Δημήτρης Δημητριάδης (TheFutureCats): Η Τεχνητή Νοημοσύνη ανασχεδιάζει την εργασία

Πώς έχουν εξελιχθεί τα μοντέλα ΤΝ ούτως ώστε να μας δίνουν εξειδικευμένες και αξιόπιστες απαντήσεις;

Η μεγάλη αλλαγή ήρθε όταν τα μοντέλα ΤΝ σταμάτησαν να «ψάχνουν μέσα στο κεφάλι τους» και άρχισαν να στηρίζονται σε πραγματικά επιχειρηματικά δεδομένα. Με συστήματα RAG (Retrieval-Augmented Generation), ένα σύστημα δεν απαντά πλέον μόνο από όσα έχει μάθει στην εκπαίδευσή του, αλλά αντλεί πληροφορίες σε πραγματικό χρόνο από αξιόπιστες πηγές,  π.χ. εσωτερικά έγγραφα, κανονισμούς ή ενημερωμένες βάσεις δεδομένων του οργανισμού. Έτσι, μειώνονται τα λάθη και οι απαντήσεις είναι πιο ακριβείς, τεκμηριωμένες και επικαιροποιημένες.

Πού σταματά η αξιοπιστία των AI Agents και των LLMs και πού «πιάνει δουλειά» ο ανθρώπινος παράγοντας;

Η Τεχνητή Νοημοσύνη είναι εξαιρετική στο να οργανώνει, να συνδυάζει και να επιταχύνει εργασίες. Όμως, όταν μπαίνουμε σε περιοχές με αβεβαιότητα, ασάφεια ή κρίσιμες αποφάσεις, για παράδειγμα νομικά ζητήματα, στρατηγικές επιλογές ή θέματα ασφάλειας, η ανθρώπινη κρίση είναι απαραίτητη. Οι επιχειρήσεις που καταφέρνουν να συνδυάσουν έξυπνα μηχανές και ανθρώπους έχουν το μεγαλύτερο πλεονέκτημα: η ΤΝ επιταχύνει, ο άνθρωπος εγκρίνει και δίνει κατεύθυνση.

Πώς έχεις βάλει εσύ στην καθημερινότητά σου αυτές τις τεχνολογίες; Δώσε μας τα δικά σου παραδείγματα αξιοποίησης αυτών των εργαλείων ΤΝ σε πραγματικές συνθήκες.

Στη δική μου εργασία η ΤΝ έχει γίνει καθημερινό εργαλείο, όχι θεωρία. Xρησιμοποιώ συστήματα RAG για να αντλώ αξιόπιστες πληροφορίες από μια βάση γνώσης με όλα μου τα emails, ομιλίες, meeting, ημερολόγιο και να απαντώ γρήγορα σε πολύπλοκα ερωτήματα.

Έχω ενσωματώσει AI agents που λειτουργούν σαν “δεύτερη ομάδα”: οργανώνουν αυτόματα αρχεία, συντάσσουν πρώτες εκδοχές αναφορών ή παρουσιάσεων, προτείνουν δομές για workshops και συχνά με βοηθούν να προετοιμάζομαι για στρατηγικές συναντήσεις με επιχειρηματίες, οργανισμούς και θεσμούς. Το σημαντικό είναι ότι λειτουργούν στο παρασκήνιο, εγώ κρατώ τον έλεγχο, αλλά δεν χρειάζεται να κάνω κάθε μηχανικό βήμα μόνος μου.

Ένα πολύ χαρακτηριστικό παράδειγμα είναι ο τρόπος που έχω αυτοματοποιήσει τη διαχείριση των συναντήσεών μου, μέσω ενός agent. Αντί να περνώ ώρες την εβδομάδα αναζητώντας σημειώσεις από meetings, ο agent:

• Συνδέεται με το ημερολόγιό μου.
• Δημιουργεί αυτόματα περιλήψεις και action points από κάθε συνάντηση.
• Εντοπίζει επαναλαμβανόμενα θέματα, εκκρεμότητες και deadlines.
• Και με ειδοποιεί όταν πλησιάζουν κρίσιμες αποφάσεις ή follow-ups.

