Το ΑΙ βρίσκεται πλέον σε μια κρίσιμη καμπή…
Για αρκετά χρόνια η τεχνητή νοημοσύνη (AI) παρουσιάστηκε ως η τεχνολογική δύναμη που θα μεταμορφώσει την παγκόσμια οικονομία, θα αυξήσει θεαματικά την παραγωγικότητα και θα δημιουργήσει ένα νέο κύμα ανάπτυξης.
Οι επενδύσεις εκτοξεύθηκαν, οι αποτιμήσεις των εταιρειών τεχνολογίας αυξήθηκαν και οι επιχειρήσεις έσπευσαν να ενσωματώσουν εργαλεία τεχνητής νοημοσύνης στις λειτουργίες τους.
Ωστόσο, η περίοδος του άκριτου ενθουσιασμού φαίνεται να φτάνει σε ένα κρίσιμο σημείο.
Όλο και περισσότεροι επενδυτές, στελέχη επιχειρήσεων και διοικητικά συμβούλια αρχίζουν να αναρωτιούνται αν οι τεράστιες δαπάνες για την AI θα μετατραπούν πράγματι σε αντίστοιχα οικονομικά οφέλη.
Το βασικό ερώτημα πλέον δεν είναι αν η τεχνητή νοημοσύνη είναι μια επαναστατική τεχνολογία, αλλά αν οι σημερινές επενδύσεις ανταποκρίνονται στην πραγματική οικονομική αξία που μπορεί να δημιουργήσει.
Ένας από τους σημαντικότερους λόγους για την αυξανόμενη επιφυλακτικότητα είναι η αναντιστοιχία ανάμεσα στη χρήση των μεγάλων γλωσσικών μοντέλων (LLMs) και στα μετρήσιμα αποτελέσματα που παράγουν.
Παρότι το κόστος ανά μονάδα υπολογιστικής χρήσης έχει μειωθεί δραματικά τα τελευταία χρόνια, η συνολική δαπάνη των επιχειρήσεων για AI συνεχίζει να αυξάνεται, καθώς η χρήση των μοντέλων επεκτείνεται με πολύ ταχύτερους ρυθμούς.
Οι εταιρείες χρησιμοποιούν περισσότερα δεδομένα, περισσότερα tokens και περισσότερες εφαρμογές τεχνητής νοημοσύνης, με αποτέλεσμα οι συνολικοί λογαριασμοί να μεγαλώνουν.
Η εξέλιξη αυτή δημιουργεί μια σημαντική ανισορροπία: οι επιχειρήσεις καλούνται να δικαιολογήσουν ολοένα μεγαλύτερες επενδύσεις, ενώ οι πάροχοι μοντέλων AI εξαρτώνται από τη συνεχή αύξηση της κατανάλωσης για να διατηρήσουν υψηλούς ρυθμούς ανάπτυξης και να στηρίξουν τις μεγάλες χρηματιστηριακές αποτιμήσεις τους.
Το κρίσιμο ερώτημα παραμένει: πότε θα εμφανιστούν οι πραγματικές αυξήσεις παραγωγικότητας και η εξοικονόμηση κόστους που έχουν υποσχεθεί οι υποστηρικτές της AI;
Από τα πιλοτικά προγράμματα στην πραγματική αξία
Τα πρώτα αποτελέσματα δεν είναι τόσο εντυπωσιακά όσο αναμενόταν.
Πολλά προγράμματα δοκιμαστικής εφαρμογής της γενετικής τεχνητής νοημοσύνης δεν έχουν καταφέρει να επιτύχουν τους στόχους τους, παρά τις μεγάλες προσδοκίες.
Αυτό αποκαλύπτει ένα σημαντικό πρόβλημα: η τεχνολογική δυνατότητα δεν μεταφράζεται αυτόματα σε επιχειρηματική αξία.
