Magyar helyzetkép
A magyar STI-rendszer alapképe vegyes, de stratégiailag ígéretes: stabil jogi és intézményi mag, dedikált finanszírozási alap, nemzetközi szinten is látható kutatási infrastruktúrák, megújított AI- és innovációpolitikai keretek. A teljesítményt négy szerkezeti feszültség korlátozza: koordinációs komplexitás, EU-átlag alatti K+F-intenzitás, venture capital és skálázódási gyengeség, valamint a technológiai kapacitások és a vállalati diffúzió közötti rés.
Magyar helyzetkép
Aszimmetrikusan fejlett STI-rendszer — intézményi mélységgel, de a tudomány–finanszírozás–piac lánc széttagoltságával
Szakirodalmi és szakpolitikai háttér
A magyar STI-rendszer helyzetképének értékeléséhez a nemzetközi irodalom három fogódzót ad. Először, az Világbank-anyagok, a Zúñiga 2024 hatáselemzései és az OECD STI Outlook 2025 szerint a gyenge teljesítmény sokszor nem az intézmények teljes hiányából, hanem a széttöredezett policy mixből, az intézményi koordináció gyengeségéből és a kutatás–piac átmenet elégtelen kezeléséből ered.
Másodszor, az Európai Bizottság EIS 2025 és a Digital Decade 2025 értékelései arra utalnak, hogy a tagállami teljesítmény egyre inkább azon múlik, képes-e az ország a kutatási, adat-, digitális és finanszírozási kapacitásokat integrált módon összekapcsolni. A globális vállalati oldalt a KPMG Tech-vezetői felmérés 2026 is megerősíti: 27 ország 2 500 vezetője szerint a tech-debt, a költségnyomás és a tehetséghiány az új AI-eszközök bevezetésének leggyakoribb akadálya.
Harmadszor, a misszióorientált innovációról szóló OECD-munkák alapján az állam sikeressége nem egyszerűen több forrás kérdése, hanem annak függvénye, hogy rendelkezik-e portfóliókezelési, koordinációs, végrehajtási és tanulási képességekkel.
Ez a háttér közvetlenül releváns Magyarország esetében: a hazai rendszerben a kutatás, a felsőoktatás, az innovációfinanszírozás, a kutatóhálózati infrastruktúra és az AI/digitális politika elemei láthatóan jelen vannak, de ezek együttese nem automatikusan áll össze koherens STI-minisztériumi logikává.
Cél és kérdés
A modul célja annak feltárása, hogy a magyar STI-rendszer jelenlegi intézményi, finanszírozási, infrastrukturális és szabályozási szerkezete milyen kiindulóhelyzetet jelent a felálló új tudományos–technológiai–innovációs minisztérium számára.
Fő kérdés: Melyek a magyar STI-rendszer erősségei, szerkezeti korlátai és azok a döntési szempontból lényeges feszültségek, amelyek meghatározzák a későbbi fókuszterület-választást?
Fő stratégiai megállapítás
Magyarország nem alacsony kapacitású, hanem aszimmetrikusan fejlett STI-rendszerrel rendelkezik. A fő korlát nem az intézmények hiánya, hanem a tudomány–technológia–piac lánc széttagoltsága.
Intézményi architektúra
Tényállítás
A magyar KFI-rendszer jogi magját a 2014. évi LXXVI. törvény adja, amely külön fejezetben szabályozza a KFI kormányzati feladatait, az NKFI Hivatalt, valamint az NKFI Alapot. A 344/2019. (XII. 23.) Korm. rendelet szerint az NKFI Hivatal a tudománypolitika koordinációjáért felelős miniszter irányítása alatt álló központi hivatal, és egyben az NKFI Alap kezelő szerve. Az NKFIH küldetés-leírása stabil intézményi keretként pozicionálja magát a kutatás, fejlesztés és innováció kormányzati koordinációjához és kiszámítható finanszírozásához.
A jelenlegi kormányzati struktúrában az innovációs politikai felelősség a Kulturális és Innovációs Minisztériumhoz kötődik. A kutatóhálózati oldalon a HUN-REN a magyar kutatási ökoszisztéma központi pillére: 15 kutatóintézményt fog össze, több mint 5000 munkatárssal és mintegy 3400 kutatóval; emellett a hálózati oldalon 7 kutatóközpont, 8 kutatóintézet és 116 támogatott kutatócsoport szerepel. A HUN-REN 2026. április 1-jétől hatályos szervezeti és működési szabályzata arra utal, hogy az intézményrendszer aktív szervezeti konszolidáció alatt áll.
