Η Μεγαλύτερη Κρυφή Κόστος του AI Δεν Είναι η Υπολογιστική Ισχύς. Είναι οι Άνθρωποι.

Όλοι μιλάνε για το κόστος του AI. Συνήθως μιλάνε για τις GPU, τις άδειες μοντέλων ή την κατανάλωση token. Νομίζω ότι κοιτάζουν στο λάθος μέρος.

Το μεγαλύτερο κόστος του επιχειρηματικού AI μπορεί να αποδειχθεί ότι είναι οι άνθρωποι που χρειάζονται για να το εποπτεύουν.

Μια πρόσφατη μελέτη βρήκε ότι οι υπάλληλοι экономούν περίπου 11 ώρες την εβδομάδα χρησιμοποιώντας AI, αλλά ξοδεύουν περισσότερες από έξι ώρες για να ελέγξουν τις εξόδους, να διορθώσουν λάθη, να προσθέσουν λείπων контέκστ και να βεβαιωθούν ότι τα αποτελέσματα είναι πραγματικά χρησιμα. Κάποιος έδωσε τον όρο “botsitting” για αυτό. Είναι ένα εύηχο όνομα, αλλά δείχνει σε ένα πολύ μεγαλύτερο πρόβλημα.

AI ήταν υποτιθέμενο να μειώσει την εργασία. Αντίθετα, πολλές οργανώσεις δημιουργούν μια εντελώς νέα κατηγορία εργασίας γύρω από τη διαχείριση του AI. Αυτό δεν είναι ένα τεχνολογικό πρόβλημα. Είναι ένα πρόβλημα λειτουργικού μοντέλου.

Μια Ταχύτερη Σίκουελ στη ΣάαS Εποχή

Έχω δει αυτή την ταινία πριν.

Πριν από δεκαπέντε χρόνια, οι οργανώσεις αγκαλιάσαν το SaaS επειδή έκανε το λογισμικό πιο εύκολο να αγοράσει και πιο εύκολο να αναπτύξει. Οι επιχειρηματικές μονάδες μπορούσαν να λύσουν προβλήματα χωρίς να περιμένουν την IT. Η παραγωγικότητα αυξήθηκε. Η καινοτομία επιταχύνθηκε. Στη συνέχεια, ήρθε το Shadow IT.

Ξαφνικά κανείς δεν ήξερε πόσες εφαρμογές χρησιμοποιούσαν οι υπάλληλοι, πού αποθηκεύονταν τα δεδομένα της εταιρείας ή ποιος είχε πρόσβαση σε αυτά. Η IT ήταν ακόμη υπεύθυνη, αλλά δεν είχε πλέον ορατότητα ή έλεγχο. Το AI feels remarkably similar, but the difference is speed.

Μια εφαρμογή SaaS μπορεί να εκθέσει ένα χέρι συστημάτων. ένα AI agent μπορεί να συνδεθεί με δεκάδες συστήματα την πρώτη του μέρα. Μπορεί να διαβάσει έγγραφα, να συνοψίσει συμβάσεις, να γεννήσει κώδικα, να ενημερώσει εγγραφές και να ενεργοποιήσει ροές εργασιών πριν από την περισσότερες οργανώσεις έχουν ακόμη τεκμηριώσει ότι υπάρχει.

Η τεχνολογία κινείται πιο γρήγορα από το λειτουργικό μοντέλο που χτίστηκε για να το διαχειριστεί.

Γι’ αυτό δεν με εκπλήττει η πρόσφατη μελέτη της IBM που δείχνει ότι δύο τρίτα των CIOs και CTOs είναι υπεύθυνοι για συστήματα AI που δεν ελέγχουν πλήρως. Οι περισσότεροι απαντήσαντες είπαν επίσης ότι το AI εξαπλώνεται πιο γρήγορα από τη διακυβέρνηση. Αυτό δεν είναι επειδή οι CIOs έχουν ξαφνικά γίνει λιγότερο ικανοί. Είναι επειδή το AI δεν ταιριάζει καλά στα παραδοσιακά μοντέλα ιδιοκτησίας.

Η ασφάλεια έχει τον κίνδυνο.
Το νομικό έχει τη συμμόρφωση.
Οι développers χτίζουν ενσωματώσεις.
Οι επιχειρηματικές μονάδες έχουν τα αποτελέσματα.
Οι προμηθευτές ελέγχουν κομμάτια της υποκείμενης υποδομής.

