AI-ügynök telefonál helyetted: Meta Muse, Instinct Concierge és a voice AI egy magyar cégnél

Egy amerikai felhasználó 2026 szeptemberétől megkérheti a telefonján futó AI-ügynököt, hogy hívja fel helyette a fodrászt, a fogorvost vagy azt a sarki éttermet, amely még mindig nem fogad online foglalást. A TechCrunch szeptember 17-i beszámolója szerint a Meta kibővítette a Muse ügynök kimenő hívásainak bétaverzióját, a konkurens Instinct pedig Concierge néven indított telefonáló szolgáltatást. A voice AI, vagyis a telefonon valós időben beszélgető mesterséges intelligencia, ezzel a laborokból és a bemutatóvideókból átköltözött a hétköznapi ügyintézésbe, ahol a gép visszakérdez, egyeztet, a végén pedig jelenti az eredményt.

Egyik szolgáltatás sem érhető el Magyarországon a 2026. szeptember 22-i állapot szerint, mindkettő amerikai felhasználóknak és amerikai vállalkozások felhívására készült. A mögöttük álló technológia viszont itthon is bérelhető percdíjas platformokon, így egy magyar fogorvosi rendelő, szépségszalon vagy webshop már ma építhet olyan hangalapú ügynököt, amely felveszi a telefont, időpontot foglal vagy emlékeztető hívásokat indít. Végigvesszük, mi érkezett pontosan szeptemberben, mennyire tud magyarul egy telefonáló AI, milyen jogi keretek között szólalhat meg, mennyibe kerül percenként és havonta, végül azt is, mely feladatoknál működik jól és hol okoz több bajt, mint amennyi munkát megspórol.

Röviden

• A TechCrunch 2026. szeptember 17-i cikke szerint a Meta kibővítette a Muse ügynök kimenő hívásainak bétáját amerikai vállalkozások felé, az Instinct Concierge pedig korai hozzáféréssel foglal asztalt, feliratkoztat lemondási listára és intéz számlapanaszt telefonon, Magyarországon azonban egyik funkció sem érhető el.
• A voice AI olyan rendszer, amely beszédet ért, a tartalma alapján dönt és természetes hangon válaszol, a telefonáló AI-ügynök pedig ezenfelül a hívás közben naptárat, CRM-et vagy rendeléskezelőt is használ.
• Magyarul már használhatóan beszél: az ElevenLabs dokumentációja szerint a Flash v2.5 hangmodell 32 támogatott nyelve között a magyar is szerepel, a gyenge pont inkább a nevek, címek és számok felismerése, ezért ezeket a gépnek mindig vissza kell mondania.
• A hivatalos árlapok szerint (2026. szeptember 22.) a Retell AI hangügynökei összesen 0,07 és 0,31 dollár közötti percdíjjal futnak, az ElevenLabs Agents percdíja pedig 0,08 dollár a nyelvi modell és a telefonvonal nélkül, ami kerekített 320 Ft-os árfolyammal nagyjából 22 és 99 Ft közötti percenkénti költséget jelent.
• Az EU AI Act 50. cikke 2026. augusztus 2. óta előírja, hogy a hívónak legkésőbb az első interakciókor tudnia kell, hogy AI-rendszerrel beszél, a hívásrögzítésre a GDPR szabályai vonatkoznak, emberi beavatkozás nélküli reklámhíváshoz pedig előzetes hozzájárulás kell (a cikk jogi része tájékoztató jellegű, nem jogi tanács).
• Az AI telefonos asszisztens ma az időpontfoglalásban, az emlékeztető hívásokban és az egyszerű, ismétlődő ügyfélszolgálati kérdésekben éri meg, különösen munkaidőn túl és csúcsidőben, a panaszkezelést, a hideghívásos értékesítést és az érzelmileg terhelt beszélgetéseket viszont továbbra is embernek érdemes vinnie.

Mi érkezett szeptemberben: kimenő hívás a Muse-zal, Instinct Concierge foglalásokra

Szeptember közepén két fogyasztói AI-ügynök kapott telefonálási képességet: a Meta Muse amerikai vállalkozásokat hívhat fel a felhasználó megbízásából, az Instinct Concierge pedig olyan ügyeket intéz telefonon, amelyekhez eddig embernek kellett tárcsáznia. Mindkét szolgáltatás szűk körben, az Egyesült Államokban indult, európai indulási dátumot egyik cég sem közölt.

Meta Muse: telefonáló ügynök ellenőrzött számokra

A Muse a Meta személyi AI-ügynöke, amelyet a Runtimewire beszámolója szerint szeptember 8-án indítottak el. A TechCrunch adatai alapján az alkalmazás az első öt napban 730 000 letöltést ért el az Egyesült Államokban, ami egy vadonatúj ügynöknél komoly kezdősebesség. A telefonos funkcióról szeptember 15-én és 16-án közösségi médiás bejegyzésekből derült ki, hogy zárt körben tesztelik, majd a TechCrunch szeptember 17-i cikke szerint a Meta kibővítette a kimenő hívások bétáját. Elsőként azok kaptak hozzáférést, akik korábban jelezték a Muse-nak, hogy szeretnék kipróbálni a funkciót.

