AI a kis marketingügynökségben: hogyan maradj más, ha már mindenki használja

AI-segítséggel írva, a cikk végén felsorolt forrásokból.

Röviden: A kis ügynökségben az AI ma alapfelszerelés, ezért önmagában nem különböztet meg. Ugyanaz a modell ugyanazt az átlagot írja mindenkinek. A különbséget az ügyfélről leírt tudás adja: márkahang, ajánlat, tiltott és jóváhagyott állítások, a vevők saját szavai, egy helyen, gazdával és dátummal. Aki ezt felépíti, annak az AI a saját módszerét gyorsítja.

Hétfő délelőtt van. A junior kolléga kiküldi az ügyfélnek a heti négy posztot, amit egy AI-eszköz írt meg negyedóra alatt. Az ügyfél válasza egy sor: „Ez bárkiről szólhatna.”

Igaza van.

A poszt nem rossz. A helyesírás rendben, a hossz rendben, a hangvétel barátságos. Csak semmi nincs benne, ami ehhez az ügyfélhez kötné: se a termék furcsa részlete, se az, ahogy a vevői beszélnek, se az a mondat, amit a tulajdonos soha nem írna le.

A hiba rendszerint nem az eszközben van. Az ügyfélről szóló tudás az ügyfélkapcsolati menedzser fejében, három chat-szálban és egy régi kreatív briefben ül, és ebből a gép semmit nem lát.

Ez az útmutató a 2–15 fős ügynökségnek szól, ahol az AI már napi eszköz, és a kimenet egyre jobban hasonlít a versenytársakéra. Végigveszi, hogyan lesz az ügyféltudásból leírt, forrásolt, gondozott anyag, amiből a csapat és a gép is dolgozik, és mit jelent ez az árazásra, a szerződésre és az ügyfélszerzésre.

Marketing ügynökség AI: mit használ ma a szakma, és mire?

A marketing ügynökség AI az a munkamód, amelyben az ügynökség a szövegírás, az elemzés és a riport egy részét AI-eszközzel végzi, a stratégiát és a jóváhagyást pedig ember viszi. A szakmában ez már többségi gyakorlat. A kérdés ezért az, hogy a gép miből dolgozik, és ki ellenőrzi, amit ír.

Az eszköz már nem előny.

Az amerikai NinjaCat 2025 januári felmérésében az ügynökségek 91 százaléka használt valamilyen formában AI-t, és 89 százalékuk tervezte, hogy a következő évben többet költ rá (NinjaCat, 2025). A minta 547 amerikai döntéshozó volt, gyártói felmérésben. A pontos arányt érdemes fenntartással kezelni, az irányt nem.

Itthon lassabb a kép. A legalább 10 fős magyar cégek közül a reklám, piackutatás és egyéb szakmai szolgáltatás csoportjában 2025-ben 20,67 százalék használt AI-t, az EU-ban 48,02 százalék (Eurostat, 2025). A csoportba más szakmák is tartoznak, és a 10 főnél kisebb cégeket nem méri. Csak az ügynökségekre szűkített magyar adatra nincs megbízható nyilvános forrás.

Közben a magyar piac apró cégekből áll. 2023-ban 7529 reklámügynökségi vállalkozás működött Magyarországon, és 97,3 százalékuk 10 főnél kisebb volt (Eurostat, 2023).

Mit jelent ez neked? Ha a hazai versenytársaid nagy része még kísérletezik, most látszik különbségnek a rendezett ügyféltudás. Pár év múlva valószínűleg alapelvárás lesz, és akkor már csak a hiánya tűnik fel.

Miért hasonlít egymásra minden ügynökség AI-szövege?

Az AI-szöveg azért hasonlít egymásra, mert a modell abból dolgozik, amit kap, és egy kétsoros promptból a kategória átlagát írja meg. Minden ügynökség ugyanazokhoz a modellekhez fér hozzá. A különbséget ezért az adja, amit az ügyfélről a gép elé teszel, és az, hogy ezt ki tartja karban.

A prompt nem tudás.

Gondolj a médiaügynökség körlevelére a tévés listaárak emeléséről: ugyanaz a szöveg megy minden hirdetőnek. Formailag hibátlan, a hirdető mégis érzi, hogy nem róla szól. A médiatervező, aki tudja, hogy ennél az ügyfélnél a novemberi kampányon múlik az év, ugyanazt a hírt másképp írja meg.

