Η Τεχνητή Νοημοσύνη και τα δεδομένα μετασχηματίζουν τον τρόπο με τον οποίο οι επιχειρήσεις λειτουργούν και λαμβάνουν αποφάσεις. Ωστόσο, ο ψηφιακός μετασχηματισμός δεν είναι από μόνος του «έξυπνος» όταν περιορίζεται στην απλή υιοθέτηση τεχνολογικών εργαλείων και αντιμετωπίζεται ως τεχνολογική αναβάθμιση, χωρίς ουσιαστική αλλαγή στον τρόπο λήψης αποφάσεων και στη λειτουργία των οργανισμών.
Το κρίσιμο ερώτημα αφορά τις προϋποθέσεις υπό τις οποίες η Τεχνητή Νοημοσύνη αποδίδει πραγματική αξία. Στο πάνελ με θέμα «Οι Επιχειρήσεις στην εποχή των Δεδομένων και του ΑΙ», στο οποίο συμμετείχαν ο Δημήτρης Καρλής, Καθηγητής του ΟΠΑ, ο Ηλίας Βυζάς, Εταίρος και Επικεφαλής Συμβουλευτικών Υπηρεσιών της EY Ελλάδος, ο Ιωσήφ Μπελούκας, Director, Data Intelligence και Al Technology Leader στη Netcompany, και η Μαριέττα Πρίφτη, Managing Consultant στη Mastercard, υποστήριξαν ότι η Τεχνητή Νοημοσύνη δημιουργεί ουσιαστικό αντίκτυπο όταν λειτουργεί ως μηχανισμός υποστήριξης αποφάσεων, ενταγμένος σε οργανωτικά μοντέλα που συνδυάζουν δεδομένα, ανθρώπινη κρίση, εμπιστοσύνη και υπεύθυνη διακυβέρνηση.
Οι επιχειρήσεις στην εποχή των δεδομένων και της ΑΙ
Του Δημήτρη Καρλή, Καθηγητή του Τμήματος Στατιστικής του ΟΠΑ
Η τεχνητή νοημοσύνη (TN) µετασχηµατίζει ριζικά το επιχειρηµατικό µοντέλο των επιχειρήσεων, επηρεάζοντας τον τρόπο µε τον οποίο δηµιουργούν και προσφέρουν αξία. Μέσω της αυτοµατοποίησης διαδικασιών και της ανάλυσης µεγάλων όγκων δεδοµένων, οι επιχειρήσεις µειώνουν το κόστος και βελτιώνουν τη λήψη αποφάσεων. Παράλληλα, η ΤΝ επιτρέπει την εξατοµίκευση προϊόντων και υπηρεσιών σε µεγάλη κλίµακα, ενισχύοντας την εµπειρία του πελάτη. Τα δεδοµένα αποκτούν στρατηγικό ρόλο, ενώ αναδύονται νέα µοντέλα εσόδων, όπως συνδροµητικές υπηρεσίες και ψηφιακές πλατφόρµες. Συνολικά, η ΤΝ οδηγεί σε πιο ευέλικτα, καινοτόµα και ανταγωνιστικά επιχειρηµατικά µοντέλα.
Η τεχνητή νοημοσύνη μεταβάλλει ουσιαστικά και τις απαιτούμενες δεξιότητες των εργαζομένων. Οι υπάλληλοι καλούνται να διαθέτουν ψηφιακό εγγραμματισμό και βασική κατανόηση δεδομένων, ώστε να μπορούν να χρησιμοποιούν και να αξιολογούν εργαλεία της ΤΝ. Παράλληλα, η κριτική σκέψη και η ικανότητα ερμηνείας των αποτελεσμάτων της ανάλυσης των δεδομένων καθίστανται ιδιαίτερα σημαντικές για τη λήψη τεκμηριωμένων αποφάσεων. Ιδιαίτερη έμφαση δίνεται επίσης σε ανθρώπινες δεξιότητες, όπως η δημιουργικότητα, η επικοινωνία και η συναισθηματική νοημοσύνη. Τέλος, η προσαρμοστικότητα και η διάθεση για διά βίου μάθηση αποτελούν βασικές προϋποθέσεις για την επιτυχή ένταξη της ΤΝ στον χώρο εργασίας.