Egy cégvezető számára a legtanulságosabb a korlátok rendszere. A Runtimewire leírása szerint a Muse natív funkcióként, a saját virtuális gépes környezetéből indítja a hívásokat, a felhasználónak tehát nem kell külön telefonszolgáltatót (például Twiliót) bekötnie. A teszt ellenőrzött amerikai üzleti telefonszámokra korlátozódik: az ügynök egy tesztelő ismételt kérésére sem volt hajlandó felhívni annak saját magánszámát. A felhasználási feltételek ráadásul kifejezetten tiltják a tömeges hívásokat és üzeneteket, ha hiányzik a távközlési és marketingjogszabályok, köztük az amerikai Telephone Consumer Protection Act (TCPA) által megkövetelt hozzájárulás. A Meta tehát a technikai lehetőséget eleve szűk jogi és etikai mederbe terelte, amit egy magyar cégnek is érdemes lemásolnia, amikor saját hangügynököt épít.

Instinct Concierge: a hívás, amelyet senki sem akar elintézni

Az Instinct AI-ügynököket fejlesztő cég, amely a TechCrunch szerint jelenleg 10 milliárd dolláros értékelés mellett tárgyal új befektetésről. Alapítója, Noah Shinn, az X-en jelentette be a Concierge funkciót, amely olyan feladatokat vállal át, mint az asztalfoglalás egy online foglalást nem kínáló étteremben, a felírás a fogorvos lemondási listájára vagy a kábelszolgáltatói számlával kapcsolatos reklamáció. A szolgáltatás korai hozzáféréssel indult, a TechCrunch szerint a cég később minden felhasználójának elérhetővé tenné.

Ha megnézed a feladatok jellegét, feltűnik, hogy mindhárom példa olyan hívás, amelyet a legtöbb ember halogat, mert várakozással, ismétléssel és türelemmel jár, közben viszont a cél jól körülhatárolt: foglalás, feliratkozás vagy jóváírás. Pontosan ez az a terület, ahol a voice AI a céges oldalon is a legjobban teljesít, erről a cikk második felében részletesen lesz szó.

Mit jelent ez egy magyar cégnek?

A Muse és az Instinct a vásárló oldalán álló ügynökök, amelyek az ügyfél nevében hívnak fel egy vállalkozást. Arról, hogy mi a teendő, ha egyszer a te recepciódat hívja egy ilyen gép, külön cikkben írtunk, itt a másik oldalra koncentrálunk. A szeptemberi bejelentések ugyanis azt is megmutatták, hogy a telefonon beszélgető és közben eszközöket kezelő AI-ügynök technikailag annyira kiforrott, hogy nagy cégek fogyasztói termékként merjék kiadni, a mögötte álló építőelemek pedig percdíjas platformokon bárki számára elérhetők. Egy magyar KKV ugyanezt a technológiát saját hangalapú AI-ügynökként állíthatja munkába a bejövő hívások fogadására, időpontfoglalásra és emlékeztetésre.

Mi az a voice AI és hogyan működik egy telefonáló AI-ügynök?

A voice AI olyan mesterségesintelligencia-rendszer, amely valós időben érti a beszédet, a tartalma alapján dönt és természetes hangon válaszol. A telefonáló AI-ügynök ennél is többet tud: a hívás közben eszközöket használ, például megnézi a szabad időpontokat, rögzíti a foglalást vagy SMS-t küld, így a beszélgetés végén valami ténylegesen el is intéződik.

Aki az elmúlt húsz évben telefonált bankba vagy közműszolgáltatóhoz, ismeri a klasszikus hangos menüt, az IVR-t (interactive voice response): „ha számlával kapcsolatban hív, nyomja meg az egyest”. Az IVR előre rögzített döntési fát jár be, a voice AI viszont szabad beszédet ért, visszakérdez, ha valami nem világos, a beszélgetést pedig bármelyik pontról tovább tudja vinni. A különbség nagyjából akkora, mint egy automata telefonközpont és egy türelmes, jól felkészített asszisztens között, aki soha nem megy ebédelni.

A négy építőelem

A legtöbb ma használt hangügynök négy részből áll, amelyeket a platformok egy csomagban adnak, de külön-külön áraznak. Jól látszik ez a Vapi hivatalos árlapján, amely a percdíjat összetevőkre bontva mutatja, külön tételként kezelve a beszédfelismerést, a nyelvi modellt, a beszédszintézist és a telefonvonalat:

• Telefonvonal: a hívást egy telefonszolgáltató (a Vapi árlapján például a Twilio, a Vonage vagy a Telnyx) vagy a cég saját telefonrendszere juttatja el a platformig, jellemzően SIP-kapcsolaton keresztül, ami az internetes telefonálás szabványos protokollja.
• Beszédfelismerés (speech-to-text, STT): a hívó hangját folyamatosan szöveggé alakítja, a Vapi példájában ezt a Deepgram végzi.
• Nyelvi modell (LLM): értelmezi, mit akar a hívó, eldönti a következő lépést és megfogalmazza a választ, szükség esetén pedig eszközt hív, például a naptárat vagy a CRM-et.
• Beszédszintézis (text-to-speech, TTS): a választ természetes hangú beszéddé alakítja, a Vapi példájában az ElevenLabs hangjaival.

Egyes szolgáltatók úgynevezett beszédből beszédet előállító (speech-to-speech) modelleket is kínálnak, amelyek a három középső lépést egyben végzik, így gyorsabbak lehetnek és jobban követik a hanglejtést. Egy kis cégnek ettől függetlenül a moduláris felépítés szokott a jobb kiindulópont lenni, mert a nyelvi modellt és a hangot külön lehet cserélni, ha valamelyik magyarul gyengébben teljesít.

Miért a késleltetés a legfontosabb szám?

