Συνεντεύξεις

Victor Coimbra, τεχνικός διευθυντής και διευθύνων εταίρος στην Artefact – Σειρά συνεντεύξεων

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Victor Coimbra, CTO and Managing Partner at Artefact
Βασικά σημείαPilots stall because AI is added to organizations designed for humans only.
Δείτε περισσότερα
  • Pilots stall because AI is added to organizations designed for humans only.
  • Companies should buy generalist harnesses but build industry-specific ones and own their context.
  • Agents excel at work built on existing information while humans own creativity and judgment.

Victor Coimbra είναι τεχνικός διευθυντής και διευθύνων εταίρος στην Artefact, όπου ηγείται των ομάδων τεχνητής νοημοσύνης, επιστήμης δεδομένων και μηχανικής σε ολόκληρη την αμερικανική ήπειρο. Η επαγγελματική του πορεία συνδυάζει την εμπειρία στη στρατηγική επιχειρήσεων που απέκτησε στις Bain και Accenture με την άμεση ηγετική εμπλοκή στην υλοποίηση συστημάτων τεχνητής νοημοσύνης και μηχανικής μάθησης σε σύνθετα εταιρικά περιβάλλοντα. Εστιάζει στο να βοηθά τους οργανισμούς να συνδέουν τις τεχνικές δυνατότητες με μετρήσιμα επιχειρηματικά αποτελέσματα, καθώς και να διαμορφώνουν την αρχιτεκτονική, τη διακυβέρνηση και τα λειτουργικά μοντέλα που απαιτούνται για την κλιμάκωση της τεχνητής νοημοσύνης.

Η Artefact είναι μια παγκόσμια εταιρεία συμβούλων στον τομέα των δεδομένων και της τεχνητής νοημοσύνης, η οποία βοηθά τις επιχειρήσεις να αναπτύσσουν στρατηγικές, να δημιουργούν πλατφόρμες δεδομένων, να αναπτύσσουν λύσεις τεχνητής νοημοσύνης και να διαχειρίζονται την οργανωτική αλλαγή. Το έργο της καλύπτει κλάδους όπως οι χρηματοοικονομικές υπηρεσίες, η υγειονομική περίθαλψη, η μεταποίηση και το λιανεμπόριο. Ενόψει του Adopt AI Summit, που θα πραγματοποιηθεί στις 3–4 Δεκεμβρίου 2026, στο Grand Palais στο Παρίσι, ο Coimbra συζητά πώς οι επιχειρήσεις μπορούν να ξεπεράσουν τα πιλοτικά έργα, να συγκροτήσουν ομάδες που συνδυάζουν ανθρώπους και πράκτορες τεχνητής νοημοσύνης και να μετρούν την αξία της τεχνητής νοημοσύνης στην παραγωγή.

Η επαγγελματική σας πορεία σάς οδήγησε από τη στρατηγική επιχειρήσεων στην Accenture στην ηγεσία ομάδων τεχνητής νοημοσύνης, επιστήμης δεδομένων και μηχανικής στην Artefact σε ολόκληρη την αμερικανική ήπειρο. Πώς έχει διαμορφώσει αυτός ο συνδυασμός στρατηγικής συμβουλευτικής και άμεσης τεχνικής ηγεσίας την προσέγγισή σας στο να βοηθάτε τις επιχειρήσεις να μετατρέπουν τις επενδύσεις τους στην τεχνητή νοημοσύνη σε μετρήσιμα επιχειρηματικά αποτελέσματα;

Έμαθα να συνδέω πάντα τη στρατηγική για την τεχνητή νοημοσύνη με την υλοποίησή της. Η στρατηγική στις Bain και Accenture μού έδειξε ότι τα στελέχη επενδύουν σε μια αλλαγή σε κάποιο κονδύλι των αποτελεσμάτων χρήσης (P&L). Η μηχανική μού έμαθε ότι μεγάλο μέρος αυτής της αξίας μπορεί να χαθεί ανάμεσα στην παρουσίαση και την παραγωγή.

