Η επανάσταση της τεχνητής νοημοσύνης δεν αποτελεί ακόμη μία τεχνολογική μετάβαση αντίστοιχη με εκείνες που προηγήθηκαν τις τελευταίες δεκαετίες. Αντιθέτως, μεταβάλλει ριζικά τον τρόπο με τον οποίο λειτουργούν, μαθαίνουν και δημιουργούν αξία οι επιχειρήσεις, καθώς για πρώτη φορά καθίσταται δυνατή η δημιουργία ενός διαρκούς γνωστικού κύκλου μεταξύ ανθρώπων και ψηφιακών συστημάτων.
Σύμφωνα με ανάλυση του CEO της Microsoft Σάτια Ναντέλα στο Linedin, το βασικό διακύβευμα της νέας εποχής δεν αφορά απλώς την υιοθέτηση νέων εργαλείων τεχνητής νοημοσύνης, αλλά τον τρόπο με τον οποίο οι οργανισμοί θα συνεχίσουν να αναπτύσσουν πνευματική ιδιοκτησία, να διαφοροποιούνται από τον ανταγωνισμό και να διατηρούν το συγκριτικό τους πλεονέκτημα σε ένα περιβάλλον όπου τα μοντέλα AI μπορούν να απορροφούν και να τυποποιούν τη γνώση ανθρώπων και επιχειρήσεων.
Ο ίδιος εισάγει την έννοια δύο μορφών κεφαλαίου που θα καθορίσουν το μέλλον των επιχειρήσεων: το ανθρώπινο κεφάλαιο και το «κεφάλαιο tokens». Το πρώτο περιλαμβάνει τη γνώση, την κρίση, τις σχέσεις, την εφευρετικότητα και την ικανότητα αναγνώρισης προτύπων των εργαζομένων. Το δεύτερο αφορά τις δυνατότητες τεχνητής νοημοσύνης που αναπτύσσει και κατέχει η ίδια η επιχείρηση.
Όπως επισημαίνεται, η ανάπτυξη των συστημάτων AI δεν μειώνει την αξία του ανθρώπινου παράγοντα. Αντίθετα, την ενισχύει. Οι άνθρωποι εξακολουθούν να θέτουν τους στόχους, να συνδέουν διαφορετικά γνωστικά πεδία, να δημιουργούν σχέσεις και να αναγνωρίζουν τις κρίσιμες πληροφορίες που έχουν πραγματική σημασία για έναν οργανισμό. Χωρίς αυτή τη συνεισφορά, η υπολογιστική ισχύς από μόνη της δεν αρκεί για τη δημιουργία αξίας.
Σάτια Ναντέλα: Η πραγματική πρόκληση
Στο πλαίσιο αυτό, η πραγματική πρόκληση για τις επιχειρήσεις δεν είναι η επιλογή του ισχυρότερου μοντέλου τεχνητής νοημοσύνης, αλλά η δημιουργία ενός μηχανισμού συνεχούς μάθησης, όπου το ανθρώπινο και το ψηφιακό κεφάλαιο θα αλληλοενισχύονται. Ενώ ορισμένες εργασίες ή ακόμη και ολόκληρες θέσεις μπορούν να αυτοματοποιηθούν, η διαδικασία μάθησης δεν μπορεί να μεταβιβαστεί πλήρως σε μια μηχανή.
Η ανάλυση υπογραμμίζει επίσης την ανάγκη δημιουργίας νέων αρχιτεκτονικών συστημάτων μέσα στις επιχειρήσεις, που θα επιτρέπουν στα μοντέλα AI να βελτιώνονται διαρκώς χωρίς να χάνεται ο έλεγχος της εταιρικής γνώσης και της πνευματικής ιδιοκτησίας. Μια επιχείρηση, όπως σημειώνεται, θα πρέπει να μπορεί να αντικαθιστά ένα γενικής χρήσης μοντέλο χωρίς να χάνει την εξειδικευμένη γνώση που έχει ενσωματώσει στα δικά της συστήματα.
Μηχανισμοί αξιολόγησης
Καθοριστικό ρόλο σε αυτή τη διαδικασία αναμένεται να διαδραματίσουν οι ιδιωτικοί μηχανισμοί αξιολόγησης και εκπαίδευσης των μοντέλων, οι οποίοι θα βασίζονται σε πραγματικά δεδομένα και αποτελέσματα που παράγονται εντός των οργανισμών. Με τον τρόπο αυτό, η συσσωρευμένη εμπειρία και η θεσμική μνήμη μιας εταιρείας μετατρέπονται σε ένα διαρκώς εξελισσόμενο περιουσιακό στοιχείο.
Ο αρθρογράφος προειδοποιεί παράλληλα για τον κίνδυνο υπερσυγκέντρωσης της οικονομικής αξίας σε περιορισμένο αριθμό πανίσχυρων μοντέλων τεχνητής νοημοσύνης. Όπως αναφέρει, ένα τέτοιο σενάριο θα μπορούσε να αναπαράγει φαινόμενα αντίστοιχα με εκείνα της πρώτης φάσης της παγκοσμιοποίησης, όταν η μεταφορά παραγωγικών δραστηριοτήτων στο εξωτερικό αποδυνάμωσε ολόκληρες βιομηχανικές περιοχές, παρά τη θετική εικόνα που παρουσίαζαν οι μακροοικονομικοί δείκτες.
Για τον λόγο αυτό, η προτεραιότητα, σύμφωνα με την ανάλυση, δεν θα πρέπει να είναι η ανάπτυξη ενός και μόνο «μοντέλου αιχμής», αλλά η οικοδόμηση ενός ευρύτερου οικοσυστήματος τεχνητής νοημοσύνης, στο οποίο η αξία θα διαχέεται σε επιχειρήσεις, κλάδους και οικονομίες. Σε ένα τέτοιο περιβάλλον, κάθε οργανισμός θα μπορεί να διατηρεί τον έλεγχο του δικού του κύκλου μάθησης, ενισχύοντας τόσο το ανθρώπινο όσο και το ψηφιακό του κεφάλαιο.
Η προσέγγιση αυτή, καταλήγει ο ίδιος, μπορεί να δημιουργήσει συνθήκες βιώσιμης ανάπτυξης τόσο για τις επιχειρήσεις όσο και για την οικονομία συνολικά, επιτρέποντας στους εργαζομένους να αξιοποιούν και να πολλαπλασιάζουν τη γνώση τους μέσα από συστήματα που τη μετατρέπουν σε επαναλαμβανόμενο και κλιμακούμενο πλεονέκτημα.