Μια εταιρεία μπορεί να διαθέτει ένα εξαιρετικά προηγμένο μοντέλο AI, αλλά αν δεν έχει σαφή διαδικασία ενσωμάτωσης, κατάλληλα δεδομένα, εκπαιδευμένο προσωπικό και συγκεκριμένους δείκτες μέτρησης αποτελεσμάτων, η επένδυση μπορεί να παραμείνει απλώς ένα ακριβό πείραμα.
Η πρόκληση για τις διοικήσεις δεν είναι πλέον να υιοθετήσουν AI, αλλά να αποδείξουν ότι η χρήση της δημιουργεί πραγματικό οικονομικό όφελος.
Aκόμη ένας σημαντικός προβληματισμός αφορά τα δεδομένα και την πνευματική ιδιοκτησία.
Οι επιχειρήσεις έχουν συσσωρεύσει επί δεκαετίες πολύτιμη γνώση: τον τρόπο με τον οποίο σχεδιάζουν προϊόντα, τιμολογούν υπηρεσίες, εξυπηρετούν πελάτες και δημιουργούν ανταγωνιστικό πλεονέκτημα.
Η χρήση εξωτερικών μοντέλων τεχνητής νοημοσύνης δημιουργεί τον κίνδυνο μέρος αυτής της γνώσης να μεταφερθεί σε μεγάλους παρόχους τεχνολογίας.
Ακόμη και όταν υπάρχουν συμβατικές δικλίδες ασφαλείας, η εξάρτηση από τρίτους παρόχους δημιουργεί στρατηγικά ερωτήματα.
Ποιος ελέγχει τελικά την τεχνολογία που επεξεργάζεται την πιο πολύτιμη πληροφορία μιας εταιρείας;
Η ένταση αυτή έγινε εμφανής στην περίπτωση της συνεργασίας μεταξύ της Figma και της Anthropic.
Η συνεργασία για την ανάπτυξη εργαλείων σχεδιασμού με AI δημιούργησε ανησυχίες όταν η Anthropic παρουσίασε στη συνέχεια δικό της ανταγωνιστικό εργαλείο στον ίδιο χώρο.
Η ιστορία της τεχνολογίας δείχνει ότι μεγάλες εταιρείες συχνά αξιοποιούν την τεχνογνωσία, την κλίμακα και την πρόσβαση που αποκτούν από συνεργασίες για να επεκταθούν σε νέες αγορές.
Το ίδιο είχε συμβεί στο παρελθόν με τη Microsoft, η οποία κατάφερε να κυριαρχήσει στην αγορά εφαρμογών γραφείου με προϊόντα όπως το Excel και το Word, εκτοπίζοντας προηγούμενους ηγέτες όπως η Lotus και η WordPerfect.
Το κοινωνικό κόστος της AI
Πέρα από τις επιχειρηματικές ανησυχίες, η τεχνητή νοημοσύνη εγείρει και σημαντικές κοινωνικές προκλήσεις.
Η ανάπτυξη της AI απαιτεί τεράστιες ποσότητες ηλεκτρικής ενέργειας, νερού και υποδομών data centers.
Παράλληλα, η αυτοματοποίηση πολλών εργασιών ρουτίνας μπορεί να επιταχύνει τις αλλαγές στην αγορά εργασίας, αυξάνοντας τις ανισότητες μεταξύ εργαζομένων με διαφορετικές δεξιότητες.
Η αντιμετώπιση αυτών των συνεπειών πιθανότατα θα απαιτήσει μεγαλύτερες δημόσιες επενδύσεις και νέες μορφές κοινωνικής πολιτικής.
Δεν αποκλείεται οι κυβερνήσεις να στραφούν σε αυξημένη φορολογία των επιχειρήσεων τεχνολογίας ή σε νέα μοντέλα κοινωνικής προστασίας, όπως προτάσεις για καθολικό βασικό εισόδημα.
Για πολλές επιχειρήσεις, το ζήτημα δεν είναι μόνο η δημιουργία αξίας από την AI, αλλά και η πιθανή ευθύνη για τις επιπτώσεις που θα προκαλέσει.
