Absztrakt

A mesterséges intelligencia (MI) alkalmazása a segítő hivatásokban – így a szociális munka, a mentálhigiéné, az oktatás és a mediáció területén – mára megkerülhetetlen szakmai valósággá vált, amely alapvető etikai dilemmákat vet fel. A tanulmány a hazai és nemzetközi szakirodalom, tudományos etikai irányelvek, a gyakorlat, valamint a legfrissebb jogszabályi keretek (például a 2025. évi LXXV. törvény és az EU MI-rendelete) elemzésével vizsgálja a technológia nyújtotta lehetőségeket és kockázatokat. Az elemzés kitér az adatvédelem, a titoktartás, az algoritmikus torzítás és a döntési felelősség kérdéseire. Bár az MI hatékonyan támogatja a korai diagnózist és a szakemberek tehermentesítését, nem pótolhatja az empátiát és az intuitív döntéshozatalt. A vizsgálat konklúziója szerint a technológia kizárólag kiegészítő eszközként, szigorúan szabályozott etikai keretek között alkalmazható. A segítő szakmák felelőssége a tudatos társadalmi reflexió és olyan folyamatok kidolgozása, amelyek elsődlegesen az emberi autonómiát és a sérülékeny csoportok védelmét szolgálják.

Kulcsszavak: mesterséges intelligencia (MI), segítő hivatások, etika, integráció

DOI: 10.56699/MT.2026.2.6

A mesterséges intelligencia (a továbbiakban: MI) a legújabb technikai vívmány. Hatását többen az ipari forradaloméhoz hasonlítják, mivel teljesen megváltoztatja a 21. századi ember hétköznapjait, a technikához való viszonyát, emberi kapcsolódásait és a gondolkodását. Ez a transzformáció a humánszolgáltatások és a segítő hivatások szinte minden területét érinti, közvetlen hatást gyakorolva mind a szakemberek, mind a kliensek életére és életminőségére (Magyarország kormánya, 2025; Somosi–Hajdú, 2023; Szalay, 2023).

Az MI létrejötte és használata a segítő szakmákban új feladatokat generál, és új távlatokat nyit meg a diagnosztika, a tájékoztatás, a kísérés és a terápiás folyamatok területén. Ugyanakkor véleményem szerint tudományos szempontból kiemelt figyelmet igényel az a kérdés, hogy a digitális környezetben és az automatizált rendszerek használata során miként tarthatók fenn a segítő szakma alapértékei. Például hogyan fog a jövőben megjelenni az információhoz való hozzáférés területén az egyenlő esélyek megteremtése, a kapcsolattartásban a biztonságos tér kialakítása, a titoktartás biztosítása, valamint az egyéni segítés során a képessé tevés és a felelős kísérés.

A segítő szakemberek és a kliensek jelenleg gyakran információs deficitben vannak a technológia jogi és etikai korlátaival, valamint az egyénre gyakorolt hosszú távú pszichológiai hatásaival kapcsolatban. Az elmúlt két évben végzett tudatos megfigyeléseim, összegzéseim – amelyek többségükben konferenciákon, hazai és nemzetközi képzéseken alapultak – megerősítették bennem e hiányosságok súlyát. Szupervizori, mediátori praxisomban és az egyetemi oktatásban is mindennapossá vált a kérdés: miként dolgozik együtt a kliens a technológiával, és ez hogyan befolyásolja a segítő kapcsolatot?

Az MI-re adott kormányzati és jogi válaszok elemzése során arra jutottam, hogy míg nemzetközi szinten egyes szervezetek – mint az ASWB (Association of Social Work Boards) – már tíz évvel ezelőtt kidolgozták a technológia alkalmazásának etikai standardjait például a szociális munka területén (ASWB, 2015), addig a hazai szabályozási környezet az EU 2024/1689. számú rendeletének végrehajtásáról szóló 2025. évi LXXV. törvénnyel (Magyar Országgyűlés, 2025) csak most hozza létre az egységes jogalkalmazási kereteket. A segítő szakmák többségében még csak szakmai értekezések szintjén foglalkozunk a szakmai dilemmákkal, kérdésekkel, a gyakorlatba való átültetés sok helyen még el sem kezdődött.

A segítő szakmákban tapasztalható információs deficitre és a mindennapi praxis során felmerülő kérdésekre reagálva ebben az esszében szeretném összefoglalni legfőbb gondolataimat. A témát a következő kérdések mentén gondoltam végig. Használjuk-e az MI-t a segítő munkában, segítő folyamatokban vagy a hétköznapjainkban? Ha igen, mire és melyiket? Ha nem, miért nem? Van-e, amitől tartunk a mesterséges intelligenciával kapcsolatban? Van-e relevanciája a munkánkban való használatának? Hol vannak ennek a határai, és milyen etikai kérdések merülnek fel a használat során?

A cikkben összefoglalom a legfontosabb megállapításaimat a kérdések mentén haladva, hátha segítenek a szakembereknek az MI tudatos használatában vagy a lehetséges szakmai keretekre irányuló közös gondolkodásban.

ALAPOK

„A mesterséges intelligencia (angolul: artificial intelligence, AI) alatt olyan szoftveralapú technológiákat értünk, amelyek magukban foglalják a gépi tanulást, a logikai és tudásalapú rendszereket és statisztikai megközelítéseket” (Szalay, 2023: 2).

A szakirodalomban a gépi tanulást általában olyan adatfeldolgozó folyamatként írják le, amely nagy mennyiségű – online vagy korábban rögzített – adat statisztikai elemzésével tár fel összefüggéseket, és ebből új ismereteket hoz létre. Ha modellezzük ezt a folyamatot, azt mondhatjuk, hogy az adott szoftver először is összegyűjti a világhálóról vagy más gépi környezetből származó, korábbi vizsgálatok során tárolt adatmennyiséget. Másodszor statisztikai eljárásokkal elemzi őket, harmadszor pedig a megadott kérdés vagy utasítás alapján összefüggéseket keres, és megállapításokat tesz. Végül az azonosított mintázatokból jövőbeli döntéseket, előrejelzéseket vagy terveket javasol a felhasználónak, illetve más alkalmazásoknak (Magyarország kormánya, 2025; Szalay, 2023).

