelnek. Magyar vagy uniós bontás nincs benne.
• Önbevallás és becslés. A tervezett és tényleges költésről a válaszadók maguk nyilatkoztak, a piacméret a Menlo becslése. A FourWeekMBA elemzése megjegyzi, hogy a jelentés nem közli a válaszok szórását, így az sem tudható, mekkora a sokat költő cégek csoportja.
• Érdekeltség. A Menlo befektetett az Anthropicba és az OpenRouterbe. Az előbbi vezeti a vállalati API-piacot a jelentésben, az utóbbi adja az ügynökforgalmi adatot.
• Átsorolt múlt. A Menlo a korábbi évek számait is újrakategorizálta, ezért a tavalyi jelentésben közölt értékek eltérhetnek attól, ami az idei jelentésben 2025-re szerepel.

A jelentést a VCWire és a SaaStr is a Menlo számai szerint ismertette (176,8 milliárd dollár, 5,4-szeres növekedés), a számok független ellenőrzéséről nem tudunk. A vállalati AI-költésből tehát nem a pontos összeg a tanulság, hanem az irány: a pénz oda megy, ahol az AI-ügynök önállóan, ellenőrizhetően dolgozik.

Gyakori kérdések

Mennyit költenek a cégek AI-ra 2026-ban?

A Menlo Ventures 2026. november 3-i jelentése szerint a vállalatok 176,8 milliárd dollárt költöttek AI bevezetésére és használatára, szemben a 2025-ös 33 milliárddal. Ez 5,4-szeres növekedés. A modellek építésére és tanítására ezen felül 102,5 milliárd dollár ment el. A számok közel 400 amerikai vállalati döntéshozó felmérésén és a Menlo piacbecslésén alapulnak.

Miért nőtt ilyen gyorsan a vállalati AI-költés?

A Menlo szerint az AI-ügynökök miatt. Az ügynökök önállóan és párhuzamosan dolgoznak, ezért a költés a velük elvégzett munkával nő, nem a felhasználók számával. Az OpenRouteren már az ügynökök adják a tokenek 80%-át. A megkérdezett cégek átlagosan a tervezett összeg 2,5-szeresét költötték el.

Hány magyar cég használ mesterséges intelligenciát?

Az Eurostat szerint 2025-ben a legalább 10 fős magyar cégek 10,3%-a használt AI-t, 2024-ben 7,3%-a. Az uniós átlag 19,95% volt, Magyarország tehát nagyjából az átlag felénél tart. Az uniós kis cégek (10–49 fő) 17,00%-a használ AI-t.

Mennyibe kerül havonta egy AI-ügynök modellhasználata egy KKV-nak?

A modellhasználat díja a feladat mennyiségétől függ. Saját számításunk szerint egy napi 40 levelet kezelő e-mail-ügynök a Menlo által közölt, cache-t használó Claude Opus 5.5-ös vegyes árral (kb. 0,70 dollár millió tokenenként) havonta kb. 10 000 forintba kerül. Cache nélkül ugyanez kb. 62 000 forint. A fejlesztés, a rendszerekhez kötés és a karbantartás külön költség.

Mire érdemes először AI-t költeni egy kisvállalkozásnak?

Arra a folyamatra, ahol az eredmény ellenőrizhető, és az ügynök hozzáfér a szükséges adatokhoz. A Menlo-jelentés szerint az ügyfélszolgálat és a kódolás nő a leggyorsabban, mert ott a lépések dokumentáltak és a siker mérhető. KKV-nál jó első projekt a dokumentált válaszokkal dolgozó ügyfélszolgálat, a belső tudáskeresés vagy a weboldal karbantartása, előre beállított havi költségkerettel.

Források

• Menlo Ventures: 2026: The State of Enterprise AI (2026. november 3.)
• Menlo Ventures: a jelentés PDF-változata (2026. november 3.)
• Menlo Ventures-sajtóközlemény (GlobeNewswire, Yahoo Finance) (2026. november 3.)
• SaaStr: AI Spend Hit $177 Billion This Year. Only 22% of It Came Out of Software Budgets (2026. november)
• VCWire: Menlo Ventures Releases 2026 State of Enterprise AI Report (2026. november 4.)
• FourWeekMBA: AI costs hit 2.5x budget, Menlo survey finds (2026. november 3.)
• South China Morning Post: China's AI models, led by Kimi, dominate open-source enterprise spending (2026. november 6.)
• Eurostat: Use of artificial intelligence in enterprises (2025-ös adatok)
• MNB: hivatalos devizaárfolyamok (2026. november 6.)