Γιατί οι μεγάλες εταιρείες βάζουν φρένο στη χρήση AI στην εργασία

• Goldman Sachs, Cisco και JPMorgan περιορίζουν τη χρήση AI από τους εργαζομένους
• Αυξάνεται το κόστος των tokens και οι δαπάνες για την τεχνητή νοημοσύνη
• Οι επιχειρήσεις αναζητούν ισορροπία μεταξύ παραγωγικότητας, κόστους και ασφάλειας δεδομένων

Η ανεξέλεγκτη χρήση εργαλείων τεχνητής νοημοσύνης από τους εργαζομένους αρχίζει να προβληματίζει τις μεγάλες επιχειρήσεις, οι οποίες περνούν από την πολιτική της ευρείας πρόσβασης σε ένα πιο ελεγχόμενο μοντέλο. Goldman Sachs, Cisco και JPMorgan θέτουν πλέον συγκεκριμένα όρια στη χρήση εφαρμογών AI, επιχειρώντας να περιορίσουν το κόστος και τους κινδύνους για την ασφάλεια των δεδομένων τους.

Μετά από μια περίοδο κατά την οποία οι επιχειρήσεις ενθάρρυναν το προσωπικό τους να πειραματιστεί με την τεχνητή νοημοσύνη, η προτεραιότητα μετατοπίζεται πλέον στην αποτελεσματικότερη αξιοποίησή της. Όπως επισημαίνουν στελέχη της McKinsey, η αυξανόμενη χρήση των εργαλείων AI καθιστά αναγκαία τη θέσπιση σαφών κανόνων.

Στην Goldman Sachs, ο διευθύνων σύμβουλος Ντέιβιντ Σόλομον δήλωσε ότι η τράπεζα διευρύνει τη γκάμα των εργαλείων AI που προσφέρει στους 45.000 εργαζομένους της, χωρίς ωστόσο να θεωρεί απαραίτητη την καθημερινή πρόσβαση όλων στα πιο προηγμένα μοντέλα. Όπως εξήγησε στο Bloomberg TV, τα κορυφαία μοντέλα είναι απαραίτητα για συγκεκριμένες εργασίες, όπως η κυβερνοασφάλεια, όχι όμως για κάθε καθημερινή εφαρμογή.

Αντίστοιχα, η Cisco, αφού αρχικά επέτρεψε στις ομάδες ανάπτυξης λογισμικού να χρησιμοποιούν απεριόριστα tokens για να εξοικειωθούν με τα εργαλεία, σχεδιάζει πλέον να εφαρμόσει συγκεκριμένους προϋπολογισμούς. Ο επικεφαλής προϊόντων της εταιρείας, Τζέτου Πατέλ, ανέφερε ότι οι διευθυντές ομάδων που αριθμούν συνολικά 32.000 εργαζομένους θα λαμβάνουν συγκεκριμένα όρια χρήσης.

Η JPMorgan, από την πλευρά της, επέβαλε τον Σεπτέμβριο μηνιαίο πλαφόν 2.000 δολαρίων για τη χρήση του Claude Code της Anthropic από ορισμένους μηχανικούς της. Η τράπεζα συνδέει πλέον τις δαπάνες με την παραγωγικότητα, την ποιότητα της εργασίας και τη μείωση των κινδύνων.

Το αυξανόμενο κόστος της τεχνητής νοημοσύνης

Η αλλαγή στρατηγικής έρχεται μετά από μια περίοδο κατά την οποία οι επιχειρήσεις επιδίωκαν τη μέγιστη δυνατή αξιοποίηση των εργαλείων AI. Η Visa ανακοίνωσε ότι διπλασίασε τη μηνιαία κατανάλωση tokens, από 1 τρισεκατομμύριο τον Φεβρουάριο σε σχεδόν 2 τρισεκατομμύρια τον Μάρτιο.

Την ίδια περίοδο, ο διευθύνων σύμβουλος της Nvidia, Τζένσεν Χουάνγκ, δήλωσε ότι η εταιρεία επιδίωκε να δαπανά έως και 2 δισ. δολάρια ετησίως σε tokens για τους μηχανικούς της.

Ωστόσο, το αυξημένο κόστος δεν συνοδεύεται απαραίτητα από αντίστοιχα επιχειρηματικά οφέλη. Σύμφωνα με μελέτη της Menlo Ventures, οι δαπάνες των επιχειρήσεων για λύσεις τεχνητής νοημοσύνης έφτασαν τα 177 δισ. δολάρια έως τον Σεπτέμβριο του 2026, έναντι 33 δισ. δολαρίων στο σύνολο του 2025.

Την ίδια στιγμή, έρευνα της Gartner σε περίπου 2.000 στελέχη τεχνολογίας έδειξε ότι μόλις το 13% δήλωσε πως η επιχείρησή του είχε αποκομίσει σημαντική αξία από την τεχνητή νοημοσύνη.

Οι κίνδυνοι για τα εταιρικά δεδομένα

Πέρα από τις οικονομικές επιπτώσεις, ένας ακόμη λόγος για τον αυστηρότερο έλεγχο είναι η ασφάλεια των πληροφοριών. Έρευνα της KPMG το 2025, σε περισσότερους από 1.000 εργαζομένους στις ΗΠΑ, έδειξε ότι το 44% χρησιμοποιούσε εργαλεία AI χωρίς εξουσιοδότηση ή με ακατάλληλο τρόπο, ενώ το 46% είχε ανεβάσει ευαίσθητες εταιρικές πληροφορίες ή πνευματική ιδιοκτησία σε δημόσιες πλατφόρμες τεχνητής νοημοσύνης.

Ενδεικτική της νέας προσέγγισης είναι και η Rippling, εταιρεία λογισμικού διαχείρισης ανθρώπινου δυναμικού, η οποία επέβαλε μηνιαία όρια στη χρήση AI όταν διαπίστωσε ότι οι σχετικές δαπάνες θα μπορούσαν να φτάσουν το 40% του προϋπολογισμού του τμήματος έρευνας και ανάπτυξης.

Με τον συνδυασμό περιορισμών και αποτελεσματικότερης κατανομής των αιτημάτων μεταξύ διαφορετικών μοντέλων, η εταιρεία εκτίμησε ότι κατάφερε να περιορίσει το ποσοστό αυτό στο 10%-15%, διατηρώντας τη χρήση των tokens κοντά στα προηγούμενα υψηλά επίπεδα.

Όπως δήλωσε ο επικεφαλής προϊόντων της Rippling, Ματ ΜακΊνις, στόχος δεν είναι η μείωση των δαπανών για την τεχνητή νοημοσύνη, αλλά η διασφάλιση ότι η αύξησή τους συνοδεύεται από ουσιαστικά αποτελέσματα.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:

• Η AI χρειάζεται περισσότερα δανεικά – Γιατί οι τράπεζες γίνονται πιο επιφυλακτικές
• ΑΑΔΕ: Ψηφιακό «στρατηγείο» με AI και drones στη μάχη κατά της φοροδιαφυγής – Πώς θα λειτουργεί
• Anthropic: Πόσο πληρώνει η Wall Street για το μέλλον της AI;