Για τις εδραιωμένες εταιρείες και τους μεγάλους οργανισμούς υπάρχουν καλά νέα: η εποχή της ΑΙ δεν φαίνεται να ευνοεί απαραίτητα ένα νέο κύμα startups που θα εκτοπίσει τις παραδοσιακές επιχειρήσεις.
Αντίθετα, η γνώση, οι διαδικασίες και η τεχνογνωσία που έχουν συσσωρεύσει επί δεκαετίες αποτελούν σήμερα ένα από τα σημαντικότερα ανταγωνιστικά τους πλεονεκτήματα.
Αυτό όμως δεν σημαίνει ότι μπορούν να μείνουν στάσιμες. Το αντίθετο.
Οι επιχειρήσεις καλούνται να περάσουν σε μια διαδικασία ταχύτατου AI-μετασχηματισμού, ενσωματώνοντας την τεχνητή νοημοσύνη σχεδόν σε κάθε λειτουργία τους.
Και ακριβώς εδώ γεννιέται μια νέα αγορά δισεκατομμυρίων: εταιρείες που δεν πουλούν απλώς λογισμικό AI, αλλά αναλαμβάνουν να μετασχηματίσουν ολόκληρους οργανισμούς.
Η επιτυχία της Palantir αποτελεί ίσως το χαρακτηριστικότερο παράδειγμα αυτής της τάσης, τόσο για πολιτική/επιχειρηματική χρήση, όσο και στο χώρο της άμυνας και των τεχνολογιών πολέμου.
Στην καρδιά της τεχνητής νοημοσύνης βρίσκονται τα tokens και όσο περισσότερο ασχολείται κανείς με αυτήν, τόσο θα τα συναντά μπροστά του, με όλα τα παράγωγα της λέξης.
Τι είναι τα tokens και γιατί έχουν γίνει τόσο σημαντικά
Πρόκειται για τις μικρές μονάδες κειμένου που επεξεργάζονται τα μεγάλα γλωσσικά μοντέλα (LLMs). Κάθε λέξη ή τμήμα λέξης μετατρέπεται σε tokens και οι εταιρείες πληρώνουν ουσιαστικά για την κατανάλωσή τους όταν χρησιμοποιούν υπηρεσίες όπως τα Claude, ChatGPT ή Gemini.
Τα τελευταία χρόνια εμφανίστηκε μάλιστα ο όρος tokenmaxxing, που περιγράφει την τάση να καταναλώνονται τεράστιοι αριθμοί tokens, με την ελπίδα ότι περισσότερη υπολογιστική ισχύς θα οδηγήσει αυτόματα σε καλύτερα αποτελέσματα.
Σύμφωνα όμως με νέα ανάλυση που έχει προκαλέσει έντονη συζήτηση στην κοινότητα της AI, το πρόβλημα δεν είναι η ποσότητα των tokens αλλά ο τρόπος χρήσης τους.
Όταν οι άνθρωποι γίνονται φθηνότεροι από το λογισμικό
Το βασικό συμπέρασμα της μελέτης είναι σχεδόν παράδοξο: για πρώτη φορά στην ιστορία, η ανθρώπινη εργασία μπορεί να κοστίζει λιγότερο από τη λανθασμένη χρήση της AI.
Ο λόγος είναι ότι τα περισσότερα στελέχη δεν γνωρίζουν ακόμη πώς να δίνουν στα μοντέλα το σωστό πλαίσιο εργασίας (context), ούτε πώς να διατυπώνουν αποτελεσματικές οδηγίες (prompts).
Έτσι, αντί η AI να επιταχύνει την παραγωγικότητα, δημιουργεί συνεχείς επαναλήψεις, άσκοπες δοκιμές και ατελείωτους κύκλους επεξεργασίας που καταναλώνουν χιλιάδες ή και εκατομμύρια tokens.
Οι δημιουργοί της ανάλυσης παρομοιάζουν αυτή την κατάσταση με επιχειρήσεις που προσλαμβάνουν συνεχώς προσωπικό χωρίς σαφή κατανομή αρμοδιοτήτων.
Η ιστορία επαναλαμβάνεται
Οι αναλυτές χρησιμοποιούν ένα ιστορικό παράδειγμα για να εξηγήσουν τι συμβαίνει σήμερα.
Τον 19ο αιώνα, η αλματώδης ανάπτυξη των σιδηροδρόμων στις ΗΠΑ οδήγησε σε ένα τόσο περίπλοκο δίκτυο, ώστε οι μέχρι τότε μέθοδοι συντονισμού κατέρρευσαν. Ένα πολύνεκρο δυστύχημα στη Μασαχουσέτη το 1841 ανάγκασε τις εταιρείες να δημιουργήσουν νέες διοικητικές δομές, σαφείς ιεραρχίες και συστήματα διαχείρισης. Έτσι γεννήθηκε ουσιαστικά το σύγχρονο management.
Κάτι αντίστοιχο συμβαίνει σήμερα με την τεχνητή νοημοσύνη. Η AI μπορεί να εκτελεί χιλιάδες εργασίες ταυτόχρονα, αλλά χωρίς σωστή διαχείριση μπορεί να πολλαπλασιάσει τα λάθη εξίσου γρήγορα.
Τα «loops»: Συσκέψεις χωρίς τέλος
Ένα από τα μεγαλύτερα προβλήματα είναι τα λεγόμενα loops.
