Νέα έκθεση της SAS, η οποία βασίζεται σε ερευνητικά ευρήματα της IDC, αποκαλύπτει τι κρύβεται πίσω από τους οργανισμούς που αξιοποιούν με επιτυχία τις επενδύσεις τους στην Τεχνητή Νοημοσύνη: η υιοθέτηση αξιόπιστων πρακτικών Τεχνητής Νοημοσύνης (AI). Σύμφωνα με τη μελέτη, οι οργανισμοί που εφαρμόζουν τέτοιες πρακτικές έχουν 15 φορές περισσότερες πιθανότητες να σημειώσουν υψηλή απόδοση επένδυσης (ROI) στα έργα Τεχνητής Νοημοσύνης που υλοποιούν.
Όπως προκύπτει από τη δεύτερη ετήσια έκθεση Data and AI Impact Report: The New Economics of Trust, οι οργανισμοί που διακρίνονται στους τομείς της εταιρικής διακυβέρνησης, της ποιότητας των δεδομένων και του εσωτερικού ελέγχου (auditability) –οι οποίοι αποτελούν μια σχετικά μικρή μερίδα της αγοράς– ξεπερνούν σταθερά τις επιδόσεις των ανταγωνιστών τους, καταγράφοντας τουλάχιστον διπλάσια απόδοση επένδυσης από τις εφαρμογές Τεχνητής Νοημοσύνης. Αντίθετα, λιγότεροι από ένας στους είκοσι οργανισμούς που κατατάσσονται στους «ουραγούς» της εφαρμογής αξιόπιστων AI πρακτικών ήταν σε θέση να αναφέρουν αντίστοιχα αποτελέσματα.
«Όταν η Τεχνητή Νοημοσύνη λειτουργεί σωστά, τα αποτελέσματά της είναι εξαιρετικά σημαντικά», δήλωσε ο Bryan Harris, Chief Technology Officer της SAS. «Ωστόσο, είναι πλέον τεκμηριωμένο ότι ακόμη και οι πλέον προηγμένοι AI agents ενδέχεται να εμφανίζουν ποσοστά σφάλματος που υπερβαίνουν το 25% σε σύνθετες εργασίες[1] – ένα ποσοστό απαράδεκτο για διαδικασίες λήψης κρίσιμων αποφάσεων. Για να επιτευχθούν η ακρίβεια και η συνέπεια, οι οργανισμοί πρέπει να ενσωματώνουν την εξειδικευμένη γνώση των κλάδων τους στις ροές εργασίας των agents, διατηρώντας παράλληλα τον άνθρωπο στο επίκεντρο της διακυβέρνησης και της εποπτείας. Όσοι το καταφέρουν θα γεφυρώσουν το χάσμα εμπιστοσύνης και θα αποκτήσουν ουσιαστικό ανταγωνιστικό πλεονέκτημα μέσω της Τεχνητής Νοημοσύνης.»
«Καθώς η Τεχνητή Νοημοσύνη γίνεται όλο και πιο αυτόνομη, οι οργανισμοί καλούνται να αντιμετωπίσουν μια νέα πρόκληση: να διατηρήσουν την εμπιστοσύνη σε συστήματα των οποίων ο τρόπος λειτουργίας δεν είναι πλήρως κατανοητός από τους ανθρώπους», δήλωσε ο Chris Marshall, Vice President της IDC. «Τα ευρήματά μας δείχνουν ότι η αποτελεσματική εποπτεία, η δυνατότητα επεξήγησης των αποφάσεων, η λογοδοσία και η ύπαρξη ισχυρών βάσεων δεδομένων αποτελούν πλέον βασικές προϋποθέσεις για την επιτυχημένη κλιμάκωση των εφαρμογών Τεχνητής Νοημοσύνης.»