Telefonon az ember egészen másképp éli meg a csendet, mint egy chatablakban. Ha a gép érezhető szünetet tart a válasz előtt, a hívó elkezdi ismételni magát, belebeszél a válaszba, a beszélgetés pedig hamar szétesik. A késleltetés (latency) ezért a hangügynök talán legfontosabb minőségi mutatója: az a teljes idő, amely a hívó mondatának vége és a gép válaszának első hangja között eltelik. Az ElevenLabs dokumentációja a Flash v2.5 modellnél körülbelül 75 ezredmásodperces késleltetést ad meg, ez azonban csak a hangképzés ideje, a teljes láncban ehhez hozzáadódik a beszédfelismerés, a nyelvi modell gondolkodása és a hálózat.

Ugyanilyen sokat számít a közbevágás (barge-in) kezelése, hiszen a természetes beszélgetésben a hívó gyakran belevág a másik mondatába („nem, nem kedden, szerdán”). A jó hangügynök ilyenkor abbahagyja a beszédet és az új információra reagál, a gyenge viszont rendíthetetlenül végigmondja a betanult szöveget. Teszteléskor ezt mindig próbáld ki, mert a hívók ebből érzik meg a leggyorsabban, hogy egy merev géppel van dolguk.

Az eszközhasználat teszi ügynökké

Egy hangügynök attól lesz igazán hasznos, hogy a beszélgetés közben hozzáfér a cég rendszereihez. Időpontfoglaláshoz látnia kell a naptárat és írnia kell bele, rendelésállapot-kérdéshez le kell kérdeznie a webshop vagy az ERP (vállalatirányítási rendszer) adatait, visszahívás kéréséhez pedig feladatot kell létrehoznia a CRM-ben. Minden ilyen művelet egy eszközhívás (tool call), amelynek sikeresen le kell futnia, mielőtt a gép bármit megerősít a hívónak.

Két szeptemberi hír jól mutatja, merre halad a szakma. A Meta Muse Spark 1.3 modellje a MarkTechPost beszámolója szerint tisztázó kérdést tesz fel, jelzi, ha elakadt, a következményekkel járó lépések előtt pedig megerősítést kér. Az AI Agent Store heti összesítése szerint a Moveworks szeptember 14-én olyan változtatást jelentett be, amelynek nyomán a sikertelen eszközhívás kifejezett hibaállapotot ad vissza a látszólagos siker helyett. Egy telefonáló ügynöknél ez életbevágó: ha a naptárba írás nem sikerült, a gépnek azt kell mondania, hogy „ezt most nem tudtam rögzíteni, a kollégám hamarosan visszahívja”, nem pedig azt, hogy „rendben, várjuk kedden”.

Tud már jól magyarul egy AI telefonos asszisztens?

Használhatóan igen, hibátlanul még nem: az ElevenLabs dokumentációja szerint a Flash v2.5 hangmodell 32 nyelvet támogat, köztük a magyart, a gépi hang minősége pedig ma sokszor meglepően természetes. A gyenge pont inkább a hallás, vagyis a nevek, a címek, a számok és a zajos környezetben elhangzó mondatok felismerése, ezt élesítés előtt mindig saját hívásokon kell tesztelni.

Amit a magyar nyelv megnehezít

A magyar a gépi beszédfelismerés szempontjából kifejezetten kemény dió. A ragozás miatt ugyanaz a név tucatnyi alakban hangzik el („Kovácsné”, „Kovácsnénál”, „Kovácsnééknak”), az összetett szavak hosszúak, a szórend szabad, a hívók pedig gyakran kevernek bele angol szakszavakat vagy márkaneveket. Egy fodrászszalonban elhangzó „jövő szerdára kérnék egy balayage-t, de csak ha Nórinál van hely” típusú mondatban a gépnek egyszerre kell felismernie egy francia eredetű szakszót, egy becenevet és egy viszonylagos dátumot.

A számok külön fejezetet érdemelnének, hiszen a „kétezer-négyszáz” és a „kettő-négy-nulla-nulla” lehet ugyanaz, de lehet egészen más is, a telefonszámokat a magyarok kettes és hármas csoportokban mondják, a dátumoknál pedig a „tizenötödikén”, a „jövő hét közepén” és a „harmadikán, nem, negyedikén” is gyakori. A címeknél a helységnevek (Hódmezővásárhely, Balatonszemes, Törökszentmiklós) és a közterületnevek okozzák a legtöbb félreértést, különösen akkor, ha a hívó autóból vagy forgalmas utcáról telefonál.

A megoldás nem az, hogy tökéletes felismerésre várunk, hanem a visszamondás. A jól beállított hangügynök minden fontos adatot (nevet, dátumot, időpontot, telefonszámot, címet) szó szerint visszamond és megerősítést kér, a hívás után pedig SMS-ben vagy e-mailben is elküldi az összefoglalót. Ez a módszer a jó magyar recepciókon is bevett gyakorlat, a gépnél viszont kötelező alapfelszerelés.

Hangminőség: robothang vagy kolléga?

A beszédszintézis az elmúlt két évben annyit fejlődött, hogy egy rövid időpont-egyeztetésnél sok hívó nem is biztos benne, hogy gép beszél vele. Magyarul azonban előjöhet néhány árulkodó hiba: a többnyelvű modellek egy része enyhén idegen hanglejtéssel ejti a magyar mondatokat, előfordul, hogy a hangsúly nem az első szótagra esik, a hosszú összetett szavakat pedig a gép néha rossz helyen tagolja, ami egy anyanyelvi fülnek azonnal feltűnik. A hangot ezért ne egy angol nyelvű bemutató alapján válaszd, hanem úgy, hogy legalább öt-hat valódi, a cégedre jellemző mondatot felolvastatsz vele, benne árakkal, dátumokkal és helységnevekkel.