Μπροστά σε αυτή τη νέα πραγματικότητα, οι επιχειρηματικοί ηγέτες καλούνται να επανεξετάσουν τον τρόπο με τον οποίο επενδύουν στην τεχνητή νοημοσύνη.
Πρώτον, οι συμβάσεις με τους παρόχους AI θα πρέπει να εξελιχθούν.
Αν οι εταιρείες τεχνολογίας πιστεύουν ότι τα μοντέλα τους μπορούν να δημιουργήσουν τεράστια οικονομική αξία, θα πρέπει να είναι πρόθυμες να συνδέσουν μέρος της αμοιβής τους με τα πραγματικά αποτελέσματα που επιτυγχάνουν και όχι μόνο με την κατανάλωση υπολογιστικών πόρων.
Δεύτερον, οι επιχειρήσεις πρέπει να μετρούν συστηματικά το οικονομικό όφελος της AI.
Κάθε εφαρμογή θα πρέπει να συγκρίνεται με την ανθρώπινη εργασία: πόσο χρόνο εξοικονομεί, πόσο κόστος μειώνει και ποια νέα αξία δημιουργεί.
Τρίτον, οι εταιρείες δεν πρέπει να εξαρτώνται από έναν μόνο πάροχο.
Η διαφοροποίηση μοντέλων και η χρήση εναλλακτικών λύσεων, συμπεριλαμβανομένων ορισμένων ανοικτών μοντέλων, μπορεί να περιορίσει τους κινδύνους εγκλωβισμού σε έναν συγκεκριμένο προμηθευτή.
Ωστόσο, αυτή η στρατηγική συνοδεύεται από νέες προκλήσεις, όπως ζητήματα κυβερνοασφάλειας και γεωπολιτικών εντάσεων.
Η κυβερνοασφάλεια στο επίκεντρο
Όσο αυξάνεται η εξάρτηση από την τεχνητή νοημοσύνη, τόσο μεγαλώνει και η ανάγκη για ισχυρότερη προστασία των ψηφιακών υποδομών.
Οι εξελίξεις στην κρυπτογράφηση, την αποκρυπτογράφηση και την κβαντική υπολογιστική ενδέχεται να δημιουργήσουν ένα νέο περιβάλλον απειλών, όπου οι κυβερνοεπιθέσεις θα είναι συχνότερες και πιο σύνθετες.
Η τεχνολογική ασφάλεια δεν αποτελεί πλέον μόνο θέμα των τμημάτων πληροφορικής.
Αποτελεί στρατηγικό ζήτημα διοίκησης και εταιρικής επιβίωσης.
Η τεχνητή νοημοσύνη βρίσκεται πλέον σε μια κρίσιμη καμπή.
Οι επενδύσεις έχουν φτάσει σε πρωτοφανή επίπεδα και οι προσδοκίες παραμένουν εξαιρετικά υψηλές.
Όμως οι αγορές δεν ανταμείβουν για πάντα τις υποσχέσεις• απαιτούν αποτελέσματα.
Οι επιχειρήσεις θα πρέπει να θέσουν σαφή χρονοδιαγράμματα και συγκεκριμένα κριτήρια για να αξιολογήσουν αν η AI εκπληρώνει τις υποσχέσεις της.
Εάν τα αναμενόμενα οφέλη δεν εμφανιστούν, η απογοήτευση των επενδυτών μπορεί να οδηγήσει σε σημαντική αναθεώρηση των αποτιμήσεων των εταιρειών που συνδέονται με την τεχνητή νοημοσύνη.
Η μεγάλη πρόκληση της επόμενης περιόδου δεν θα είναι η ανάπτυξη πιο ισχυρών μοντέλων.
Θα είναι η απόδειξη ότι αυτά τα μοντέλα μπορούν να δημιουργήσουν πραγματική, βιώσιμη και μετρήσιμη οικονομική αξία.
