Η τεχνητή νοημοσύνη παρουσιάστηκε ως το μεγάλο «εύκολο κουμπί» για τις επιχειρήσεις: μια τεχνολογία που θα μείωνε κόστος, θα αύξανε την παραγωγικότητα και θα αντικαθιστούσε ολόκληρα τμήματα ανθρώπινης εργασίας. Τρία χρόνια μετά την έκρηξη του ChatGPT, όμως, η πραγματικότητα αποδεικνύεται πιο σύνθετη.

Παρά τις τεράστιες επενδύσεις και τις υψηλές προσδοκίες, οι περισσότερες εταιρείες δυσκολεύονται να μετατρέψουν την AI σε ουσιαστικό επιχειρηματικό όφελος, ανακαλύπτοντας στην πορεία ότι η τεχνολογία δεν είναι ούτε μαγική ούτε έτοιμη να λειτουργήσει χωρίς ανθρώπινη καθοδήγηση.

1

Σε έρευνα της Forrester Research, που πραγματοποιήθηκε το δεύτερο τρίμηνο σε 1.576 στελέχη, μόλις το 15% δήλωσε ότι τα περιθώρια κέρδους βελτιώθηκαν χάρη στην AI τον τελευταίο χρόνο. Αντίστοιχα, έρευνα της BCG σε 1.250 στελέχη (Μάιος–μέσα Ιουλίου) έδειξε ότι μόνο το 5% είδε ευρεία αξία από τη χρήση της τεχνητής νοημοσύνης.

Τα στελέχη εξακολουθούν να πιστεύουν ότι η γενετική AI θα μεταμορφώσει τελικά τις επιχειρήσεις τους, όμως επανεξετάζουν το πόσο γρήγορα θα συμβεί αυτό. Η Forrester προβλέπει ότι το 2026 οι εταιρείες θα αναβάλουν περίπου το 25% των προγραμματισμένων δαπανών τους για AI κατά έναν χρόνο.

«Οι τεχνολογικές εταιρείες που ανέπτυξαν αυτή την τεχνολογία έχουν καλλιεργήσει την αφήγηση ότι όλα θα αλλάξουν γρήγορα», λέει ο αναλυτής της Forrester, Μπράιαν Χόπκινς. «Όμως οι άνθρωποι δεν αλλάζουμε τόσο γρήγορα».

Παράλληλα, εταιρείες AI όπως η OpenAI, η Anthropic και η Google εντείνουν τις προσπάθειές τους να προσελκύσουν επιχειρηματικούς πελάτες. Σε πρόσφατο γεύμα με δημοσιογράφους στη Νέα Υόρκη, ο CEO της OpenAI, Σαμ Άλτμαν, δήλωσε ότι η ανάπτυξη συστημάτων AI για επιχειρήσεις θα μπορούσε να εξελιχθεί σε αγορά 100 δισεκατομμυρίων δολαρίων.

Όλα αυτά εκτυλίσσονται σε ένα περιβάλλον πρωτοφανούς τεχνολογικής επένδυσης — από μικροτσίπ και κέντρα δεδομένων μέχρι ενεργειακές υποδομές.

Το αν αυτές οι επενδύσεις μπορούν να δικαιολογηθούν θα κριθεί από το κατά πόσο οι εταιρείες θα καταφέρουν να χρησιμοποιήσουν την AI για να αυξήσουν τα έσοδα, να βελτιώσουν τα περιθώρια κέρδους ή να επιταχύνουν την καινοτομία. Διαφορετικά, προειδοποιούν ειδικοί, η μαζική ανάπτυξη υποδομών θα μπορούσε να οδηγήσει σε μια κατάρρευση αντίστοιχη με τη «φούσκα» των dot-com στις αρχές της δεκαετίας του 2000.

Το «εύκολο κουμπί» που δεν υπήρξε ποτέ

Λίγο μετά την κυκλοφορία του ChatGPT, εταιρείες σε όλο τον κόσμο δημιούργησαν ομάδες εργασίας για να εντοπίσουν τρόπους αξιοποίησης της γενετικής AI — της τεχνητής νοημοσύνης που μπορεί να παράγει πρωτότυπο περιεχόμενο, όπως κείμενα, κώδικα και εικόνες.

Ένα από τα πιο γνωστά προβλήματα των μοντέλων AI είναι η τάση τους να ικανοποιούν τον χρήστη. Αυτή η προκατάληψη, γνωστή ως «συκοφαντία» (sycophancy), ενθαρρύνει τη συζήτηση, αλλά συχνά υπονομεύει την ποιότητα των συμβουλών.

Αυτό ακριβώς αντιμετώπισε και το CellarTracker. Αν και το chatbot τα πήγαινε καλά στις γενικές προτάσεις, όταν ερωτάτο για συγκεκριμένες χρονιές κρασιών παρέμενε θετικό — ακόμη κι όταν όλα τα δεδομένα έδειχναν ότι ο χρήστης δεν θα τα απολάμβανε.