A saját hang klónozása csábító ötlet, például a recepciós vagy a tulajdonos hangjával, ez azonban jogilag érzékeny terület, mert a Polgári Törvénykönyv 2:48. §-a szerint hangfelvétel elkészítéséhez és felhasználásához az érintett hozzájárulása szükséges. Egy munkavállaló hangjának klónozásához tehát kifejezett, dokumentált beleegyezés kell, amelyben azt is rendezni kell, mi történik a hanggal, ha a kolléga kilép. Ráadásul egy ismerős emberi hangon megszólaló gép könnyebben kelti azt a benyomást, hogy ember beszél, ami az AI-jelzési kötelezettséggel is feszültségbe kerülhet.

Így teszteld a magyar tudását

Mielőtt bármelyik platform mellett döntesz, vidd végig a jelölteket ugyanazon a tesztsoron. Tapasztalatunk szerint az alábbi helyzetek buktatják el a leggyakrabban a magyar hangügynököket:

• Egy hosszú, ragozott vezetéknév és egy becenév ugyanabban a mondatban („Szentgyörgyiné vagyok, Zsuzsihoz szeretnék menni”).
• Egy mobilszám, egyszer csoportokban, egyszer egy szuszra lediktálva.
• Viszonylagos és menet közben javított dátum („jövő csütörtökön, bocsánat, pénteken”).
• Egy vidéki cím házszámmal, emelettel és ajtóval.
• Közbevágás a gép mondatának közepén.
• Háttérzaj, például utcai forgalom vagy kihangosított autós telefon.
• Egy idősebb hívó lassú, tagolt beszéde és egy fiatal hívó gyors, szlengesebb mondatai.

Ha egy platform ezekben a helyzetekben tíz próbából legalább nyolcszor helyesen rögzíti az adatot, a maradék esetben pedig visszakérdez, az már alkalmas egy óvatos éles próbára. Ha viszont magabiztosan rögzít hibás adatot, az a legrosszabb lehetséges eredmény, mert a hibát csak akkor veszed észre, amikor az ügyfél rossz napon áll az ajtó előtt.

Milyen jogi keretek vonatkoznak a telefonáló AI-ra Magyarországon?

Négy szabálycsoportra kell figyelni: az EU AI Act 50. cikke szerint a hívónak tudnia kell, hogy géppel beszél, a hívásrögzítésre és az adatkezelésre a GDPR és a fogyasztóvédelmi szabályok vonatkoznak, a kimenő reklámhívásokra az elektronikus hírközlési szabályok, a hangklónozásra pedig a személyiségi jog.

Ez a szakasz általános tájékoztatás, nem jogi tanács. A szabályok alkalmazása a céged tevékenységétől, az ügyfélkörtől és a konkrét megoldás felépítésétől függ, ezért élesítés előtt kérd ki adatvédelmi szakértő vagy ügyvéd véleményét.

EU AI Act 50. cikk: a gépnek be kell mutatkoznia

Az Európai Unió mesterségesintelligencia-rendeletének (EU AI Act) átláthatósági szabályokat tartalmazó 50. cikkét a Gibson Dunn összefoglalója szerint 2026. augusztus 2-a óta kell alkalmazni. Az (1) bekezdés értelmében a szolgáltatóknak (provider) úgy kell megtervezniük a természetes személyekkel közvetlenül kapcsolatba lépő AI-rendszereket, hogy az érintettek tájékoztatást kapjanak arról, hogy AI-rendszerrel állnak kapcsolatban. Az (5) bekezdés szerint ezt az információt világosan és jól megkülönböztethetően, legkésőbb az első interakció idején kell megadni. A szintetikus hangot előállító rendszerek szolgáltatóinak a (2) bekezdés alapján géppel olvasható jelöléssel is el kell látniuk a kimenetet, a már piacon lévő rendszereknek pedig a Gibson Dunn szerint 2026. december 2-ig türelmi idejük van arra, hogy a jelölést bevezessék.

A kötelezettség a rendelet szövege szerint elsősorban a rendszer szolgáltatóját terheli, a gyakorlatban azonban a te telefonszámodon, a te céged nevében hangzik el a hívás, a hívó pedig tőled kéri számon, ha becsapva érzi magát. A legegyszerűbb ezért, ha a bemutatkozás már az első másodpercekben elhangzik, például így: „Jó napot kívánok, a rendelő virtuális asszisztense vagyok, egy mesterséges intelligencia. Segíthetek időpontot foglalni, vagy kapcsoljam a kollégámat?” Ez a két mondat egyszerre biztosítja az átláthatóságot és kiutat ad annak, aki inkább emberrel beszélne.

Hívásrögzítés, átirat és GDPR

Ha a hangügynök rögzíti a beszélgetést vagy átiratot készít róla, az személyes adatok kezelése, amelyre a GDPR minden szabálya vonatkozik. A gyakorlatban ez azt jelenti, hogy a hívás elején tájékoztatni kell a hívót a rögzítésről és annak céljáról, meg kell határozni a jogalapot és a megőrzési időt, az adatkezelési tájékoztatót pedig ki kell egészíteni az AI-alapú hívásfogadással. A Bird & Bird 2016-os összefoglalója szerint a NAIH álláspontja az, hogy a rögzítés előtt átfogó tájékoztatást kell adni, a hívó pedig kérésére megkaphatja a felvétel másolatát. Egyes ügyfélszolgálatokra a fogyasztóvédelmi törvény külön hívásrögzítési kötelezettséget ír elő, ilyenkor az összefoglaló szerint a felvételeket öt évig kell megőrizni. Hogy ez a te cégedre vonatkozik-e, azt jogásszal érdemes tisztázni, mielőtt beállítod, meddig tárolja a platform a hanganyagot.