A keresők is figyelik ezt. A Google szerint az AI-val készült tartalom rendben van, ha a felhasználót segíti, de ha valaki AI-val sok oldalt gyárt hozzáadott érték nélkül, az a tömeges tartalomgyártás szabályába ütközhet (Google Search Central, 2026). Ugyanez az oldal azt kéri, hogy a címet, a meta-leírást és a képek alt-szövegét közzététel előtt ellenőrizze valaki.

Ügynökségi nyelvre fordítva: ha tíz ügyfélnek ugyanabból a sablonból írsz blogot, a kockázatot az ügyfél weboldala viseli. A felelősséget te.

Hol van ma a tudás, amiből a szöveg egyedi lehetne? A legtöbb kis ügynökségnél ezeken a helyeken:

• az ügyfélkapcsolati menedzser fejében, aki három éve viszi az ügyfelet;
• e-mail-szálakban, ahol a tulajdonos egyszer leírta, mit nem szabad állítani;
• a kreatív briefben, ami a pitch óta nem változott;
• az arculati kézikönyvben, ami a színeket leírja, a hangot nem.

Hol segít az AI egy kis ügynökségben, és hol nem?

Az AI ott segít a legtöbbet, ahol sok a nyersanyag és kicsi a kockázat: ötletelés, első vázlat, riport-összefoglaló, átírás más csatornára. Ott segít a legkevésbé, ahol ítélet kell: mit állíthat az ügyfél, mi illik a márkához, és mit hagy jóvá a tulajdonos. A kettő határát érdemes leírni.

A határvonal a te döntésed.

Az amerikai Forrester és a 4A's 2024-es felmérésében az ügynökségek leggyakrabban kreatív koncepciók ötletelésére (74 százalék), a közönségről szóló ismeretek összefoglalására (59 százalék) és a kampányeredmények összefoglalására (49 százalék) használták a generatív AI-t (Forrester, 2024). Az utolsó a havi riport. Mindhárom olyan munka, ahol a nyersanyagot az ügynökség adja.

Észrevetted? A jobb oldali oszlop minden sora ügyféltudás. Ha az nincs leírva, a bal oldali oszlop gyors, de üres.

Ezt érdemes a csapatnak is kimondani. A junior, aki a vázlatot írja, nem tudhatja, mit nem szabad az ügyfél nevében állítani, ha senki nem írta le. A senior, aki tudja, a javítási körökben adja át, darabonként, és ez a tudásátadás leglassabb módja.

Egy gyakorlati szabály: amit a gép ír, azt ember olvassa el, mielőtt az ügyfél elé kerül. Ez nem bizalmatlanság a géppel szemben. A felelősség ott marad, ahol az aláírás.

Igen, de az ügyfél észreveszi egyáltalán?

Az ügyfél nem feltétlenül tudja megmondani, hogy egy szöveget AI írt, de azt hamar észreveszi, ha a szöveg nem róla szól. Ez a második a veszélyesebb. A „bárkiről szólhatna” visszajelzés azt üzeni, hogy az ügynökség nem ismeri eléggé az ügyfelet; az eszközről nem mond semmit.

Az ügyfél a kimenetet hasonlítja.

Érthető, ha úgy gondolod, ez túlzás: a legtöbb ügyfél nem kér betekintést a munkafolyamatba, és a havi riport is rendben megy. Csakhogy az ügyfél a te posztodat a versenytársa posztja mellé teszi, és ha a kettő ugyanabból az átlagból jött, összecserélhető. Ott kezdődik a baj, ahol a két szöveg felcserélhető.

Van egy kevésbé látható oldala is. Az amerikai szerzői jogi hivatal 2025-ös jelentése szerint a puszta prompt megadása nem teszi védetté az AI kimenetét, az emberi válogatás, elrendezés vagy átírás viszont védhető lehet (U.S. Copyright Office, 2025).

Ez amerikai álláspont, nem magyar jog. Az irányt viszont jól mutatja: az értéket az emberi munka teszi hozzá.

Az ügyfél tehát nem a gépet fizeti meg. Azt fizeti, amit te tudsz róla, és amit a gép nélküled nem tudna.

A másik gyakori kifogás így hangzik: „Majd ha szól, finomítunk rajta.” Érthető, hiszen a javítás a szakma része. A javítási kör viszont idő, amit ritkán számlázol ki.

Példa (szemléltető, nem valós eset): egy ügyfélnél havonta 12 anyag megy ki, és mindegyiknél kell egy plusz kör, mert a szöveg általános. Ha egy kör fél óra, az havi 6 óra, évente 72 óra, egy ügyfélnél. Ennyi idő megy el olyan munkára, amit senki nem rendelt meg.

Ez a halogatás ára. Nem látszik a számlán, csak a csapat estéin.

Mi az ügyféltudás, és miből áll egy ügyfél „agya”?

