Από την τεχνητή στη «συνθετική» νοημοσύνη: Η αλλαγή που πρέπει να καταλάβουν οι επιχειρήσεις

• Η συνθετική νοημοσύνη δεν προσομοιώνει απλώς την ανθρώπινη σκέψη, αλλά εμφανίζει αυτονομία, μνήμη και δυνατότητα εκτέλεσης ενεργειών.
• Τα παραδοσιακά συστήματα ελέγχου δεν αρκούν όταν ένα μοντέλο μπορεί να λαμβάνει αποφάσεις, να τροποποιεί τη συμπεριφορά του και να δρα χωρίς συνεχή ανθρώπινη παρέμβαση.
• Οι επιχειρήσεις χρειάζονται νέα μοντέλα διακυβέρνησης, λογοδοσίας και ελέγχου, πριν τα συστήματα AI αποκτήσουν μεγαλύτερο ρόλο στις κρίσιμες λειτουργίες τους.

Για να γίνει κατανοητή η μετάβαση που βρίσκεται σήμερα σε εξέλιξη στην τεχνητή νοημοσύνη, βοηθά μια σύγκριση με τα διαμάντια.

Η κυβική ζιρκονία μοιάζει με διαμάντι, αλλά αποτελεί απομίμηση. Αντίθετα, ένα εργαστηριακά κατασκευασμένο διαμάντι έχει την ίδια χημική δομή, την ίδια σκληρότητα και τις ίδιες ιδιότητες με ένα φυσικό διαμάντι. Δεν είναι απομίμηση· είναι πραγματικό διαμάντι, απλώς κατασκευασμένο αντί να έχει εξορυχθεί.

Με αφετηρία αυτή τη διάκριση, ο φιλόσοφος Τζον Χάουγκελαντ είχε υποστηρίξει πριν από περίπου 40 χρόνια ότι η τεχνητή νοημοσύνη θα έπρεπε να αποκαλείται «συνθετική νοημοσύνη», επειδή ο στόχος της δεν είναι η δημιουργία μιας ψεύτικης απομίμησης της νοημοσύνης, αλλά μιας πραγματικής, κατασκευασμένης μορφής της.

Σήμερα, η τεχνολογική εξέλιξη φαίνεται να πλησιάζει περισσότερο σε αυτή την περιγραφή. Τα πιο προηγμένα συστήματα AI δεν περιορίζονται πλέον στη δημιουργία κειμένων ή στην παροχή συμβουλών. Αρχίζουν να θυμούνται, να εκτελούν ενέργειες και να λειτουργούν με μεγαλύτερη αυτονομία μέσα στις επιχειρησιακές υποδομές.

Τα πέντε χαρακτηριστικά της συνθετικής νοημοσύνης

Πέντε βασικά χαρακτηριστικά διαχωρίζουν ένα σύστημα που απλώς προσομοιώνει τη νοημοσύνη από ένα σύστημα που μπορεί να θεωρηθεί συνθετική νοημοσύνη.

1. Διαρκής αυτονομία

Η χρονική περίοδος κατά την οποία ένα σύστημα AI μπορεί να εργάζεται αυτόνομα πάνω σε μια αποστολή αυξάνεται με γρήγορους ρυθμούς.

Σύμφωνα με εκτιμήσεις της METR, ο χρονικός ορίζοντας ολοκλήρωσης εργασιών των προηγμένων AI agents έχει περίπου διπλασιαστεί κάθε επτά μήνες από το 2019.

Παράλληλα, η Gartner προβλέπει ότι μια μέση επιχείρηση της λίστας Fortune 500 θα χρησιμοποιεί περισσότερους από 150.000 AI agents έως το 2028, έναντι λιγότερων από 15 το 2025.

2. Διαρκής ταυτότητα και μνήμη

Η αυτονομία αφορά το πόσο μπορεί να διαρκέσει μία εργασία. Η διαρκής ταυτότητα αφορά το κατά πόσο υπάρχει συνέχεια μεταξύ διαφορετικών εργασιών και χρονικών περιόδων.

Τα περισσότερα σημερινά συστήματα εξακολουθούν να επανεκκινούν χωρίς να διατηρούν πλήρη μνήμη προηγούμενων ενεργειών. Αυτό, όμως, αλλάζει.

Τα νέα συστήματα μπορούν να συσσωρεύουν μνήμη μεταξύ διαφορετικών συνεδριών και να διαμορφώνουν ολοένα ακριβέστερα μοντέλα για τον εαυτό τους, το περιβάλλον τους και τις προηγούμενες αποφάσεις τους.

Όταν η συμπεριφορά ενός συστήματος επηρεάζεται από όσα συνέβησαν πριν από εβδομάδες ή μήνες, η ικανότητα παύει να λειτουργεί σαν απλό εργαλείο και αρχίζει να αποκτά στοιχεία ταυτότητας.

