Ma még azt kérdezi az ügyfél, melyik rendszereket ismered, mennyire tudsz tervezni, és mit kezdesz egy hibával a helyszínen. Az AI azonban már most új kérdéseket hoz a tervezésbe.
Hol fut az AI? Mit láthat az otthonból? Mihez nyúlhat hozzá? Mi történik, ha téved, leáll a szerver vagy elmegy az internet?
Ezekre nem elég az a válasz, hogy „az alkalmazásban beállítjuk”. Az AI ugyanúgy a rendszertervezés része lesz, mint a szenzorok, a hálózat, az automatizálási logika vagy a kézi felülbírálás.
Az AI-telepítő nem egy új szakma az okosotthon telepítő mellett. Ugyanaz a szakember, aki az automatizálás mellett már azt is megtervezi, hol és milyen jogosultságokkal működhet az AI, majd telepíti és karbantartja a hozzá szükséges helyi infrastruktúrát.
Először a munkádban jelenik meg az AI. Utána az általad átadott rendszerben. Végül pedig maga az AI is telepítendő rendszerré válik.
A december 2-i Partnernapon azt nézzük meg, mit jelent ez a váltás egy telepítő mindennapi munkájában. Az AI mellett az adatvizualizáció és a digitális iker is előkerül — nem önmagáért, hanem azért, mert ezek már most befolyásolják a telepítői döntéseket, és új szolgáltatási lehetőségeket nyitnak.
Megnézem, miről lesz szó a Partnernapon →
Az AI először nem a házba költözik be, hanem a munkádba
Ülsz az első egyeztetésen, és nem kész műszaki specifikációt kapsz. Inkább ilyen mondatokat.
„Este ne kelljen mindent külön lekapcsolni.”
„A fűtés legyen takarékos, de ne fázzunk.”
„Jó lenne hanggal vezérelni, csak ne hallgasson minket állandóan valami felhő.”
Ezekből neked kell igényeket, funkciókat, nyitott kérdéseket és műszaki döntéseket készítened. Ebben az AI már ma is használható segéd. Összerendezheti a helyszíni jegyzeteket, észreveheti az ellentmondásokat, előkészítheti az ügyfélnek szánt kérdéssort, vagy közérthetően összevethet két megoldási változatot.
Egy hosszú gyártói dokumentációból kigyűjtheti a releváns részeket. Készíthet első eszközlistát vagy ellenőrzőlistát, és jelezheti, milyen adat hiányzik még a döntéshez. Automatizálási logikához, YAML-konfigurációhoz vagy egyszerű segédkódhoz adhat első változatot. Az eseménynaplókból pedig kiemelheti azokat a mintákat, amelyeket szakemberként érdemes tovább vizsgálnod.
Az átadásnál sem mindegy, hogy fél napig rendezed a jegyzeteidet, vagy kapsz belőlük egy használható munkaváltozatot, amelyet már csak ellenőrizned és pontosítanod kell. A terepi szervizben ma is használnak AI-t munkalapok összefoglalására és a következő lépések kiemelésére.
A szakmai felelősség ettől nem kerül át az AI-hoz.
A kiválasztott eszközök kompatibilitását, a gyártói előírásokat, a konfigurációt és a helyszíni adottságokat továbbra is neked kell ellenőrizned. A generált konfiguráció nem kész megoldás, hanem tesztelendő munkaváltozat. Az AI gyorsíthatja a gondolkodás egy részét, de nem megy ki helyetted a helyszínre, és nem vállalja a nevedben az átadott rendszer működését.
A következő lépésben az AI már az átadott rendszer része
Az AI nem marad a laptopodon.
Az ügyfél természetes nyelven kérdezheti meg, miért volt magasabb a fogyasztás, melyik ablak maradt nyitva, vagy mi történt éjszaka a házban. A rendszer kameraképet értelmezhet, eseményeket foglalhat össze, eltérő működési mintát jelezhet, és javaslatot tehet egy beállítás módosítására. Megfelelő korlátok között akár eszközöket is vezérelhet.
Több mai okosotthon-platform össze tudja kapcsolni a nyelvi modellt az épület adataival és a vezérelhető funkciókkal. A Home Assistant ennek egyik nyílt, jól dokumentált példája. Más gyártói vagy egyedileg fejlesztett rendszerek ugyanezeket a feladatokat más felépítéssel és jogosultsági modellel oldhatják meg.
A telepítő feladata itt már nem áll meg az integráció bekapcsolásánál. El kell döntened, hogy az AI mely adatokat láthatja, mely eszközökhöz férhet hozzá, mit tehet meg önállóan, és mikor kell emberi jóváhagyást kérnie.
Minél rendezettebbek az épület adatai és digitális leírása, annál használhatóbb alapot kap az elemzés és az AI. Az adatvizualizáció megmutathatja a működésben rejlő mintákat és eltéréseket, a digitális iker pedig egy rendszerben kapcsolhatja össze a tereket, az eszközöket, a funkciókat és a projektadatokat.