Το πανεπιστήμιο μπορεί να διαδραματίσει καθοριστικό ρόλο στην ανάπτυξη των νέων δεξιοτήτων που απαιτεί η ΤΝ, προσαρμόζοντας τόσο το περιεχόμενο όσο και τη μεθοδολογία της εκπαίδευσης. Μπορεί, και πρέπει, να ενσωματώσει μαθήματα ψηφιακού εγγραμματισμού, ανάλυσης δεδομένων και βασικών εννοιών ΤΝ στα προγράμματα σπουδών αλλά και να αναδείξει την ορθή και υπεύθυνη χρήση της και τους περιορισμούς της. Παράλληλα, η έμφαση σε πρακτικές μελέτες περίπτωσης και ομαδική εργασία ενισχύει την κριτική σκέψη, τη δημιουργικότητα και τις επικοινωνιακές δεξιότητες. Επιπλέον, η συνεργασία με επιχειρήσεις και η πρακτική άσκηση βοηθούν τους φοιτητές και τις φοιτήτριες να εφαρμόζουν τη γνώση στην πράξη, ενώ η καλλιέργεια της διά βίου μάθησης προετοιμάζει τους αποφοίτους για ένα διαρκώς μεταβαλλόμενο εργασιακό περιβάλλον. Από την άλλη πλευρά, ας μην αγνοούμε ότι η εκτεταμένη χρήση της ΤΝ δημιουργεί και καινούργιες εκπαιδευτικές ανάγκες στην εκπαιδευτική μεθοδολογία και πρακτική στην οποία καλούμαστε να πάρουμε και να ενσωματώσουμε τα θετικά και χρήσιμα στοιχεία της.
Το ΟΠΑ είναι πρωτοπόρο σε αυτή την κατεύθυνση έχοντας, με πολύ καλά αντανακλαστικά, προσαρμόσει τα προγράμματα σπουδών και ενσωματώσει τόσο σε προπτυχιακό όσο και σε μεταπτυχιακό επίπεδο τη διδασκαλία σχετικών δεξιοτήτων. Σε αυτά να προσθέσουμε τα ποικίλα προγράμματα διά βίου μάθησης που βοηθούν και τους αποφοίτους σε αυτή την κατεύθυνση.
ΤΝ ΣΤΙΣ ΕΠΙΧΕΙΡΗΣΕΙΣ
Tι πραγματικά είναι και τι συχνά νομίζουμε πως είναι
Της Μαριέττας Πρίφτη, Managing Consultant of Mastercard Advisors and Consulting Services | Performance Analytics Lead
Η Τεχνητή Νοημοσύνη (TN) έχει εξελιχθεί σε µία από τις πιο πολυσυζητηµένες έννοιες στον επιχειρηµατικό και ακαδηµαϊκό λόγο. Συχνά παρουσιάζεται ως ένας αυτόνοµος µηχανισµός που «παίρνει αποφάσεις», αντικαθιστά ανθρώπους και γνωρίζει εκ των προτέρων τι είναι σωστό για µια επιχείρηση. Αυτή η εικόνα, αν και ελκυστική, είναι σε µεγάλο βαθµό παραπλανητική. Στην πραγµατικότητα, η ΤΝ είναι λιγότερο εντυπωσιακό απ’ όσο συνήθως περιγράφεται – αλλά πολύ πιο ουσιαστικό όταν κατανοηθεί σωστά.
Μία από τις πιο διαδεδομένες παρανοήσεις είναι ότι η ΤΝ «καταλαβαίνει» το επιχειρηματικό περιβάλλον. Δεν το κάνει. Η ΤΝ δεν έχει αντίληψη στρατηγικής, στόχων ή προτεραιοτήτων και δεν γνωρίζει τι σημαίνει «σωστή απόφαση» για έναν οργανισμό. Λειτουργεί αποκλειστικά πάνω σε δεδομένα και βελτιστοποιεί έναν στόχο που έχει οριστεί από ανθρώπους. Αν το ερώτημα είναι λάθος, ασαφές ή κακοδιατυπωμένο, το αποτέλεσμα θα είναι αντίστοιχα προβληματικό, όσο εξελιγμένο κι αν είναι το μοντέλο.