Σήμερα, η τεχνητή νοημοσύνη αφορά λιγότερο την τεχνολογία και περισσότερο τη δημιουργία ενός ανταγωνιστικού πλεονεκτήματος γύρω από τις βασικές επιχειρηματικές λειτουργίες σας. Το βασικό ερώτημα είναι πώς θα μετατρέψουμε την ατομική παραγωγικότητα σε συλλογική επιχειρηματική αξία, δημιουργώντας πραγματικά μια κοινή γνωστική ικανότητα σε ολόκληρη την εταιρεία.

Αυτό απαιτεί συνδυασμό στρατηγικής και υλοποίησης, και έμαθα πολλά κάνοντας και τα δύο.

Παρά τις σημαντικές επενδύσεις στην τεχνητή νοημοσύνη, πολλοί οργανισμοί εξακολουθούν να δυσκολεύονται να προχωρήσουν πέρα από επιτυχημένα πιλοτικά έργα. Σύμφωνα με την εμπειρία σας, ποια είναι τα συνηθέστερα εμπόδια που δεν επιτρέπουν στις πρωτοβουλίες τεχνητής νοημοσύνης των επιχειρήσεων να περάσουν στην παραγωγή και τι διακρίνει τις εταιρείες που καταφέρνουν να κλιμακώσουν επιτυχώς τις εφαρμογές τους;

Από την εμπειρία μου, πολλά πιλοτικά έργα μένουν στάσιμα επειδή η τεχνητή νοημοσύνη προστίθεται σε έναν οργανισμό που σχεδιάστηκε αποκλειστικά για ανθρώπους. Η τεχνολογία συνήθως λειτουργεί. Συχνά, όμως, δεν έχει ακόμη αποσαφηνιστεί ο καταμερισμός της εργασίας: ποιες εργασίες αναλαμβάνουν οι πράκτορες, ποιες παραμένουν στους ανθρώπους, ποιος ελέγχει τη δουλειά και ποιος έχει την ευθύνη για το αποτέλεσμα.

Επιπλέον, 3 ανάγκες συνήθως επιβραδύνουν την κλιμάκωση: το κόστος των token, το οποίο εκτοξεύεται με τη χρέωση βάσει χρήσης, η ασφάλεια και η διακυβέρνηση, καθώς και η υιοθέτηση που δεν μετατρέπει ποτέ την πρόσβαση σε πραγματική χρήση.

Οι εταιρείες που βλέπω να κλιμακώνονται αποτελεσματικά αντιμετωπίζουν την τεχνητή νοημοσύνη ως οργανωτικό ανασχεδιασμό. Χωρίζουν την υλοποίηση σε 2 κύκλους. Στον εσωτερικό κύκλο, οι πράκτορες εκτελούν εργασίες από την αρχή ως το τέλος: γράφουν κώδικα, δημιουργούν, δοκιμάζουν, ανεβάζουν και ελέγχουν. Στον εξωτερικό κύκλο, οι άνθρωποι καθορίζουν τον στόχο, επαληθεύουν το αποτέλεσμα και παρακολουθούν το κόστος και την ποιότητα. Στη συνέχεια, δημιουργούν μία ενιαία πλατφόρμα ως βάση και την επαναχρησιμοποιούν για κάθε περίπτωση χρήσης.

Έχετε γράψει για τη σημασία της δημιουργίας ενός οργανισμού που έχει σχεδιαστεί εξαρχής για την τεχνητή νοημοσύνη, αντί της απλής προσθήκης chatbot και βοηθών στα υπάρχοντα συστήματα. Ποιες θεμελιώδεις αλλαγές στην τεχνολογική αρχιτεκτονική των επιχειρήσεων απαιτούνται για να υποστηριχθεί αυτή η μετάβαση και σε ποιους τομείς οι επιχειρήσεις επενδύουν σήμερα λιγότερο από όσο χρειάζεται;