Egy beszélgetős felület kényelmes. Egy időnként tévedő, korlátlan jogosultságú nyelvi modell viszont nem jó épületvezérlési terv.
Amikor az AI helyben fut, már tényleg telepíteni kell
Egyre több ügyfél szeretné, ha a hangasszisztens és az AI nem egy távoli szolgáltató szerverén, hanem helyben működne. Számíthat az adatvédelem, a gyorsabb válasz, a felhőtől való kisebb függés, vagy egyszerűen az, hogy a tulajdonos maga akarja kézben tartani a rendszert.
Egy helyben futó AI azonban nem egy kapcsoló a beállítások között. Több egymásra épülő elemből álló műszaki rendszer.
A szobai mikrofon érzékeli az ébresztőszót. A helyi beszédfelismerő szöveget készít a hangból. A kérést ezután hagyományos szándékfelismerés vagy egy helyi nyelvi modell értelmezi. A rendszer csak az engedélyezett eszközökhöz nyúlhat hozzá. Végül egy helyi beszédszintetizátor hanggá alakítja a választ, a szobai hangszóró pedig lejátssza.
Ehhez többféle komponens használható. A beszédfelismerést végezheti például a Whisper, a beszédszintézist a Piper, az ébresztőszó felismerését az openWakeWord. A központ lehet gyártói vezérlő, nyílt forráskódú automatizálási platform vagy egyedileg összeállított helyi rendszer. A Home Assistant dokumentációja a Wyoming protokollal mutat be egy ilyen felépítést, de ez csak az egyik lehetséges megvalósítás.
A mikrofon és a hangszóró futhat kisebb szobai végponton, miközben az erőforrás-igényes feldolgozást egy erősebb helyi gép végzi. Ha szabadabb beszélgetést vagy összetettebb kérések értelmezését szeretnél, helyi nyelvi modellre is szükség lehet. Ezt futtathatja például az Ollama vagy más helyi modellkiszolgáló.
Innentől nagyon is gyakorlati kérdések következnek. Mekkora gép kell a választott modellhez? Hány helyiség használja majd egyszerre? Milyen gyors választ vár az ügyfél? Hogyan frissül a rendszer, mi készít mentést, és ki fogja karbantartani két év múlva?
A felhasználót nem a processzor érdekli, hanem az, hogy működik-e
A hangvezérlés minőségét az ügyfél abból érzi, hogy elsőre megérti-e a rendszer, nem ébred-e fel véletlenül, és mennyit kell várnia a válaszra.
Ezért a mikrofon helye, a helyiség visszhangja, a háttérzaj, a hangszóró, az ébresztőszó és a hálózati kapcsolat is a tervezés része. Egy dokumentált Home Assistant-mérésben a Whisper egy Raspberry Pi 4-en körülbelül nyolc másodperc alatt dolgozott fel egy hangparancsot, míg egy Intel NUC-on ez egy másodpercen belül megtörtént. Ez nem minden rendszerre érvényes teljesítményadat, de jól mutatja, mennyit számít a hardver.
A magyar nyelv persze külön történet. A Whisper képes feldolgozni a magyar szöveget a megfelelő modell csomagokkal, a Piperhez elérhető magyar hang, és egyes okosotthon-platformok természetes nyelvi felülete is támogat magyar mondatokat. Sajnos azonban elmondható, hogy a magyar nyelv jó működéséhez lényegesen erősebb hardver szükséges, mint az angol nyelvéhez. ennek az oka, hogy a kis méretű nyelvi modellek között nincs olyan elérhető és használható modell, aminek magyar az „anyanyelve”. Persze vannak jó fine-tune próbálkozások és a magyar kutatók remek munkát végeznek, de nincs egy OpenAI, Anthropic, Meta vagy éppen Alibaba a hátuk mögött a végtelen pénzükkel, hogy támogassák az alapmodell kutatásokat.
Szóval a magyarul beszélő és gyorsan reagáló lokális hangasszisztens nem fog egy Rasperry Pi-on futni (egyelőre), de nem is lehetetlen egy magyarul dolgozó otthoni segéd létrehozása.
Attól, hogy helyben fut, még nem lesz automatikusan biztonságos
Ha az AI helyben fut, kevesebb adat kerülhet külső szolgáltatóhoz. Ez jó kiindulópont, de önmagában kevés.
A választott komponensek biztonsági modelljét külön is ellenőrizni kell. A Wyoming protokoll például nem ad saját hitelesítést vagy titkosítást, ezért csak megbízható belső hálózaton szabad használni, és nem szabad közvetlenül kitenni az internetre. Más megoldásnál más korlátokkal kell számolni. Az AI-szervert, a hangszolgáltatásokat és a szobai végpontokat hálózati szempontból is meg kell tervezni.
