Η Προσωπικότητα του AI σας Μαθαίνει Όσο και το IQ του — και Θα Κάνει ή Θα Σπάσει την Εγκατάσταση Επιχείρησης

Οι περισσότερες εταιρείες vẫn επιλέγουν μοντέλα AI με βάση τα βENCHMARKS. Στην πράξη, αυτό σπάνια καθορίζει εάν αυτά τα συστήματα λειτουργούν πραγματικά.

Μέχρι τώρα, οι περισσότερες συζητήσεις γύρω από τα μεγάλου όγκου γλωσσικά μοντέλα σε εταιρικά περιβάλλοντα έχουν доминиώνται από τα βENCHMARKS. Οι ομάδες ελκύονται από μετρήσιμες επιδόσεις, όπως ποιο μοντέλο είναι το πιο έξυπνο, το πιο ισχυρό στο κωδικοποίηση, το πιο ακριβές στη συμπόρευση, ή στη μαθηματική λογική.

Αλλά καθώς οι ομάδες αρχίζουν να μεταβαίνουν πέρα από τη φάση πειραματισμού και να βουτήξουν στην πραγματική εγκατάσταση σε μεγάλες κλίμακες, άλλα σημαντικά στοιχεία, τα οποία παραβλέπονται από τους meisten CEOs, θα αποδειχθούν εξίσου κρίσιμα για την επιτυχία της επιχείρησης.

Η Εργοδοσιμότητα του AI

Η ακαδημαϊκή ευφυΐα και η αναλυτική ικανότητα είναι προφανώς σημαντικές, αλλά η πιο υποτιμημένη μεταβλητή στην εγκατάσταση εταιρικού AI είναι η προσωπικότητα. Η προσωπικότητα, στο πλαίσιο των μεγάλων γλωσσικών μοντέλων, αναφέρεται στη συνεχή φωνή, τον τόνο και τη συμπεριφορά που ένα μοντέλο μεταφέρει σε διάφορες αλληλεπιδράσεις. Είναι αυτό που κάνει ένα AI να αισθάνεται συνεκτικό και αξιόπιστο.

Όταν εφαρμόζουν το AI, οι επιχειρήσεις πρέπει να ακολουθήσουν την ίδια προσέγγιση που θα ακολουθούσαν όταν θα προσλάμβαναν ένα ανθρώπινο υπάλληλο: να αξιολογήσουν όχι μόνο πώς καλά ένα μοντέλο μπορεί να ολοκληρώσει μια εργασία, αλλά και τη στάση του απέναντι στη δουλειά, πώς επικοινωνεί, και πώς ταιριάζει στο μεγαλύτερο workflow.

Η ικανότητα ενός μοντέλου να διατηρεί τη συνέπεια, να απαντά σωστά, και να χειρίζεται τη νюανς σε διάφορους контекστους μπορεί να έχει σημαντική επίδραση στα επιχειρηματικά αποτελέσματα. Ένα τεχνικά εξαιρετικό AI που απαντά αργά, διασκορπίζει τον τόνο, ή χειρίζεται λανθασμένα τις νύξεις σε διάφορες αλληλεπιδράσεις μπορεί να είναι λανθασμένα εφαρμοσμένο από τις επιχειρήσεις, εξοργίζοντας τους χρήστες, μειώνοντας την εμπλοκή, και τελικά μειώνοντας την αποτελεσματικότητα του AI και την επιτυχία της επιχείρησης.

Αυτό είναι ιδιαίτερα σημαντικό σε βιομηχανίες όπως η υποστήριξη πελατών, η πολιτική επικοινωνία, ή η εσωτερική επικοινωνία, καθώς οι λεπτές μεταβολές του τόνου ή της φράσης μεταξύ των απαντήσεων possono να προκαλέσουν σύγχυση, να υπονομεύσουν την εμπιστοσύνη, και να μειώσουν την общή εμπλοκή. Όπως και με τους ανθρώπους, δεν υπάρχει ένα μοντέλο που ξεχωρίζει από την ανταγωνιστική αγορά σε κάθε κατηγορία. Κάποια μοντέλα είναι καλύτερα στην εκτέλεση αναλυτικών εργασιών όπως η κωδικοποίηση ή τα μαθηματικά, ενώ άλλα εκτελούν πολύ καλύτερα στην συγγραφή διαλόγων και στη συμπόρευση συνεδριάσεων.

