15/07/2026
What can computers teach us about companies?
It may sound like a strange question at first, but this is exactly where Jay W. Forrester, born 108 years ago, started from.
A pioneer of magnetic-core memory, a key technology in early computing, Forrester recognized that companies, cities and economic systems often behave in ways similar to complex machines: information flows through them, decisions are made, the effects of those decisions appear later, and new decisions are then made based on the results.
This thinking led to the birth of system dynamics. The idea is simple: before we intervene in a system, we need to understand why it behaves the way it does. It is not enough to react to a visible problem, because we may easily create a bigger issue somewhere else.
This is especially relevant in the age of AI. Before using AI, it is worth clarifying what we actually want to solve with it. Are we looking for a recipe, preparing a professional translation, planning a trip, struggling with Excel formulas, or collecting decision-making criteria? In what format do we want to see the result: as a list, a table, a detailed text or a presentation? And how will we know whether the answer is actually good?
If we do not understand our own problem clearly, AI may give us a quick answer, but not necessarily a useful one. But if we think it through carefully and describe the task well, we are much more likely to get a precise answer.
What do you use AI for most often?
in Hungarian:
Mit taníthatnak a számítógépek a vállalatokról?
Elsőre furcsa kérdésnek tűnhet, pedig a 108 éve született Jay W. Forrester éppen ebből indult ki.
A korai számítástechnikában alapvető szerepet játszó ferritgyűrűs memória egyik úttörője felismerte, hogy a vállalatok, városok és gazdasági rendszerek sok szempontból hasonlóan viselkednek, mint egy összetett gép: információk áramlanak bennük, döntések születnek, ezek hatása később jelenik meg, majd az eredmények alapján újabb döntések következnek.
Ebből született meg a rendszerdinamika gondolata. A lényege egyszerű: mielőtt beavatkozunk egy rendszerbe, értenünk kell, mitől viselkedik úgy, ahogy. Nem elég egy-egy látható hibára reagálni, mert könnyen lehet, hogy ezzel máshol okozunk nagyobb problémát.
Ez az AI korában különösen aktuális. Mielőtt AI-t használunk, nem árt tisztázni, mit szeretnénk vele megoldani. Receptet keresünk, szakfordítást készítünk, utazást tervezünk, Excel-képletekben akadtunk el, vagy döntési szempontokat szeretnénk összegyűjteni? Milyen formában szeretnénk látni az eredményt: listában, táblázatban, részletes szövegben vagy prezentációként? És honnan fogjuk tudni, hogy a válasz valóban jó lett?
Ha nem értjük pontosan a saját problémánkat, az AI hiába ad gyors választ, nem biztos, hogy hasznos lesz számunkra. Ha viszont alaposan végiggondoljuk, és jól írjuk le a feladatot, sokkal pontosabb választ kapunk.
Te mire használod leggyakrabban az AI-t?