A gépi tanulásnak három formája van: A (1) regressziós algoritmusokat főként akkor használja a rendszer, amikor számokkal kell dolgozni. Ilyen kérdések merülnek fel például a statisztikai, pénzügyi, gazdasági és a mérnöki adatok elemzésekor (James et al., 2021). A (2) klasszifikációs/osztályozó algoritmusok olyan gépi tanulási módszerek, amelyek előre meghatározott kategóriákba sorolják az adatokat. Céljuk új, címkézetlen megfigyelések osztályának a meghatározása a tanító adatok alapján (például veszélyeztetett vagy sem). A (3) clustering vagy klaszterezési eljárások olyan adatgyűjtési módszerek, amelyek alkalmazásának kezdetekor nem ismert az adatok közötti kapcsolat, azaz nincs előre definiált célváltozó. A cél az, hogy az adathalmazon belül rejtett mintázatokat, csoportokat azonosítsunk statisztikai és gépi tanulási módszerek segítségével. Ezek az összefüggések segíthetik a döntéstámogatást vagy a későbbi modellezést (Elemzésközpont, 2026).

Habár mindhárom módszernél meghatározó a bevitt adat, az utolsó gépi tanulási eljárás veti fel a legnagyobb kérdéseket, hiszen ebben az esetben a rendszerek tényszerű szűrés és osztályozás nélkül tanulnak emberi adatokon, melyek nem mentesek az emberi előítéletektől, sztereotípiáktól és a téves adatoktól. Az adatok forrásának azonosítása, követése sok esetben kérdéses (Somosi–Hajdú, 2023).

Az első szoftverek a marketing és a piac területén a fogyasztási szokásaink feltérképezésére és manipulálására jöttek létre (Calo, 2014). Gondoljunk csak a Google-ra vagy a Facebookra. Az MI önmagában nem tudja vagy „akarja” manipulálni az embert a válaszaival, de az adatelemzés, a tartalomgenerálás és az algoritmusok révén erős eszközzé válhat az emberek véleményének és viselkedésének befolyásolására, mivel tanulási alapja az emberi érzésekre, vágyakra gyakorolt hatások mentén jött létre (Narayanan, 2023). A gépi tanulási módszerek közötti különbségtétel rávilágít, hogy a segítő szakmákban alkalmazott MI-rendszerek nem azonos mértékben hordoznak szakmai és etikai kockázatokat. A legmagasabb kockázat a klaszterezési eljárásokat használó alkalmazások esetében van. A kockázat ezeknél a technológiáknál túlmutat a statisztikai hibákon, hiszen az ellenőrizetlen adatokon való tanulás közvetlenül vezethet algoritmikus torzításhoz és a rendszer „hallucinációihoz”. Ez a segítő folyamatban nem csupán technikai hiba, hanem melegágya a diszkriminatív döntéshozatalnak, amely súlyosan sértheti az emberi méltóságot.

JOGI KERETEK

A 2025. évi LXXV. törvényben pontos definíciót találunk a mesterséges intelligenciára, és megjelennek azok a szempontok is, amelyekre a használat során ügyelni kell:

„A mesterséges intelligencia olyan gépalapú rendszer, amelyet úgy terveztek, hogy különböző szintű autonómiával működjön, és amely a telepítés után is mutathat adaptivitást, valamint amely explicit vagy implicit célok érdekében a kapott bemenetek alapján következtetéseket von le arra vonatkozóan, hogyan állítson elő olyan kimeneteket – például előrejelzéseket, tartalmakat, ajánlásokat vagy döntéseket –, amelyek befolyásolhatják a fizikai vagy virtuális környezetet” (Magyar Országgyűlés, 2025: 2).

Explicit vagy implicit célokat említve a megfogalmazás alapján a gépi vagy ember által szolgáltatott adatok használatáról beszélünk. Az adataink használatának lehetősége ezzel teljesen szabaddá vált, és ez hosszú távon kockázatot jelenthet. Ha velünk, az ügyféllel vagy esetleg az esettel kapcsolatos információ felkerül az internetre, onnantól fogva az MI a definíció és a rendszer működése alapján felhasználhatja saját tanulása, döntései és javaslatai elkészítéséhez (Magyarország kormánya, 2025: 15, 23; Szalay, 2023: 11).

A veszélyeket felismerve négy fő alapelvet vettek figyelembe a jogalkotásban:

1. Az emberi autonómia tiszteletben tartásának Az MI ne irányítsa vagy manipulálja az embert, ne veszélyeztesse a demokratikus folyamatokat.
2. A károk megelőzésének elve; azaz a MI-alkalmazások álljanak ellen az online térben terjedő vírusoknak, rosszindulatú külső beavatkozásoknak, és garantálják az egyéni, valamint a társadalmi biztonságot.
3. A méltányosság elve az MI fejlesztése és alkalmazása során az emberi előítéleteket tükröző algoritmikus torzítások és a diszkriminatív hatások tudatos kiküszöbölését jelenti, célja pedig a technológia igazságos, átlátható és elszámoltatható működésének garantálása minden társadalmi csoport számára.
4. A magyarázhatóság elve: „A megbízható MI-rendszerek nyomon követhetők, döntéseik megmagyarázhatók” (Szalay, 2023: 5). Ez alapján tájékoztatni kell a felhasználókat, hogy MI-rendszerrel kerültek kapcsolatba, hogyan működik az MI-rendszer, milyen képességei vannak, milyen módon és megbízhatósággal használja a rendelkezésére bocsátott adatokat.

Ha a segítő szakmák oldaláról vizsgáljuk ezeket az alapelveket, gyakorlati alkalmazásuk a segítő folyamatokban számos etikai dilemmát vet fel, különösen a döntési felelősség és az adatkezelés területén.

A technológia hazai kereteit a 2025. évi LXXV. törvény határozza meg, biztosítva az összhangot a 2024 augusztusában hatályba lépett EU 2024/1689 európai uniós MI-rendelettel (EU, 2024) és a fenti irányelvekkel. A szabályozás kiemelt figyelmet fordít az alapvető jogok tiszteletben tartására, az emberi autonómiára és a sérülékeny csoportok védelmére.

Magyarország Mesterséges Intelligencia Stratégiáját ezen jogszabály alapján készítették el (Magyarország kormánya, 2025). A stratégia és a jogszabály is kiemelt figyelmet fordít a sérülékeny csoportok védelmére, ennek tagjai többek között az álláskeresők, a kis- és középvállalkozók, valamint különösen kiemelt célcsoportként a gyermekek. A kormányzat 2025-től 2030-ig irányozta elő a célok megvalósítását, és a stratégia zászlajára a társadalmi jóllét és az életminőség javítását tűzte ki.