Az ügyféltudás minden, amit az ügynökség az ügyfélről tud, és ami nélkül a szöveg általános lenne: kinek ad el, mit, milyen áron, hogyan beszél, mit nem állíthat, és mit mondanak róla a vevői. Akkor ér valamit, ha le van írva, forrással, egy helyen.

Ami nincs leírva, az a kollégáé.

A tudás három dologtól marad élő: van gazdája, van dátuma, és minden sor mellett ott a forrás. Ha egy árat a júniusi árlistából vettél, azt odaírod. Ha a tulajdonos szóban mondta, azt is.

Ha ügyfelenként egy fájlban tartod a márkahangot, nem kell minden promptot átírni: ennek a módját a brand hangnem útmutató ügyfelenként egy fájlban cikk írja le. Hogy az első héten mit kérdezz, azt az ügyfél-onboarding kérdőívről szóló cikk sorolja fel.

Hogy a tudás ne a távozó kollégával menjen el, arról az ügyféltudás dokumentálása szól. A promptok gondozásáról, és arról, miért avul el egy saját építésű gyűjtemény, a promptkönyvtár marketingügynökségnek cikkben írok.

Egy ügyes kolléga egy ilyen mappát három nap alatt összerak, és ez rendben is van. Az összerakás a könnyebb fele. A nehezebb az, hogy a következő árlista és a következő visszadobott kampány után is igaz legyen, ami benne áll.

Ügynökségi árazás: mi történik, ha a gyártás rövidebb lett?

Ha az AI lerövidíti a gyártást, és te óradíjban számlázol, a megtakarítás a te számládból jön le. Ha a havi átalánydíj a leszállított anyagokra, az ellenőrzésre és a stratégiára épül, a rövidebb gyártás a te marzsodat javítja. Az AI-korszak első vezetői döntése ezért az árazás.

Az ügyfél már kérdezi.

A Productive 2025 novemberi, mintegy 180 ügynökségre épülő gyártói felmérése szerint az ügynökségek nagyjából harmada kapott már „AI-kedvezmény” kérést, és közel fele számít rá hamarosan (Productive, 2025). A módszertant az oldal nem írja le. Arra viszont elég, hogy ne a tárgyaláson találkozz először a kérdéssel.

A nyomda sem adja olcsóbban a katalógust azért, mert gyorsabb lett a digitális gépe. A rövidebb gépidő az ő hatékonysága. A megrendelő azt fizeti, hogy a szín a próbanyomat szerint jöjjön ki, és a doboz határidőre ott legyen.

Ez nem azt jelenti, hogy soha nem engedsz. Ha egy anyag tényleg sokkal kevesebb munkával készül, és semmi nem lépett a helyére, korrekt nyíltan csökkenteni a terjedelmet vagy az árat. Ha viszont a megtakarított gyártási időt ellenőrzésre, tényellenőrzésre és stratégiára fordítod, azt meg kell mutatni a díj tételeiben.

Az irány a szakmában is látszik. A NinjaCat már idézett felmérésében az amerikai ügynökségek 28 százaléka lépett el a hagyományos óradíjas elszámolástól az érték- vagy eredményalapú árazás felé, és 45 százalékuk AI-alapú megoldást is árul szolgáltatásként (NinjaCat, 2025). Kis ügynökségnek ehhez nem kell bonyolult sikerdíjas szerződés. Elég, ha a havi átalánydíj tételei a leszállított anyagokat és az ellenőrzési lépéseket mutatják.

Ehhez kell az ügyféltudás is. Amíg minden szöveg három javítási kört kér, nincs mit árazni: a gép megspórolt ideje elmegy a javításra.

A teljes levezetést, a díjbontással és a kedvezménykérésre adott válasszal, az ügynökség árazás az AI-korszakban cikk adja.

Eszköz, szerződés, felelősség: a keret, amiben dolgozol

Az AI-munkát három külső keret határolja: milyen eszközbe kerül az ügyfél adata, mit enged a szerződés, és ki felel a kész reklámért. Mindhármat érdemes leírni, mielőtt az ügyfél rákérdez. A kis ügynökségnél ezt gyakran senki nem viszi, mert mindenki a következő határidőn dolgozik.

A felelősség a gépre nem tolható át.

A magyar önszabályozás ezt ki is mondja. A Magyar Reklámetikai Kódex 2023. június 30-tól hatályos változata szerint a fizetett influenszer-tartalmat az elején kell jelölni, és az influenszer, a hirdető és az ügynökség együtt felel (Economx, 2023). Ha az AI-val írt posztból kimarad a reklám jelölése, az ügynökség ugyanúgy ott áll a felelősök között.