Τα ευρήματα της έκθεσης διαμορφώνουν τρεις θεματικές:
Η Τεχνητή Νοημοσύνη που δεν μπορεί να προσφέρει εξηγήσεις για τις αποφάσεις της αποτελεί σημαντικό επιχειρηματικό κίνδυνο
Οι ερευνητές διαπίστωσαν ότι οι εργαζόμενοι πολλών οργανισμών εμφανίζονται ολοένα και πιο διστακτικοί να βασιστούν σε συστήματα τα οποία ενδέχεται είτε να μην παρέχουν σωστά αποτελέσματα είτε να αδυνατούν να εξηγήσουν τον τρόπο με τον οποίο κατέληξαν σε μια απόφαση. Καθώς η Τεχνητή Νοημοσύνη αποκτά μεγαλύτερο βαθμό αυτονομίας, ο συγκεκριμένος κίνδυνος εντείνεται, καθιστώντας τη δυνατότητα επεξήγησης (explainability) καθοριστικό παράγοντα επιτυχίας.
Η έκθεση εξετάζει επίσης ένα από τα κυριότερα εμπόδια στην υιοθέτηση της Τεχνητής Νοημοσύνης: την τάση των εργαζομένων να παρακάμπτουν τις αποφάσεις της όταν δεν τις εμπιστεύονται και να προχωρούν σε χειροκίνητες διορθώσεις. Η πρακτική αυτή διευρύνει ακόμη περισσότερο το έλλειμμα αξιοπιστίας και μπορεί να στοιχίσει στους οργανισμούς πολύτιμο χρόνο, παραγωγικότητα και κερδοφορία. Δεδομένου ότι η ποιότητα των αποφάσεων της Τεχνητής Νοημοσύνης εξαρτάται άμεσα από την ποιότητα των δεδομένων στα οποία βασίζεται, η δημιουργία ενός ισχυρού υποβάθρου δεδομένων καθίσταται κρίσιμη προϋπόθεση για τη μείωση των περιπτώσεων παράκαμψης των συστημάτων ΑΙ.
Βασικά ευρήματα:
- Το 97,2% των χρηστών παρακάμπτει τις συστάσεις της Τεχνητής Νοημοσύνης, τουλάχιστον σε ορισμένες περιπτώσεις.
- Ο κυριότερος λόγος για τον οποίο οι εργαζόμενοι επιλέγουν να αγνοήσουν τις αποφάσεις αυτές –ανεξάρτητα από το αν αυτές είναι τελικά σωστές– είναι η αδυναμία του AI συστήματος να εξηγήσει πώς κατέληξε στο συγκεκριμένο αποτέλεσμα.
- Το επίπεδο εμπιστοσύνης μειώνεται από 76% στην περίπτωση της παραγωγικής Τεχνητής Νοημοσύνης (Generative AI) σε 66% στην περίπτωση του agentic AI (συστήματα AI με αυξημένη αυτονομία), γεγονός που αναδεικνύει τις αυξανόμενες ανησυχίες καθώς τα συστήματα αποκτούν μεγαλύτερη αυτονομία.
Οι αξιόπιστες πρακτικές Τεχνητής Νοημοσύνης επιφέρουν καλύτερα επιχειρηματικά αποτελέσματα
Η έκθεση αναδεικνύει ένα ολοένα διευρυνόμενο χάσμα ανάμεσα στην απόδοση της επένδυσης (ROI) των οργανισμών που δίνουν προτεραιότητα στις αξιόπιστες πρακτικές Τεχνητής Νοημοσύνης και σε αυτή των οργανισμών που δεν κάνουν το ίδιο. Τα ευρήματα δείχνουν ότι οι οργανισμοί που αποκομίζουν τη μεγαλύτερη αξία από το AI δεν χρησιμοποιούν απαραίτητα διαφορετικές τεχνολογίες, αλλά διαχειρίζονται την Τεχνητή Νοημοσύνη με διαφορετικό τρόπο.
Βασικά ευρήματα:
- Οι οργανισμοί που επενδύουν σε πρακτικές αξιόπιστης Τεχνητής Νοημοσύνης έχουν 15 φορές περισσότερες πιθανότητες να αναφέρουν υψηλή ή πολύ υψηλή απόδοση επένδυσης στα έργα AI που υλοποιούν (62% έναντι μόλις 4%).
