🚀 The Data Side of AI – Meetup powered by Raiffeisen Bank
Az AI pontosan annyira okos, amennyire jók a mögötte lévő adatok és a kontextus. Ezen az estén arról lesz szó, hogyan segít az AI az elemzésben, a fejlesztésben és az üzleti döntésekben, és mi kell ahhoz, hogy az agentek ne magabiztosan tévedjenek.
📅 Időpont: 2026. november 18. – 17:30
📍 Helyszín: Create26, Budapest, Király utca 26, 1061
🎟️ Regisztrálj ingyen, és biztosítsd a helyed!
🇭🇺 Az esemény nyelve: magyar
A Raiffeisen Bank a Raiffeisen Bank International AG (RBI) leányvállalataként a magyar pénzügyi szektor meghatározó szereplője. Korszerű digitális technológiákra építve kínál innovatív és hatékony pénzügyi megoldásokat egyéni ügyfeleknek, vállalatoknak és szervezeteknek, emberközpontú szemlélettel.
📍 Program
17:30 – 18:00 Regisztráció
18:00 – 18:30 AI in Analytics (Csite László)
18:30 – 19:00 From Code to Clarity: Genie Code & Genie One (Bor Barnabás)
19:00 – 19:30 From data catalog to context platform (Németh Tamás)
19:30 – 20:30 Networking
📌 Előadások és előadók
1. előadás: AI in Analytics
Előadó: Csite László (Head of Data, Raiffeisen Bank Zrt.)
Röviden: Minden szervezetben egyre nagyobb az igény az információra, de újabb és újabb riporting csapatokat létrehozni nem költséghatékony megoldás. Az LLM-ek segíthetnek ezen. Python kódot egész jól írnak, a jóval egyszerűbb SQL-hez viszont, legalábbis elsőre, még hiányzik belőlük némi finomság.
2. előadás: From Code to Clarity: Genie Code & Genie One
Előadó: Bor Barnabás (DevOps Engineer, Raiffeisen Bank, Advanced Analytics csapat)
Röviden: Az előadás bemutatja a Databricks Genie Code-ot, egy AI asszisztenst, amely a fejlesztőknek és technikai szakembereknek segít adatmegoldásokat építeni, debugolni és az adatokkal dolgozni. Mellette szó lesz a Genie One-ról is, egy vezetett, beszélgetős felületről, amellyel az üzleti felhasználók governed adatokra támaszkodva találhatnak insightokat és hozhatnak döntéseket.
3. előadás: From data catalog to context platform
Előadó: Németh Tamás (Software Engineer, DataHub)
Röviden: Az AI agented épp teljes magabiztossággal válaszolt egy árbevétellel kapcsolatos kérdésre – és tévedett. Az adatok megvoltak, de a kontextus hiányzott: melyik tábla a hiteles forrás, mit nem tartalmaz a „net" érték, és ki felel az adott számért. Az AI agent nem tud odafordulni egy kollégához, ezért kénytelen találgatni.
Erre kínál megoldást a context platform. Egyetlen, szabályozott graphban egyesíti a data stack különböző elemeiből származó technical metadata-t, business definitionöket és dokumentációt. A tartalmat szakértők validálják, és minden változás verziókövethető. Ez a semleges réteg az adatok és az AI agentek között lehetővé teszi, hogy a Claude, a Cursor vagy a Snowflake Cortex MCP-n keresztül ugyanabból a megbízható forrásból dolgozzon. Így elkerülhető, hogy két agent két különböző választ adjon ugyanarra a kérdésre a CEO-nak.
Lehet, hogy az alapok már most is rendelkezésedre állnak. Az előadásban megmutatom, hogyan fejlődhet egy data catalog context platformmá: hogyan egészíthető ki azokkal a dokumentumokkal és definíciókkal, amelyeket eddig nem tartalmazott, hogyan javasolhat az AI új kontextust, amelyet a szakértők validálnak, és hogyan tehető mindez elérhetővé az agentek számára. Az előadás végére tisztábbá válik, mi hiányzik még a rendszeredből, és mi lehet az első gyakorlati lépés.
👋 Az előadókról
Csite László: Több mint egy évtizede dolgozik a Raiffeisen Bank Zrt.-nél, jelenleg Head of Data pozícióban. Az évek során különféle technológiákkal épített adattárházakat és más adatplatformokat. Jelenlegi nagy vállalása egy adattárház kivezetése.
Bor Barnabás: DevOps Engineer a Raiffeisen Bank Hungary (RBHU) Advanced Analytics csapatában. CI/CD folyamatok építésével és automatizálásával foglalkozik, például a Databricks Asset Bundles integrálásával a bank CI/CD pipeline-jaiba. Emellett ETL workflow-kon dolgozik a Databricks platformon, és ő felel az AI és machine learning modellek deploymentjéért.
Németh Tamás: Software engineer a DataHub Ingestion csapatában. A DataHub egy open-source metadata- és context platform, amely adatcsapatokat és AI agenteket támogat. Tamás közel öt éve dolgozik a DataHubnál, ahol az integrációkkal és a kliensframeworkkel foglalkozik, amelyek a data stack különböző elemeiből gyűjtik össze a metadata-t a platform számára. Ezt megelőzően több mint hét évet töltött a Prezinél, ahol Staff Engineerként, majd a Data Platform csapat Tech Lead Managereként dolgozott.
A regisztrációval elfogadod a CraftHub Adatvédelmi szabályzatát és az adataid Mailchimp hírlevél rendszerben történő feldolgozását. További információ a Mailchimp adatvédelmi gyakorlatáról itt.