Αυτό μας οδηγεί σε ένα δεύτερο, εξίσου κρίσιμο σημείο: η ΤΝ δεν λειτουργεί αυτόνομα. Κανένα μοντέλο δεν δημιουργεί αξία από μόνο του. Χρειάζεται σαφή επιχειρησιακή ανάγκη, κατάλληλα δεδομένα και συνεχή έλεγχο. Στην πράξη, τα πιο επιτυχημένα έργα τεχνητής νοημοσύνης δεν ξεκινούν από τον «πιο έξυπνο» αλγόριθμο, αλλά από ένα καλά ορισμένο πρόβλημα που αξίζει πραγματικά να λυθεί.
Παράλληλα, η ΤΝ δεν αντικαθιστά την ανθρώπινη κρίση – όσο κι αν αυτό συχνά φοβίζει ή ενθουσιάζει. Παράγει πιθανότητες, δείκτες και προτάσεις, αλλά δεν αναλαμβάνει ευθύνη. Η ερμηνεία των αποτελεσμάτων, η κατανόηση των επιπτώσεων και η τελική απόφαση παραμένουν ανθρώπινες αρμοδιότητες, ιδιαίτερα σε περιβάλλοντα όπου το ρίσκο, οι κανονισμοί και οι ηθικές διαστάσεις είναι καθοριστικές.
Τέλος, σε αντίθεση με έναν ακόμη διαδεδομένο μύθο, η ΤΝ δεν καταργεί τους κανόνες. Στις σύγχρονες επιχειρήσεις, τα συστήματα κανόνων και η τεχνητή νοημοσύνη λειτουργούν συμπληρωματικά. Οι κανόνες καλύπτουν το γνωστό και ελεγχόμενο ενώ η ΤΝ βοηθά στον εντοπισμό πιο σύνθετων ή μη προφανών μοτίβων. Ο συνδυασμός τους είναι αυτός που οδηγεί σε πιο ισορροπημένες και αξιόπιστες αποφάσεις.
Για όποιον ενδιαφέρεται να δραστηριοποιηθεί στον χώρο, το βασικό συμπέρασμα είναι απλό αλλά συχνά παρεξηγημένο: η ΤΝ δεν είναι πρωτίστως θέμα τεχνολογίας. Είναι θέμα κατανόησης του προβλήματος, των δεδομένων και του πλαισίου μέσα στο οποίο λαμβάνονται οι αποφάσεις. Οταν χρησιμοποιείται με σαφή σκοπό και ανθρώπινη κρίση, η ΤΝ δεν αντικαθιστά την επιχειρησιακή σκέψη αλλά τη συμπληρώνει και την ενδυναμώνει.
Στην εποχή των δεδομένων και της τεχνητής νοημοσύνης…
Του Ηλία Βυζά, Εταίρου και Επικεφαλής Συμβουλευτικών Υπηρεσιών της EY Ελλάδος
Σχεδόν τέσσερα χρόνια µετά την είσοδό της στην καθηµερινότητά µας, µε το πρώτο δηµόσια διαθέσιµο µεγάλο γλωσσικό µοντέλο, είναι ξεκάθαρο σε όλους ότι η τεχνητή νοηµοσύνη (ΑΙ) επαναπροσδιορίζει όλα όσα ξέραµε.
Για τις επιχειρήσεις, πέρα από την αυτοματοποίηση διαφόρων επαναλαμβανόμενων tasks, η σημαντικότερη αλλαγή που φέρνει αφορά τη λήψη αποφάσεων, η οποία πλέον υποστηρίζεται ταχύτατα και σε πραγματικό χρόνο, μέσα από την ανάλυση δεδομένων μεγάλης κλίμακας από διάφορες πηγές που, με τη βοήθεια της GenAI (παραγωγική τεχνητή νοημοσύνη), μετατρέπονται σε insights (πληροφόρηση) για τον χρήστη.
Από αυτή την «παραγωγή γνώσης», το επόμενο βήμα είναι η Agentic AI: αυτόνομοι ψηφιακοί βοηθοί που εκτελούν σύνθετες εργασίες, λαμβάνουν αποφάσεις και συνεργάζονται με άλλα συστήματα, χωρίς συνεχή ανθρώπινη παρέμβαση. Κοιτώντας ακόμη πιο μπροστά, θα συναντήσουμε το Physical AI, που θα γεφυρώσει τον ψηφιακό με τον πραγματικό κόσμο μέσα από επαυξημένες και ευφυείς εφαρμογές ρομποτικής, που θα απαντούν σε καθημερινές προκλήσεις. Η μετάβαση από παραδοσιακές διαδικασίες σε τέτοια δυναμικά, data-driven μοντέλα (βασισμένα σε δεδομένα), αποτελεί θεμέλιο για αυτόν τον μετασχηματισμό.