A stratégia elsősorban gazdasági, oktatási, elemzési és fejlesztési célokat fogalmaz meg. A kiemelt célok között szerepelnek a következők: a hazai gazdaság modernizációja, a kkv-szektor termelékenységének növelése, a kulcságazatok digitális átalakítása, például az egészségügy vagy a gyártástechnológia és az oktatási rendszer alapjaiban való megújítás. Az a cél, hogy a jövő generációi már készségszinten kezeljék az MI-t. A stratégiai célok kitérnek a jelenlegi munkavállalókra is, hiszen számukra kiterjedt átképzési programokat irányoznak elő a munkaerőpiaci stabilitás megőrzése érdekében. Az MI használatával kapcsolatos célok között a tudatosság növelése és az etikus használat népszerűsítése fogalmazódik meg. A jövőben a technológia ne félelmet, hanem segítőeszközt jelentsen a mindennapokban a felhasználók életében. A kormányzati célkitűzések között szerepel továbbá egy olyan nemzeti rendszer kiépítése, amely támogatja a hazai fejlesztésű nyelvi modellek és innovatív megoldások létrejöttét az informatikai szoftverek világában. A magyar nyelvű nagy nyelvi modellek (LLM) fejlesztésének célja – ez a stratégia szerint a nemzeti szuverenitás megőrzésének alapvető feltétele –, hogy a globális, angol nyelvi alapú modellekkel szemben olyan hazai megoldások születhessenek, amelyekben az MI-technológia-alapú szoftverek mélyebben értik és használják a magyar nyelv kulturális és nyelvtani sajátosságait, és így hatékonyabbá váljanak a közszolgáltatásokban és az automatizált ügyintézésben. A szabályozás rugalmas, és a technológia gyors fejlődése miatt éves felülvizsgálatot ír elő (Magyarország kormánya, 2025).

A stratégia elolvasása során az volt a benyomásom, hogy ambiciózus, és sok irányt szabályoz, célja az MI használatának minél szélesebb, célzottabb elterjedése. Azonban a segítő területekkel kapcsolatban szinte semmi konkrét iránymutatás nem jelenik meg benne.

A stratégia az MI-t a társadalmi jóllét és az életminőség javításának eszközeként kezeli. Épp ezért fontos, hogy a segítő szakemberek is gondolkodni kezdjenek ezeken a lehetőségeken, hiszen ha az egészségügy, az oktatás és az ügyintézés területén ez lesz az alaptechnológia, akkor számunkra is megkerülhetetlenné válik.

Összefoglalva az uniós és a hazai MI-szabályozás egyértelműen az emberi autonómia, az alapjogok és a sérülékeny csoportok védelmét helyezi a középpontba, ugyanakkor a segítő szakmák számára kevés konkrét gyakorlati iránymutatást ad. A gépi tanuláson alapuló rendszerek alkalmazása különösen az adatkezelés, a döntési felelősség és az algoritmikus torzítások terén hordoz kockázatokat. A jogi keretek ezért önmagukban nem elegendők. Az MI felelős használata a segítő szakemberek tudatos etikai reflexióját, aktív szakmai szerepvállalását teszi szükségessé.

LEHETŐSÉGEK

Felmerülhet a kérdés, hogy milyen lehetőségeink vannak ma az MI használatára. Az általam megkérdezett szakemberek többsége leginkább személyes célokra használja az MI-t. A válaszok és a statisztikák alapján Magyarországon a leggyakrabban használt mesterségesintelligencia-alapú alkalmazások a következők:

1. ChatGPT (OpenAI): ezt a chatbotot használják a legszélesebb körben szövegíráshoz, ötleteléshez, kódoláshoz és összetett feladatok megoldásához.
2. Google Gemini: a Google ökoszisztémájába integrált MI-asszisztens, amely valós idejű információk keresésére és a tartalom összefoglalására alkalmas.
3. Microsoft Copilot: a Microsoft 365 alkalmazásaiba (Word, Excel, PowerPoint) és a Windowsba épített eszköz.
4. Claude (Anthropic): Terjedelmes dokumentumok elemzésére, szerkesztésre és szöveghűségre használják. Ez a gyakorlatban azt jelenti, hogy a használt szövegre adott válaszban szigorúan a megadott forráshoz tartja magát, nem talál ki és nem használ külső információkat, és nem ferdíti el a tényeket az általa feltételezett eredmények alapján.
5. Perplexity AI: MI-alapú keresőmotor, amely forrásmegjelöléssel válaszol a kérdésekre (Török, 2025).

Az emberek többsége tanulásra és információkeresésre használja ezeket az alkalmazásokat. A gyerekek és a fiatalok házi feladatok megoldásához, a közösségi médiába szánt posztok létrehozásához, kép- és hanganyag szerkesztéséhez, míg a felnőttek hosszabb szövegek összefoglalásához, jelentések és dokumentumok készítéséhez, illetve különböző témák gyors megértéséhez, valamint tájékozódásra használják a szoftvereket. A hozzám érkező és általam oktatott segítő szakemberek körében kiemelten sok esetben jelent meg lehetőségként a fordítás és idegen nyelvű szövegek javításának lehetősége.

A segítők szakmai tevékenységük során a leggyakrabban munkájuk megkönnyítése érdekében az adminisztrációhoz, tájékozódáshoz használják. Az egyéb szakmai alkalmazhatóság és a tudatos szakmai használat csak nagyon kevés esetben jelenik meg, pedig ma már kiterjedt lehetőségek vannak a kliensek támogatására, és körük egyre jobban bővül. A következőkben megpróbálok néhány ilyen lehetőséget bemutatni a szakemberek számára.

Az utóbbi években az MI-n alapuló chatbotok, például a ChatGPT, egyre fontosabb szerepet töltenek be a mentális és szociális támogatás területén is. Az MI-alapú eszközök sok esetben a személyes segítő szolgáltatásokat megelőzve jelennek meg a fiatalok és a kliensek támogatásában (Luo et al., 2025). Az MI-alkalmazások válaszaikban gyakran szolgálnak érzelmi támogatással, tanácsadással az önreflexió eszközeként. Xiaochen Luo és munkatársainak (2025) kutatása az MI szociális munkába való integrálásának modelljét mutatja be. A tanulmány empirikus adatokkal és esettanulmányokkal támasztja alá, hogy az MI-eszközök – például chatbotok, prediktív analitikák és automatizált döntéshozók – alkalmazhatók, és gyakran megelőzik a hagyományos személyes szolgáltatásokat a kliensek, különösen a fiatalok körében. A kutatás azt is kimutatta, hogy a felhasználók jelentős része érzelmi támogatás, stresszkezelés és személyes problémák megvitatása érdekében fordul a generatív MI-hez (Luo et al., 2025).