- Οι οργανισμοί με τις πιο ώριμες AI πρακτικές επιτυγχάνουν 1,85 φορές μεγαλύτερες επιδόσεις σε 13 διαφορετικούς επιχειρηματικούς δείκτες, μεταξύ των οποίων η αύξηση των εσόδων, η μείωση του κόστους και η βελτίωση της εμπειρίας των πελατών.
- Το 85% των πρωτοπόρων οργανισμών που εφαρμόζουν αξιόπιστες πρακτικές AI αυξάνει τις επενδύσεις του στον συγκεκριμένο τομέα κατά περισσότερο από 10% μέσα στη φετινή χρονιά, διευρύνοντας περαιτέρω το χάσμα επιδόσεων σε σχέση με τους υπόλοιπους οργανισμούς.
Πάρα πολλοί οργανισμοί χάνουν χρόνο και χρήματα εξαιτίας αδύναμων βάσεων δεδομένων
Η πλειονότητα των οργανισμών εφαρμόζει λύσεις Τεχνητής Νοημοσύνης βασιζόμενη σε υποδομές και βάσεις δεδομένων που δεν είναι αρκετά ανεπτυγμένες ή είναι παρωχημένες. Χωρίς μια ισχυρή βάση δεδομένων να υποστηρίζει την απαραίτητη διαφάνεια και τη δυνατότητα επεξήγησης των αποφάσεων, οι οργανισμοί δυσκολεύονται να διαχειριστούν αποτελεσματικά την Τεχνητή Νοημοσύνη και να αξιοποιήσουν πλήρως τις δυνατότητές της.
Βασικά ευρήματα:
- Μόλις το 17,5% των επιχειρήσεων διαθέτει μια πλήρως βελτιστοποιημένη υποδομή δεδομένων που να ανταποκρίνεται στις απαιτήσεις του agentic AI, γεγονός που επηρεάζει αρνητικά τις επιδόσεις τους.
- Οι οργανισμοί που διαθέτουν βελτιστοποιημένη βάση δεδομένων έχουν τέσσερις φορές περισσότερες πιθανότητες να αναμένουν υψηλή απόδοση επένδυσης (ROI) από τα έργα Τεχνητής Νοημοσύνης και έξι φορές περισσότερες πιθανότητες να εφαρμόζουν υποχρεωτικούς ελέγχους ποιότητας δεδομένων και μηχανισμούς επεξήγησης των αποφάσεων, οι οποίοι είναι απαραίτητοι για το χτίσιμο εμπιστοσύνης.
Επιπλέον ευρήματα
Τα ευρήματα της έκθεσης προκύπτουν από παγκόσμια έρευνα στην οποία συμμετείχαν 2.699 έμπειρα στελέχη που διαμορφώνουν ή ασκούν επιρροή στις πρωτοβουλίες των οργανισμών τους που αφορούν τα δεδομένα και την Τεχνητή Νοημοσύνη. Η έρευνα πραγματοποιήθηκε σε 28 χώρες και επικεντρώθηκε σε τέσσερις βασικούς κλάδους: τον τραπεζικό τομέα, τις ασφαλίσεις, τις επιστήμες ζωής και τον δημόσιο τομέα. Η έκθεση παρουσιάζει χαρακτηριστικά παραδείγματα εφαρμογών και ευρήματα από κάθε κλάδο, αναδεικνύοντας τον τρόπο με τον οποίο οι πρωτοπόροι οργανισμοί ανά τον κόσμο προσεγγίζουν την αξιοποίηση της Τεχνητής Νοημοσύνης.
