Τεχνητή Νοημοσύνη: Πως από «ευλογία» έγινε εφιάλτης για τις επιχειρήσεις – Πατάνε φρένο οι εταιρείες

Οι εταιρείες στην Αμερική έρχονται αντιμέτωπες με υπέρογκους λογαριασμούς IT, αμφίβολη παραγωγικότητα και αντιδράσεις εργαζομένων, καθώς τα στελέχη αρχίζουν να αμφισβητούν τις αποδόσεις των τεράστιων επενδύσεων στο AI

Η αγορά βιάστηκε να αγκαλιάσει την τεχνητή νοημοσύνη, όμως τώρα οι ηγέτες των επιχειρήσεων διαπιστώνουν ότι τα έξοδα εκτοξεύονται χωρίς το ανάλογο αντίκρισμα.

Χαρακτηριστικό είναι το παράδειγμα της Microsoft, η οποία ακύρωσε την πλειονότητα των αδειών Claude Code που διέθετε, εν μέρει λόγω κόστους, σύμφωνα με σχετικό δημοσίευμα του The Verge, την ώρα που ο επιχειρησιακός διευθυντής της Uber δήλωσε ότι οι δαπάνες για AI γίνονται όλο και πιο δύσκολο να δικαιολογηθούν.

Ένας σύμβουλος τεχνητής νοημοσύνης αποκάλυψε μάλιστα στο Axios ότι πελάτης του ξόδεψε μισό δισεκατομμύριο δολάρια μέσα σε έναν μόνο μήνα. Αυτό συνέβη επειδή ξέχασε να θέσει όρια χρήσης στις άδειες Claude των υπαλλήλων του.

Πολλές διοικήσεις εταιρειών χρησιμοποιούν την αυτοματοποίηση ως δικαιολογία για απολύσεις, αν και ο Anuj Kapur, διευθύνων σύμβουλος της CloudBees, εξήγησε ότι οι περικοπές προσωπικού αποτελούν μάλλον τον μοναδικό μοχλό πίεσης που διαθέτουν πλέον οι εταιρείες για να ισοσκελίσουν τους φουσκωμένους λογαριασμούς της τεχνητής νοημοσύνης.

ΔΙΑΒΑΣΤΕ ΑΚΟΜΗ

Θεσσαλονίκη: Ανατροπή στο τροχαίο με θύμα την 15χρονη αθλήτρια – Ο 48χρονος αρνείται ότι οδηγούσε το μοιραίο απορριμματοφόρο

Την ίδια στιγμή, η τεχνητή νοημοσύνητων καταναλωτών υποχωρεί και οι εργαζόμενοι ξεσηκώνονται ενάντια στη χρήση αυτών των εργαλείων στο εργασιακό τους περιβάλλον.

Τα εμπόδια στην υιοθέτηση της Τεχνητής νοημοσύνης και η πραγματικότητα της αγοράς

Αυτή η κατάσταση οδηγεί σε μια αναγκαστική διόρθωση της αγοράς. Ο Ali Ansari, επικεφαλής της εταιρείας εκπαίδευσης μοντέλων Micro1, ανέφερε ότι ο επιχειρηματικός κόσμος βιώνει μια υγιή στροφή μακριά από την αλόγιστη χρήση των εργαλείων αυτών, μια πρακτική που στον κλάδο ονομαζόταν «tokenmaxxing» και αφορούσε την κατανάλωση όσο το δυνατόν περισσότερων tokens. Ο ίδιος ελπίζει ότι η στροφή αυτή θα φέρει μεγαλύτερη αποτελεσματικότητα, αφού η τρέχουσα πραγματικότητα δείχνει ότι η τεχνητή νοημοσύνη αποδίδει εξαιρετικά κυρίως στον προγραμματισμό και στη συγγραφή κώδικα, παρά το γεγονός ότι οι εταιρείες θεωρούν πως κάνει για όλες τις δουλειές.

Τα 4 μεγάλα εμπόδια στην χρήση Τεχνητής Νοημοσύνης

Η εφαρμογή της τεχνητής νοημοσύνης σκοντάφτει σε τέσσερα συγκεκριμένα προβλήματα, όπως εξηγούν οι ειδικοί.

• Από τη μία πλευρά, οι υπάλληλοι τείνουν να αυτοματοποιούν εργασίες που απλά αντιπαθούν και όχι εκείνες που φέρνουν πραγματική αξία και έσοδα στον οργανισμό, σύμφωνα με τη Sophia Velastegui, πρώην επικεφαλής AI της Microsoft.
• Από την άλλη, το κόστος παραμένει δυσβάσταχτο. Ένας τεχνικός διευθυντής εκμυστηρεύτηκε ότι το προσωπικό χρησιμοποιούσε τα εξελιγμένα μοντέλα ακόμη και για να δει τον καιρό, γεγονός που ανεβάζει στα ύψη τις χρεώσεις, καθώς τα εταιρικά προγράμματα δεν προσφέρουν απεριόριστη δωρεάν χρήση.
• O μεγαλύτερος σκόπελος παραμένει ο άνθρωπος, καθώς οι εργαζόμενοι προσπαθούν ακόμα να προλάβουν τις εξελίξεις, ενώ η τακτική των διοικήσεων να μοιράζουν αδιακρίτως άδειες χρήσης δεν φέρνει αποτελέσματα.
• Παράλληλα, υπάρχει και το ζήτημα της ασφάλειας των πληροφοριών. Σύμφωνα με τον Josh Pantony, διευθύνοντα σύμβουλο της Boosted.ai, οι ψηφιακοί βοηθοί γίνονται ουσιαστικά άχρηστοι όταν οι επιχειρήσεις αρνούνται να τους δώσουν πλήρη πρόσβαση στα ευαίσθητα ιδιοκτησιακά τους δεδομένα.

Το επόμενο διάστημα θα δείξει αν οι οργανισμοί θα αποκτήσουν μεγαλύτερη πειθαρχία ή αν θα οδηγηθούν στο άλλο άκρο, επιβάλλοντας αυστηρούς περιορισμούς στη νέα τεχνολογία.