A mentális egészséggel kapcsolatos chatbotok különösen azért váltak népszerűvé, mert könnyen hozzáférhetők, anonim módon használhatók, és folyamatos, napi huszonnégy órás támogatást képesek nyújtani (Soppari et al., 2025) – szemben a mentálhigiénés szakemberekkel.

A szociális munka világában az információs és kommunikációs technológiai eszközök használata már ma is jelentős az adminisztráció és az online kapcsolattartás terén. Több olyan területet is találtam, amely nagymértékben képes hozzájárulni a szociális munka fejlődéséhez.

Kockázatbecslés a gyermekvédelemben: A prediktív analitikai rendszerek (például az Egyesült Királyságban alkalmazott modellek) több százezer ember adatait – köztük iskolai hiányzásokat, díjhátralékokat és rendőrségi feljegyzéseket – elemezve képesek kiszűráni a veszélyeztetett családokat, és előre jelezni a gyermekbántalmazás kockázatát. Az MI használatával forradalmasíthatják a szociális diagnózisok készítését és a gyermekvédelmet, s a beavatkozások preventív jelleggel valósulhatnak meg (Tóth, 2025).

Idősgondozás és biztonságtechnika: Az idősgondozásban alkalmazott okosotthonok és állapotmonitorozó eszközök, például a SensFloor elnevezésű „okospadló”, a mozgásmintázatok elemzésével képesek előre jelezni a várható eséseket vagy az állapotromlást. A ForeStream az önálló életvitelt támogató távfelügyeleti rendszer: intelligens kamerarendszert alkalmaz, amely hosszabb távon képes a viselkedési mintázat változásának jelzésére, rövid távon pedig az esésjelzésre, arcfelismerésre. A NOBI rendszer észleli az elesést, segíti a tájékozódást, éjszaka biztonsági fényt kapcsol be, a lefekvésről és felkelésről értesíti az egészségügyi személyzetet, figyelmeztet a folyadékfogyasztásra, a testmozgásra, emlékeztet a gyógyszerek bevételére, felügyeli az alvó személyt, és csatlakoztatható az egészségügyi nyilvántartásokhoz. Az MI idősotthoni alkalmazása segíthet a gondozásban, és tehermentesítheti a munkatársakat (Tóth, 2025).

A mentális állapot felmérése és a chatbotok: Az MI-rendszerek képesek hatalmas adatbázisok feldolgozására, segítve a korai diagnózist olyan betegségeknél, mint a demencia vagy a depresszió. Speciális chatbotok, például az Evebot, egyszerű chatbeszélgetések alapján szorongásra utaló jeleket azonosítanak. Más algoritmusok strukturált és nem strukturált adatok (például MRI-felvételek, laboreredmények vagy kognitív tesztek) elemzésével adnak megbízható prognózist olyan betegségekről, mint például a demencia (Ujhelyi–Zsoldos, 2022).

Szenvedélybetegségek diagnosztikája: A W-Sud chatbot és hasonló alkalmazások folyamatosan monitorozzák a kliens hangulatát, fájdalomszintjét és szerhasználat utáni vágyódását, segítve a visszaesés megelőzését. Léteznek szimulációs programok (például SBIRT), amelyek célja a problémás szerhasználat korai felismerése és a veszélyeztetettek kiszűrése (Tóth, 2025).

A pszichológiában és a mentálhigiénés folyamatokban az MI használata a diagnosztikától a terápiáig terjed. PTSD-altípusok azonosítása: az MI segítségével kifinomultabb, személyre szabott diagnózisok állíthatók fel például a PTSD esetében, az algoritmusok kérdőívek, klinikai tesztek és vérbiomarkerek alapján azonosítják a betegség altípusait. A terápiás folyamat során érzékelők elemezhetik az arckifejezést, a hangszínt és a szívritmust, valós idejű visszajelzést adva a kezelés sikeréről (Ujhelyi–Zsoldos, 2022).

Szociális készségek fejlesztése és mérése: A mentálhigiénés robotok, például Paro (a robotfóka) és az eBear szociális interakciókkal támogatják az izolált vagy depressziós embereket. Az autizmus spektrum zavarral élő gyermekek számára fejlesztették ki a Nao robotot, amely a szociális készségek (imitáció, empátia) fejlesztésében támogatja őket azáltal, hogy segít felismerni az empátiát és a kötődést (Ujhelyi–Zsoldos, 2022).

Közösségimédia-alapú diagnosztika: innovatív módon az algoritmusok nagy mennyiségű közösségimédia-poszt (például Reddit) tartalomelemzésével képesek kimutatni a mentális egészséggel, szorongással vagy öngyilkossági szándékkal kapcsolatos változásokat egy adott populációban (Tóth, 2025).

Szenzoros mérések a terápiában: Különböző érzékelők képesek az ülések alatt az arckifejezés, a hangszín és a szívritmus elemzésére, ami azonnali visszajelzést ad a szakembernek a kliens érzelmi állapotáról és a beavatkozás sikerességéről (Ujhelyi–Zsoldos, 2022).

A technológia típusa szerint a következő alkalmazáscsoportokat különböztethetjük meg:

• Chatbotok és digitális asszisztensek: A chatbotok az egyéni szükségletek és a gondolkodás alapján alakítják ki a segítő párbeszéd és módszerek hálóját a felhasználó számára. Olyan népszerű alkalmazások, mint a Woebot vagy a Ginger.com,

„gamifikált” kognitív-behaviorista technikákat, mindfulnessgyakorlatokat és folyamatos hangulatmonitorozást tartalmaznak, széles körben elérhetők és népszerűek. Specifikusabb chatbotok is léteznek, például a már említett W-Sud, amely a szerhasználat csökkentésében, a fájdalom és a vágyódás monitorozásában segít (Ujhelyi–Zsoldos, 2022).