Πρόκειται για περιπτώσεις όπου ένας AI agent καλεί επανειλημμένα τον εαυτό του ή άλλους agents για να διορθώσει προηγούμενες απαντήσεις, δημιουργώντας έναν ατέρμονο κύκλο ενεργειών που αυξάνει το κόστος χωρίς ουσιαστικό αποτέλεσμα.
Θα μπορούσαμε να τα παρομοιάσουμε με τις γνωστές εταιρικές συσκέψεις που οργανώνονται απλώς για να προγραμματιστούν… νέες συσκέψεις.
Τα «100Χ tokens» θα αντικαταστήσουν τους «10Χ engineers»
Για πολλά χρόνια ο κλάδος της τεχνολογίας μιλούσε για τους περίφημους 10Χ engineers, δηλαδή τους μηχανικούς λογισμικού που παράγουν πολλαπλάσια αξία από τον μέσο προγραμματιστή.
Στην εποχή της AI η πραγματική υπεραξία θα προέρχεται από τα 100Χ tokens: τις σωστές πληροφορίες, τα κατάλληλα δεδομένα και το ιδανικό πλαίσιο εργασίας που επιτρέπουν στα μοντέλα να ολοκληρώνουν σύνθετες εργασίες με ελάχιστη κατανάλωση υπολογιστικών πόρων.
Με άλλα λόγια, η επιτυχία δεν θα εξαρτάται από το ποιος χρησιμοποιεί περισσότερη AI, αλλά από το ποιος τη χρησιμοποιεί αποτελεσματικότερα.
Η νέα «πολιτική» μέσα στις επιχειρήσεις
Η εξάπλωση της τεχνητής νοημοσύνης δημιουργεί και ένα νέο πρόβλημα.
Πολλοί εργαζόμενοι διστάζουν να μεταφέρουν όλη τη γνώση τους στα εταιρικά συστήματα AI, φοβούμενοι ότι έτσι θα καταστήσουν ευκολότερη την αντικατάστασή τους.
Ακόμη και στη Meta εργαζόμενοι αντέδρασαν όταν η εταιρεία χρησιμοποίησε εσωτερικά δεδομένα και πληροφορίες των στελεχών για την εκπαίδευση συστημάτων τεχνητής νοημοσύνης.
Το νέο ανταγωνιστικό πλεονέκτημα
Η επόμενη μεγάλη μάχη δεν θα δοθεί γύρω από τα ίδια τα μοντέλα AI, αλλά γύρω από τα λεγόμενα evaluations (evals).
Πρόκειται για τα συστήματα αξιολόγησης που επιτρέπουν σε μια επιχείρηση να μετρά αν η τεχνητή νοημοσύνη εκτελεί σωστά μια εργασία. Στον προγραμματισμό αυτό είναι σχετικά εύκολο, αφού ο κώδικας είτε λειτουργεί είτε όχι.
Στις υπόλοιπες επιχειρηματικές λειτουργίες, όμως, κάθε εταιρεία θα χρειαστεί να δημιουργήσει τα δικά της κριτήρια επιτυχίας. Οι αναλυτές εκτιμούν ότι αυτά τα κριτήρια θα εξελιχθούν σε ένα από τα σημαντικότερα στρατηγικά περιουσιακά στοιχεία κάθε οργανισμού.
Γιατί το consulting γίνεται ακόμη πιο πολύτιμο
Την τελευταία διετία πολλοί προέβλεπαν ότι η τεχνητή νοημοσύνη θα εξαφάνιζε μεγάλο μέρος της συμβουλευτικής αγοράς.
Η πραγματικότητα φαίνεται να κινείται προς την αντίθετη κατεύθυνση.
Η πρόκληση πλέον δεν είναι η εγκατάσταση ενός chatbot ή η αγορά ενός μεγάλου γλωσσικού μοντέλου, αλλά η προσαρμογή όλων των επιχειρηματικών διαδικασιών ώστε να αξιοποιούν αποτελεσματικά την AI.
Αυτό απαιτεί βαθιά γνώση της λειτουργίας κάθε οργανισμού, σχεδιασμό νέων διαδικασιών, δημιουργία εξειδικευμένων μοντέλων αξιολόγησης και συνεχή βελτιστοποίηση.
Γι’ αυτό και εταιρείες όπως η Palantir δεν αναπτύσσονται επειδή διαθέτουν απλώς προηγμένο λογισμικό. Η πραγματική τους αξία βρίσκεται στο ότι αναλαμβάνουν τον συνολικό ψηφιακό μετασχηματισμό μεγάλων επιχειρήσεων και κυβερνήσεων.
Το συμπέρασμα είναι σαφές: η τεχνητή νοημοσύνη δεν αντικαθιστά αυτομάτως τις παραδοσιακές εταιρείες.
Αντίθετα, δημιουργεί μια νέα αγορά όπου θα κυριαρχήσουν όσοι μπορούν να μετατρέψουν την εμπειρία, τις διαδικασίες και τη συσσωρευμένη γνώση ενός οργανισμού σε αποτελεσματικά συστήματα AI.
Σε αυτή τη νέα πραγματικότητα, το μεγαλύτερο επιχειρηματικό στοίχημα ίσως δεν είναι η δημιουργία της επόμενης startup, αλλά η επιτυχής μεταμόρφωση των ήδη υπαρχουσών επιχειρήσεων.