Όμως, για να έχουν πραγματική αξία για τον άνθρωπο οι δυνατότητες αυτές, η υιοθέτηση της ΤΝ πρέπει να γίνεται με υπευθυνότητα, καθώς η αυξημένη αυτονομία συνοδεύεται από μεγαλύτερες απαιτήσεις σε ασφάλεια και διακυβέρνηση, αλλά γεννά και ερωτηματικά γύρω από τις ηθικές προεκτάσεις της.
Σήμερα, δεν υπάρχει εφαρμόσιμη καινοτομία χωρίς την εμπιστοσύνη του τελικού χρήστη: επιχειρήσεων, κυβερνήσεων, απλών καταναλωτών. Οι επιχειρήσεις και οργανισμοί οφείλουν να επενδύσουν σε ολοκληρωμένα πλαίσια διακυβέρνησης ΤΝ, κυβερνοασφάλειας και προστασίας προσωπικών δεδομένων, εφαρμόζοντας αρχές που εξασφαλίζουν την υπεύθυνη, αμερόληπτη, εξηγήσιμη και ηθική χρήση της τεχνολογίας, καθώς και τη συμμόρφωση με κανονιστικά πλαίσια όπως το EU AI Act.
Στην EY, η προσέγγισή μας συνδυάζει την τεχνολογία με την εμπιστοσύνη, μέσω της υιοθέτησης του πλαισίου Responsible AI (RAI), (υπεύθυνης τεχνητής νοημοσύνης), την επένδυση άνω του 1 δισ. δολ. ετησίως σε πλατφόρμες όπως το EY.ai, καθώς και σε συνεργασίες με τεχνολογικούς ηγέτες όπως η Microsoft και η NVIDIA.
Στην Ελλάδα, ήδη από το 2013, δημιουργήσαμε το AI & Data Center of Excellence (Κέντρο Αριστείας για AI και Data), στην Αθήνα, το οποίο σήμερα εξυπηρετεί πελάτες σε περισσότερες από 33 χώρες, επαναπροσδιορίζοντας τι σημαίνει καινοτομία για τις επιχειρήσεις, μέσα από το EY Robotics Lab, το GenAI/AI Center of Excellence, αλλά και το EY Applied Neuroscience Lab.
Μπορεί όλα αυτά να ακούγονται σαν μια σελίδα από το σενάριο ταινίας επιστημονικής φαντασίας, αλλά η πραγματικότητα είναι μία: η ΤΝ είναι ήδη εδώ και ο ρυθμός εξέλιξής του αυξάνεται εκθετικά μήνα με τον μήνα. Η τεχνητή νοημοσύνη, ωστόσο, δεν ήρθε να μας αντικαταστήσει· ήρθε να μας κάνει καλύτερους και να μας ενδυναμώσει. Καθώς τα τεχνολογικά και επιχειρησιακά μοντέλα εξελίσσονται, το ίδιο πρέπει να συμβεί και με τον άνθρωπο. Το τρίπτυχο «learn – unlearn – relearn» (Μαθαίνω και ξεμαθαίνω, για να μάθω ξανά) γίνεται πλέον κρίσιμο για να μπορέσει το ανθρώπινο δυναμικό να προσαρμοστεί, να ηγηθεί και να πρωταγωνιστήσει, δημιουργώντας νέα αξία.
Οι επιχειρήσεις στη νέα εποχή των δεδομένων της Τεχνητής Νοημοσύνης
Του Ιωσήφ Μπελούκα, Data Intelligence and AI Technology Leader στη Netcompany
Η Τεχνητή Νοημοσύνη δεν αποτελεί µελλοντική υπόσχεση. Είναι µια πραγµατικότητα που επηρεάζει ήδη τον τρόπο µε τον οποίο οι επιχειρήσεις λαµβάνουν αποφάσεις, οργανώνονται και λειτουργούν σε καθηµερινή βάση. Η ουσιαστική αλλαγή που φέρνει η Τεχνητή Νοηµοσύνη δεν είναι τεχνολογική, αλλά οργανωτική: µετατοπίζει τα λειτουργικά µοντέλα λήψης αποφάσεων των επιχειρήσεων από εµπειρικά σε ευφυή, µε γνώµονα τα δεδοµένα (data insights).