• Az öngondoskodást segítő applikációk: mobilalkalmazások (például Health) és okosórák, melyek képesek a terápián kívüli információgyűjtésre, például az alvási mintázat vagy a fizikai aktivitás regisztrálására, visszajelzést adva a kliens állapotáról (Tóth, 2025; Ujhelyi–Zsoldos, 2022).

• Online önsegítő platformok: olyan integrált rendszerek, mint például az m-RESIST,

amely monitorozza a beteg tüneteit, biológiai adatait, és önelfogadást támogató tanácsokkal látja el a felhasználót (Ujhelyi–Zsoldos, 2022).

• Edukatív alkalmazások: A szakemberek képzésében segítenek az MI-n alapuló szimulációk (például virtuális családlátogatások). Ezek az alkalmazások biztonságos környezetben teszik lehetővé a pontosabb készségfejlesztést (Tóth, 2025).

Az itt felsoroltak csak egy kis részét jelentik a már működő eszközöknek. A technológiai fejlődésnek köszönhetően kínált innovatív eszközök tudatos integrálása nemcsak a szakmai hatékonyság növelésének lehetőségét hordozza magában, hanem a segítő szakmák módszertani megújulását is szolgálja, lehetővé téve, hogy a szakemberek az adminisztratív terhek helyett valóban a kliensek egyéni szükségleteire és a mélyebb kapcsolati munkára fókuszálhassanak.

HATÁSOK

Az MI hosszú távú hatásvizsgálata folyamatos, de vannak olyan pozitív és aggasztó hatások, amelyek már most is láthatók. Kezdjük az ügyfelek és segítők számára jelentkező előnyök áttekintésével.

Az MI-alapú szoftvereknek köszönhetően az ügyfelek huszonnégy órán át kaphatnak segítséget, és így kérdéseikkel nem maradnak magukra. A hatalmas információs adathalmazoknak köszönhetően széles körű tájékoztatáshoz juthatnak hozzá rövid időn belül. Az MI felismerheti a vészhelyzeteket, és értesítheti az életmentő egységeket, illetve jelezheti a szakszolgálatok felé a veszélyeztetett állapotot. Képes felismerni a problémákat, különbséget tenni köztük, és a megfelelő szakemberhez irányítani a klienst. A jelzések így pontosabbak, és az ügy vagy az ügyfél előbb kaphat megfelelő segítséget (Tóth, 2025; Ujhelyi–Zsoldos, 2022).

Ahol van internet-hozzáférés, és adottak a technikai feltételek, a szolgáltatáshoz való hozzájutás biztosított. A kliensek szabadabban intézhetik ügyeiket, és akár távolról is kapcsolódhatnak a segítő szakemberhez. A nyelvi moduloknak köszönhetően nem csak a helyválasztás vált szabaddá, hanem az információhoz való hozzájutás is, hiszen a nemzetközi információk épp olyan könnyen elérhetők a saját anyanyelvükön az ügyfelek számára, mint bármi más. A tolmácsalkalmazásokkal könnyebbé válik a kapcsolattartás és a közös munka a külföldi kliensekkel (Magyarország kormánya, 2025).

Talán a legtisztábban mérhető hatás az adminisztratív tehermentesítés. Az adatelemzés fokozásával rövidebb idő alatt összegezhetők a kliensadatok. Az MI a repetitív, adminisztratív munkafolyamatok – e-mailek megválaszolása, rögzítés egyszerre több rendszerbe, időpontfoglalás stb. – átvállalásával lehetőséget ad a segítők idejének felszabadítására, így azok több kapacitást és energiát fordíthatnak a valódi, érdemi kapcsolódásra a kliensekkel. Lehetőség nyílik továbbá nagy mennyiségű strukturált és nem strukturált adatot (például korábbi esettanulmányokat, laborleleteket) gyorsan összegezni, így a szakember pillanatok alatt kimutatásokat, éves beszámolókat, elemzéseket készíthet akár bonyolultabb esetekkel kapcsolatban is. Ezáltal a munkája hatékonyabbá és átláthatóbbá válik.

Az alacsony intenzitású beavatkozások, amelyeknél a támogatási formák kevés közvetlen szakemberi részvételt igényelnek, például szociális területen (segélyek igénylésének támogatása, hivatalos ügyek koordinálása, információs tanácsadás esetében), az MI lehetőséget ad a szakember helyettesítésére. Beléphetnek a chatbotok és önsegítő alkalmazások, amelyek alkalmasak ezen esetek, kérdések kezelésére. Így felszabadulhatnak helyek, és a szakembereknek nem kell túlzott esetszámmal dolgozniuk.

Az MI hozzájárulhat a szakemberek kiégésének megelőzéséhez azáltal, hogy a szociális munka, a mentálhigiéné és például konkrétan az idősellátás területén az MI-alapú rendszerek csökkentik a folyamatos felügyeletből adódó stresszt és a fizikai megerőltetést (Tóth, 2025; Ujhelyi–Zsoldos, 2022). A prediktív analitikai rendszerek a gyermekvédelemben segíthetnek a veszélyeztetett családok gyorsabb és pontosabb kiszűrésében, ami csökkenti a szakemberek bizonytalanságát és a döntéshozatallal járó terheket. Ezenkívül az egyes algoritmusok segítségével mérhetők az ügyfél reakciójának, elégedettségének és empátiájának jelei az üléseken, a segítő beszélgetéseken, visszajelzést adva a terapeuta, illetve a szociális munkás munkájának hatékonyságáról. Az, hogy a szakember követheti, észlelheti, és transzparensen igazolhatja munkája sikerességét, bizonyítottan csökkenti a kiégés veszélyét, hiszen megszűnik vagy csökken a sikertelenség érzése.

Az MI olyan eszköztárat biztosít a segítő szakemberek számára, amelynek segítségével tájékoztató anyagokat, felületeket hozhatnak létre, melyeken keresztül meg tudják szólítani az online térben „rekedt” fiatalokat is. Mindenki számára elérhető és érthető kommunikációs platformokat hozhatunk létre, transzparensebbé téve a munkánkat a társadalomban.

Végül, de nem utolsósorban az MI-alapú szimulációs oktatási platformok (például virtuális családlátogatások, szimulált segítő beszélgetések) lehetővé teszik a nehéz helyzetek biztonságos környezetben való gyakorlását. Ma már lehetőség nyílik megismerkedni, konzultálni a különböző szakmák nagy neveivel, például a virtuálisan létrehozott Freuddal, Junggal vagy idővel akár Ferge Zsuzsával is. Így a nehéz helyzetekben a szakemberek számára is létrejön egy huszonnégy órában elérhető konzultációs tér. Ez növeli a segítők szakmai magabiztosságát és felkészültségét, ami hosszú távon ellenállóbbá teszi őket a stresszel és a kiégéssel szemben (Szalay, 2023; Ujhelyi–Zsoldos, 2022).