Az eszköz kiválasztása ugyanilyen döntés. Mielőtt újabb szoftvert veszel, nézd meg, honnan veszi az ügyfél adatait, hová teszi, és ki gondozza. Erről szól a marketing ügynökség szoftver cikk, ami az eszközválasztás előtti kérdéseket sorolja.

Ha partnerügynökségnek dolgozol névtelenül, a kérdés az, kié a tudás és kié a fiók. A white label marketing kis ügynökségnek cikk azt írja le, mit kell a szerződés elején rendezni.

Ha pedig a megbízó a szerződésben kizárja az AI-t, előre le kell írni, mi kerül AI-eszközbe és mi nem. Ehhez ad keretet a ha az ügyfél kizárja az AI-t szerződésben cikk.

A közös pont egyszerű. Ha az ügyféltudás le van írva, a szerződés is pontosabb: tudod, melyik fájl kié, melyik eszközbe mi kerül, és ki hagyta jóvá.

Hogyan látszik kívülről a különbség: ügyfélszerzés és weboldal

A rendezett ügyféltudás kívülről abban látszik, hogy ki tudod mondani, kinek dolgozol, mit mérsz és mit nem vállalsz. Ezt a legtöbb ügynökségi weboldal nem mondja ki, mert a teljes szolgáltatáslistát sorolja. A szűkebb ajánlat elsőre kockázatnak tűnik, a vevőnek viszont kapaszkodó.

A lista mindenkié.

Termékfotóst sem az alapján választasz, hogy a névjegyén esküvő, portré, drón és termék áll egymás alatt. Azt hívod, akinek a portfóliójában fehér hátteres, webshopra vágott termékképek sorakoznak, és aki előre megmondja, hány kép jön egy napból.

A magyar piac szerkezete ezt felerősíti. A magyar reklámszektor foglalkoztatottjainak 62,3 százaléka 10 főnél kisebb cégben dolgozik, az uniós átlag 47,3 százalék (Eurostat, 2023). Sok kis szereplő között a kimondott szakterület az, amitől a vevő megtalál.

A szűkítéstől a kis ügynökség azért tart, mert minden megbízásnak örül, és egy elmaradt projekt is látszik a hónap végén. A szakterület viszont nem tiltás: azt mondja meg, kinek írod a weboldalt, és kinek a szakcikket.

Az ügyfélszerzés gyakorlati oldalát a marketing ügynökség ügyfélszerzés cikk írja le, hirdetés nélkül. A weboldal szövegéről, arról, hogy mit írj, ha mindenki ugyanazt ígéri, a marketing ügynökség weboldal cikk szól.

A két téma összeér. Amit az ügyfeleidről tudsz, abból lesz a referencia, az esetleírás és a weboldal szövege. Amit nem írtál le, abból semmi.

Mit tegyél: az első 90 nap egy ügyféllel

Kezdd egy ügyféllel, ne az egész portfólióval. Válaszd azt, akinél a legtöbb javítási kör megy el, írd le a tudását egy helyre, és mérd órában, mennyi átírás marad. Ha egy ügyfélnél működik, a minta átvihető a következőre; ha nem, kis áron tanultál.

Egy ügyfél, egy mappa, egy gazda.

1. Első két hét: tedd fel újra az onboarding kérdéseit, most írásban. Ami a válaszokból hiányzik, az lesz a lista, amit a tulajdonostól kérsz.
2. Harmadik-negyedik hét: írd meg a márkahang-fájlt a jóváhagyott korábbi szövegekből és a tulajdonos javításaiból. Minden szabály mellé egy példa kerül, jó és rossz.
3. Második hónap: a promptok ebből a mappából dolgozzanak, ne a kolléga emlékezetéből. Minden fájlnak legyen gazdája és utolsó ellenőrzési dátuma.
4. Harmadik hónap: számold meg a javítási köröket anyagonként, és a senior kolléga órái közül azokat, amik erre az ügyfélre mentek.

Ha a javítási körök száma nem csökken, a hiba a leírásban van. Nézd meg, mit kérdez vissza az ügyfél, és az kerüljön be a mappába. Ha csökken, nézd át az árazást is, mielőtt az ügyfél kéri.

Melyik ügyfél legyen az első? Az, akinél a javítási körök a legtöbb időt viszik, akinél a tulajdonos elérhető egy egyórás beszélgetésre, és akinél a munka rendszeres: tartalomnaptár, közösségimédia-kezelés, havi riport. Egy egyszeri kampányon nem látszik a különbség. Egy havi ritmusú ügyfélen igen.