Εν τω μεταξύ, το AI περνάει через όλα αυτά. Όταν κάτι πάει στραβά, όλοι έχουν ένα κομμάτι της απάντησης, αλλά κανείς δεν έχει απαραίτητα το σύνολο του συστήματος. Αυτό δημιουργεί ένα κενό, και οι οργανώσεις σχεδόν πάντα το γεμίζουν με ανθρώπους.

Κάποιος αναθεωρεί τις εκθέσεις που παράγονται από το AI πριν τις στείλει στους πελάτες.
Κάποιος ελέγχει τον κώδικα που γράφεται από το AI πριν αναπτύξει.
Κάποιος επικυρώνει τις συστάσεις πριν ληφθούν αποφάσεις.
Κάποιος ερευνά την απροσδόκητη συμπεριφορά.

Κάποια από αυτή την εποπτεία είναι ακριβώς αυτό που θέλουμε. Το AI δεν πρέπει να λειτουργεί χωρίς ανθρώπινη κρίση, ιδιαίτερα σε ρυθμιζόμενες βιομηχανίες ή υψηλής συνέπειας περιβάλλοντα. Το πρόβλημα είναι όταν οι άνθρωποι γίνονται ο πρωταρχικός έλεγχος.

Από τα Chatbots στα Αυτόνομα Πράγματα

Σκεφτείτε τι συμβαίνει όταν οι οργανώσεις μετακινούνται πέρα από τα chatbots.

Σήμερα, ένα βοηθό AI βοηθά κάποιον να συντάξει ένα email.
Αύριο, ένα πράγμα AI το στέλνει.

Σήμερα, το AI προτείνει μια ενημέρωση σε ένα αρχείο πελάτη.
Αύριο, το κάνει την αλλαγή από μόνο του.

Σήμερα, το AI συνιστά το επόμενο βήμα σε μια επιχειρηματική διαδικασία.
Αύριο, το ξεκινά αυτόματα την ροή εργασίας.

Κάθε νέα ενέργεια εισάγει μια άλλη απόφαση:

Πρέπει να επιτρέψουμε στο AI να κάνει αυτό;

• Πρέπει να έχει πρόσβαση σε αυτό το σύστημα;
• Πρέπει να ανακτήσει αυτά τα δεδομένα;
• Πρέπει κάποιος να εγκρίνει πρώτα;

Οι περισσότερες οργανώσεις απαντούν σε αυτές τις ερωτήσεις χειροκίνητα, και αυτό λειτουργεί όταν έχετε δέκα περιπτώσεις χρήσης AI. Δεν λειτουργεί όταν έχετε εκατοντάδες…ή χιλιάδες. Η ειρωνεία είναι ότι οι οργανώσεις επενδύουν σε AI για να βελτιώσουν την παραγωγικότητα, και στη συνέχεια ζητούν από υψηλά αμειβόμενους υπαλλήλους να ξοδεύουν το χρόνο τους εποπτεύοντας το.

Αυτό δεν είναι κλιμάκωση AI. Αυτό είναι κλιμάκωση overhead.

Η Microsoft έφτασε σε ένα παρόμοιο συμπέρασμα στη μελέτη Work Trend Index του 2026. Μετά την ανάλυση εκατομμυρίων σημάτων εργασίας και την έρευνα 20.000 χρηστών AI, η εταιρεία βρήκε ότι ο μεγαλύτερος εμπόδιο για την επιτυχία του AI δεν είναι η τεχνολογία. Είναι η οργάνωση γύρω από αυτό.

Οι υπάλληλοι υιοθετούν το AI πιο γρήγορα από ό,τι οι εταιρείες τους προσαρμόζονται. Η πραγματική πρόκληση τώρα είναι η ανασχεδίαση του πώς γίνεται η εργασία: αποφασίζοντας τι πρέπει να κάνει το AI, τι πρέπει να κάνουν οι άνθρωποι και πώς οι δύο συνεργάζονται. Νομίζω ότι αυτή είναι ακριβώς η συζήτηση που οι ηγέτες των επιχειρήσεων πρέπει να έχουν. Το AI δεν δημιουργεί αξία απλώς επειδή έχει αναπτυχθεί. Δημιουργεί αξία όταν αναπτύσσεται με ένα σαφές λειτουργικό μοντέλο που επιτρέπει στους ανθρώπους να εστιάσουν στην κρίση αντί της εποπτείας.