Következtetés
A magyar STI-architektúra nem intézményhiányos, hanem többközpontú. Van központi koordinációs hivatal, dedikált alap, külön kutatóhálózati pillér, valamint minisztériumi politikai irányítás. A fő kérdés ezért nem az, hogy létezik-e intézményi váz, hanem az, hogy ez a váz mennyire képes egy irányítási logikába rendezni a tudományos kiválóságot, a technológiai fejlesztést és a gazdasági hasznosítást. Az egészségügyi adatvagyon-pilléren az EESZT működteti a nemzeti integrált e-egészségügyi rendszert (NEAK-szervezeti kötődéssel), ami a magyar STI-rendszer egyik legértékesebb stratégiai eszköze.
Döntési implikáció
A felálló új STI-minisztérium logikája számára a legfontosabb szerkezeti kérdés nem teljesen új intézmények létrehozása, hanem a koordinációs súlypont tisztázása a meglévő intézményi alappal (NKFIH háttérintézményi szerepben, HUN-REN delivery-hálózatban): stratégiaalkotás, finanszírozás, végrehajtás és rendszerértékelés mely szervezeti szinteken koncentrálódjon.
Finanszírozási rendszer
Tényállítás
Az NKFI Alap rendeltetését a 2014. évi LXXVI. törvény úgy határozza meg, mint a kutatás-fejlesztés és a gazdaságban hasznosuló innováció ösztönzésének és támogatásának kiszámítható és biztos forrását. Az NKFI Alap 2026-os programstratégiája szerint 2026-ban közel 120 milliárd forintnyi új pályázati felhívás indul, és a felhívások a Neumann János Program fő céljához igazodnak, amely Magyarországot 2030-ra a világ 25, 2040-re a világ 10 leginnovatívabb országa közé kívánja pozicionálni.
A finanszírozási rendszerben erős az EU-s kapcsolódás. Az NKFIH külön felhívásokkal ösztönzi a magyar szereplők Horizon Europe-részvételét; 2026-ra mintegy 2,7 milliárd forintot különített el Horizon Europe-partnerségek hazai társfinanszírozására. A HU-rizont program a magyar felsőoktatási és kutatási műhelyek nemzetközi kiválósági együttműködéseit támogatja a digitális átállás, az egészséges élet és a zöld átmenet fókuszaival.
A rendszer egyik gyenge pontja a teljes K+F-intenzitás. A KSH szerint 2023-ban a K+F-ráfordítás GDP-arányos szintje 1,39% volt, és bár a 2024-es előzetes adatok szerint az összeg nőtt, az EU-s összehasonlításban Magyarország továbbra is az EU 2024-es 2,24%-os átlagos K+F-intenzitása alatt marad. A KSH szerint 2023-ban a K+F-ráfordítások 57%-át a vállalkozások adták.
Következtetés
A magyar finanszírozási rendszer erőssége a dedikált nemzeti alap, az EU-s csatlakozó finanszírozások jelenléte és a programstratégiai szintű célkijelölés. A gyengesége az, hogy az ország teljes K+F-intenzitása továbbra is elmarad az EU-átlagtól, és az EIS 2025 alapján a kockázati tőkeoldal kifejezetten gyenge maradt. Ez azt jelenti, hogy a rendszer a korai és középső szakaszú tudományos-finanszírozási logikát jobban kezeli, mint a mély skálázódási és piaci tőkeigényű innovációt.
Döntési implikáció
Az STI-minisztériumi fókuszok közül azok lesznek intézményileg kedvezőbbek, amelyek nem kizárólag nagy volumenű, hosszú távú költségvetési többletet, hanem intelligens portfólióallokációt, nemzetközi társfinanszírozást és erős leverage-hatást igényelnek.
A magyar STI-rendszer kulcsmutatói (2024–2025)
Az adatok az EIS 2025, KSH 2024–2025, Digital Decade 2025 és NKFIH hivatalos forrásaiból származnak.