Μια εταιρεία που έχει σχεδιαστεί εξαρχής για την τεχνητή νοημοσύνη λειτουργεί πάνω σε μια πλατφόρμα, η οποία αποτελείται από 4 επίπεδα: το πλαίσιο λειτουργίας, το πλαίσιο συμφραζομένων, το μοντέλο και την υποδομή. Το πλαίσιο λειτουργίας είναι το σημείο όπου άνθρωποι και πράκτορες συναντώνται και συνεργάζονται· περιλαμβάνει ολόκληρη την εφαρμογή γύρω από το μοντέλο. Το πλαίσιο συμφραζομένων καθορίζει τι γνωρίζουν οι πράκτορες και ποιες εξουσίες διαθέτουν. Το επίπεδο του μοντέλου αφορά τον τρόπο με τον οποίο αποκτούμε πρόσβαση στα μοντέλα, τα δρομολογούμε και τα διαχειριζόμαστε με το κατάλληλο κόστος. Η υποδομή είναι το περιβάλλον όπου εκτελούνται στην πράξη και καθορίζει ποιος έχει τα κλειδιά πρόσβασης.

Όπως είναι φυσικό, το μεγαλύτερο μέρος της προσοχής στρέφεται στο ορατό 20%: στους βοηθούς και τα εργαλεία συνομιλίας. Το κρυφό 80% είναι εκεί όπου γίνεται το μεγαλύτερο μέρος της μηχανικής και όπου καθορίζονται το κόστος, η ασφάλεια και ο έλεγχος.

Η πρότασή μου είναι απλή. Αγοράστε πλαίσια λειτουργίας γενικής χρήσης και δημιουργήστε εκείνα που είναι ειδικά για τον κλάδο σας. Μισθώστε μοντέλα και υποδομές και πειραματιστείτε με αυτά, γιατί αλλάζουν κάθε τρίμηνο. Και διατηρήστε τον πλήρη έλεγχο του πλαισίου συμφραζομένων σας. Είναι το επίπεδο που σας ανήκει πραγματικά και εκεί όπου βλέπω τη μεγαλύτερη ευκαιρία για περισσότερες επενδύσεις.

Καθώς η τεχνητή νοημοσύνη εξελίσσεται, από την υποστήριξη των εργαζομένων έως την αυτόνομη εκτέλεση σύνθετων ροών εργασίας, πώς θα πρέπει να αποφασίζουν οι οργανισμοί ποιες διαδικασίες είναι κατάλληλες για αυτοματοποίηση μέσω πρακτόρων; Ποιες τεχνικές και λειτουργικές δικλίδες ασφαλείας πρέπει να θεσπιστούν προτού δοθεί στους πράκτορες τεχνητής νοημοσύνης μεγαλύτερη εξουσία λήψης αποφάσεων;

Όπως το αντιλαμβάνομαι, οι πράκτορες είναι πολύ καλοί σε εργασίες που στρέφονται στο παρελθόν, ενώ οι άνθρωποι σε εργασίες που στρέφονται στο μέλλον. Οι πράκτορες διαπρέπουν σε οτιδήποτε βασίζεται σε υπάρχουσες πληροφορίες, όπως η ανάλυση δεδομένων, ο προγραμματισμός, οι δοκιμές, η τεκμηρίωση και η συμφωνία στοιχείων. Οι άνθρωποι αναλαμβάνουν ό,τι απαιτεί δημιουργικότητα, η οποία εξ ορισμού στρέφεται στο μέλλον: αισθητική κρίση, όραμα, σχεδιασμό, λήψη αποφάσεων και αξιολόγηση του κατά πόσο ένα αποτέλεσμα είναι πραγματικά καλό.

Στην πράξη, αυτό αντιστοιχεί στους 2 κύκλους. Οι πράκτορες λειτουργούν στον εσωτερικό κύκλο και εκτελούν τις εργασίες. Οι άνθρωποι διατηρούν τον έλεγχο του εξωτερικού κύκλου: καθορίζουν τον στόχο, επαληθεύουν και παρακολουθούν.