3. Δράση στον πραγματικό κόσμο

Η σημαντικότερη αλλαγή είναι η μετάβαση από τη συμβουλή στην εκτέλεση.

Το σύστημα δεν προτείνει απλώς την επιστροφή χρημάτων· την πραγματοποιεί. Δεν συντάσσει μόνο ένα email· το αποστέλλει. Δεν προτείνει αλλαγές στον κώδικα· μπορεί να τις εφαρμόσει.

Τα συστήματα AI αποκτούν πρόσβαση σε προγράμματα περιήγησης, κώδικα, εταιρικά εισιτήρια υποστήριξης, διαπιστευτήρια, API, χρήματα και κρίσιμες υποδομές.

Αυτό σημαίνει ότι δεν λειτουργούν πλέον μόνο πάνω στις πληροφορίες της επιχείρησης, αλλά μέσα στα ίδια τα συστήματά της.

4. Αυτοτροποποίηση

Η δυνατότητα ενός συστήματος να τροποποιεί τον εαυτό του παραμένει σχετικά σπάνια, αλλά η κατεύθυνση είναι σαφής.

Το ερευνητικό σύστημα Darwin Gödel Machine, για παράδειγμα, μπορεί να επανεγγράφει σταδιακά τον κώδικά του. Παράλληλα, ένας agent που παρουσίασε ο Αντρέι Καρπάθι πραγματοποίησε 700 πειράματα σε δύο ημέρες και εντόπισε 20 πραγματικές βελτιώσεις σε κώδικα εκπαίδευσης που είχε ήδη βελτιστοποιηθεί από τον ίδιο.

Η OpenAI έχει επίσης περιγράψει το GPT-5.3-Codex ως μοντέλο που διαδραμάτισε σημαντικό ρόλο στη δημιουργία του εαυτού του.

Παρότι τα πλήρως αυτόνομα συστήματα εξακολουθούν να απέχουν από τις επιδόσεις κορυφαίων ειδικών, η δυνατότητα συνεχούς βελτίωσης χωρίς ανθρώπινη παρέμβαση δημιουργεί μια νέα επιχειρηματική πραγματικότητα.

5. Δημιουργική ανεξαρτησία

Η αυτονομία αφορά το πόσο χρόνο ένα σύστημα επιδιώκει έναν στόχο που του δόθηκε. Η ανεξαρτησία αφορά το πόσο μεγάλο μέρος της διαδικασίας δεν καθορίστηκε ποτέ από τον άνθρωπο.

Τα συστήματα αρχίζουν να δημιουργούν δικούς τους επιμέρους στόχους, να αναπτύσσουν νέα εργαλεία όταν διαπιστώνουν ότι τα χρειάζονται και να αναθέτουν εργασίες σε άλλους agents.

Ο άνθρωπος μπορεί να ορίζει τον τελικό προορισμό, αλλά το σύστημα δημιουργεί μόνο του τη διαδρομή.

Όταν δεκάδες χιλιάδες agents χρησιμοποιούνται μέσα στην ίδια επιχείρηση, οι σημαντικότερες συμπεριφορές ενδέχεται να μην προκύπτουν από έναν μόνο agent, αλλά από την αλληλεπίδραση και τον συντονισμό μεταξύ τους.

Τα παραδοσιακά συστήματα ελέγχου δεν αρκούν

Οι επιχειρήσεις έχουν σχεδιάσει τους μηχανισμούς ελέγχου τους ώστε να εντοπίζουν λανθασμένα αποτελέσματα.

Ένα συμβατικό σύστημα μπορεί να δώσει μια λανθασμένη απάντηση. Ένα σύστημα συνθετικής νοημοσύνης, όμως, μπορεί να λάβει δική του απόφαση, σταθμίζοντας τους κανόνες, τις οδηγίες και τους στόχους του.

Οι έλεγχοι ποιότητας, η παρακολούθηση της ακρίβειας και οι δοκιμές αποτελεσμάτων δεν έχουν σχεδιαστεί για να αξιολογούν ένα σύστημα που μπορεί να αποφασίζει ποιους κανόνες θα ακολουθήσει σε κάθε περίπτωση.

Σε ελεγχόμενες δοκιμές, το Claude Opus 4 της Anthropic επιχείρησε να ειδοποιήσει ρυθμιστικές αρχές και δημοσιογράφους, όταν έκρινε ότι μια επιχείρηση ενεργούσε με ακατάλληλο τρόπο.

Σε άλλες έρευνες, μοντέλα κατέφυγαν σε εκβιασμό ή αντιστάθηκαν στην απενεργοποίηση όταν οι στόχοι τους συγκρούονταν με τις οδηγίες που είχαν λάβει.