Példa (szemléltető, nem valós eset): egy 6 fős ügynökség egyik ügyfelénél havonta 8 anyag készül, anyagonként átlag 2 javítási körrel. A tudásmappa első változata 10 óra munka. Ha a javítási kör anyagonként 1-re csökken, és egy kör fél óra, havonta 4 óra szabadul fel, vagyis a 10 óra két és fél hónap alatt jön vissza.

Az AI-t bárki megveheti. Az ügyfeled tudását csak te tudod leírni.

Ezen a héten egy döntés elég: melyik ügyfél lesz az első, és kinek a neve kerül a mappája tetejére gazdaként. Ha a gazda helyére senkit nem tudsz beírni, a munka ott kezdődik, nem az eszközválasztásnál.

A sorozat összes cikkét a marketingügynökségeknek szóló cikkek oldalán találod. Ha az ügyféltudás rendbetételét nem magad építenéd fel, a Miriad üzleti agya ilyen forrásolt cégtudást rak össze egy helyre. Bemutató vagy konzultáció

Gyakori kérdések

Kell-e szólnom az ügyfélnek, hogy AI-val dolgozunk?

Igen, és jobb, ha az ajánlatban teszed, nem utólag. Írd le, melyik lépésben használsz AI-eszközt, ki ellenőrzi a kimenetet, és milyen ügyféladat kerül az eszközbe. Ha az ügyfél később tudja meg, minden korábbi számlát gyanúsnak lát. Ha előre tudja, a kedvezménykérésnél is erősebb a helyzeted, mert a díjbontás már az asztalon van.

Elég, ha jobb promptokat írunk?

Nem elég. A jobb prompt jobban kéri ugyanazt, de ha a gép nem tudja, ki az ügyfél, mit árul és mit nem állíthat, akkor is a kategória átlagát írja. A prompt akkor dolgozik jól, ha egy leírt, friss ügyféltudásra hivatkozik. Ezért érdemes a promptkönyvtárat és az ügyféltudást együtt gondozni, egy gazdával.

Mennyi idő felépíteni egy ügyfél tudásmappáját?

Az első változat egy jól előkészített onboarding után néhány munkaóra, mert a tudás nagy része már megvan, csak szétszórva. A nagyobb munka a gondozás: minden árváltozás, új termék és visszautasított szöveg után frissíteni kell. Ezt a saját első ügyfeleden mérd meg órában, mielőtt a többire kiterjeszted.

Mi van, ha az ügyfél nem akarja, hogy az adatai AI-eszközbe kerüljenek?

Akkor ezt a szerződésben kell rögzíteni, nem szóban. Írd le, milyen adat kerülhet eszközbe és milyen nem, melyik eszközről van szó, és ki dolgozik vele. Az ügyféltudás akkor is leírható és használható, ha egy része csak a csapatnak szól. A részleteket a szerződéses AI-kizárásról szóló cikk adja.

Kisebb ügynökségnek is megéri ezzel foglalkozni, vagy csak nagynak?

A kisebbnek inkább. A három-négy fős csapatban egy ember kiesése az ügyfelek egy részének teljes tudását viszi el, és a vezető lesz a szűk keresztmetszet. A leírt ügyféltudás itt a helyettesítést teszi lehetővé, és akkor éri meg, ha a javítási körök és a visszakérdezések ideje egy ügyfélnél már látszik a hónapon.

Hogyan kezdjem, ha nincs időm nem számlázható munkára?

Egy ügyféllel, és ott is a leggyakoribb javítási okkal. Ha az ügyfél mindig a hangnemet javítja, a márkahang-fájl jön először; ha a tényeket, akkor az ajánlat és az ár. Mérd órában, mennyi javítás marad. Ha az első ügyfélnél nem csökken, nem kell a többire kiterjeszteni, és a ráfordított idő kicsi marad.

Források

• NinjaCat: AI & The Agency of the Future, key insights from our 2025 research, 2025
• Eurostat: Artificial intelligence by NACE Rev. 2 activity (isoc_eb_ain2), 2025-ös adat, 2026
• Eurostat: Enterprise statistics by size class (sbs_sc_ovw), NACE M73.1, 2023-as adat, 2026
• Google Search Central: Google Search's guidance on using generative AI content on your website, 2026
• Forrester: US agencies are currently leading generative AI adoption, 2024
• U.S. Copyright Office: Copyright Office releases Part 2 of Artificial Intelligence Report, 2025
• Productive: Agencies in the AI Era, Between Hype and Reality, 2025
• Economx: Szigorodik a Magyar Reklámetikai Kódex, 2023