Gyakran elfelejtett részlet, hogy a hangügynök-platform adatfeldolgozó, ezért vele a GDPR 28. cikkében előírt tartalmú adatfeldolgozói szerződést kell kötni, még mielőtt az első valódi hívás befut. A legtöbb szolgáltató amerikai, így az Európai Unión kívüli adattovábbítás garanciáit is ellenőrizni kell, ahogy azt is, hol és meddig tárolja a platform a felvételeket és az átiratokat. A Vapi árlapja például csomagonként eltérő adatmegőrzést ad meg: az ingyenes induló szinten 14 napot, a Core csomagban 30 napot, a Pro csomagban 180 napot. Ha pedig a hangot a hívó azonosítására is használnád (hangalapú azonosítás), az már biometrikus adat, amelynek kezelésére a GDPR 9. cikke jóval szigorúbb feltételeket szab, mint a többi személyes adatéra. Egy KKV-nak ezt nem érdemes bevállalnia, az azonosításhoz bőven elég a foglalási kód vagy a regisztrált telefonszám.

Kimenő hívások: emlékeztető vagy reklám?

A kimenő hívásoknál más a helyzet: a Piac&Profit oldalán megjelent, Buturácz Andrea és Hatházi Vera ügyvédi irodája által jegyzett összefoglaló szerint az elektronikus hírközlési törvény alapján az élőhangos reklámhívás opt-out jellegű, vagyis előzetes hozzájárulás nélkül is indítható, az automatizált hívásokhoz viszont a hívott fél előzetes hozzájárulása kell (opt-in). Az összefoglaló 2015-ös, az automatizált hívásokra vonatkozó hozzájárulási elv azonban az uniós elektronikus hírközlési adatvédelmi irányelvből (ePrivacy) ered, amely ma is hatályos. Egy AI-ügynök által indított hívás jó eséllyel az automatizált kategóriába esik, ezért hozzájárulás nélkül reklámcélú hívásra ne használd. Ugyanez a cikk arra is emlékeztet, hogy reklámhívásnál közölni kell, ki hív, hogy reklámhívásról van szó, hogyan kezelik a hívott adatait, valamint azt is, ha a beszélgetést rögzítik.

Egy már lefoglalt időpontra vonatkozó emlékeztető vagy egy kiszállítás egyeztetése a meglévő ügyfélkapcsolathoz tartozó kommunikáció, amelyet általában nem tekintenek reklámnak. Ilyenkor is kell jogalap és tájékoztatás, a határ pedig gyorsan elmosódik, ha az emlékeztető végén a gép „ha már beszélünk” alapon fogfehérítési akciót ajánl, ezért az ilyen keveréket jobb elkerülni.

Mennyibe kerül a voice AI percenként és havonta?

Egy hangügynök teljes percdíja a nagy platformok hivatalos árlapjai szerint (2026. szeptember 22.) nagyjából 0,07 és 0,31 dollár között mozog, ami kerekített 320 Ft-os árfolyammal 22 és 99 Ft közötti percenkénti költséget jelent. Havi szinten ez egy kis szalonnál néhány tízezer, egy forgalmas ügyfélszolgálatnál több százezer forint, amihez a bevezetés és a karbantartás költsége is hozzájön.

A voice AI percdíját három tényező határozza meg: melyik nyelvi modellt használod, melyik szolgáltató hangján beszél az ügynök és honnan jön a telefonvonal. Az alábbi táblázat három ismert platform hivatalos árlapját foglalja össze a 2026. szeptember 22-i állapot szerint, a forintos értékek pedig kerekített, 320 Ft-os dollárárfolyammal készültek (a tényleges árfolyam szeptember 21-én körülbelül 317 Ft volt).

Egy perc ára közelről

Egy konkrét összeállításon jobban látszik, mit jelentenek ezek a tételek. Tegyük fel, hogy a Retell AI-on építünk ügynököt, a magyar hangot az ElevenLabs-től kérjük (0,040 dollár percenként), a nyelvi modell a Claude 5 Sonnet (0,064 dollár percenként), a telefonvonal a standard tarifa (0,015 dollár percenként), mellé pedig jön a platform 0,055 dolláros infrastruktúradíja. Ez összesen 0,174 dollár percenként, kerekített árfolyammal 55,7 Ft. Ha a nyelvi modellt a Retell árlapján szereplő, jóval olcsóbb GPT 5 minire cseréljük (0,008 dollár percenként), a percdíj 0,118 dollárra, vagyis 37,8 Ft-ra esik, cserébe a bonyolultabb beszélgetésekben gyengébb lehet a teljesítmény.

Az ElevenLabs Agents csomagjainál egyszerűbb a képlet: a Pro csomag 99 dollárért 1 238 percet tartalmaz, ami éppen 0,08 dolláros percdíjnak felel meg, a keret felett pedig ugyanennyi a percdíj. Ehhez jön a nyelvi modell díja, amelyet az ElevenLabs a tényleges használat szerint számláz, valamint a telefonvonal, amelyet beszerzési áron ad tovább. Egy háromperces hívás így a hangügynök oldalán 0,24 dollár, azaz 76,8 Ft, amihez a nyelvi modell és a telefon díja adódik hozzá.

