Ηγέτες σκέψης
Η προσωπικότητα της AI είναι εξίσου σημαντική με το IQ της — και μπορεί να κρίνει την επιτυχία της επιχειρηματικής εφαρμογής της

Βασικά σημείαΗ σταθερή προσωπικότητα μιας τεχνητής νοημοσύνης είναι εξίσου κρίσιμη με την ευφυΐα της…
Δείτε περισσότερα
- Η σταθερή προσωπικότητα μιας τεχνητής νοημοσύνης είναι εξίσου κρίσιμη με την ευφυΐα της για την επιτυχία της επιχείρησης.
- Η ενημέρωση Gemini 2.5 Pro της Google υποβάθμισε την αξιοπιστία παρά τις βελτιωμένες βαθμολογίες στα τεστ.
- Μια στρατηγική πολλαπλών μοντέλων μειώνει το επιχειρησιακό κίνδυνο από απρόβλεπτες ενημερώσεις τεχνητής νοημοσύνης.
Οι περισσότερες εταιρείες εξακολουθούν να επιλέγουν μοντέλα AI με βάση τις δοκιμές επιδόσεων. Στην πράξη, όμως, αυτό σπάνια καθορίζει αν τα συστήματα αυτά λειτουργούν πραγματικά.
Μέχρι σήμερα, στις περισσότερες συζητήσεις για τα μεγάλα γλωσσικά μοντέλα σε επιχειρηματικά περιβάλλοντα κυριαρχούν οι δοκιμές επιδόσεων. Οι ομάδες εστιάζουν σε μετρήσιμες επιδόσεις: ποιο μοντέλο είναι το πιο έξυπνο, το ισχυρότερο στον προγραμματισμό, το ακριβέστερο στη σύνοψη ή το καλύτερο στον μαθηματικό συλλογισμό.
Καθώς, όμως, οι ομάδες προχωρούν πέρα από τον πειραματισμό στην πραγματική εφαρμογή σε μεγάλη κλίμακα, άλλοι σημαντικοί παράγοντες, τους οποίους οι περισσότεροι διευθύνοντες σύμβουλοι παραβλέπουν σε μεγάλο βαθμό, θα αποδειχθούν γρήγορα εξίσου κρίσιμοι για την επιτυχία μιας επιχείρησης.
Η καταλληλότητα της AI για πρόσληψη
Η καθαρή νοημοσύνη και η αναλυτική ικανότητα είναι προφανώς σημαντικές, αλλά η πιο υποτιμημένη μεταβλητή στην επιχειρηματική εφαρμογή της AI είναι η προσωπικότητα. Στο πλαίσιο των μεγάλων γλωσσικών μοντέλων, η προσωπικότητα αφορά τη σταθερή φωνή, τον τόνο και τη συμπεριφορά που εκφράζει ένα μοντέλο στις αλληλεπιδράσεις του. Αυτά κάνουν την AI να δίνει την αίσθηση συνοχής και αξιοπιστίας.
Κατά την εφαρμογή της AI, οι επιχειρήσεις χρειάζεται να ακολουθούν την ίδια προσέγγιση που θα ακολουθούσαν προσλαμβάνοντας έναν άνθρωπο: να αξιολογούν όχι μόνο πόσο καλά το μοντέλο ολοκληρώνει μια εργασία, αλλά και τη στάση του απέναντι στη δουλειά, τον τρόπο επικοινωνίας του και το πώς εντάσσεται στην ευρύτερη ροή εργασίας.
Η ικανότητα ενός μοντέλου να διατηρεί συνέπεια, να αποκρίνεται κατάλληλα και να χειρίζεται λεπτές αποχρώσεις σε διαφορετικά πλαίσια μπορεί να έχει σημαντικό αντίκτυπο στα επιχειρηματικά αποτελέσματα. Οι επιχειρήσεις ενδέχεται να εφαρμόσουν λανθασμένα μια τεχνικά εξαιρετική AI που αποκρίνεται αργά, αλλάζει τόνο ή χειρίζεται ανεπαρκώς τις λεπτές αποχρώσεις των αλληλεπιδράσεων. Αυτό μπορεί να απογοητεύσει τους χρήστες, να μειώσει τη συμμετοχή τους και, τελικά, να περιορίσει την αποτελεσματικότητα της AI και την επιτυχία της επιχείρησης.
