Θεσσαλονίκη: Τα λάθη κι οι δυσκολίες στην ενσωμάτωση της ΤΝ από τις ελληνικές επιχειρήσεις

- Newsroom

Πολύ αυξημένο, αλλά και πιο ώριμο ενδιαφέρον για την ενσωμάτωση λύσεων Τεχνητής Νοημοσύνης (ΤΝ) βλέπουν τον τελευταίο χρόνο μεταξύ των ελληνικών επιχειρήσεων τα στελέχη της «Medoid AI», εταιρείας-τεχνοβλαστού του ΑΠΘ, όπως επισημαίνει στο ΑΠΕ-ΜΠΕ ο δρ Ανέστης Φαχαντίδης, data scientist, συνιδρυτής και CEO της spin-off.

«Οι ελληνικές επιχειρήσεις έχουν πλέον πιο ξεκάθαρη εικόνα για το πού θέλουν να ενσωματώσουν την ΤΝ. Το κυριότερο λάθος που βλέπω είναι ότι συχνά δεν τις οδηγεί η ανάγκη για ουσιαστικές λύσεις, αλλά η επιθυμία να προβληθούν ως μέρος της "εποχής της ΤΝ". Έτσι καταλήγουν να ξοδεύουν κρίσιμους πόρους στην ΤΝ ως αυτοσκοπό, αντί να επενδύουν στην εφαρμογή της για την ουσιαστική βελτίωση της εμπειρίας του πελάτη και των αποτελεσμάτων τους» λέει.

   Όταν ο Ανέστης Φαχαντίδης μιλάει για την εφαρμογή της ΤΝ στις επιχειρήσεις, γνωρίζει πολύ καλά τι λέει. Η επιστημονική ομάδα που το 2019 δημιούργησε τη Medoid AI ανέπτυσσε λύσεις τεχνητής νοημοσύνης ήδη από το 2014 και συγκαταλέγεται στις παλαιότερες της Ευρώπης στον κλάδο. Από τότε, οι άνθρωποί της είναι σε άμεση και καθημερινή επαφή με το επιχειρείν.

   Κι αυτό διότι τα 11 εξειδικευμένα στελέχη της σχεδιάζουν και υλοποιούν στη Θεσσαλονίκη προσαρμοσμένες λύσεις ΤΝ για επιχειρήσεις, με περίπου το 80% των πελατών της να προέρχεται από το εξωτερικό. «Είμαστε περήφανοι που έχουμε κατά κύριο λόγο εξαγωγική δραστηριότητα, βασισμένη σε ιδιωτικά έργα του πραγματικού κόσμου και όχι σε ερευνητικά ή άλλες χρηματοδοτήσεις» σημειώνει ο συνιδρυτής της spin-off, η οποία έχει πλέον εξελιχθεί σε one-stop shop για την ΤΝ, καλύπτοντας όλο τον κύκλο ζωής μιας λύσης, από την εκπαίδευση εξειδικευμένων μοντέλων ΤΝ και την ανάπτυξη συστημάτων, μέχρι τη μετατροπή τους σε παραγωγικά συστήματα με APIs, UI/UX και cloud υποδομές. Παράλληλα, η Medoid AI παρέχει συμβουλευτικές υπηρεσίες, βοηθώντας τις επιχειρήσεις να εντοπίσουν ευκαιρίες και να σχεδιάσουν ένα ρεαλιστικό «AI roadmap», ευθυγραμμισμένο με τους στόχους τους.

   «Ο επιχειρηματίας είναι το αρχετυπικά αντίθετο του ερευνητή»

   Πώς αποφάσισε μια ομάδα ερευνητών ν' αναπτύξει επιχειρηματική δραστηριότητα; Όπως λέει ο Ανέστης Φαχαντίδης,ο οποίος είναι και διδάκτορας του Τμήματος Πληροφορικής του ΑΠΘ, η επιχειρηματικότητα προήλθε για την ομάδα περισσότερο ως συστηματοποίηση αυτού που ήδη έκανε, παρά ως αυτοσκοπός ή στόχος. «Στις πρώτες μας συνεργασίες με εταιρείες το 2014 για συστήματα ΤΝ τολμήσαμε να περάσουμε από την εφαρμογή των βιβλιογραφικών μεθόδων στην ανάπτυξη λύσεων, κάτι πολύ περισσότερο. Αυτό ήταν το κρίσιμο σημείο. Στη συνέχεια αρχίσαμε να βλέπουμε ότι αυτό που κάνουμε το κάνουμε καλά, ότι υπάρχει πραγματική ανάγκη και προοπτική» διηγείται.