Kutatási infrastruktúrák
Tényállítás
Magyarország rendelkezik formális kutatási infrastruktúra-politikai kerettel. Az NKFIH 2018-as Nemzeti Kutatási Infrastruktúra Útiterve a jelentősebb hazai kutatási infrastruktúrák számbavételét és fejlesztési irányaik megalapozását célozta meg. Az ELI ALPS Szegeden működik mint az első civil, nagy léptékű, nagyintenzitású lézeres kutatási infrastruktúra transzeurópai együttműködésben; Magyarország alapító tagként kapcsolódik az ELI ERIC konzorciumhoz.
A nagy számítási kapacitás területén a EuroHPC JU 2022-ben Magyarországot választotta ki az új európai szuperszámítógépes helyszínek egyikének. A Komondor nevű magyar gép 5 petaflops kapacitású, és a hazai HPC-infrastruktúra fontos szerepet játszik a digitális transzformációban, az AI elterjedésében, a blokklánc-technológiákban és a kiberbiztonságban. A EuroCC hálózat 33 nemzeti HPC-kompetenciaközpont európai együttműködéseként írja le a képességépítési oldalt.
A KSH 2024-es területi statisztikai adatai erős földrajzi koncentrációt jeleznek: Budapest önmagában 1360 kutató-fejlesztő helyet és 699,1 milliárd forint K+F-ráfordítást mutat, ami arra utal, hogy az országos infrastruktúra- és kutatási kapacitás erősen központi régióhoz kötött.
Következtetés
A magyar kutatási infrastruktúra-rendszer létezik és részben nemzetközileg is versenyképes, de erősen koncentrált és heterogén. Vannak zászlóshajó-eszközök és európai beágyazottságú létesítmények, ugyanakkor nem látható ugyanilyen erősen egy naprakész, nyilvánosan jól követhető, fókuszált infrastruktúra-portfóliólogika.
Döntési implikáció
A stratégiai fókuszterületek közül azok kapjanak előnyt, amelyek rá tudnak épülni a már meglévő nagy infrastruktúrákra és nemzetközi hálózatokra, nem pedig teljesen új, nagy fixköltségű infrastruktúrákat igényelnek.
Innovációs ökoszisztéma
Tényállítás
A 2025-ös EIS szerint Magyarország az „emerging innovator” kategóriába tartozik, 69,5%-os EU-átlaghoz viszonyított teljesítménnyel. A relatív erősségek között a közepes és magas technológiájú termékek exportja, a külföldi doktoranduszok aránya és a köz-magán publikációk szerepelnek, míg relatív gyengeség a venture capital, a nem K+F innovációs kiadás és több vállalati tudásdiffúziós mutató.
Az NKFIH és a Neumann János Program kifejezetten a kutatás és a gazdaság összekapcsolását hangsúlyozza; az egyetemek, kutatóintézetek és a gazdaság összekötését célzó programok, valamint a szabadalmi aktivitás növelése jelenik meg a programleírásokban.
A startup- és korai növekedési ökoszisztémában jelen van állami tőke. Az MFB-csoporthoz tartozó Hiventures állami tulajdonú kockázatitőke-szereplőként inkubációs, seed és growth fázisban támogatja az innovatív hazai vállalkozásokat. A Startup Hungary kutatással, közösségépítéssel és nemzetközi kapcsolatokkal fejleszti a hazai startup közeget.
Az ökoszisztéma regionális dimenziója vegyes. A Regional Innovation Scoreboard 2025 külön kiemeli, hogy Magyarország régiói között számottevő strukturális különbségek vannak; a budapesti–közép-magyarországi koncentráció továbbra is erős.
Következtetés
A magyar innovációs ökoszisztéma nem üres és nem kezdeti állapotú, de a nemzetközi skálázódáshoz szükséges piac- és tőkelánc részben gyenge. A rendszernek vannak tudományos és exportoldali erősségei, továbbá állami eszközei a korai finanszírozásra, de az EIS 2025 alapján a mélyebb magántőke- és skálázódási oldal nem elég erős.
Döntési implikáció
Egy STI-minisztérium számára érdemesebb lehet deep tech, ipari tech, healthtech és adat/AI-alapú fókuszokat keresni, ahol az állami tudomány- és infrastruktúrapolitika valóban multiplikálni tudja a piaci növekedést, mintsem általános „startupbarát” horizontális politikát tekinteni fő prioritásnak.