Από την εμπειρία μας στη Netcompany βλέπουμε ότι η Τεχνητή Νοημοσύνη αποδίδει πραγματική αξία μόνο όταν λειτουργεί ως μηχανισμός υποστήριξης και αυτοματοποίησης αποφάσεων (decision support engine) και ενσωματώνεται σε ολοκληρωμένες (end-to-end) επιχειρησιακές εφαρμογές και ροές. Οταν αυτό συμβαίνει, οι οργανισμοί περνούν από αντιδραστικά (reactive) επιχειρηματικά μοντέλα λειτουργίας σε προγνωστικά και προληπτικά (predictive & proactive), με άμεσο αντίκτυπο σε όλα τα επίπεδα: από την ανώτατη και μεσαία διοίκηση, μέχρι την καθημερινότητα των εργαζομένων μέσω έξυπνων ψηφιακών βοηθών (copilots, assistants) και έξυπνη πληροφορία σε πραγματικό χρόνο.
Το κρίσιμο όμως σημείο δεν είναι η τεχνολογία, αλλά η ευρύτερη υιοθέτησή της στις επιχειρησιακές περιοχές των οργανισμών. Η Τεχνητή Νοημοσύνη δεν είναι πρωτοβουλία Πληροφορικής: είναι ένας μοχλός οργανωτικού μετασχηματισμού και απαιτεί αλλαγή κουλτούρας, νέες δεξιότητες και επαναπροσδιορισμό ρόλων. Γι’ αυτό και η προσέγγισή μας βασίζεται σε enterprise-ready λύσεις μηχανικής μάθησης (Machine Learning) και GenAI εφαρμογές, σχεδιασμένες να λειτουργούν σε κλίμακα, με ξεκάθαρη διακυβέρνηση και μετρήσιμο επιχειρησιακό αποτέλεσμα.
Ιδιαίτερη πρόκληση αποτελεί και το ζήτημα της ασφάλειας και της εμπιστοσύνης. Το μεγαλύτερο ρίσκο σήμερα δεν είναι η οργανωμένη, ελεγχόμενη Τεχνητή Νοημοσύνη σε επιχειρησιακό επίπεδο, αλλά η ανεξέλεγκτη και ανεπίσημη χρήση εργαλείων Τεχνητής Νοημοσύνης, η λεγόμενη σκιώδης ΤΝ (shadow AI). Η απάντηση δεν βρίσκεται σε απαγορεύσεις, αλλά σε σωστή αρχιτεκτονική, διακυβέρνηση που επιτρέπει την υιοθέτηση, και ξεκάθαρη ανθρώπινη ευθύνη στη λήψη αποφάσεων.
Παράλληλα, στο ανθρώπινο δυναμικό, το στοίχημα δεν είναι να «ανταγωνιστούμε» τις μηχανές, αλλά να μάθουμε να συνεργαζόμαστε μαζί τους. Η Τεχνητή Νοημοσύνη δεν αντικαθιστά τον άνθρωπο: αφαιρεί τα επαναλαμβανόμενα και χαμηλής αξίας κομμάτια της δουλειάς, ενώ ενισχύει τη σκέψη, την κρίση και τη δημιουργικότητα.
Σε ευρωπαϊκό και ελληνικό επίπεδο, το δίλημμα δεν είναι αν θα χρησιμοποιήσουμε την Τεχνητή Νοημοσύνη, αλλά αν θα το κάνουμε με εξάρτηση ή με αυτονομία. Το μέλλον δεν θα καθοριστεί από την τεχνολογία αυτή καθαυτή, αλλά από τον τρόπο με τον οποίο θα την υιοθετήσουμε: με υπευθυνότητα, εμπιστοσύνη και τόλμη.
Το άρθρο δημοσιεύθηκε αρχικά στο ένθετο ΟΠΑ News του Οικονομικού Πανεπιστημίου Αθηνών που κυκλοφόρησε με «Το Βήμα της Κυριακής» την Κυριακή 22 Φεβρουαρίου 2026