Ugyanilyen fontos a jogosultság. Csak azokat az adatokat és vezérlési lehetőségeket érdemes az AI elé tenni, amelyekre valóban szüksége van. A Home Assistant az Ollama-integráció kísérleti eszközvezérlésénél például 25-nél kevesebb elérhető entitást javasol, és külön figyelmeztet arra, hogy a kisebb modellek többet hibázhatnak. Nem kell minden kapcsolót, érzékelőt és beállítást az AI elé tenni csak azért, mert technikailag lehetséges.
Arra is kell egy egyszerű válasz, mi történik, ha az AI nem működik.
A világítás, a fűtés, az árnyékolás és a biztonság szempontjából fontos funkciók nem állhatnak le azért, mert a modell szervere frissül vagy hibás választ ad. Az alapműködést hagyományos automatizálásnak és egyértelmű szabályoknak kell biztosítaniuk. A kézi vezérlés lehetőségét meg kell tartani, az AI-nak világos jogosultsági határt kell szabni.
Az AI lehet új vezérlési és értelmezési réteg. De nem veheti át a nagy nyelvi modell a ház automatizálását.
Ebből önálló telepítői szolgáltatás lesz
Egy helyi AI-rendszer átadása jóval több annál, mint hogy feltelepítesz egy modellfuttató környezetet egy számítógépre.
Ki kell választanod és méretezned a szervert. Be kell állítanod a modellt, a beszédfelismerést, a hangot és a helyiségenkénti végpontokat. Korlátoznod kell a hozzáféréseket. Tesztelned kell a magyar nyelvet, a válaszidőt, a téves értelmezést és azokat a helyzeteket is, amikor a rendszer hibázik. Dokumentálnod kell a frissítést, a mentést és azt is, mely adat marad helyben, illetve használ-e a rendszer külső szolgáltatást.
Majd mindezt karban is kell tartani.
Ebből önálló szolgáltatás építhető. A műszaki tudás mellett rendszertervezés, adatkezelés, hálózat, megfelelő felhasználói élmény és hosszú távú üzemeltetés kell hozzá.
A sok AI eszköz ismerete önmagában kevés. Az számít, hogy pontosan értsd, mit érdemes az AI-ra bízni, mit kell korlátozni, és minek kell nélküle is hibátlanul működnie.
Erről szól a decemberi Partnernap
Azért kerül az AI, az adatvizualizáció és a digitális iker a december 2-i Okosotthon telepítő Partnernap középpontjába, mert ezek már nem távoli technológiai érdekességek. Egyre több telepítői döntésben jelennek meg.
Zsák Péter előadásában azt vizsgáljuk meg, hogyan kerülhet az AI a meglévő automatizálások mellé, hol lehet önálló működést engedni, mikor kell emberi jóváhagyás, és hogyan marad meg a kézi, illetve AI nélküli működés.
Fogyasztási görbéken és eseménynaplókon nézzük meg, hogyan lehet az épület adataiból felismerni a várt működéstől való eltérést, és hogyan lesz ebből a tulajdonos számára is érthető információ.
Egy valós Domiqon-projekten pedig végigvesszük, hogyan kapcsolódnak össze a terek, az eszközök, a funkciók és a projektadatok egy digitális ikerben, és hogyan lehet ezt a tervet a megrendelőnek is megmutatni.
Ha most még csak azt látod, hogy az AI egyre több helyen jelenik meg, de nem világos, ebből mi használható egy valódi projektben, a Partnernap ebben tesz rendet.
Nem általános jövőképről beszélünk. Telepítői helyzeteket veszünk elő. Mit bízhatsz az AI-ra, és hol kell megálljt szabni neki? Hogyan derül ki az épület adataiból, hogy valami nem úgy működik, ahogy kellene? Mire jó a digitális iker a tervezésben és az ügyfélnek való bemutatásban?
A cél, hogy a nap végén ne csak több technológiát ismerj, hanem tisztábban lásd, melyiket mikor érdemes használnod — és melyikből építhetsz új szolgáltatást.
Okosotthon telepítő Partnernap
2026. december 2., szerda, 10:00–19:00
Budapest, MagNet Ház, Pipacs terem
A részletes programot és a részvétel feltételeit az esemény oldalán találod.
Források
- Microsoft Learn – AI-alapú munkalap-összefoglaló a terepi szervizben
- Home Assistant – LLM API és a vezérelhető funkciók korlátozása
- Home Assistant – AI Task szöveg-, adat- és képfeldolgozáshoz
- Home Assistant – Egy teljesen helyben futó hangasszisztens megvalósítása és hardverpéldái
- OpenAI – Whisper többnyelvű beszédfelismerő
- Open Home Foundation – Piper hangok, köztük a magyar hang
- Ollama – Helyi modellek futtatása és API-dokumentáció
- Open Home Foundation – Wyoming protokoll és biztonsági modell
- Okosotthon Guru – Okosotthon telepítő Partnernap