A saját becslésünkben ezért óvatosan, percenként 60 Ft-os teljes költséggel számolunk, amelybe a nyelvi modell, a hang, a platform és egy magyar telefonvonal is belefér. Ez becslés, nem árajánlat, mert a magyar telefonszámok és a hazai SIP-szolgáltatók díja szolgáltatónként eltér, ezt a saját telefonszolgáltatódnál kell ellenőrizni.

Havi költség három képzeletbeli cégnél

Vegyünk három képzeletbeli magyar vállalkozást, amelyek mind a 60 Ft-os becsült percdíjjal dolgoznak. A hívásszámok feltételezések, a saját cégednél a telefonközpont vagy a mobilszolgáltató híváslistájából tudod kiolvasni a valós értékeket.

Egy hívás ára a rendelő példájában 2,5 perc × 60 Ft, vagyis körülbelül 150 Ft, a webshopnál egy háromperces hívás pedig 180 Ft. A forgalmi díj azonban csak a számla egyik fele. Mellé jön a platform havidíja (a Vapi Core csomagja 29 dollár, azaz 9 280 Ft havonta), a telefonszám előfizetése, a rendszeres karbantartás (árlista, nyitvatartás, szabadságok frissítése, a problémás hívások átnézése), valamint az egyszeri bevezetés, vagyis a forgatókönyv megírása, a naptár vagy a CRM bekötése és a tesztelés. Ez utóbbi egy egyszerű időpontfoglaló ügynöknél jellemzően napokban, egy több rendszert érintő ügyfélszolgálati megoldásnál inkább hetekben mérhető munka.

Ember vagy gép a telefonnál: egy egyszerű megtérülési számítás

A hangügynök ritkán váltja ki teljesen a recepcióst, sokkal inkább a fel nem vett hívásokból eredő veszteséget csökkenti. A megtérülést ezért nem a bérköltséghez, hanem az elvesztett bevételhez és a kollégák felszabaduló idejéhez érdemes mérni, különben könnyen rossz döntés születik.

Kezdjük egy kényelmetlen számítással, amely a gép percdíját egy emberi munkatárs percdíjával veti össze. Tegyük fel, hogy egy teljes munkaidős recepciós teljes munkáltatói költsége havi 500 000 Ft (ez feltételezés, a valós összeg bértől és régiótól függ). Havi 176 munkaórával számolva ez óránként körülbelül 2 841 Ft, percenként 47 Ft. Ha a recepciós ideje 40%-ában telefonál, egy telefonperce valójában nagyjából 118 Ft-ba kerül, ami a 60 Ft-os gépi becslés kétszerese. Ez elsőre egyértelmű győzelemnek tűnik a gép javára, csakhogy a recepciós a hívások között sem ül tétlenül: vendéget fogad, pénzt kezel, rendet tart, a panaszos ügyfelet pedig megnyugtatja. A gép tehát percre vetítve olcsóbb, de nem nagyságrendekkel, a valódi előnye inkább az, hogy éjjel kettőkor is felveszi a telefont, egyszerre tíz hívást is kezel és nem fárad el a délutáni csúcsban.

Ezért a legerősebb üzleti eset általában a túlcsordulás és a munkaidőn túli hívások kezelése. Vegyük újra a képzeletbeli szegedi szalont, ahol hetente 15 hívás marad felvétel nélkül, mert a fodrászok éppen festenek vagy vágnak, ebből pedig öt lett volna foglalás, átlagosan 9 000 Ft értékben. Havonta, négy héttel számolva ez 20 elmaradt foglalás, azaz 180 000 Ft kieső bevétel. Ha a hangügynök csak ezt a havi 60 hívást veszi át átlagosan kétperces hívásokkal, a forgalmi díj 120 perc × 60 Ft, vagyis 7 200 Ft, a platform havidíjával együtt nagyjából 16 500 Ft. Ha a gép az elvesztett foglalásoknak csak a harmadát menti meg, az is havi 60 000 Ft bevétel, ami bőven fedezi a havi költséget, így az egyszeri bevezetés is belátható időn belül megtérülhet.

A számítás fordítva is igaz: ha a céged naponta három-négy hívást kap és ezeket gond nélkül fel is veszitek, a hangügynök több munkát ad, mint amennyit levesz a válladról. Ilyenkor egy jól működő online foglalási rendszer vagy egy egyszerű visszahívás-kérő űrlap olcsóbb és elegendő.

Mikor működik jól: időpontfoglalás, emlékeztető, egyszerű ügyfélszolgálat

A voice AI ott működik jól, ahol a hívás célja egyértelmű, a szükséges adat egy rendszerben elérhető, a rossz válasz pedig könnyen javítható. Ez tipikusan az időpontfoglalás, az emlékeztető hívás és az ismétlődő, egyszerű ügyfélszolgálati kérdések köre, különösen munkaidőn túl és a napi csúcsidőszakokban.