Οι δικλίδες ασφαλείας σχεδιάζονται και ενσωματώνονται· δεν αρκεί να τις ζητήσουμε με μια προτροπή. Χρησιμοποιούμε 6 επίπεδα πλαισίου ελέγχου: καταγραφή εργασιών, μνήμη, ένα ασφαλές περιβάλλον εργασίας με απομονωμένο περιβάλλον εκτέλεσης και δικαιώματα πρόσβασης, έναν κύκλο εργασίας με σημεία ελέγχου και διευκρινίσεις, δρομολόγηση μοντέλων και δικλίδες που ορίζουν τι δεν μπορεί να κάνει ένας πράκτορας χωρίς βοήθεια, όπως εγκρίσεις από ανθρώπους, έλεγχοι πολιτικών και έλεγχοι για προσωπικά δεδομένα. Στη συνέχεια, η αυτονομία αυξάνεται ανάλογα με το ιστορικό επιδόσεών του, όπως συμβαίνει και με έναν νέο υπάλληλο.

Έχετε περιγράψει τους πράκτορες ΤΝ ως συναδέλφους και όχι ως συμβατικά εργαλεία λογισμικού. Πώς αλλάζει αυτή η οπτική τον τρόπο με τον οποίο οι οργανισμοί θα πρέπει να οργανώνουν τις ομάδες, να κατανέμουν τις αρμοδιότητες και να εκπαιδεύουν τους εργαζομένους ώστε να συνεργάζονται με συστήματα ΤΝ που γίνονται ολοένα και πιο αυτόνομα;

Βρισκόμαστε ήδη στην εποχή των υβριδικών οργανισμών. Το σημαντικότερο ερώτημα για μένα πλέον είναι πώς θα κατανεμηθεί το εργατικό δυναμικό μεταξύ ανθρώπων και πρακτόρων. Πιστεύω ότι αυτό είναι το κλειδί για την κλιμάκωση.

Σε μια υβριδική ομάδα, το οργανόγραμμα κατανέμει τη γνωστική ικανότητα, όχι τον αριθμό των εργαζομένων. Σε μια ώριμη τεχνολογική ομάδα, η συνηθισμένη κατανομή που παρατηρώ είναι 15% εργασία αποκλειστικά από ανθρώπους, 25% εργασία με υποστήριξη και 60% εργασία που εκτελείται από πράκτορες. Ο επικεφαλής Πληροφορικής καθορίζει την κατεύθυνση, κατανέμει την ικανότητα και αναλαμβάνει την ευθύνη για τα αποτελέσματα και το κόστος. Ένας ανώτερος προγραμματιστής επαληθεύει όσα παραδίδουν οι πράκτορες και αποφασίζει για την αρχιτεκτονική. Ένας πράκτορας ενορχήστρωσης δρομολογεί τις εργασίες και αναφέρει το κόστος, ενώ ένας πράκτορας ελέγχου εξετάζει κάθε παραδοτέο.

Τα οφέλη πολλαπλασιάζονται σε 3 στάδια. Οι εργαζόμενοι που υποστηρίζονται από ΤΝ αποδίδουν περίπου 5 φορές περισσότερο. Οι πράκτορες, ως συνθετικοί εργαζόμενοι που εκτελούν εργασίες από την αρχή μέχρι το τέλος, αποδίδουν περίπου 10 φορές περισσότερο. Πιστεύω ότι ο συντονισμός ανθρώπων και πρακτόρων ως ενιαίου εργατικού δυναμικού είναι εκεί όπου βρίσκεται η προοπτική για 1000 φορές μεγαλύτερη απόδοση.

Η εκπαίδευση ακολουθεί την ίδια λογική. Οι άνθρωποι μαθαίνουν να αναθέτουν εργασίες σε έναν πράκτορα όπως θα ανέθεταν σε έναν νεότερο μηχανικό, παρέχοντάς του δομημένο πλαίσιο και σαφή αποτελέσματα, και να αφιερώνουν τον χρόνο τους στην κρίση, τον σχεδιασμό και τη λήψη αποφάσεων.