Αλλά μια πρόκληση για τις ομάδες που χτίζουν πάνω σε αυτά τα συστήματα είναι ότι αυτά τα χαρακτηριστικά δεν είναι σταθερά.

Ένας Κινητός Στόχος

Το τοπίο του AI εξελίσσεται γρηγορότερα από ότι οι περισσότερες οργανώσεις μπορούν να跟θούν. Νέα εκδόσεις κυκλοφορούν συχνά, και τα χαρακτηριστικά απόδοσης μπορούν να μεταβληθούν από μια ενημέρωση στην άλλη. Η σειρά μοντέλων Gemini της Google είναι ένα πρόσφατο παράδειγμα.

Το Gemini 2.0 Pro κυκλοφόρησε τον Φεβρουάριο του 2025 και ήταν αμέσως προωθημένο ως το μοντέλο επικεφαλής για τους développers και τις επιχειρήσεις που το χρησιμοποιούσαν για κωδικοποίηση και σύνθετα προτύπους σε όλο τον κόσμο.

Ερχόταν με αυτό που ήταν, εκείνη την εποχή, το μεγαλύτερο παράθυρο контекστού που η Google είχε προσφέρει ποτέ, με δύο εκατομμύρια tokens, το οποίο του έδινε τη δυνατότητα να αναλύσει και να κατανοήσει τεράστιες ποσότητες πληροφοριών同時, ενώ μπορούσε επίσης να χρησιμοποιήσει εργαλεία όπως η Google Search και ακόμη και να γράψει κώδικα.

Για τις ομάδες που χτίζουν συστήματα που χρειάζονται να επεξεργαστούν μεγάλες ποσότητες δεδομένων γρήγορα και ακριβώς, φαινόταν σαν το σαφές επιλογή. Αλλά μέσα σε λίγες εβδομάδες, η Google κυκλοφόρησε το Gemini 2.5 Pro, το οποίο αμέσως πέρασε ταχύτατα τον προκάτοχό του με βελτιώσεις στην κωδικοποίηση, τα μαθηματικά, και την επιστήμη.

Το βράδυ, το μοντέλο που είχε μόλις γίνει η καλύτερη επιλογή στην αγορά ήταν ήδη αντικατασταθέν λιγότερο από δύο μήνες μετά την κυκλοφορία. Αλλά οι πρώτοι χρήστες παρατήρησαν αμέσως ότι οι αλλαγές δεν ήταν μόνο σταδιακές ή αναλυτικές — η προσωπικότητα του Gemini είχε αλλάξει από τη μια μέρα στην άλλη. Πολλοί développers έφτασαν στο σημείο να πουν ότι το AI συμπεριφερόταν σαν να είχε “λοβοτομηθεί” μετά την ενημέρωση.

Καθόρισαν ότι το AI φαινόταν να γίνεται, κυριολεκτικά, “λιγότερο έξυπνο” — παράγοντας συνεχώς αργότερες απαντήσεις, λιγότερο συνεκτικά outputs, και εμφανίζοντας ασυνέπεια στη διαχείριση των προτύπων που είχε προηγουμένως keine προβλήματα και τις εργασίες που κάποτε φαινόταν ρευστές τώρα έγιναν σκληρές.

Και αυτό είναι το σημείο όπου η στρατηγική μιας εταιρείας γύρω από την εγκατάσταση του AI αρχίζει να μεταβάλλεται θεμελιωδώς.