Időpontfoglalás

Az időpontfoglalás a hangügynök klasszikus terepe, mert a beszélgetés néhány jól ismert adat körül forog: ki jön, milyen szolgáltatásra, mikor és kihez. Egy képzeletbeli budapesti fogorvosi rendelőnél a gépnek tudnia kell, hogy mondjuk egy első vizsgálat 30 perc, egy fogkőeltávolítás 45 perc, a gyökérkezelést pedig csak telefonos egyeztetés után lehet beírni. Ezeket a szabályokat a foglalási rendszerben vagy a forgatókönyvben kell rögzíteni, nem a gép jóindulatára bízni. A jó ügynök egyszerre legfeljebb két-három szabad időpontot ajánl fel (senki sem akar tíz lehetőséget végighallgatni), a választott időpontot a rögzítés előtt újra ellenőrzi, hogy közben ne foglalja el más, végül visszamondja az adatokat és SMS-ben megerősíti a foglalást.

Emlékeztető és átfoglalás

Az emlékeztető hívás akkor éri meg igazán, ha kétirányú: az ügyfél a hívás során megerősítheti, lemondhatja vagy át is foglalhatja az időpontját. Ha csak értesíteni akarsz, egy SMS olcsóbb és kevésbé tolakodó. Tegyük fel, hogy a képzeletbeli rendelőben havonta 20 időpont marad el szó nélkül, átlagosan 25 000 Ft értékben, a hívások pedig ebből ötöt megmentenek vagy időben felszabadítanak egy másik páciensnek. Ez havi 125 000 Ft, szemben a 600 emlékeztető perc becsült 36 000 Ft-os költségével. A hangpostára hagyott üzenetben viszont a gép soha ne mondjon egészségügyi vagy más érzékeny részletet, elég annyi, hogy a rendelő a holnapi időpont miatt kereste.

AI ügyfélszolgálat telefonon: az egyszerű kérdések

A harmadik terület az ismétlődő kérdések köre: nyitvatartás, cím, parkolás, árak, szállítási idő, rendelésállapot. Egy képzeletbeli debreceni webshopnál a hívások jelentős része valószínűleg a „hol a csomagom?” kérdés, amelyre a gép a rendelésszám és az irányítószám bekérése után a rendeléskezelőből válaszolhat. Ehhez csak olvasási jogosultság kell, ami a biztonság szempontjából is szerencsés. Minden más esetben a hangügynök feladata a gyors, pontos üzenetfelvétel: rögzíti, ki hívott, mit szeretne és mikor kereshető, majd visszahívási feladatot hoz létre a CRM-ben.

Mikor ne bízd gépre a telefont?

Ne bízd gépre, ha a hívónak empátiára, mérlegelésre vagy felelős döntésre van szüksége: panasznál, egészségügyi vagy jogi kérdésnél, tartozásbehajtásnál és azokban az értékesítési helyzetekben, ahol a bizalom maga is a termék része. Ilyenkor egy félresikerült gépi válasz többet rombol, mint amennyi időt a gép megtakarít.

A panaszkezelés különösen kényes terület, mert a fogyasztóvédelmi törvény a szóbeli panaszok kezelésére is részletes szabályokat ír elő, a dühös ügyfél pedig egy udvarias, de merev géptől csak még dühösebb lesz. A hangügynök ilyenkor egyetlen dolgot tegyen jól: ismerje fel a panaszt, röviden jelezze, hogy érti a problémát, majd azonnal kapcsoljon emberhez, vagy ha ez nem lehetséges, rögzítsen sürgős visszahívási kérést. Hasonló a helyzet az egészségügyben: ha a hívó erős fájdalmat, duzzanatot vagy lázat említ, a gépnek nem tanácsot kell adnia, hanem azonnal át kell adnia a hívást egy asszisztensnek.

Van egy biztonsági szempont is: telefonon a legrégebbi trükk a megtévesztés („a feleségem nevére foglaltunk, meg tudná mondani, hányra?”), egy túlságosan segítőkész gép pedig könnyen kiad olyan adatot, amelyet nem kellene. A hangügynök ezért csak a hívó saját, azonosított adataihoz férjen hozzá, a jogosultságai legyenek a lehető legszűkebbek, más ügyfelek adatairól pedig semmilyen körülmények között ne adjon felvilágosítást, bármilyen meggyőzően kéri is a hívó.

Hogyan vezess be AI telefonos asszisztenst lépésről lépésre?

Egy AI telefonos asszisztens bevezetése egy szűk, jól mérhető feladattal induljon, például a munkaidőn túli időpontfoglalással, a bővítés pedig csak a mért eredmények után jöjjön. Az alábbi lépések egy 5 és 50 fő közötti cégnél néhány hét alatt végigvihetők, a nagyobb integrációs munkák ennél tovább tarthatnak.

• Nézd át a hívásnaplót két-négy hétre visszamenőleg. Kategorizáld a hívásokat ok, hossz és napszak szerint, majd számold meg, hány hívás marad felvétel nélkül. Ebből derül ki, hol a legnagyobb a veszteség.
• Válassz egyetlen első feladatot. A legjobb jelölt az, amelyik gyakori, egyszerű és jól mérhető, például a túlcsorduló vagy a munkaidőn túli foglalási hívások.
• Írd le a forgatókönyvet és a határokat. Mit mondhat a gép, mit nem, milyen adatot kérhet el és mikor kell emberhez kapcsolnia. A bemutatkozó mondat és a rögzítési tájékoztató szövege is itt készül el.
• Kösd be az adatforrást. A naptár, a foglalási rendszer, a CRM vagy az ERP csak a feladathoz szükséges jogosultságot kapja, a foglalás rögzítése előtt pedig mindig legyen újraellenőrzés.
• Válassz platformot és hangot magyar teszt alapján. Vidd végig a jelölteket a korábban leírt tesztsoron (nevek, számok, címek, közbevágás, zaj), a percdíjat pedig a saját forgalmi adataidra számold ki.
• Rendezd a jogi csomagot. Frissítsd az adatkezelési tájékoztatót, kösd meg az adatfeldolgozói szerződést, döntsd el a megőrzési időt, a konkrét megoldást pedig nézesd át jogásszal.
• Tesztelj belsőleg legalább néhány tucat hívással. Kérj meg kollégákat és ismerősöket, hogy különböző korú, tempójú és hangszínű hívóként próbálják ki, autóból és utcáról is.
• Indulj szűk körben. Az első hetekben a gép csak munkaidőn túl vagy csak a foglalt vonal esetén vegye fel a telefont, így a kockázat kicsi, a tanulság viszont valós.
• Mérj és finomíts hetente. Kövesd a sikeresen lezárt hívások arányát, az emberhez kapcsolt hívások arányát, a hívásonkénti költséget és a foglalások számát, a félresikerült beszélgetéseket pedig hallgasd vissza és javítsd a forgatókönyvet.