Τα συστήματα ΤΝ για επιχειρήσεις εξαρτώνται σε μεγάλο βαθμό από αξιόπιστες υποδομές δεδομένων, ωστόσο πολλοί οργανισμοί εξακολουθούν να αντιμετωπίζουν προβλήματα κατακερματισμένων δεδομένων, ασυνεπούς διακυβέρνησης και παλαιού τύπου τεχνολογίας. Ποιες θεμελιώδεις δυνατότητες θα πρέπει να δώσουν προτεραιότητα οι επιχειρήσεις κατά την προετοιμασία των πλατφορμών δεδομένων τους για την ΤΝ με πράκτορες και πώς μπορούν να τις εκσυγχρονίσουν χωρίς να διαταράξουν τις υφιστάμενες λειτουργίες;

Σχεδιάστε την πλατφόρμα δεδομένων σας για ένα νέο είδος χρήστη: τους πράκτορες. Αν ένας πίνακας ελέγχου εμφανίζει λάθος αριθμό, ένας άνθρωπος θα τον αμφισβητήσει. Αν ένας πράκτορας λάβει έναν λανθασμένο αριθμό, θα ενεργήσει βάσει αυτού, σε μεγάλη κλίμακα.

Δώστε προτεραιότητα σε 4 δυνατότητες. Κοινοί επιχειρηματικοί ορισμοί, ώστε κάθε πράκτορας και ομάδα να εννοεί το ίδιο με τον όρο «ενεργός πελάτης». Μια πύλη διασύνδεσης με έλεγχο ταυτότητας και τυποποιημένα πρωτόκολλα όπως το MCP, ώστε οι πράκτορες να έχουν πρόσβαση στα δεδομένα με τα δικαιώματα του ρόλου για λογαριασμό του οποίου ενεργούν. Ποιότητα και ιχνηλασιμότητα που μπορούν να παρακολουθούνται. Και αντιμετώπιση των μη δομημένων δεδομένων ως περιουσιακού στοιχείου πρώτης τάξεως, επειδή τα συμβόλαια, τα αιτήματα υποστήριξης και τα πρακτικά συσκέψεων περιέχουν το μεγαλύτερο μέρος της πραγματικής γνώσης.

Για να εκσυγχρονίσετε τα συστήματα χωρίς να προκαλέσετε αναστάτωση, προσθέστε πρώτα ένα επίπεδο διασύνδεσης στα παλαιά συστήματα και έπειτα μεταφέρετε τις λειτουργίες σταδιακά, ανά περίπτωση χρήσης. Οι πράκτορες αλλάζουν και τα οικονομικά δεδομένα της διαδικασίας. Οι αγωγοί με πολλούς πράκτορες εκσυγχρονίζουν πλέον εκατοντάδες χιλιάδες γραμμές παλαιού κώδικα μέσα σε λίγους μήνες, με τους ανθρώπους να αποφασίζουν για την αρχιτεκτονική.

Πέρα από την πρόσβαση σε δομημένα δεδομένα, οι πράκτορες ΤΝ χρειάζεται ολοένα και περισσότερο να κατανοούν τη θεσμική γνώση, τις επιχειρηματικές διαδικασίες και το οργανωτικό πλαίσιο. Πώς μπορούν οι επιχειρήσεις να καταγράφουν αποτελεσματικά αυτή τη γνώση και να την ενσωματώνουν στα συστήματα ΤΝ τους, και ποιοι κίνδυνοι προκύπτουν όταν οι πράκτορες λειτουργούν χωρίς επαρκές επιχειρηματικό πλαίσιο;

Το πλαίσιο είναι αυτό που μετατρέπει ένα μοντέλο σε συνάδελφο. Τα εργαλεία κατανοούν τις εργασίες, ενώ οι πράκτορες κατανοούν το πλαίσιο. Δεν θα ζητούσατε από έναν νεότερο μηχανικό να εργαστεί χωρίς να του εξηγήσετε τον στόχο, τους περιορισμούς και τα κριτήρια μιας καλής δουλειάς· το ίδιο ισχύει και για έναν πράκτορα.