Η εποχή του ενθουσιασμού για την AI δίνει σταδιακά τη θέση της στην εποχή της λογοδοσίας.
www.bankingnews.gr
Οι επενδύσεις εκτοξεύθηκαν, οι αποτιμήσεις των εταιρειών τεχνολογίας αυξήθηκαν και οι επιχειρήσεις έσπευσαν να ενσωματώσουν εργαλεία τεχνητής νοημοσύνης στις λειτουργίες τους.
Ωστόσο, η περίοδος του άκριτου ενθουσιασμού φαίνεται να φτάνει σε ένα κρίσιμο σημείο.
Όλο και περισσότεροι επενδυτές, στελέχη επιχειρήσεων και διοικητικά συμβούλια αρχίζουν να αναρωτιούνται αν οι τεράστιες δαπάνες για την AI θα μετατραπούν πράγματι σε αντίστοιχα οικονομικά οφέλη.
Το βασικό ερώτημα πλέον δεν είναι αν η τεχνητή νοημοσύνη είναι μια επαναστατική τεχνολογία, αλλά αν οι σημερινές επενδύσεις ανταποκρίνονται στην πραγματική οικονομική αξία που μπορεί να δημιουργήσει.
Ένας από τους σημαντικότερους λόγους για την αυξανόμενη επιφυλακτικότητα είναι η αναντιστοιχία ανάμεσα στη χρήση των μεγάλων γλωσσικών μοντέλων (LLMs) και στα μετρήσιμα αποτελέσματα που παράγουν.
Παρότι το κόστος ανά μονάδα υπολογιστικής χρήσης έχει μειωθεί δραματικά τα τελευταία χρόνια, η συνολική δαπάνη των επιχειρήσεων για AI συνεχίζει να αυξάνεται, καθώς η χρήση των μοντέλων επεκτείνεται με πολύ ταχύτερους ρυθμούς.
Οι εταιρείες χρησιμοποιούν περισσότερα δεδομένα, περισσότερα tokens και περισσότερες εφαρμογές τεχνητής νοημοσύνης, με αποτέλεσμα οι συνολικοί λογαριασμοί να μεγαλώνουν.
Η εξέλιξη αυτή δημιουργεί μια σημαντική ανισορροπία: οι επιχειρήσεις καλούνται να δικαιολογήσουν ολοένα μεγαλύτερες επενδύσεις, ενώ οι πάροχοι μοντέλων AI εξαρτώνται από τη συνεχή αύξηση της κατανάλωσης για να διατηρήσουν υψηλούς ρυθμούς ανάπτυξης και να στηρίξουν τις μεγάλες χρηματιστηριακές αποτιμήσεις τους.
Το κρίσιμο ερώτημα παραμένει: πότε θα εμφανιστούν οι πραγματικές αυξήσεις παραγωγικότητας και η εξοικονόμηση κόστους που έχουν υποσχεθεί οι υποστηρικτές της AI;
Από τα πιλοτικά προγράμματα στην πραγματική αξία
Τα πρώτα αποτελέσματα δεν είναι τόσο εντυπωσιακά όσο αναμενόταν.
Πολλά προγράμματα δοκιμαστικής εφαρμογής της γενετικής τεχνητής νοημοσύνης δεν έχουν καταφέρει να επιτύχουν τους στόχους τους, παρά τις μεγάλες προσδοκίες.
Αυτό αποκαλύπτει ένα σημαντικό πρόβλημα: η τεχνολογική δυνατότητα δεν μεταφράζεται αυτόματα σε επιχειρηματική αξία.
Μια εταιρεία μπορεί να διαθέτει ένα εξαιρετικά προηγμένο μοντέλο AI, αλλά αν δεν έχει σαφή διαδικασία ενσωμάτωσης, κατάλληλα δεδομένα, εκπαιδευμένο προσωπικό και συγκεκριμένους δείκτες μέτρησης αποτελεσμάτων, η επένδυση μπορεί να παραμείνει απλώς ένα ακριβό πείραμα.