Βασικά ευρήματα:
- Οι ηγέτες του τραπεζικού κλάδου αντιμετωπίζουν πλέον το AI governance όχι μόνο ως ζήτημα κανονιστικής συμμόρφωσης, αλλά και ως ανταγωνιστικό πλεονέκτημα και επιχειρησιακή αναγκαιότητα. Το 85% των τραπεζών που θεωρούνται πρωτοπόρες στην αξιοποίηση του AI έχει ήδη θεσπίσει ολοκληρωμένα πλαίσια διακυβέρνησης, έναντι μόλις 29% των οργανισμών που έχουν μείνει πίσω στο AI governance.
- Το 41% των πρωτοπόρων οργανισμών του δημόσιου τομέα αυξάνει τις επενδύσεις του στην αξιόπιστη Τεχνητή Νοημοσύνη κατά περισσότερο από 20% μέσα στον επόμενο χρόνο, με ρυθμό αντίστοιχο των πλέον φιλόδοξων οργανισμών σε όλους τους κλάδους.
- Το 23% των οργανισμών στις επιστήμες ζωής έχει ήδη επεκτείνει την αξιοποίηση της Τεχνητής Νοημοσύνης σε ολόκληρο τον οργανισμό, ποσοστό που αποτελεί το υψηλότερο μεταξύ όλων των κλάδων.
Ανακαλύψτε περισσότερα ευρήματα και δείτε την πλήρη έκθεση στο sas.com/ai-impact.
Τι καθιστά την Τεχνητή Νοημοσύνη αξιόπιστη;
Η αξιόπιστη Τεχνητή Νοημοσύνη (Trustworthy AI) είναι η Τεχνητή Νοημοσύνη που έχει σχεδιαστεί ώστε να λειτουργεί με αξιοπιστία, να είναι δίκαιη, ασφαλής, πλήρως εναρμονισμένη με τις ισχύουσες κανονιστικές απαιτήσεις και ικανή να εξηγεί με σαφήνεια τον τρόπο με τον οποίο κατέληξε σε κάθε απόφασή της. Οι χρήστες και τα στελέχη που λαμβάνουν αποφάσεις σε όλα τα επίπεδα ενός οργανισμού πρέπει να έχουν τη δυνατότητα να αποδίδουν ευθύνη σε ένα σύστημα Τεχνητής Νοημοσύνης, βάσει ενός προκαθορισμένου πλαισίου λογοδοσίας, όταν αυτό παράγει εσφαλμένα ή ελλιπή αποτελέσματα. Παράλληλα, κάθε σύστημα Τεχνητής Νοημοσύνης οφείλει να λειτουργεί υπό κατάλληλο πλαίσιο διακυβέρνησης και να αποδεικνύει ότι συμμορφώνεται με σαφώς καθορισμένους κανόνες και διαδικασίες.
Τι καθιστά έναν οργανισμό ως ηγέτη στην αξιόπιστη Τεχνητή Νοημοσύνη;
Στο πλαίσιο της έρευνας, κάθε οργανισμός αξιολογήθηκε με βαθμολογία από το 0 έως το 100 ως προς πέντε βασικές διαστάσεις της αξιόπιστης Τεχνητής Νοημοσύνης. Ως ηγέτες στην αξιόπιστη Τεχνητή Νοημοσύνη (AI) χαρακτηρίστηκαν οι οργανισμοί που συγκέντρωσαν συνολική μέση βαθμολογία 80 ή υψηλότερη.
Η αξιολόγηση βασίστηκε στα ακόλουθα πέντε κριτήρια:
- Ποιότητα και διακυβέρνηση δεδομένων (Data quality and governance)
- Διακυβέρνηση και εποπτεία μοντέλων AI (Model governance and oversight)
- Δυνατότητα επεξήγησης των αποφάσεων και πόσο δίκαιες είναι αυτές (Explainability and fairness)
- Πολιτική υπεύθυνης χρήσης της Τεχνητής Νοημοσύνης (Responsible AI policy)
- Εσωτερικός έλεγχος και λογοδοσία (Audit and accountability)
[1] Πηγή: Stanford HAI, 2026 AI Index Report; independent AI agent benchmark evaluations.