Πέρα από τα ΒENCHMARKS

Σε χαρτί, το Gemini 2.5 Pro θα έπρεπε να ήταν ο σαφής νικητής με τις τεράστιες βελτιώσεις στην ικανότητα και την ασφάλεια.

Αλλά στην πράξη, αυτές οι αλλαγές άλλαξαν πλήρως πώς το μοντέλο ήταν αξιόπιστο, πώς συμπεριφερόταν, απαντούσε σε προτύπους, και, σε συνέπεια, έστειλαν τις ομάδες που είχαν μόλις σπάσει την τράπεζα και είχαν ξοδέψει αμέτρητες ώρες να χτίσουν γύρω από αυτά τα συστήματα πίσω στην αρχή αν οι νέες ικανότητες του μοντέλου δεν ταίριαζαν με την υπάρχουσα πipeline.

ΕVEN μικρές μεταβολές στη συμπεριφορά μπορούν να διαταράξουν συστήματα που χτίζονται γύρω από τη συνέπεια και την προβλέψιμη συμπεριφορά. Αυτό δημιουργεί ένα πραγματικό επιχειρηματικό ρίσκο αν μια επιχείρηση είναι στενά συνδεδεμένη με ένα μοντέλο,既然 οποιαδήποτε ενημέρωση μπορεί να εισαγάγει αμέσως αστάθεια στις ομάδες που βασίζονται σε αυτά τα συστήματα.

Για να αντιμετωπίσουν αυτό, πολλές προοδευτικές εταιρείες έχουν αρχίσει να εφαρμόζουν μια στρατηγική πολλαπλών μοντέλων όπου κατευθύνουν διαφορετικές εργασίες στα μοντέλα που είναι καλύτερα για αυτές, αντί να βασίζονται σε ένα μοντέλο για να χειριστεί τα πάντα.

Αυτή η προσέγγιση не μόνο βελτιώνει την απόδοση που προσαρμόζεται σε κάθε εργασία, αλλά μειώνει επίσης το ρίσκο που συνδέεται με την εφαρμογή του AI,既然 αν ένα μοντέλο χειροτερέψει μετά από μια ενημέρωση, δεν θα ρίξει ολόκληρο το σύστημα που βασίζεται σε αυτό μαζί του, καθώς υπάρχουν αναπληρωματικά διαθέσιμα.

Σαφώς, η προσωπικότητα και η αξιοπιστία του AI είναι εξίσου σημαντικές με την ακαδημαϊκή του ευφυΐα όταν πρόκειται για την εφαρμογή του μοντέλου σε ένα εργασιακό περιβάλλον για να ολοκληρώσει διάφορες εργασίες. Αυτή η αλλαγή στη σκέψη αντιπροσωπεύει μια θεμελιώδη αλλαγή στο πώς οι επιχειρήσεις δεν αγοράζουν πλέον μόνο ένα “έξυπνο εργαλείο”, αλλά χτίζουν και διαχειρίζονται ένα ολόκληρο ψηφιακό σύστημα υποδομής.

Για να επιβιώσουν, αλλά και να ευημερήσουν στη σημερινή επιχειρηματική τοπография, οι ομάδες πρέπει να καθιερώσουν pipelines που μπορούν να ανταλλάξουν διαφορετικά μοντέλα ανάλογα με την εργασία, και να παρακολουθούν συνεχώς πώς οι ενημερώσεις επηρεάζουν τόσο την απόδοση όσο και την ποιότητα αλληλεπίδρασης.

Τελικά, τα μοντέλα αυτά θα συνεχίσουν να εξελίσσονται με ρυθμό που είναι δύσκολο να跟θούν. Αλλά οι επιχειρήσεις που προγραμματίζουν την αλλαγή, χτίζουν αναπληρωματικότητα, και αντιμετωπίζουν το AI ως ένα εργαλείο και ένα συνεργάτη θα είναι αυτές που θα μετατρέψουν αυτές τις ταχύτατες αλλαγές σε конкурентικό πλεονέκτημα.