Összegezve: az MI-alapú rendszerek képesek nagy mennyiségű adat gyors feldolgozására, ami támogatja a döntéshozatalt, javítja a szolgáltatások hatékonyságát, célzottságát, és jelentős erőforrásokat szabadíthat fel a segítői területeken.

DILEMMÁK ÉS FÉLELMEK

A teljes képhez fontos, hogy feltárjuk a felmerülő dilemmákat és kérdéseket is. Kezdjük társadalmi szinten, ahol az MI elterjedése hosszú távon növelheti az egyenlőtlenségeket és a munkanélküliségtől való félelmet. A technológia fokozatos térnyerése már most is munkahelyek megszűnéséhez vezet, ami miatt növekszik a társadalmi feszültség (OECD, 2024).

Az új technológiák bevezetésének velejárója, hogy munkakörök szűnnek meg, újak jönnek létre, és ezáltal a munkaerőpiaci erőviszonyok teljesen átrendeződnek (Zsinkó, 2025). Azonban az MI által generált változások esetében az átrendeződési idő nem negyvenötven év, hanem jóval rövidebb, mint bármikor a történelemben. Annak, aki dolgozni szeretne, új készségeket, tudást kell szereznie, mert ha nem teszi, lemarad, vagy kiszorul a munkaerőpiacról. Ha a napi folyamatokat nézzük, az MI-t alkalmazó munkatársaihoz képest valóban lemarad az, aki nem használja e technikát, hatékonysága csökken, és egyre frusztráltabbá válik. A technikai fejlődés következtében rengeteg új kifejezés, szó került be a közbeszédbe, ami nehezíti az egymáshoz való kapcsolódást, hiszen aki nem használja ezeket, nem érti, miről van szó. Ez fokozatosan szétválasztja a munkahelyi közösségeket, és új, elszigetelt csoportokat hozhat létre. Az eddig is meglévő generációs feszültségek felerősödhetnek a készségek és a nyelvhasználati szakadékok miatt.

A jelenleg ingyenesen elérhető MI-alkalmazások beépülnek a mindennapjainkba. Megkönnyítik és átalakítják azokat a gondolkodási folyamatokat, amelyekre szükségünk van a döntéseink meghozatalához. A rendszer- és folyamatszintű problémamegoldó gondolkodásra sok esetben már nincs szükség, hiszen az összefüggéseket, megoldásokat tálcán kapjuk az MI-alapú programoktól.

Gondoljunk bele egy egyszerű példába: az utazásunk megtervezésébe. A mai technológia pár másodperc alatt megtervezi és megszervezi az utazásunkat. Nincs szükségünk naprakész információgyűjtésre, rangsorolásra, térképhasználatra, cselekvésre és döntési folyamatokra. Kizárólag a telefonunk vagy a gépünk és internet kell hozzá. Ez olyan szintű könnyebbséget jelent, amitől az ember könnyen függővé válhat. Minimális energiaráfordítással kapjuk meg a szükséges információt, és így látszólag időt, energiát takarítunk meg. De – mert mindig van egy de – nézzük meg más oldalról ezt a példát. Ülök a gép előtt, és utasításokat adok, átengedem a döntést, és „most azonnal” várom a választ. Ha pedig már itt vagyok, és várnom kell, még azt is megkérdezem, hogy…, vagy megnézek egy rövid videót.

Ismerős a példa? Az időnket a géppel kettesben töltöttük. A problémamegoldás során nem kapcsolódtunk másokhoz, nem jött létre valós interakció. Nem próbáltunk aktív gondolkodással megoldani egy problémát. A döntéseket átadtuk egy gépnek (mikor, hova, hogyan stb.). Elvesztettük az időérzékelésünk egy részét, mivel a felszabaduló időnket gyakran olyan tevékenységekkel töltjük ki, amelyek nem feltétlenül szükségesek számunkra. Ennek során figyelmünket sokszor felesleges vagy számunkra kevéssé releváns információk kötik le. Nem töltünk időt aktív fizikai cselekvéssel. A választ azonnal szeretnénk, ami csökkenti a késleltetési képességünket, s emiatt a hétköznapokban a várakozás nehézzé válik, hiszen az offline térben az információk lassabban terjednek. Az online és MI-alapú kommunikáció során elvész a vizuális és auditív támpontok egy része azáltal, hogy megszűnik a nonverbalitással átszőtt interakció. Emiatt kommunikációnk beszűkülhet, és átalakulhat érzelemmentes utasításhalmazzá. Ha ez és ehhez hasonló folyamatok mindennapossá válnak, hosszú távon változni fog az emberek egymással folytatott kommunikációja, türelme és problémamegoldó képessége. Ez azon fiatalok körében, akik sok időt töltenek az online térben, már most megtapasztalható, hiszen az aktív figyelmük ideje csökkent, a fókusztartás sokak számára nehézkes, kommunikációjuk beszűkült, tényleges emberi kapcsolódásaik száma nagymértékben lecsökkent.

Az is fontos kérdés, hogy mi fog történni a társadalomban, ha az eddig ingyenes szogáltatások fizetőssé válnak. Az online szolgáltatásokhoz való hozzáférés létszükségletté vált, gondoljunk csak az egészségügyi dokumentumok kezelésére, az időpontfoglalást támogató rendszerekre vagy az oktatási kommunikációs felületekre. Lassan az MI is beépül a mindennapjainkba, de mi lesz azokkal, akik az anyagi helyzetük, képzettségük, képességeik, technikai körülményeik vagy digitális ismereteik hiánya miatt nem tudnak hozzáférni az MI-alapú eszközökhöz, szolgáltatásokhoz? A társadalmon belül ez nagymértékben felerősítheti az egyenlőtlenséget, és kiváltsággá teszi a szolgáltatásokhoz, lehetőségekhez való hozzáférést. A probléma a segítő szakembereket éppúgy sújtja, mint az ügyfeleket.