   Μια από τις κύριες δυσκολίες που αντιμετώπισαν, «και νομίζω αυτό ισχύει για κάθε spin-off», ήταν η αλλαγή τρόπου σκέψης, από τον στενά ερευνητικό και τεχνολογικό προς μια πιο πελατοκεντρική και επιχειρηματική νοοτροπία. «Λέω συχνά ότι ο επιχειρηματίας είναι το αρχετυπικά αντίθετο του ερευνητή: πρέπει να παίρνει αποφάσεις γρήγορα, και πολλές φορές με ρίσκο, ενώ ο ερευνητής είναι, και δικαίως, εξαιρετικά αναλυτικός και επιφυλακτικός. Αυτή η μετάβαση λοιπόν, από τη νοοτροπία του ερευνητή στη νοοτροπία του επιχειρηματία, είναι ίσως σημαντική δυσκολία για ομάδες όπως η δική μας» επισημαίνει.

   Σήμερα η Medoid AI απασχολεί 11 άτομα με πολύ υψηλή επιστημονική και επαγγελματική κατάρτιση στον χώρο της ΤΝ, συν δίκτυο εξωτερικών συνεργατών. «Δεν στοχεύουμε στη μεγέθυνση για τη μεγέθυνση, στοχεύουμε στη βιώσιμη ανάπτυξη και αυτό όχι σαν μια έκφραση "κλισέ", αλλά με την έννοια της πραγματικής βελτίωσης των ποιοτικών μας χαρακτηριστικών και της αξίας που προσφέρουμε. Έτσι διασφαλίζουμε τη σταθερή οικονομική υγεία της εταιρείας και τη συνεχή αύξηση των μισθών και της ικανοποίησης στην ομάδα» σημειώνει ο Ανέστης Φαχαντίδης. Εξηγεί δε πως στην ομάδα της Medoid υπάρχουν άτομα που έχουν επιστρέψει από το εξωτερικό, αλλά κυρίως άνθρωποι που με την κατάρτιση τους θα μπορούσαν να είχαν μεταναστεύσει, αλλά η εταιρεία κατάφερε να τους κρατήσει στη Θεσσαλονίκη και την Ελλάδα.

   Οι κυριότερες δυσκολίες

   Ποιες είναι οι κυριότερες δυσκολίες που αντιμετωπίζουν όσες επιχειρήσεις επιδιώκουν να ενσωματώσουν λύσεις ΤΝ στη λειτουργία τους; «Θα τις συνόψιζα σε τρεις λέξεις: σημασία, ενσωμάτωση και εμπιστοσύνη. Η ΤΝ είναι τόσο σημαντική όσο το πρόβλημα στο οποίο εφαρμόζεται. Πολλές επιχειρήσεις επιλέγουν έργα- πιλότους που δεν συνδέονται με ουσιαστικούς δείκτες απόδοσης, αλλά περισσότερο με marketing χαρακτηριστικά και με το FOMO (σ.σ. με τον φόβο τους ότι θα μείνουν πίσω από τις εξελίξεις). Η επιλογή των έργων πρέπει να βασίζεται σε πραγματικούς οικονομικούς ή άλλους στόχους της επιχείρησης. Στην ενσωμάτωση, η δυσκολία προκύπτει από τα υπάρχοντα, συχνά πολύπλοκα ή legacy συστήματα, στα οποία καλείται να προσαρμοστεί ένα μοντέλο που σχεδιάστηκε ανεξάρτητα» επισημαίνει.

   Παράλληλα, προσθέτει, η ενσωμάτωση δεν είναι μόνο τεχνικό ζήτημα, αλλά και οργανωσιακό, γιατί αφορά ανθρώπινες διαδικασίες και αλλαγή νοοτροπίας. Υπάρχει το θέμα της εμπιστοσύνης. Ακόμα και ένα καλό σύστημα, αν αποτύχει λίγες φορές με κρίσιμο και μη προβλέψιμο τρόπο, δεν θα υιοθετηθεί. Πρέπει να υπάρχουν μηχανισμοί ελέγχου, διαφάνειας και ευθύνης γύρω από την ΤΝ σε μια επιχείρηση και αυτό είναι κάτι που φροντίζουμε ιδιαίτερα στις λύσεις μας» επισημαίνει και προσθέτει πως το σημαντικό λάθος που γίνεται συχνά είναι όταν μια επιχείρηση «δεν μελετά πόσο απευθείας το σύστημα θα υποστηρίξει τους στόχους της ή όταν ο συνεργάτης της στην ΤΝ δεν έχει εξηγήσει ποια είναι η νοηματική απόσταση των δεικτών επιτυχίας του συστήματος από τους επιχειρησιακούς δείκτες. Η σωστή προσέγγιση όμως είναι να ξεκινήσει κανείς ακριβώς από αυτή τη συζήτηση».