Adat- és AI-kormányzás
Tényállítás
Magyarország 2025 szeptemberében megújította a 2025–2030 közötti Mesterséges Intelligencia Stratégiáját, amit a 1324/2025. (IX. 3.) Korm. határozat fogadott el. A határozat a stratégia megújításáról és végrehajtási intézkedéseiről szól.
Az Európai Bizottság 2025-ös Digital Decade országjelentése szerint Magyarország digitális infrastruktúrája kifejezetten jó, az e-egészségügyi adatokhoz való hozzáférés az EU-átlag felett van, ugyanakkor az ország a vállalkozások digitalizációjában továbbra is elmarad. Magyarország digitális teljesítménye 2025-ben 106,8%-on állt az EU-hoz viszonyítva bizonyos összesített mutatókban, miközben a vállalati AI-használat 2023-ban 7,89% volt.
A magyar digitális összeköttetési stratégia uniós összefoglalója szerint a Nemzeti Digitalizációs Stratégia 2022–2030 célul tűzi ki, hogy a háztartások 95%-a gigabites hálózatot érjen el, nőjenek a digitális készségek, a vállalati folyamatok digitalizációja és az e-kormányzati szolgáltatások használata. A szuperszámítógépes és AI-ökoszisztéma oldalán a EuroHPC AI Factory-koncepciója európai szinten az adat, a számítási kapacitás és a tehetség összekapcsolására épül.
Következtetés
Magyarország esetében az adat- és AI-kormányzás potenciális fókuszterület, mert három elem egyszerre van jelen: megújított stratégia, erősödő digitális infrastruktúra és rendelkezésre álló HPC-kapacitás. A korlát viszont az, hogy a vállalati AI-adoptáció és általában a vállalkozások digitalizációja nem elég erős — a technológiai alap és a gazdasági diffúzió között rés van.
Módszertani következtetés
Az AI-t Magyarországon nem önálló technológiai szektorként, hanem adat-, számítási kapacitás-, szabályozási és ágazati alkalmazási fókuszként érdemes vizsgálni. Különösen releváns lehet ott, ahol az állam egyszerre adatgazda, megrendelő és szabályozó: egészségügy, közigazgatás, ipari adatintenzív alkalmazások.
Döntési implikáció
Az AI/adat fókusz csak akkor lesz valós STI-prioritás, ha a stratégia mellé végrehajtási intézmény, adat-hozzáférési logika, szabályozási sandbox és alkalmazási pipeline is társul. E nélkül a terület inkább deklaratív, mintsem operatív erősség marad.
A magyar e-egészségügyi adatvagyon stratégiai eleme az EESZT (Elektronikus Egészségügyi Szolgáltatási Tér) — 2017 óta üzemelő, 9,5 millió lakost lefedő integrált rendszer e-recepttel, EHR-rel, képalkotó-integrációval és oltási nyilvántartással. Az EESZT az európai e-egészségügyi rendszerek TOP-3 integráltságát képviseli a Digital Decade 2025 szerint, és stratégiai erőforrás a klinikai AI, biomarker- és populációs egészség-elemzés területeken.
Fő rendszerkockázatok
A magyar STI-rendszer öt fő rendszerkockázattal jellemezhető — ezek nem operatív hibák, hanem strukturális feszültségek.
Globális vs. magyar vállalati AI-adoptáció — a diffúziós szakadék
A KPMG Global Tech Report 2026 27 ország 2 500 vezetőjének felmérése alapján a globális vállalati AI-adoptáció átfogó képét adja; az összevetés a Digital Decade 2025 magyar adataival kvantifikálja a diffúziós kockázat mértékét.
Koordinációs kockázat
A magyar rendszerben egyszerre van minisztériumi irányítás, központi hivatal, külön kutatóhálózat és több programalapú eszköz. Ez önmagában előny is lehet, de növeli a koordinációs költséget és a felelősségi szürkezónák esélyét. A HUN-REN 2026-os szervezeti átmenete tovább erősíti ezt a kockázatot.
Hatás: MAGAS
Kezelés: Koordinációs súlypont tisztázása és egységes irányítási logika rögzítése (új minisztériumi vagy meglévő intézményi keretben).