Αυτό έχει ιδιαίτερη σημασία σε τομείς όπως η υποστήριξη πελατών, η πολιτική επικοινωνία προς το κοινό ή οι εσωτερικές επικοινωνίες. Οι ανεπαίσθητες μεταβολές στον τόνο ή στη διατύπωση από τη μία απάντηση στην άλλη μπορούν να προκαλέσουν σύγχυση, να διαβρώσουν την εμπιστοσύνη και να μειώσουν τη συνολική συμμετοχή. Όπως και με τους ανθρώπους, δεν υπάρχει ένα ιδανικό μοντέλο που να ξεπερνά τον ανταγωνισμό σε κάθε κατηγορία. Ορισμένα μοντέλα αποδίδουν καλύτερα σε αναλυτικές εργασίες, όπως ο προγραμματισμός ή τα μαθηματικά, ενώ άλλα είναι πολύ καλύτερα στη συγγραφή κειμένων με συνομιλιακό ύφος και στη σύνοψη συναντήσεων.
Μια πρόκληση, όμως, για τις ομάδες που χτίζουν πάνω σε αυτά τα συστήματα είναι ότι τα χαρακτηριστικά αυτά δεν παραμένουν σταθερά.
Ένας κινούμενος στόχος
Το τοπίο της AI εξελίσσεται ταχύτερα απ’ όσο μπορούν να παρακολουθήσουν οι περισσότεροι οργανισμοί. Νέες εκδόσεις κυκλοφορούν συχνά και τα χαρακτηριστικά απόδοσης μπορούν να μεταβάλλονται από ενημέρωση σε ενημέρωση. Η σειρά μοντέλων Gemini της Google αποτελεί πρόσφατο παράδειγμα.
Το Gemini 2.0 Pro κυκλοφόρησε τον Φεβρουάριο του 2025 και αμέσως προβλήθηκε ως το κορυφαίο μοντέλο για προγραμματιστές και επιχειρήσεις που το χρησιμοποιούσαν παγκοσμίως για προγραμματισμό και σύνθετες εντολές.
Διέθετε το μεγαλύτερο παράθυρο συμφραζομένων που είχε προσφέρει μέχρι τότε η Google, με δύο εκατομμύρια tokens. Μπορούσε έτσι να αναλύει και να κατανοεί διεξοδικά τεράστιες ποσότητες πληροφοριών ταυτόχρονα, ενώ παράλληλα αξιοποιούσε εργαλεία όπως το Google Search και έγραφε ακόμη και κώδικα.
Για τις ομάδες που κατασκεύαζαν συστήματα τα οποία έπρεπε να επεξεργάζονται μεγάλους όγκους δεδομένων γρήγορα και με ακρίβεια, έμοιαζε με την προφανή επιλογή. Μέσα σε λίγες μόλις εβδομάδες, όμως, η Google κυκλοφόρησε το Gemini 2.5 Pro, το οποίο αμέσως ανέβηκε στην κορυφή των πινάκων κατάταξης και ξεπέρασε κατά πολύ τον προκάτοχό του με βελτιώσεις στον προγραμματισμό, στα μαθηματικά και στις επιστήμες.
Από τη μια μέρα στην άλλη, το μοντέλο που μέχρι μόλις τότε ήταν η καλύτερη επιλογή στην αγορά άρχισε ήδη να αντικαθίσταται, λιγότερο από δύο μήνες μετά την κυκλοφορία του. Οι πρώτοι χρήστες, όμως, παρατήρησαν αμέσως ότι οι αλλαγές δεν ήταν απλώς σταδιακές ή αναλυτικές: ολόκληρη η προσωπικότητα του Gemini είχε αλλάξει από τη μια μέρα στην άλλη. Αρκετοί προγραμματιστές έφτασαν στο σημείο να πουν ότι μετά την ενημέρωση η AI συμπεριφερόταν σαν να είχε υποστεί «λοβοτομή».
Παραπονέθηκαν ότι η AI φαινόταν, κυριολεκτικά, να «γίνεται λιγότερο έξυπνη» — έδινε συστηματικά πιο αργές απαντήσεις και λιγότερο συνεκτικά αποτελέσματα, ενώ παρουσίαζε ασυνέπειες στον χειρισμό εντολών με τις οποίες προηγουμένως δεν είχε κανένα πρόβλημα. Εργασίες που κάποτε εκτελούνταν ομαλά έγιναν ξαφνικά άκαμπτες.