Καταγράψτε τη γνώση μέσα από την ίδια την εργασία, αντί να βασίζεστε σε μεγάλα έργα τεκμηρίωσης που είναι δύσκολο να παραμένουν ενημερωμένα. Κάθε σύσκεψη, αίτημα, απόφαση και διόρθωση τροφοδοτεί ένα επίπεδο πλαισίου που συνδυάζει αρχεία, πίνακες, διανύσματα και ένα γράφημα σχέσεων. Κάθε ολοκληρωμένη εργασία ενημερώνει ξανά τη μνήμη, ώστε ο οργανισμός να μαθαίνει με κάθε παραδοτέο. Και το πλαίσιο χρειάζεται τη δική του διακυβέρνηση: αξιολογήσεις, δικαιώματα πρόσβασης και έλεγχο του κόστους.

Χωρίς πλαίσιο, οι πράκτορες τείνουν να αντιμετωπίζουν μερικά προβλέψιμα προβλήματα. Ακολουθούν τον γραπτό κανόνα, αλλά τους διαφεύγει ο άγραφος κανόνας που όλοι γνωρίζουν. Ανακτούν λανθασμένες πληροφορίες και απαντούν με απόλυτη βεβαιότητα. Εργάζονται με δεδομένα του προηγούμενου τριμήνου. Και ένα επίπεδο πλαισίου χωρίς αυστηρά δικαιώματα πρόσβασης μπορεί να θέσει ευαίσθητα δεδομένα σε κίνδυνο.

Πολλές εταιρείες μετρούν την επιτυχία της ΤΝ με βάση τις βελτιώσεις στην παραγωγικότητα, τα ποσοστά υιοθέτησης ή τον αριθμό των πιλοτικών προγραμμάτων που έχουν ξεκινήσει. Ποιους δείκτες θα πρέπει να χρησιμοποιούν οι CIO και τα επιχειρηματικά στελέχη για να αξιολογούν την πραγματική απόδοση της επένδυσης στην ΤΝ, ιδίως όταν συνυπολογίζουν το κόστος υποδομών, τη συνεχή συντήρηση και την επιχειρησιακή πολυπλοκότητα των αυτόνομων πρακτόρων;

Μετρήστε το υβριδικό εργατικό δυναμικό, όχι το εργαλείο. Η υιοθέτηση είναι μόνο το πρώτο από τα 4 επίπεδα και αξιολογείται πάντοτε σε σύγκριση με μια γραμμή βάσης που έχει καταγραφεί πριν από την εφαρμογή. Η υιοθέτηση εξετάζει αν οι άνθρωποι χρησιμοποιούν το εργαλείο. Η παραγωγικότητα εξετάζει αν παραδίδουμε ταχύτερα: χρόνο ολοκλήρωσης, ρυθμό διεκπεραίωσης, χρόνο επίλυσης. Η ποιότητα εξετάζει αν το αποτέλεσμα είναι καλύτερο: σφάλματα που δεν εντοπίστηκαν πριν από την κυκλοφορία, ποσοστό αποτυχημένων αλλαγών, επανεργασία. Η αξία και το κόστος εξετάζουν αν αξίζει: χρόνος και προσπάθεια που εξοικονομούνται, χρόνος διάθεσης στην αγορά, συνολικό κόστος ανά εργασία.

Ένας δείκτης που είναι εύκολο να παραβλεφθεί είναι ο τρόπος με τον οποίο κατανέμεται η γνωστική ικανότητα μεταξύ ανθρώπων και πρακτόρων, από ομάδα σε ομάδα. Η ανθρώπινη ικανότητα που απελευθερώνεται πρέπει να κατευθύνεται σκόπιμα σε εργασίες με προοπτική για το μέλλον. Διαφορετικά, ένα μέρος του οφέλους χάνεται.