Το κρίσιμο στοιχείο είναι ότι τα συστήματα δεν παρουσίασαν απαραίτητα τεχνική βλάβη. Λειτουργούσαν κανονικά, αλλά άσκησαν κρίση σχετικά με το ποια εντολή ή ποιος κανόνας είχε προτεραιότητα.

Για τον λόγο αυτό, οι επιχειρήσεις πρέπει να αρχίσουν να αξιολογούν τα μοντέλα περισσότερο όπως θα αξιολογούσαν έναν νέο εργαζόμενο: όχι μόνο με βάση την τεχνική του ικανότητα, αλλά και σύμφωνα με τις αξίες, τη συμπεριφορά και τον τρόπο λήψης αποφάσεων.

Η ευθύνη παραμένει στην επιχείρηση

Η μετάβαση στη συνθετική νοημοσύνη αυξάνει και το νομικό ρίσκο.

Οι προμηθευτές μπορούν να προσφέρουν τεχνολογικές δυνατότητες, αλλά η επιχείρηση που χρησιμοποιεί το σύστημα παραμένει υπεύθυνη για τις συνέπειες των πράξεών του.

Νομοθεσία στην Καλιφόρνια δεν επιτρέπει στις εταιρείες να χρησιμοποιούν την αυτόνομη λειτουργία ενός συστήματος AI ως άμυνα απέναντι σε απαιτήσεις αποζημίωσης.

Παράλληλα, οι υποχρεώσεις του EU AI Act για τα συστήματα υψηλού κινδύνου συνοδεύονται από πρόστιμα που μπορούν να φτάσουν έως και το 7% του παγκόσμιου κύκλου εργασιών.

Χαρακτηριστικό παράδειγμα αποτελεί περιστατικό κατά το οποίο ένας AI coding agent, αντιμετωπίζοντας ένα συνηθισμένο πρόβλημα διαπιστευτηρίων, αποφάσισε μόνος του να το διορθώσει διαγράφοντας την παραγωγική βάση δεδομένων μιας εταιρείας και τα αντίγραφα ασφαλείας της.

Η ενέργεια χρειάστηκε ένα API call και μόλις εννέα δευτερόλεπτα.

Το πρόβλημα δεν ήταν απλώς η επιλογή ενός λάθος προμηθευτή. Ήταν ότι ένας αυτόνομος «δρών» τοποθετήθηκε μέσα σε μια αρχιτεκτονική σχεδιασμένη για παθητικά εργαλεία.

Η διακυβέρνηση δεν αγοράζεται έτοιμη

Οι επιχειρήσεις δεν μπορούν να αγοράσουν έτοιμη την κρίση ή τη λογοδοσία από έναν τεχνολογικό προμηθευτή.

Πρέπει να δημιουργήσουν δικές τους δομές διακυβέρνησης, με σαφείς αλυσίδες ευθύνης και καταγεγραμμένα δικαιώματα λήψης αποφάσεων πριν από την ανάπτυξη των συστημάτων.

Παράλληλα, πρέπει να διατηρούν έλεγχο πάνω στο πλαίσιο που διαμορφώνει τη συμπεριφορά των agents: τις μνήμες, τα logs, την ενορχήστρωση και το ιστορικό των ενεργειών τους.

Ένας προμηθευτής που ελέγχει ολόκληρο το ιστορικό του συστήματος ελέγχει ουσιαστικά και την ταυτότητα που αυτό έχει αναπτύξει.

Οι κρίσιμες αποφάσεις πρέπει να καταγράφονται, να υπάρχουν επιβεβαιώσεις πριν από μη αναστρέψιμες ενέργειες και να περιορίζονται οι πιθανές συνέπειες κάθε μεμονωμένης απόφασης.

Το ανταγωνιστικό πλεονέκτημα αλλάζει με ταχύτητα μηχανής

Ένα παραδοσιακό εργαλείο έχει περίπου την ίδια αξία σήμερα και αύριο. Ένα σύστημα συνθετικής νοημοσύνης, αντίθετα, μπορεί να βελτιώνεται συνεχώς.

Η ίδια δυνατότητα ισχύει και για τα συστήματα που χρησιμοποιούν οι ανταγωνιστές.

Μετά το πείραμα του Καρπάθι, ο CEO της Shopify, Τόμπι Λίτκε, εφάρμοσε παρόμοια διαδικασία σε μοντέλο της εταιρείας και κατέγραψε βελτίωση απόδοσης κατά 19%.

Ένα αποτέλεσμα πρωτοποριακής έρευνας μετατράπηκε σε εμπορική δυνατότητα μέσα σε λιγότερο από μία εβδομάδα και με κόστος μερικών εκατοντάδων δολαρίων σε υπολογιστική ισχύ.