   Πόσο κοντά είμαστε στο να γίνει το agentic AI** ο πυρήνας της μέσης επιχείρησης;

   Κατά τον Ανέστη Φαχαντίδη, δεν είμαστε κοντά -κι αυτό για καλούς λόγους. Ένα agentic σύστημα, λέει, μπορεί να δώσει εντυπωσιακά demos, αλλά δεν αντέχει ακόμα τη σύγκρουση με την πραγματικότητα σε πολλούς κλάδους της βιομηχανίας. «Τα κύρια εμπόδια είναι το context και η ασφάλεια. Είναι δύσκολο, με τα σημερινά εργαλεία, για μια επιχείρηση να αποτυπώσει πλήρως το πλαίσιο και τα δεδομένα της, ώστε το μοντέλο να έχει ακριβή γνώση του περιβάλλοντος. Επιπλέον, όσο περισσότερο οι αποφάσεις μέσα σε μια επιχείρηση βασίζονται σε ατομική και προσωπική γνώση και όχι σε δεδομένα ή διαδικασίες, τόσο μεγαλύτερο γίνεται το έλλειμμα context» εξηγεί.

   Είναι επίσης δύσκολο, συμπληρώνει, να οριστεί αξιόπιστα το πώς θα μετριούνται τα αποτελέσματα και η ασφάλεια του μοντέλου, ώστε να επιτραπεί η αυτόνομή ή ημι-αυτόνομη λειτουργία του. «Το agentic AI, όπως το ορίζουμε σήμερα, βασίζεται στα μεγάλα γλωσσικά μοντέλα, άρα κληρονομεί πολλούς από τους περιορισμούς τους» εξηγεί.

   «Η παραγωγικότητα δεν μπορεί να αυξηθεί απεριόριστα χωρίς να συναντήσει την ευθύνη»

   Ο CEO της Open AI, Σαμ Άλτμαν, διατύπωσε πρόσφατα την εκτίμηση ότι μέσα στα επόμενα χρόνια, χάρη στους AI agents**, θα δούμε την πρώτη επιχείρηση του 1 δισ. με έναν εργαζόμενο. Συμμερίζεται την εκτίμησή του ο Ανέστης Φαχαντίδης; «Το κρίσιμο είναι σε ποιον κλάδο θα ανήκει η επιχείρηση στην οποία αναφέρεται o Αλτμαν. Σε κρίσιμους τομείς, όπως η υγεία ή η δημόσια ασφάλεια, η παραγωγικότητα δεν μπορεί να αυξηθεί απεριόριστα χωρίς να συναντήσει την ευθύνη» λέει.

   Όπως εξηγεί, τα γλωσσικά μοντέλα ωριμάζουν πολύ πιο γρήγορα από τις μεθόδους μαζικού ή αυτοματοποιημένου ελέγχου τους -«κι αυτό δημιουργεί αυτό που εγώ ονομάζω productivity-accountability gap». Με απλά λόγια, η ΤΝ δεν είναι φυσικό πρόσωπο, δεν μπορεί να αναλάβει νομική ή ηθική ευθύνη για τις ενέργειές της. «Είναι δύσκολο λοιπόν, να φανταστεί κάποιος ένα άτομο μόνο του να έχει την πλήρη ευθύνη και τον έλεγχο ενός τέτοιου όγκου αυτόνομης παραγωγής από ένα multi-agent σύστημα. Το ερώτημα δηλαδή αντιστρέφεται: τι ποιότητα και ευθύνη περιμένουμε από τα προϊόντα, ψηφιακά ή μη, που θα παράγει η agentic επιχείρηση; Σε ποιους κλάδους είμαστε διατεθειμένοι να κάνουμε εκπτώσεις στην ευθύνη ή την ποιότητα; Η επιχείρηση που περιγράφει ο Άλτμαν θα μπορούσε ίσως να αφορά ένα mobile game, ναι, αυτό θα μπορούσε να είναι αποτέλεσμα μιας τέτοιας μονοπρόσωπης, multi-agent, επιχείρησης. Αλλά ένα σύστημα ΤΝ που ρυθμίζει αυτόνομα δόσεις ινσουλίνης ή υποστηρίζει ιατρικές αποφάσεις, μάλλον δεν θα ήταν αποτέλεσμα τέτοιας επιχείρησης» καταλήγει.