Ανανέωση της Διακυβέρνησης του AI: Από την Πολιτική στις Επιχειρήσεις

Εδώ είναι όπου η συζήτηση για τη διακυβέρνηση του AI πρέπει να αλλάξει. Όταν οι άνθρωποι ακούν τη λέξη διακυβέρνηση, συχνά σκέφτονται για τις πολιτικές, τις επιτροπές και την τεκμηρίωση. Αυτά τα πράγματα έχουν σημασία, αλλά κανένα από αυτά δεν λαμβάνει απόφαση σε πραγματικό χρόνο.

Κανένα από αυτά δεν σταματά ένα πράγμα AI από την πρόσβαση σε δεδομένα που δεν πρέπει να δει ή να παύσει μια ροή εργασίας που συμπεριφέρεται απροσδόκητα. Κανένα από αυτά δεν εξηγεί, τη στιγμή που μια ενέργεια ζητείται, αν αυτή η ενέργεια συμμορφώνεται με την πολιτική της εταιρείας.

Αυτό είναι το κενό.

Οι οργανώσεις δεν χρειάζονται περισσότερα έγγραφα διακυβέρνησης. Χρειάζονται διακυβέρνηση που λειτουργεί. Καθημερινές ενέργειες πρέπει να συμβούν αυτόματα όταν πέφτουν μέσα στις εγκεκριμένες πολιτικές. υψηλότερες-κινδύνου ενέργειες πρέπει να απαιτούν ανθρώπινη έγκριση, και ευαίσθητα συστήματα πρέπει να έχουν σαφείς οριοθετήσεις γύρω από αυτό που μπορεί και δεν μπορεί να κάνει το AI.

Και αν μια διαδικασία AI αρχίσει να συμπεριφέρεται με τρόπους που κανείς δεν περίμενε, πρέπει να υπάρχει ένας άμεσος τρόπος να το σταματήσει. Όχι επειδή το AI δεν μπορεί να εμπιστευτεί, αλλά επειδή κάθε επιχειρηματική διαδικασία χρειάζεται φράγματα.

Θέτοντας τους Ανθρώπους Όπου Μετράνε

Οι εταιρείες που παίρνουν την περισσότερη αξία από το AI δεν εξαφανίζουν τους ανθρώπους από την εξίσωση. Τους τοποθετούν τους ανθρώπους όπου είναι πιο πολύτιμοι.

Όχι αναθεωρώντας κάθε έξοδο.
Όχι ελέγχοντας κάθε προτροπή.
Όχι babysitting κάθε πράγμα.

Εστιάζουν τους ανθρώπους στις εξαιρέσεις, τις περιπτώσεις άκρου και τις αποφάσεις που πραγματικά απαιτούν κρίση. Αυτό είναι μια πολύ καλύτερη χρήση της ανθρώπινης εμπειρογνωμοσύνης.

Η Πραγματική Επιχειρηματική Ερώτηση

Το AI έχει φτάσει στο σημείο όπου η τεχνολογία δεν είναι πλέον η μεγαλύτερη ερώτηση. Οι περισσότερες οργανώσεις έχουν ήδη αποδείξει ότι μπορεί να παράγει περιεχόμενο, να γράφει κώδικα, να συνοψίζει πληροφορίες και να αυτοματοποιεί επαναλαμβανόμενη εργασία.

Η πιο δύσκολη ερώτηση είναι αν μπορούν να λειτουργήσουν το AI με εμπιστοσύνη σε επιχειρηματική κλίμακα:

Μπορούν να δουν τι κάνει;

• Μπορούν να ελέγξουν τι έχει πρόσβαση;
• Μπορούν να εφαρμόσουν πολιτική σταθερά;
• Μπορούν να εξηγήσουν γιατί ένα σύστημα AI έλαβε μια συγκεκριμένη ενέργεια;

Αυτές είναι επιχειρησιακές ερωτήσεις, και είναι ολοένα και περισσότερο οικονομικές. Αυτό είναι επειδή κάθε ώρα που ξοδεύεται για την εποπτεία του AI σπάει την παραγωγικότητα που δικαιολογούσε την επένδυση από την αρχή. Οι εταιρείες που κερδίζουν με το AI δεν θα είναι αυτές που τρέχουν τα περισσότερα μοντέλα ή αναπτύσσουν τα περισσότερα πράγματα. Θα είναι αυτές που δεν χρειάζονται ένα στρατό ανθρώπων να το παρακολουθούν.

Το AI πρέπει να ενισχύσει την εργατική σας δύναμη. Δεν πρέπει να γίνει σιωπηλά μια νέα.