Tipp: állíts be a platformon maximális hívásidőt és havi költségkeretet. Egy beragadt, önmagát ismétlő beszélgetés vagy egy váratlan hívásáradat így nem okozhat meglepetést a havi számlán.

Milyen hibákat követnek el a legtöbben az első voice AI-projektnél?

A leggyakoribb hiba a túl nagy első falat: a cég egyszerre akarja a teljes ügyfélszolgálatot gépre bízni, ahelyett hogy egyetlen jól mérhető feladattal kezdene. A második a hiányzó emberi kiút, amikor a hívó nem tudja elérni, hogy kollégával beszélhessen, ami a legbékésebb ügyfelet is felbosszantja.

Néhány további buktató, amelybe a projektek rendszeresen belefutnak:

• Hosszú, hivatalos bejelentkezés. Ha a gép fél percig sorolja a jogi tájékoztatót, a hívók jelentős része leteszi. A rövid bemutatkozás és a részletes tájékoztató elérhetősége (például a weboldalon) jobb megoldás.
• Kitalált válaszok. A nyelvi modell hajlamos magabiztosan válaszolni akkor is, ha nem tudja a választ, ezért az árakat, a nyitvatartást és a szabályokat zárt tudásbázisból kell vennie, az „ezt nem tudom, a kollégám visszahívja” válasz pedig mindig legyen megengedett.
• Elavult adatok. A szabadság, az ünnepnapi nyitvatartás vagy egy új árlista frissítése nélkül a gép hetekig rossz információt ad, ezért a karbantartásnak legyen gazdája a cégen belül.
• Emberi név és személyiség. Ha a gép „Kati a recepcióról” néven mutatkozik be, az megtévesztő, ráadásul ütközik az AI-jelzési kötelezettség szellemével.
• Visszahallgatás nélküli üzemeltetés. Az első hónapokban a hívások egy részét hetente vissza kell hallgatni, mert a hibák csak így derülnek ki, mielőtt az ügyfelek jeleznék.

Tényleg kiváltja a hangalapú ügynök a KKV-k call centerét 2026 végére?

Részben igen. Az egyszerű, jól strukturált hívások (foglalás, emlékeztető, státuszkérdés, üzenetfelvétel) jelentős részére 2026 végére valódi alternatívát kínál, a teljes call center kiváltására viszont még nem alkalmas, mert a bonyolult, érzelmes vagy mérlegelést igénylő hívásoknál továbbra is ember kell.

A reális modell egy magyar KKV-nál a hibrid működés, amelyben a gép felveszi, szűri, foglal és összefoglal, az ember pedig dönt, egyeztet és megnyugtat. A befektetői és felhasználói érdeklődés is azt jelzi, hogy a terület gyorsan fejlődik, ahogy azt az Instinct 10 milliárd dolláros értékelésről szóló tárgyalásai és a Muse gyors felfutása is mutatják. Az OpenAI szeptember 29-i fejlesztői konferenciája (DevDay) is hozhat újdonságot a hangalapú ügynökök terén, bevezetési döntést azonban nem érdemes egy bejelentésre várva halogatni, mert a mostani eszközökkel is mérhető eredmény érhető el.

A másik oldalt sem szabad szem elől téveszteni. Ahogy a Muse és az Instinct példája mutatja, előbb-utóbb a te cégedet is gépek fogják hívni az ügyfeleid nevében, a jövőben pedig valószínűleg sok telefonbeszélgetés zajlik majd két gép között, emberi jóváhagyással a végén. Aki most megtanulja, hogyan beszél egy hangügynök pontosan, udvariasan és ellenőrizhetően, az mindkét helyzetre felkészül.

Miben segít a Convergo?

Ha kíváncsi vagy, melyik hívástípust érdemes a te cégednél elsőként gépre bízni, a Convergónál egy AI-felméréssel kezdünk: átnézzük a hívásforgalmadat, kiszámoljuk a várható percdíjat és megmutatjuk, hol lehet valódi megtakarítás, illetve hol nem éri meg. A kiválasztott folyamatnál workflow automatizációval kötjük össze a hangügynököt a naptárral, az SMS-küldéssel és a visszahívási feladatokkal, az egyedi AI-integráció keretében pedig a meglévő CRM-edhez, Odoo-rendszeredhez vagy webshopodhoz illesztjük úgy, hogy a gép csak a szükséges adatokhoz férjen hozzá. Az első lépés egy ingyenes egyeztetés, amelyen a saját hívásnaplód alapján közösen eldöntjük, érdemes-e belevágni.