Με αυτόν τον τρόπο, εγώ δεν “κυνηγάω” τη ροή της πληροφορίας, η πληροφορία έρχεται σε εμένα έτοιμη, καθαρή και οργανωμένη. Αυτό αλλάζει ριζικά το πώς εργάζομαι: αφιερώνω τον χρόνο μου στην ουσία των συζητήσεων και στη στρατηγική αξία, όχι στη διαχείριση του φόρτου.

Μιλάς με επιχειρηματίες και αξιωματούχους σε όλο τον κόσμο. Αν σου λέγαμε να ξεχωρίσεις 3 από τις κυριότερες απορίες/ανησυχίες που ακούς πιο συχνά για την ΤΝ και την εφαρμογή της σε πραγματικές συνθήκες εργασίας, ποιες είναι αυτές;

Πρώτον, η ασφάλεια των δεδομένων: «Μπορώ να εμπιστευτώ την ΤΝ χωρίς να διαρρεύσουν ευαίσθητες πληροφορίες;». Δεύτερον, η απόδοση: «Πότε θα δω απτά αποτελέσματα;». Και τρίτον, ο ρόλος του ανθρώπου: «Θα αντικατασταθούμε ή θα ενισχυθούμε;». Στην πράξη, οι πιο επιτυχημένες επιχειρήσεις είναι αυτές που θέτουν ξεκάθαρα όρια, μετρούν την πρόοδο με δείκτες και δίνουν έμφαση στην εκπαίδευση των ανθρώπων τους.

Κάθε επένδυση σε τεχνολογικά εργαλεία, και δη την ΤΝ, έχει από πίσω της ένα πλάνο απόδοσης. Ποιο είναι κατά τη γνώμη σου το ιδανικό χρονικό «παράθυρο» ROI για έναν επιχειρηματία και πότε πρέπει να παρέμβει εάν δεν βλέπει τα επιθυμητά αποτελέσματα;

Σε καλά σχεδιασμένα έργα, τα πρώτα μετρήσιμα αποτελέσματα έρχονται μέσα στους πρώτους 2–3 μήνες και το ROI σταθεροποιείται σε 6 έως 12 μήνες. Αν σε αυτό το διάστημα δεν υπάρχουν ενδείξεις βελτίωσης, όπως ταχύτερες ροές εργασίας, μειωμένα λάθη ή καλύτερες αποφάσεις, τότε χρειάζεται παρέμβαση: επαναπροσδιορισμός στόχων, εκπαίδευση ομάδας ή καλύτερα δεδομένα. Η ΤΝ δεν είναι «μαγικό ραβδί»· είναι στρατηγικό εργαλείο που χρειάζεται σχέδιο που να υπολογίζει τους ανθρώπους να διαχειρίζεται σωστά τα δεδομένα και να αξιοποιεί τις υποδομές.

Κυρίως στις ΗΠΑ, αλλά και στην Κίνα, βλέπουμε έναν απίστευτο «χορό» δισ. ή και τρισ. δολαρίων σε επενδύσεις ΤΝ (βλ. Nvidia, OpenAI, Intel, AMD κλπ). Πώς βλέπεις αυτές τις εξελίξεις, ιδιαίτερα των τελευταίων 2 μηνών; Δεν υπάρχει τελικά «φούσκα» στην ΤΝ;

Υπάρχουν σίγουρα τομείς που υπερεκτιμούνται, αλλά η «καρδιά» της επένδυσης είναι πολύ πιο σταθερή. Οι μεγάλες επενδύσεις γίνονται σε υποδομές. Data centers, chips, ενέργεια που θα στηρίξουν την επόμενη φάση της ψηφιακής οικονομίας. Μπορεί να «σκάσουν» κάποιες υπερβολικές αποτιμήσεις εταιριών, αλλά η συνολική αγορά δεν στηρίζεται σε αέρα. Το στοίχημα είναι ποιος θα δημιουργήσει πραγματική αξία πάνω σε αυτές τις υποδομές.

Βλέποντας, μέσα σε σχεδόν 5 χρόνια, να ζούμε την εξέλιξης μιας «σχέσης επικοινωνίας» ανθρώπου-μηχανής με τόσο εντυπωσιακούς ρυθμούς, τι νέο μπορεί να δούμε να έρχεται την επόμενη πενταετία;

Η επόμενη φάση της τεχνητής νοημοσύνης δεν θα χαρακτηρίζεται απλώς από «έξυπνες εφαρμογές» που διευκολύνουν μεμονωμένες εργασίες. Θα αφορά τη βαθιά αναδόμηση του τρόπου με τον οποίο οργανώνεται, λειτουργεί και εξελίσσεται η ίδια η εργασία. Από απλά βοηθητικά εργαλεία, περνάμε σε οικοσυστήματα ΤΝ που γίνονται το λειτουργικό υπόβαθρο της καθημερινής επιχειρηματικής δράσης.