«Έπρεπε να κάνουμε ακροβατικά για να πείσουμε τα μοντέλα να είναι επικριτικά και να πουν ότι κάποια κρασιά ίσως δεν μου αρέσουν», λέει ο ΛεΒίν. Μέρος της λύσης ήταν η διαμόρφωση prompts που έδιναν στο μοντέλο “άδεια” να λέει όχι.

Άλλο πρόβλημα που αντιμετωπίζουν οι επιχειρήσεις είναι η έλλειψη συνέπειας. Ο Τζέρεμι Νίλσεν, γενικός διευθυντής της καναδικής σιδηροδρομικής εταιρείας Cando Rail and Terminals, ανέφερε ότι ένα chatbot που δοκιμάστηκε για την εκπαίδευση προσωπικού δεν μπορούσε να συνοψίσει αξιόπιστα τους Καναδικούς Κανονισμούς Σιδηροδρόμων, ένα έγγραφο περίπου 100 σελίδων. Άλλοτε ξεχνούσε κανόνες, άλλοτε τους παρερμήνευε ή τους επινοούσε.

Το έργο εγκαταλείφθηκε προσωρινά, παρότι η εταιρεία έχει ήδη δαπανήσει 300.000 δολάρια. «Όλοι νομίζαμε ότι θα ήταν το “εύκολο κουμπί”», λέει ο Νίλσεν. «Και τελικά δεν ήταν».

Τα αδύναμα σημεία του ΑΙ

Τα τηλεφωνικά κέντρα και η εξυπηρέτηση πελατών θεωρούνταν από τους πρώτους τομείς που θα αντικαθιστούσε η AI. Στην πράξη, όμως, πολλές εταιρείες ανακάλυψαν τα όριά της.

Η Klarna, για παράδειγμα, παρουσίασε το 2024 έναν AI πράκτορα εξυπηρέτησης πελατών που —σύμφωνα με την ίδια— μπορούσε να αντικαταστήσει 700 εργαζομένους. Το 2025, ωστόσο, ο CEO της παραδέχτηκε ότι αρκετοί πελάτες προτιμούν την ανθρώπινη επαφή.

Αντίστοιχα, η Verizon επανεπενδύει σε ανθρώπινους εκπροσώπους, χρησιμοποιώντας την AI κυρίως για τη διαλογή και την προετοιμασία των κλήσεων. «Η ενσυναίσθηση είναι το βασικό στοιχείο που μας εμποδίζει να αφήσουμε την AI να μιλά αποκλειστικά με τους πελάτες», σημειώνει στέλεχος της εταιρείας.

Τα μεγάλα γλωσσικά μοντέλα διαπρέπουν σε σύνθετα μαθηματικά και προγραμματισμό, αλλά αποτυγχάνουν σε φαινομενικά απλές εργασίες — ένα φαινόμενο που οι ερευνητές αποκαλούν «οδοντωτό σύνορο» (jagged frontier).

Αρκετές εταιρείες συνειδητοποιούν πλέον ότι για να λειτουργήσει σωστά η AI απαιτείται εκτεταμένη αναδιοργάνωση και τυποποίηση των δεδομένων τους — μια διαδικασία δαπανηρή και χρονοβόρα.

Περισσότερη καθοδήγηση

Η OpenAI και η Anthropic επενδύουν πλέον σε ομάδες που συνεργάζονται άμεσα με πελάτες, βοηθώντας τους να εφαρμόσουν την τεχνολογία σε συγκεκριμένα προβλήματα.

«Βλέπουμε αποτυχίες όταν οι εταιρείες προσπαθούν να λύσουν από την αρχή ένα πρόβλημα δισεκατομμυρίων», δήλωσε στέλεχος της OpenAI.

Νεοφυείς επιχειρήσεις, συχνά ιδρυμένες από πρώην εργαζομένους της OpenAI, αναπτύσσουν εξειδικευμένα εργαλεία για συγκεκριμένους κλάδους, όπως τα χρηματοοικονομικά και η νομική.

«Οι εταιρείες χρειάζονται πολύ περισσότερη καθοδήγηση για να κάνουν την AI πραγματικά χρήσιμη», καταλήγει η CEO της Writer, Μέι Χαμπίμπ.

 

Διαβάστε επίσης 

Amazon: Ρεκόρ σημείωσαν οι απολύσεις στην Λουξεμβούργο

Πώς αντέδρασαν οι επενδυτές μετά την ανακοίνωση των στοιχείων για την αγορά εργασίας στις ΗΠΑ

Pfizer: Πρόβλεψη για σταθερές πωλήσεις το 2026 – Με νέες εξαγορές ενισχύει την «φαρέτρα»