Finanszírozási mélység és szerkezet
A nemzeti finanszírozási intézmények és programok léteznek, de az ország K+F-intenzitása érdemben az EU-átlag alatt van, miközben az EIS a venture capital gyengeségét is jelzi. A rendszerben korai és köztes finanszírozás van, de a mély piaci skálázódás finanszírozási oldala gyenge.
Hatás: MAGAS
Kezelés: Magántőke-bevonási csatornák erősítése, EU-s leverage-megoldások, scaleup-fókuszú állami eszközök.
Területi koncentráció
A KSH 2024-es adatai alapján Budapest dominanciája erős a kutatóhelyek és a K+F-ráfordítások tekintetében. Ez hatékonysági előny is lehet, de országos rendszerépítés szempontjából területi egyenlőtlenségi kockázatot hordoz.
Hatás: KÖZEPES
Kezelés: Regionális kutatási csomópontok és a TT-platform decentralizációja a fókuszterületi végrehajtói társintézményi hálózatban.
Diffúziós kockázat
Az ország digitális infrastruktúrája viszonylag erős, de a vállalati digitalizáció és AI-használat elmarad. Ez klasszikus diffúziós probléma: a technológiai bázis gyorsabban fejlődik, mint a gazdasági befogadás. A KPMG Global Tech Report 2026 szerint globálisan a szervezetek 88%-a beépíti az agentikus AI-t a működésébe — Magyarország ezzel a globális adoptációs üteművel szembesül szűk kapacitással.
Hatás: MAGAS
Kezelés: Vállalati adoptációs programok, KKV-digitalizációs intervenciók, ágazati pilot-projektek.
Nemzetközi beágyazottság és sérülékenység kettőssége
Magyarország több EU-s és nemzetközi kutatási együttműködéshez csatlakozik (Horizon Europe, HU-rizont, ELI, EuroHPC). Ez erősség, de egyben külső függés is: a kiválósági és infrastruktúraépítési pálya részben európai együttműködési tértől függ.
Hatás: KÖZEPES
Kezelés: Hazai komplementer kapacitások építése; portfólió-diverzifikáció a függések csökkentésére.
Kritikai megjegyzések és bizonytalanságok
Biztosan igazolható
- Stabil jogi alap (2014. évi LXXVI. törvény) a KFI-kormányzásnak, az NKFI Hivatalnak és az NKFI Alapnak.
- Az NKFI Alap 2026-ban is jelentős, stratégiailag keretezett pályázati portfóliót működtet.
- A HUN-REN a hazai kutatási rendszer egyik központi intézménye, 2026-ban új működési szabályzattal.
- Magyarország innovációs teljesítménye 2025-ben az „emerging innovator” kategóriába esik (EIS 2025).
- A digitális infrastruktúra viszonylag erős, de a vállalati digitalizáció és AI-használat gyengébb (Digital Decade 2025).
Erősen valószínű
- A fő rendszerprobléma nem az intézmények hiánya, hanem a tudomány–technológia–piac kapcsolatainak hiányos integrációja.
Mire lenne szükség pontosabb állításhoz
- friss, nyilvános programszintű hatásértékelések az NKFI-finanszírozások kimeneteiről
- strukturált adat a startup/scaleup pipeline-ról és az állami tőke addicionalitásáról
- egységesebb, naprakész kutatási infrastruktúra-portfóliókép
- részletesebb ágazati AI-alkalmazási adatok
Fő stratégiai megállapítás
A magyar STI-rendszer alapképe vegyes, de stratégiailag ígéretes: az ország rendelkezik stabil jogi és intézményi maggal, dedikált finanszírozási alappal, nemzetközi szinten is látható kutatási infrastruktúrákkal, valamint megújított AI- és innovációpolitikai keretekkel.
A következő modulban milyen benchmarklogikát érdemes alkalmazni?
Opció A
Általános „legsikeresebb innovátor országok” benchmarkja
- Könnyen kommunikálható
- Magas aspirációs szint
- Magyarország intézményi és gazdaságszerkezeti realitásaihoz kevésbé illeszkedik
Opció B
Funkcionális benchmark — méretben, nyitottságban, EU-integrációban vagy ipari szerkezetben részben összevethető országok, amelyek egy-egy STI-dimenzióban erősebbek
- Közvetlenebb tanulási érték
- Jobb intézményi átültethetőség
- Kevésbé „látványos”
- Több módszertani indoklást igényel
A magyar helyzetkép alapján a kulcskérdés nem absztrakt innovációs kiválóság, hanem az, hogy mely országok oldották meg sikeresebben a kutatás, a digitális állami képességek, az ipari technológiák és a skálázható innováció összekapcsolását.
