Μαρκ Κιούμπαν: Το «πρόβλημα συνέπειας» του AI είναι η μεγαλύτερη πρόκληση για τις επιχειρήσεις
- Η πρόκληση: Σε αντίθεση με το παραδοσιακό λογισμικό (deterministic), η Παραγωγική Τεχνητή Νοημοσύνη είναι πιθανολογική (probabilistic), με αποτέλεσμα να δίνει διαφορετικές απαντήσεις στην ίδια ερώτηση.
- Το ρίσκο: Η έλλειψη προβλεψιμότητας και οι «παραισθήσεις» (hallucinations) δυσκολεύουν την υιοθέτηση της AI σε κρίσιμες εταιρικές διαδικασίες.
- Η λύση: Ο Κιούμπαν τονίζει ότι η ανθρώπινη κρίση και η ικανότητα αμφισβήτησης των αποτελεσμάτων της AI γίνονται τα πιο πολύτιμα hard skills στην αγορά εργασίας.
Η τεχνητή νοημοσύνη αλλάζει τους κανόνες του επιχειρείν, αλλά σύμφωνα με τον Μαρκ Κιούμπαν, το μεγαλύτερο εμπόδιο για την καθολική υιοθέτησή της από τις επιχειρήσεις δεν είναι το κόστος, αλλά η έλλειψη συνέπειας. Σε πρόσφατη τοποθέτησή του στην πλατφόρμα Χ, ο δισεκατομμυριούχος επενδυτής υπογράμμισε ότι το γεγονός πως τα εργαλεία AI δεν επιστρέφουν το ίδιο αποτέλεσμα στην ίδια εισαγωγή δεδομένων (input), αποτελεί δομικό πρόβλημα για το εταιρικό περιβάλλον.
Πιθανότητες vs Καθορισμένοι Κανόνες
Η ανάλυση του Κιούμπαν φωτίζει τη βασική σχεδιαστική διαφορά μεταξύ της AI και του παραδοσιακού λογισμικού:
- Παραδοσιακά Εργαλεία (Deterministic): Λειτουργούν με βάση σταθερούς κανόνες. Το ίδιο input παράγει πάντα το ίδιο output.
- Παραγωγική AI (Probabilistic): Μοντέλα όπως το GPT-5.5 της OpenAI, το Opus 4.7 της Anthropic και το Gemini 3.1 της Google, επιλέγουν την απάντησή τους από ένα εύρος πιθανών αποτελεσμάτων.
Αυτή η μεταβλητότητα, ενώ είναι ευεργετική για δημιουργικές εργασίες, μπορεί να αποβεί μοιραία σε επιχειρηματικά περιβάλλοντα που απαιτούν απόλυτη ακρίβεια και επαναληψιμότητα, οδηγώντας συχνά σε AI «παραισθήσεις».
Η «διχοτόμηση» των χρηστών
Μιλώντας στο Big Technology Podcast, ο Κιούμπαν περιέγραψε έναν αυξανόμενο διαχωρισμό στον τρόπο με τον οποίο οι εργαζόμενοι προσεγγίζουν την τεχνολογία:
- Οι «παθητικοί» χρήστες: Εκείνοι που χρησιμοποιούν την AI για να αποφύγουν τη μάθηση, αντιμετωπίζοντας το εργαλείο σαν έναν «μεθυσμένο ασκούμενο».
- Οι «ενεργητικοί» χρήστες: Εκείνοι που χρησιμοποιούν την AI ως επιταχυντή για να μάθουν τα πάντα και να χτίσουν νέες δεξιότητες.
Η επιστροφή της ανθρώπινης κρίσης
Για τον Κιούμπαν, η ασυνέπεια της AI είναι ο λόγος που η ανθρώπινη κρίση και η βαθιά γνώση του αντικειμένου (domain knowledge) αποκτούν ξαφνικά τεράστια υπεραξία. «Η ικανότητα να προκαλείς και να αμφισβητείς το output της AI γίνεται όλο και πιο απαραίτητη», σημειώνει.
Στην ουσία, η AI δεν γνωρίζει τις συνέπειες των απαντήσεων που δίνει. Αυτό καθιστά τον άνθρωπο-επόπτη τον τελικό εγγυητή της ποιότητας και της στρατηγικής ορθότητας. Ο Κιούμπαν, ο οποίος πρόσφατα μοιράστηκε συμβουλές για τη χρήση του μοντέλου Κλοντ (Claude) από μικρές επιχειρήσεις, καταλήγει πως στο νέο τοπίο δεν θα επιβιώσουν εκείνοι που απλώς χρησιμοποιούν AI, αλλά εκείνοι που έχουν τη γνώση να την ελέγχουν.