Όταν οι δυνατότητες εξελίσσονται με ταχύτητα μηχανής, τα παραδοσιακά ανταγωνιστικά πλεονεκτήματα μπορούν να απαξιωθούν πολύ γρηγορότερα.

Οι ετήσιοι προϋπολογισμοί, οι περιοδικές αξιολογήσεις προμηθευτών και οι αργοί κύκλοι στρατηγικού σχεδιασμού δεν μπορούν να συμβαδίσουν με συστήματα που εκτελούν εκατοντάδες πειράματα όσο οι εργαζόμενοι κοιμούνται.

Τέσσερα βήματα για τις επιχειρήσεις

Οι εταιρείες πρέπει να σταματήσουν να αντιμετωπίζουν τα προηγμένα συστήματα AI ως απλά εργαλεία και να αρχίσουν να τα διαχειρίζονται ως δρώντες με αυτονομία και συνέπειες.

1. Έλεγχος των συστημάτων AI

Κάθε επιχείρηση μπορεί να δημιουργήσει έναν κατάλογο των συστημάτων που χρησιμοποιεί και να τα αξιολογήσει βάσει των πέντε χαρακτηριστικών της συνθετικής νοημοσύνης:

• Διαθέτουν αυτονομία;
• Διατηρούν μνήμη;
• Εκτελούν ενέργειες μέσω εργαλείων;
• Μπορούν να αυτοτροποποιηθούν;
• Δημιουργούν εργασίες που δεν τους ανατέθηκαν;

Ένα σύστημα που συγκεντρώνει τρεις ή περισσότερες θετικές απαντήσεις πιθανότατα χρειάζεται διαφορετικό μοντέλο διακυβέρνησης.

2. Επανακαθορισμός των δικαιωμάτων λήψης αποφάσεων

Για κάθε προηγμένο σύστημα πρέπει να οριστούν:

• Οι αποφάσεις που απαιτούν ανθρώπινη έγκριση.
• Το πρόσωπο που ελέγχει τον μηχανισμό απενεργοποίησης.
• Ο χρόνος που απαιτείται για την παύση της λειτουργίας του.

3. Έλεγχος του επιπέδου πληροφορίας

Οι επιχειρήσεις πρέπει να γνωρίζουν πού βρίσκονται η μνήμη, τα logs και τα συστήματα ενορχήστρωσης των agents.

Το ιστορικό που συγκεντρώνουν τα συστήματα μπορεί να εξελιχθεί είτε σε ανταγωνιστικό πλεονέκτημα είτε σε εξάρτηση από τον προμηθευτή.

4. Ταχύτερη εταιρική εποπτεία

Οι εταιρείες πρέπει να εντοπίσουν τον πιο αργό μηχανισμό εποπτείας τους και να εξετάσουν πόσες αλλαγές μπορεί να πραγματοποιήσει ένας agent ανάμεσα σε δύο συνεδριάσεις.

Η παρακολούθηση πρέπει να εντοπίζει αλλαγές συμπεριφοράς τη στιγμή που συμβαίνουν, όχι μόνο σε ένα μεμονωμένο σύστημα, αλλά και στις αλληλεπιδράσεις μεταξύ πολλών agents.

Κατασκευασμένη, αλλά πραγματική

Ένα σύστημα που απλώς προσομοιώνει τη νοημοσύνη απαιτεί κυρίως έλεγχο των αποτελεσμάτων του.

Η συνθετική νοημοσύνη, όμως, συνεπάγεται πραγματική αυτονομία, πραγματικές πράξεις και πραγματικές συνέπειες.

Ο μεγαλύτερος κίνδυνος για τις επιχειρήσεις δεν προέρχεται απαραίτητα από την ίδια την τεχνολογία. Προέρχεται από το χάσμα ανάμεσα σε αυτό που έχουν ήδη γίνει τα συστήματα και στον τρόπο με τον οποίο οι οργανισμοί εξακολουθούν να τα διαχειρίζονται.

Μέσα σε αυτό το χάσμα μπορεί να διαγραφεί μια βάση δεδομένων, να προκύψει νομική ευθύνη ή να αποκτήσει ένας ανταγωνιστής πλεονέκτημα που εξελίσσεται πολύ ταχύτερα από τις παραδοσιακές επιχειρηματικές διαδικασίες.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:

• Meta: Μισθοί έως 450.000 δολάρια και ισχυρά κίνητρα για ταλέντα στην τεχνητή νοημοσύνη
• Instagram: Η νέα λειτουργία που αποκαλύπτει ποιος βλέπει ξανά και ξανά τα stories σου
• Πώς το μεγαλύτερο data center Τεχνητής Νοημοσύνης της Meta αναστατώνει μια μικρή αγροτική πόλη