A segítő szakmákban komoly nehézség a digitális kompetenciák hiánya. A szociális munkások 71,5 százaléka soha nem vett részt ilyen képzésen. „Megfelelő képzés nélkül fennáll a veszélye, hogy a szociális munkások alacsony színvonalú online szolgáltatásokat kezdenek el végezni” (Tóth, 2025), és nem lesznek képesek a leszakadó ügyfeleket megfelelő módon támogatni.

A másik nagy dilemmát az adatok jelentik. A segítő szakmák esetében az egyik alapvető etikai keretünk a titoktartáshoz és az adatkezeléshez kapcsolódik. A nyílt online terekben való mozgásunk és adattárolásunk során fennáll a hackelés és az adatszivárgás veszélye. Egy másik komoly probléma, hogy az ingyenesen használt MI-alapú programok esetén, sőt még néha a fizetőseknél is automatikusan elfogadjuk az adataink felhasználását anélkül, hogy ellenőriznénk az útjukat. Ezzel átadjuk őket ismeretleneknek. Az adataink a szoftverüzemeltető cég vagy a weboldalt birtokló egyén tulajdonába kerülnek át, és innentől szabadon gazdálkodhat vele. Lehetségessé válik például, hogy a segítő folyamat során kinyert szenzitív adatokat marketingcélokkal értékesítik. Tehát a kérdés az, hogy amikor mondjuk egy interjú hanganyagát begépeltetjük vagy egy ügy adatait kielemeztetjük, ezekkel az alkalmazásokkal elég körültekintően járunk-e el az adatok védelme tekintetében.

Komoly kérdés az is, hogy kit terhel a felelősség (a fejlesztőt, a szolgáltatót vagy a szakembert), ha az algoritmus hibás diagnózist ad, vagy nem ismeri fel időben, hogy a kliens kárt tehet magában vagy másokban. Ajánlhatom-e én ennek tudatában ezeket az alkalmazásokat? Jelenleg a jogi felelősség tisztázatlansága kérdésessé teszi számomra, hogy mit kezdünk ezekkel a helyzetekkel. Illetve hogyan járjunk el szakmailag felelősen azokkal az ügyfelekkel, akik a segítő folyamattal párhuzamosan konzultálnak az MI-vel, és az teljes egészében más irányba viszi az ügyfél kísérését? Kié a felelősség ebben az esetben?

Az MI nem vizsgálja és nem képes felismerni, hogy a kérdést, kérést megfogalmazó egyén cselekvőképes-e, vagy van-e belátóképessége. Épp ezért az MI-eszközök számára nehézséget jelenthet annak megállapítása, hogy a kliens rendelkezik-e a segítő folyamatba való beleegyezéshez szükséges cselekvőképességgel vagy ítélőképességgel. Emiatt sajnos olyan folyamatokba is belemehet, amelyek esetében az ügyfél még nem képes megfelelően értelmezni a kapott javaslatokat, helyzeteket.

Itt azonban fontos megemlíteni, hogy mivel a közelmúltban több sajnálatos esemény is történt, a szoftverfejlesztőknek köszönhetően az MI-alkalmazás ma már ilyen irányú kérdések esetén és veszélyeztetettség észlelésekor automatikusan próbálja szakemberhez irányítani a kérdezőt.

A szakemberek számára sokszor kihívást jelent, hogy az ügyfél kész diagnózissal és megoldással érkezik, s emiatt nehezen hajlandó elfogadni, ha a többéves szakmai tapasztalattal rendelkező, erőforrásokat ténylegesen ismerő szakember másfelé vinné a segítségnyújtást. Ez olyan kezdeti feszültséget jelent a bizalmi kapcsolatban, amely sokkal nagyobb ellenállással való munkát kíván meg a szakembertől, mint más esetekben megszokott.

A képessé tevésnek az az alapelve, hogy a klienst a folyamat kísérése során képessé tesszük problémái átlátására, kezelésére (Sadan, 2004). Az MI azonban ezt megspórolja a kész megoldással. Azáltal, hogy az MI harmadik félként „ítéletet mond”, értékeli a helyzetet a kliens helyett, aki így nem gondolja végig a helyzetét, nem maga oldja meg problémáját, belső és külső konfliktusait nem kezeli. A tanulási út elvész, a felelős jelenlét eltűnik.

Az MI jelenleg képtelen az empátia, az intuíció és a komplex emberi érzelmek teljes körű kezelésére. Az algoritmusok nem megfelelő szakmai felkészültsége pedig alacsony színvonalú ellátást eredményez vagy eredményezhet, minek következtében csökken a segítő módszerek iránti bizalom.

A technológia alkalmazása súlyos szakmai és etikai kérdéseket vet fel az „Eliza-hatást”, azaz a gépek antropomorfizálását illetően. „Az Eliza-hatás – hajlamunk arra, hogy antropomorfizáljuk a számítógépet – különös kockázatot jelenthet az MI-vezérelt terápiás eszközöknél” (Ujhelyi–Zsoldos, 2022: 86). Az antropomorfizálásból fakadó érzelmi függőség kontrollált, de steril érzelmi buborékot hoz létre. Ez gátolja a valódi társadalmi reintegrációt, hiszen a kliens mentesül a valós emberi kapcsolatok elkerülhetetlen súrlódásaitól és konfliktusaitól, ami a segítő munka végső célját, az autonóm életvitelt veszélyezteti.

Fentebb már említettem, hogy a klaszterezési eljárások esetében az algoritmusok az emberi adatokon keresztül tanulnak. Az online térben az emberek gyakran névtelenek, ezért kevésbé érzik a felelősséget a szavaikért, és könnyebben írnak bántó vagy elítélő dolgokat. Az interneten kevesebb személyes információt látunk a másikról, ezért hajlamosabbak vagyunk sztereotípiák alapján megítélni, és emellett a közösségi média is sokszor olyan tartalmakat mutat, amelyek megerősítik a meglévő véleményünket, így az előítéletek könnyebben felerősödnek (ASWB, 2015; Szalay, 2023). A gépi tanulás során az MI az általunk feltöltött vélemények, adatok alapján dolgozik, s ezek persze nem mentesek az emberi előítéletektől, sztereotípiáktól, a téves adatoktól, és az adatok forrásának azonosítása is kérdéses. Az emberi előítéletek és sztereotípiák nagyobb súlyú jelenléte az online térben hosszú távon felerősítheti például a szociális egyenlőtlenségeket, a szexizmust és a rasszizmust. Egyes szoftverek e „kérdéses” adatok alapján döntenek és adnak javaslatokat a kérdéseket illetően, és így átvehetik, felerősíthetik a társadalmi előítéleteket, ami diszkriminatív döntésekhez és az emberi méltóság sérüléséhez vezethet.