A Practitioner's Guide to Innovation Policy — Instruments to build firm capabilities and accelerate technological catch-up
Cirera et al., 2020
Innovációpolitikai gyakorlati kézikönyv — eszközmix-elemzés, koordinációs hibák, intézményi kapacitásépítés.
The Impact and Effectiveness of Innovation Policy
Zúñiga, 2024
Innovációpolitika hatásvizsgálati kerete: gyenge eredmények mögötti koordinációs és végrehajtási kockázatok.
Science, Technology and Innovation Outlook 2025
OECD STI Outlook, 2025
Globális STI-trendek éves összefoglalója: portfólió-megközelítések, misszióorientált politikák, intézményi kapacitások.
Forging new frontiers in mission-oriented innovation policies
OECD, 2026a
Misszióorientált innovációpolitika nemzetközi gyakorlatának értékelése — a portfólió-felépítés és intézményi keretek viszonya.
European Innovation Scoreboard 2025 — Overall report
EC EIS, 2025
Az európai országok innovációs teljesítményének összehasonlító értékelése. A magyar profil értékelésének keretrendszere.
Hungary – European Innovation Scoreboard 2025 country profile
European Commission, 2025
Hungary 2025 Digital Decade country report
Digital Decade Hungary, 2025
HUN-REN — Szervezeti és Működési Szabályzat (SZMSZ főszöveg + IT-melléklet, 2026.03.25.)
HUN-REN, 2026a
A 2024–2025-ös HUN-REN intézményi reform szervezeti és működési kerete; végrehajtói társintézményi hálózati szerep. Hivatalos SZMSZ főszöveg + IT-melléklet (2026.03.25.).
Magyarország Mesterséges Intelligencia Stratégiája (2025–2030)
MI Stratégia, 2025
A 2025–2030 közötti időszakra szóló nemzeti AI-stratégia: alkalmazási területek, kormányzati AI-felhasználás, adatvagyon.
Küldetés és közfeladatok
NKFIH, 2025b
Az NKFIH (Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal) intézményi küldetésének és közfeladatainak hivatalos leírása.
NRDI Fund programme strategy 2026
NKFIH, 2026
Global Tech Report 2026 — Leadership in the Age of AI
KPMG Global Tech, 2026
27 országban, 8 iparágban végzett kérdőíves felmérés 2 500 vezérigazgatótól: AI-adoptáció, ROI-szakadék (high performer 4,5× vs átlag 2×), agentikus AI 88%-os elterjedtsége, governance és execution discipline mint kulcs sikerfaktor.
Tech executives double down on AI, talent, and adaptive strategies to lead in the Intelligence Age
KPMG Tech Execs, 2026
A KPMG Global Tech Report 2026 közleménye: 88% agentikus AI-adoptáció, 74% AI-szállít üzleti értéket, csak 24% ér el ROI-t több use case-en. Tech-debt, költségnyomás, tehetséghiány mint fő akadályok. ~50%-os emberi tech-csapat 2027-re — durable human core orchestrating AI ecosystems.
Elektronikus Egészségügyi Szolgáltatási Tér (EESZT) — működési és intézményi keret
EESZT, 2026
Magyarország nemzeti integrált e-egészségügyi rendszere — 2017 óta üzemel, lakosság-szintű lefedettséggel: e-recept, EHR (egészségügyi rekordok), képalkotás-integráció, beutalók, oltások. Stratégiai egészségügyi adatvagyon kutatási és klinikai AI fejlesztésekhez.
EESZT és magyar e-egészségügyi rendszer — Európai összehasonlító adatok
EU eHealth, 2025
Az EESZT EU-szintű kontextusa: az EU TOP-3 integrált e-egészségügyi rendszerei között, a Digital Decade 2025 magyar profil szerint az e-egészségügyi adatokhoz való hozzáférés EU-átlag feletti. Európai Egészségügyi Adatcsere (EHDS) kontextus.