Η πρόκληση για τις διοικήσεις δεν είναι πλέον να υιοθετήσουν AI, αλλά να αποδείξουν ότι η χρήση της δημιουργεί πραγματικό οικονομικό όφελος.
Aκόμη ένας σημαντικός προβληματισμός αφορά τα δεδομένα και την πνευματική ιδιοκτησία.
Οι επιχειρήσεις έχουν συσσωρεύσει επί δεκαετίες πολύτιμη γνώση: τον τρόπο με τον οποίο σχεδιάζουν προϊόντα, τιμολογούν υπηρεσίες, εξυπηρετούν πελάτες και δημιουργούν ανταγωνιστικό πλεονέκτημα.
Η χρήση εξωτερικών μοντέλων τεχνητής νοημοσύνης δημιουργεί τον κίνδυνο μέρος αυτής της γνώσης να μεταφερθεί σε μεγάλους παρόχους τεχνολογίας.
Ακόμη και όταν υπάρχουν συμβατικές δικλίδες ασφαλείας, η εξάρτηση από τρίτους παρόχους δημιουργεί στρατηγικά ερωτήματα.
Ποιος ελέγχει τελικά την τεχνολογία που επεξεργάζεται την πιο πολύτιμη πληροφορία μιας εταιρείας;
Η ένταση αυτή έγινε εμφανής στην περίπτωση της συνεργασίας μεταξύ της Figma και της Anthropic.
Η συνεργασία για την ανάπτυξη εργαλείων σχεδιασμού με AI δημιούργησε ανησυχίες όταν η Anthropic παρουσίασε στη συνέχεια δικό της ανταγωνιστικό εργαλείο στον ίδιο χώρο.
Η ιστορία της τεχνολογίας δείχνει ότι μεγάλες εταιρείες συχνά αξιοποιούν την τεχνογνωσία, την κλίμακα και την πρόσβαση που αποκτούν από συνεργασίες για να επεκταθούν σε νέες αγορές.
Το ίδιο είχε συμβεί στο παρελθόν με τη Microsoft, η οποία κατάφερε να κυριαρχήσει στην αγορά εφαρμογών γραφείου με προϊόντα όπως το Excel και το Word, εκτοπίζοντας προηγούμενους ηγέτες όπως η Lotus και η WordPerfect.
Το κοινωνικό κόστος της AI
Πέρα από τις επιχειρηματικές ανησυχίες, η τεχνητή νοημοσύνη εγείρει και σημαντικές κοινωνικές προκλήσεις.
Η ανάπτυξη της AI απαιτεί τεράστιες ποσότητες ηλεκτρικής ενέργειας, νερού και υποδομών data centers.
Παράλληλα, η αυτοματοποίηση πολλών εργασιών ρουτίνας μπορεί να επιταχύνει τις αλλαγές στην αγορά εργασίας, αυξάνοντας τις ανισότητες μεταξύ εργαζομένων με διαφορετικές δεξιότητες.
Η αντιμετώπιση αυτών των συνεπειών πιθανότατα θα απαιτήσει μεγαλύτερες δημόσιες επενδύσεις και νέες μορφές κοινωνικής πολιτικής.
Δεν αποκλείεται οι κυβερνήσεις να στραφούν σε αυξημένη φορολογία των επιχειρήσεων τεχνολογίας ή σε νέα μοντέλα κοινωνικής προστασίας, όπως προτάσεις για καθολικό βασικό εισόδημα.
Για πολλές επιχειρήσεις, το ζήτημα δεν είναι μόνο η δημιουργία αξίας από την AI, αλλά και η πιθανή ευθύνη για τις επιπτώσεις που θα προκαλέσει.
Μπροστά σε αυτή τη νέα πραγματικότητα, οι επιχειρηματικοί ηγέτες καλούνται να επανεξετάσουν τον τρόπο με τον οποίο επενδύουν στην τεχνητή νοημοσύνη.