Σε αυτό το πλαίσιο, θα δούμε:

Ψηφιακούς συνεργάτες με υψηλό βαθμό αυτονομίας, που δεν θα εκτελούν απλώς εντολές αλλά θα σχεδιάζουν, θα αποφασίζουν εντός προκαθορισμένων πλαισίων και θα ενεργούν σε πραγματικό χρόνο. Αυτή η μετάβαση μετατρέπει το “AI ως εργαλείο” σε “AI ως υποδομή”, επιτρέποντας την επιτάχυνση πολύπλοκων διαδικασιών με ελάχιστη ανθρώπινη παρέμβαση.

On-device AI, δηλαδή νοημοσύνη εγκατεστημένη τοπικά σε συσκευές και συστήματα. Η μετάβαση από το cloud σε αποκεντρωμένα περιβάλλοντα σημαίνει περισσότερη ταχύτητα, προστασία δεδομένων και επιχειρησιακή αυτονομία. Είναι μια μετατόπιση που θα επηρεάσει ολόκληρες αλυσίδες αξίας, από τη βιομηχανία έως τις δημιουργικές εργασίες.

Ρόλους που δεν θα βασίζονται σε στατικές περιγραφές θέσεων, αλλά σε δυναμικές διεπαφές ανθρώπου – agent. Ο επαγγελματίας του μέλλοντος δεν θα είναι ούτε χειριστής ούτε αντικαταστάτης, αλλά στρατηγικός ενορχηστρωτής: θα θέτει στόχους, θα διαμορφώνει πλαίσια και θα ελέγχει αποτελέσματα.

Ένα αυστηρότερο, πιο συνεκτικό ρυθμιστικό πλαίσιο, ειδικά στην Ευρώπη, που θα καθορίζει σαφώς ποιες λύσεις είναι ώριμες για μαζική χρήση και ποιες παραμένουν σε πειραματικό στάδιο. Η συμμόρφωση, η διαφάνεια και η λογοδοσία θα γίνουν βασικά στοιχεία της καινοτομίας, όχι εμπόδια σε αυτήν.

Αυτές οι αλλαγές δεν είναι μακρινό μέλλον – είναι οι πρώτες γραμμές της νέας εργασιακής πραγματικότητας. Στο βιβλίο μου «2049 – Οδηγίες χρήσης για το μέλλον της ανθρωπότητας» περιγράφω αυτήν ακριβώς τη μετάβαση: από έναν κόσμο όπου η τεχνητή νοημοσύνη “βοηθά” σε έναν κόσμο όπου ο άνθρωπος και η ΤΝ συν- δημιουργούν. Δεν μιλάμε για αντικατάσταση, αλλά για ανασχεδιασμό της εργασίας, της παραγωγής αξίας και των θεσμών που τις στηρίζουν.

Η πρόκληση για τις επιχειρήσεις δεν θα είναι απλώς να υιοθετήσουν την τεχνολογία, αλλά να οραματιστούν και να σχεδιάσουν εκ νέου το πώς θέλουν να λειτουργούν μέσα σε αυτή τη νέα πραγματικότητα. Οι οργανισμοί που θα κινηθούν έγκαιρα με στρατηγική προόραση θα είναι και αυτοί που θα διαμορφώσουν τους κανόνες του παιχνιδιού.

Για τα στελέχη που θέλουν να κάνουν αυτό το βήμα, υπάρχει πλέον και στην Ελλάδα μια στοχευμένη εκπαιδευτική ευκαιρία: το “AI Executive for Business in Action”, από τη TheFutureCats σε συνεργασία με την PwC’s Academy. Ένα hands-on πρόγραμμα 6 ωρών με αληθινά use cases, σχεδιασμένο ειδικά για ανώτατα στελέχη, που δείχνει πώς να ενσωματωθεί η τεχνητή νοημοσύνη στις αποφάσεις, στις ομάδες και στις ροές εργασίας, με τρόπο που θα φέρει άμεσα μετρήσιμα αποτελέσματα.