Σε αυτό το σημείο αρχίζει να αλλάζει ριζικά η στρατηγική μιας εταιρείας για την εφαρμογή της AI.
Πέρα από τις δοκιμές επιδόσεων
Στα χαρτιά, το Gemini 2.5 Pro θα έπρεπε να ήταν ο αδιαμφισβήτητος νικητής, χάρη στις μεγάλες βελτιώσεις στις δυνατότητες και στην ασφάλειά του.
Στην πράξη, όμως, οι αλλαγές αυτές μετέβαλαν πλήρως την αξιοπιστία του μοντέλου, τη συμπεριφορά του και τον τρόπο με τον οποίο αποκρινόταν στις εντολές. Έτσι, αν οι νέες δυνατότητες δεν ταίριαζαν στην υπάρχουσα ροή επεξεργασίας, ομάδες που μόλις είχαν δαπανήσει τεράστια ποσά και αμέτρητες ώρες αναπτύσσοντας λύσεις γύρω από αυτά τα συστήματα επέστρεφαν στο μηδέν.
Ακόμη και μικρές μεταβολές στη συμπεριφορά μπορούν να διαταράξουν συστήματα που βασίζονται στη συνέπεια και στην προβλεψιμότητα. Αυτό δημιουργεί πραγματικό λειτουργικό κίνδυνο όταν μια επιχείρηση εξαρτάται στενά από ένα και μόνο μοντέλο, καθώς οποιαδήποτε ενημέρωση μπορεί να προκαλέσει άμεσα αστάθεια στις ομάδες που βασίζονται στα συστήματα αυτά.
Για να το αντιμετωπίσουν, πολλές διορατικές εταιρείες έχουν αρχίσει να εφαρμόζουν στρατηγική πολλαπλών μοντέλων, αναθέτοντας διαφορετικές εργασίες στα καταλληλότερα μοντέλα, αντί να βασίζονται σε ένα μοντέλο για τα πάντα.
Η προσέγγιση αυτή όχι μόνο βελτιώνει τις επιδόσεις για κάθε εργασία, αλλά μειώνει και τον κίνδυνο που συνδέεται με την εφαρμογή της AI. Αν ένα μοντέλο υποβαθμιστεί μετά από ενημέρωση, δεν θα παρασύρει ολόκληρο το σύστημα που βασίζεται σε αυτό, επειδή υπάρχουν διαθέσιμα εναλλακτικά μοντέλα.
Με απλά λόγια, η προσωπικότητα και η αξιοπιστία της AI είναι εξίσου σημαντικές με την καθαρή νοημοσύνη της όταν εφαρμόζεται σε εργασιακό περιβάλλον για την εκτέλεση διαφορετικών εργασιών. Αυτή η αλλαγή στον τρόπο σκέψης σηματοδοτεί μια θεμελιώδη μεταβολή: οι επιχειρήσεις δεν αγοράζουν πλέον απλώς ένα «εξυπνότερο εργαλείο», αλλά κατασκευάζουν και διαχειρίζονται μια ολόκληρη ψηφιακή υποδομή.
Για να επιβιώσουν και να ευημερήσουν στο σημερινό επιχειρηματικό περιβάλλον, οι ομάδες χρειάζονται ροές επεξεργασίας στις οποίες μπορούν να εναλλάσσουν διαφορετικά μοντέλα ανάλογα με την εργασία. Πρέπει επίσης να παρακολουθούν συνεχώς πώς οι ενημερώσεις επηρεάζουν τόσο την απόδοση όσο και την ποιότητα της αλληλεπίδρασης.
Τελικά, τα ίδια τα μοντέλα θα συνεχίσουν να εξελίσσονται με ρυθμό που δύσκολα μπορεί κανείς να ακολουθήσει. Οι επιχειρήσεις, όμως, που σχεδιάζουν για την αλλαγή, προβλέπουν εναλλακτικές λύσεις και αντιμετωπίζουν την AI ως εργαλείο και ως συνεργάτη θα είναι εκείνες που θα μετατρέψουν αυτές τις ραγδαίες μεταβολές σε ανταγωνιστικό πλεονέκτημα.