Ehhez kapcsolódnak az MI „hallucinációi” is. A deepfake-ek és dezinformációk esetében az MI által generált hamis videókról és hanganyagokról beszélünk. Az emberekben ezek a hamis információk bizalmi válságot okoznak az információ hitelességével kapcsolatban, és hosszú távon izolációhoz vezetnek. Sajnos az látszik, hogy már a tudományok területén is megjelentek a deepfake-ek, amelyek a szakemberek számára plusz nehézséget és időveszteséget okoznak. A források ellenőrzése mintegy kötelező feladattá vált minden válasz esetében, ami digitális ismeretek hiányában szinte lehetetlen kihívás. Aztán ott van még a szakmai határok elmosódása az online térben. Tóth Anikó Panna 2020-as vizsgálatában 337 szociális szakember online kérdőívét elemezte a közösségi média használatáról a segítő-kliens kapcsolatban. A kutatás alapján a szociális szakemberek 89 százalékával előfordult már, hogy kliense ismerősnek jelölte a közösségi médiában, miközben hazánkban tízből hét intézményben semmilyen szabályozás nincs az online kapcsolattartásról. Ezekben az esetekben az ügyfél számára láthatóvá válik az életem minden területe, és számomra is láthatóvá válik az ő élete. A technológia használata mellett fennáll az olyan határsértések és kettős kapcsolódások veszélye – különösen a közösségi média felületein –, amikor is a kliensek háttérinformációinak engedély nélküli keresése etikailag aggályossá válhat. A szakemberek 34,8 százaléka által bevallott engedély nélküli adatgyűjtés rávilágít a szabályozási vákuumra. Ennek az etikai kockázatnak a kezelése érdekében elengedhetetlen olyan intézményi szintű digitális protokollok kidolgozása, amelyek rögzítik a közösségi média használatának határait a segítő-kliens kapcsolatban, prioritásként kezelve a kliens önrendelkezési jogát. A biztonság és a bizalom mindkét fél részéről nagymértékben sérülhet az ilyen helyzetekben (Tóth, 2025).

Ahogy korábban már említettem, az online, illetve az MI-alapú kommunikáció során elvész a vizuális és auditív támpontok egy része, ami megnehezíti a szakember számára a kliens állapotának pontos felmérését. A jelenlegi MI-rendszerek nem képesek az emberi empátia, intuíció és a komplex érzelmek teljes körű kezelésére, valamint nehézséget okoz számukra a nem tervezhető helyzetek megoldása, hiszen döntési javaslataik előre programozott algoritmusok, válaszok alapján születnek. Nem szabad elfelejtenünk, hogy ezek az alkalmazások jelenleg még nem képesek önálló kreatív problémamegoldásra.

Az MI társadalmi és szakmai hatásai több ponton kirajzolódnak. Az MI gyors technológiai fejlődése munkaerőpiaci átrendeződést, digitális egyenlőtlenségeket és új etikai dilemmákat hozhat létre. A technológia ugyan megkönnyíti a mindennapi döntéseket és információszerzést, de hosszú távon befolyásolhatja az emberek problémamegoldó képességét, kommunikációját és társas kapcsolatait. A segítő szakmákban különösen fontos kérdés az adatvédelem, a szakmai felelősség és az emberi empátia szerepének

megőrzése az MI-alapú rendszerek használata mellett, és nagyon fontos az új (online) határterületek minél előbbi szabályozása.

ÖSSZEFOGLALÁS

Az MI gyors fejlődése egyszerre jelent új lehetőségeket és komoly szakmai-etikai kihívásokat a segítő szakmák számára, mivel alapvetően átalakítja az információhoz való hozzáférést, a diagnosztikai folyamatokat és a segítő kapcsolatok működését. A vizsgálatok azt mutatják, hogy az MI már jelen van a segítő szakemberek mindennapjaiban, azonban használata jelenleg többnyire adminisztratív, információkeresési vagy személyes célokra korlátozódik, miközben a tudatos és módszertanilag reflektált szakmai alkalmazás még kevéssé elterjedt (Tóth, 2025). A technológia egyik legnagyobb előnye a nagy mennyiségű adat gyors feldolgozásának képessége, a folyamatos – akár huszonnégy órás – elérhetőség, valamint a korai kockázatfelismerés lehetősége, amely hozzájárulhat a segítő szolgáltatások hatékonyságának és hozzáférhetőségének növeléséhez, miközben csökkentheti a szakemberek adminisztratív terheit.

Ugyanakkor az algoritmusok működése gyakran torz vagy hiányos adatbázisokra épülhet, ami felerősítheti a társadalmi előítéleteket és egyenlőtlenségeket, valamint új dilemmákat vet fel a szakmai felelősség, a döntéshozatal és az adatvédelem területén. További kockázatot jelenthet, hogy az MI túlzott használata hosszabb távon gyengítheti az egyének problémamegoldó képességét, cskentheti az emberi kapcsolódások minőségét, illetve a fiatal generációk körében erősítheti a digitális függőséget és a kommunikáció beszűkülését. A segítő szakmák esetében különösen érzékeny kérdés a kliensadatok védelme, hiszen a digitális rendszerek alkalmazása növeli az adatszivárgás, a hackelés, illetve a szenzitív információk kontrollálatlan felhasználásának kockázatát.

Mindezek mellett fontos hangsúlyozni, hogy az MI nem képes teljes mértékben helyettesíteni az empátiát, az intuitív megértést és az érzelmi komplexitás értelmezését, ezért a segítő folyamatokban

az emberi jelenlét továbbra is meghatározó szerepet tölt be. Éppen ezért kiemelten fontos a segítő szakemberek digitális és etikai kompetenciáinak fejlesztése, valamint olyan szakmai irányelvek és intézményi szabályozások kialakítása, amelyek biztosítják a technológia felelős és biztonságos alkalmazását, fejlesztését.

Véleményem szerint az MI leginkább egy „technorealista” szemlélet keretében integrálható a segítő gyakorlatba: olyan támogató eszközként, amely segíti a szakemberek munkáját, úgy, hogy a döntések végső felelőssége és a segítő kapcsolat emberi dimenziója továbbra is a szakemberek kezében marad.