Όσον αφορά το κόστος, η τιμολόγηση μετατοπίζεται από τις πάγιες χρεώσεις στη χρέωση βάσει χρήσης, κάτι που μπορεί να κάνει τους λογαριασμούς δυσκολότερο να προβλεφθούν. Γι’ αυτό, η δρομολόγηση των μοντέλων και το FinOps πρέπει να αποτελούν μέρος της πλατφόρμας από την πρώτη μέρα. Αντιμετωπίστε τις δαπάνες για την ΤΝ όπως τις δαπάνες για το cloud: να είναι ορατές, να αποδίδονται σε μια ομάδα και να συνδέονται με την παραγόμενη αξία.

Η Artefact συνεργάζεται με επιχειρήσεις στους τομείς των χρηματοοικονομικών υπηρεσιών, της υγειονομικής περίθαλψης, της μεταποίησης, του λιανεμπορίου και άλλων κλάδων, όπου η υιοθέτηση της ΤΝ συνεπάγεται διαφορετικές προκλήσεις. Ποια διδάγματα προκύπτουν από εφαρμογές στην πράξη σε αυτούς τους τομείς και πώς θα πρέπει οι οργανισμοί να εξισορροπούν την καινοτομία με την κανονιστική συμμόρφωση, την αξιοπιστία και την ανθρώπινη εποπτεία;

Όλοι οι κλάδοι αντιμετωπίζουν το ίδιο ερώτημα: πώς θα κατανεμηθεί η εργασία μεταξύ ανθρώπων και πρακτόρων. Αυτό που αλλάζει είναι το πόσο από τον εξωτερικό κύκλο πρέπει να παραμείνει υπό ανθρώπινο έλεγχο. Στο λιανεμπόριο και στα καταναλωτικά αγαθά, τα λάθη έχουν μικρό κόστος, οπότε οι πράκτορες αναλαμβάνουν μεγαλύτερο μέρος της εργασίας και το κάνουν ταχύτερα. Στη μεταποίηση, ο ρυθμός καθορίζεται από την αξιοπιστία και την ενσωμάτωση στα επιχειρησιακά συστήματα. Στις χρηματοοικονομικές υπηρεσίες και στην υγειονομική περίθαλψη, κάθε απόφαση πρέπει να μπορεί να αιτιολογηθεί, γι’ αυτό οι άνθρωποι διατηρούν για μεγαλύτερο διάστημα μεγαλύτερο μέρος της επαλήθευσης και της λήψης αποφάσεων.

Το δίδαγμα που βλέπω παντού είναι ότι η συμμόρφωση λειτουργεί καλύτερα όταν αποτελεί εγγενές χαρακτηριστικό της πλατφόρμας και ενσωματώνεται εξαρχής. Όταν οι δικλίδες ασφαλείας, τα αρχεία καταγραφής ελέγχου και οι εγκρίσεις από ανθρώπους είναι ενσωματωμένα στο πλαίσιο εκτέλεσης, κάθε νέα περίπτωση χρήσης τα κληρονομεί. Όταν η συμμόρφωση εξετάζεται μόνο στο τέλος, κάθε νέο έργο πρέπει να ξεκινήσει ξανά αυτή τη συζήτηση.

Η εποπτεία πρέπει να είναι κλιμακωτή. Οι πράκτορες ενεργούν αυτόνομα σε εργασίες χαμηλού κινδύνου, οι ενέργειές τους σε περιπτώσεις μέτριου κινδύνου ελέγχονται κατ’ εξαίρεση, ενώ σε περιπτώσεις υψηλού κινδύνου περιορίζονται στην προετοιμασία της απόφασης. Τα επίπεδα εποπτείας προσαρμόζονται όσο κερδίζεται η εμπιστοσύνη.