Πρώτον, οι συμβάσεις με τους παρόχους AI θα πρέπει να εξελιχθούν.
Αν οι εταιρείες τεχνολογίας πιστεύουν ότι τα μοντέλα τους μπορούν να δημιουργήσουν τεράστια οικονομική αξία, θα πρέπει να είναι πρόθυμες να συνδέσουν μέρος της αμοιβής τους με τα πραγματικά αποτελέσματα που επιτυγχάνουν και όχι μόνο με την κατανάλωση υπολογιστικών πόρων.
Δεύτερον, οι επιχειρήσεις πρέπει να μετρούν συστηματικά το οικονομικό όφελος της AI.
Κάθε εφαρμογή θα πρέπει να συγκρίνεται με την ανθρώπινη εργασία: πόσο χρόνο εξοικονομεί, πόσο κόστος μειώνει και ποια νέα αξία δημιουργεί.
Τρίτον, οι εταιρείες δεν πρέπει να εξαρτώνται από έναν μόνο πάροχο.
Η διαφοροποίηση μοντέλων και η χρήση εναλλακτικών λύσεων, συμπεριλαμβανομένων ορισμένων ανοικτών μοντέλων, μπορεί να περιορίσει τους κινδύνους εγκλωβισμού σε έναν συγκεκριμένο προμηθευτή.
Ωστόσο, αυτή η στρατηγική συνοδεύεται από νέες προκλήσεις, όπως ζητήματα κυβερνοασφάλειας και γεωπολιτικών εντάσεων.
Η κυβερνοασφάλεια στο επίκεντρο
Όσο αυξάνεται η εξάρτηση από την τεχνητή νοημοσύνη, τόσο μεγαλώνει και η ανάγκη για ισχυρότερη προστασία των ψηφιακών υποδομών.
Οι εξελίξεις στην κρυπτογράφηση, την αποκρυπτογράφηση και την κβαντική υπολογιστική ενδέχεται να δημιουργήσουν ένα νέο περιβάλλον απειλών, όπου οι κυβερνοεπιθέσεις θα είναι συχνότερες και πιο σύνθετες.
Η τεχνολογική ασφάλεια δεν αποτελεί πλέον μόνο θέμα των τμημάτων πληροφορικής.
Αποτελεί στρατηγικό ζήτημα διοίκησης και εταιρικής επιβίωσης.
Η τεχνητή νοημοσύνη βρίσκεται πλέον σε μια κρίσιμη καμπή.
Οι επενδύσεις έχουν φτάσει σε πρωτοφανή επίπεδα και οι προσδοκίες παραμένουν εξαιρετικά υψηλές.
Όμως οι αγορές δεν ανταμείβουν για πάντα τις υποσχέσεις• απαιτούν αποτελέσματα.
Οι επιχειρήσεις θα πρέπει να θέσουν σαφή χρονοδιαγράμματα και συγκεκριμένα κριτήρια για να αξιολογήσουν αν η AI εκπληρώνει τις υποσχέσεις της.
Εάν τα αναμενόμενα οφέλη δεν εμφανιστούν, η απογοήτευση των επενδυτών μπορεί να οδηγήσει σε σημαντική αναθεώρηση των αποτιμήσεων των εταιρειών που συνδέονται με την τεχνητή νοημοσύνη.
Η μεγάλη πρόκληση της επόμενης περιόδου δεν θα είναι η ανάπτυξη πιο ισχυρών μοντέλων.
Θα είναι η απόδειξη ότι αυτά τα μοντέλα μπορούν να δημιουργήσουν πραγματική, βιώσιμη και μετρήσιμη οικονομική αξία.
Η εποχή του ενθουσιασμού για την AI δίνει σταδιακά τη θέση της στην εποχή της λογοδοσίας.
www.bankingnews.gr
Σχόλια αναγνωστών