Καθώς η Σύνοδος Κορυφής Adopt AI της Artefact θα πραγματοποιηθεί στο Παρίσι τον προσεχή Δεκέμβριο, οι συζητήσεις γύρω από την κυριαρχία στην ΤΝ, τη διακυβέρνηση και τη βιομηχανική ανταγωνιστικότητα γίνονται όλο και πιο σημαντικές. Πώς πιστεύετε ότι η προσέγγιση της Ευρώπης στην υιοθέτηση της ΤΝ επηρεάζει τις παγκόσμιες στρατηγικές των επιχειρήσεων και ποιες εξελίξεις θεωρείτε ότι θα καθορίσουν την επόμενη φάση της επιχειρησιακής ΤΝ τα επόμενα χρόνια;

Η Ευρώπη ήταν από τις πρώτες που έθεσαν το ζήτημα της κυριαρχίας και πιστεύω ότι αυτό εξελίσσεται σε παγκόσμια αρχή σχεδιασμού. Οι πολυεθνικές δεν θέλουν διαφορετική αρχιτεκτονική για κάθε κανονισμό, γι’ αυτό σχεδιάζουν με βάση τον αυστηρότερο: να διατηρείτε τον έλεγχο του πλαισίου σας, να μισθώνετε τα μοντέλα σας και να ελέγχετε πού εκτελούνται και ποιος έχει τα κλειδιά. Η επόμενη ευκαιρία για την Ευρώπη είναι να επενδύσει με την ίδια δυναμική στην υιοθέτηση, καθώς η ανταγωνιστικότητα θα προκύψει από τη χρήση σε μεγάλη κλίμακα.

Η επόμενη φάση είναι ο υβριδικός οργανισμός και πιστεύω ότι αυτός είναι το μέλλον της εργασίας. Οι εταιρείες θα περάσουν από την καταμέτρηση του προσωπικού στη διαχείριση μιας κοινής γνωστικής ικανότητας ανθρώπων και πρακτόρων. Οι πράκτορες θα αναλάβουν το μεγαλύτερο μέρος της εργασίας που αφορά το παρελθόν: ανάλυση, κώδικα, αναφορές. Οι άνθρωποι θα στραφούν στην εργασία που αφορά το μέλλον: αισθητική κρίση, όραμα, σχεδιασμό και λήψη αποφάσεων.

Πιστεύω ότι οι εταιρείες που θα βρουν πρώτες πώς να κατανείμουν την εργασία θα πρωτοπορήσουν. Αυτή είναι η συζήτηση που θέλω να κάνω στο Παρίσι, για να καθορίσουμε τα επόμενα χρόνια.

Σας ευχαριστούμε για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα για την υιοθέτηση της ΤΝ στις επιχειρήσεις, τις ροές εργασίας με πράκτορες και τον μετασχηματισμό των δεδομένων μπορούν να επισκεφθούν την Artefact.

Ο Antoine είναι ένας οραματιστής ηγέτης και ιδρυτικός εταίρος της Unite.AI, με αμείωτο πάθος για τη διαμόρφωση και την προώθηση του μέλλοντος της τεχνητής νοημοσύνης και της ρομποτικής. Έχοντας ιδρύσει πολλές επιχειρήσεις, πιστεύει ότι η τεχνητή νοημοσύνη θα μεταμορφώσει την κοινωνία όσο και ο ηλεκτρισμός και συχνά μιλά με ενθουσιασμό για τις δυνατότητες των ανατρεπτικών τεχνολογιών και της τεχνητής γενικής νοημοσύνης (AGI).

Ως μελλοντολόγος, είναι αφοσιωμένος στη διερεύνηση του τρόπου με τον οποίο αυτές οι καινοτομίες θα διαμορφώσουν τον κόσμο μας. Επιπλέον, είναι ιδρυτής του Securities.io, μιας πλατφόρμας που εστιάζει στις επενδύσεις σε τεχνολογίες αιχμής οι οποίες επαναπροσδιορίζουν το μέλλον και μεταμορφώνουν ολόκληρους κλάδους.