ΕΠΕΝΔΥΣΑ ΟΛΟΚΛΗΡΩΤΙΚΑ ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Η ΜΕΛΕΤΗ ΤΟΥ MIT ΕΧΕΙ ΔΙΚΙΟ:«ΟΙ ΠΡΩΤΟΒΟΥΛΙΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΑΠΟΤΥΓΧΑΝΟΥΝ ΣΤΟ 95% ΤΩΝ ΠΕΡΙΠΤΩΣΕΩΝ»
Τον Ιούλιο του 2025, το MIT δημοσίευσε μια μελέτη με τίτλο «The GenAI Divide: State of AI In Business 2025». Η μελέτη διαπίστωσε ότι παρά τις επενδύσεις 30 – 40 δισεκατομμυρίων δολαρίων στο GenAI, ένα εκπληκτικό 95% των οργανισμών έχουν μηδενική απόδοση.
Το Generative AI ("GenAI") είναι ένας τύπος τεχνητής νοημοσύνης ("AI") που δημιουργεί νέο περιεχόμενο – όπως κείμενο, εικόνες, μουσική ή κώδικα – μαθαίνοντας μοτίβα από υπάρχοντα δεδομένα. Τροφοδοτεί εργαλεία όπως το ChatGPT, το DALL· E και Google Gemini.
Ο Josh Anderson είναι επικεφαλής τεχνολογίας ("CTO") με περιορισμένη συμμετοχή, στέλεχος μερικής απασχόλησης που παρέχει υψηλού επιπέδου τεχνολογική ηγεσία σε οργανισμούς χωρίς τη δέσμευση και το κόστος ενός CTO πλήρους απασχόλησης.
Ένας κλασματικός CTO είναι ιδιαίτερα επωφελής για νεοφυείς επιχειρήσεις, μικρές και μεσαίες επιχειρήσεις και εταιρείες σε μετάβαση που απαιτούν στρατηγική τεχνολογική καθοδήγηση αλλά δεν μπορούν να αντέξουν οικονομικά ή δεν χρειάζονται στέλεχος πλήρους απασχόλησης.
Στη συνέχεια, εξηγεί, από προσωπική εμπειρία, γιατί το 95% των πρωτοβουλιών τεχνητής νοημοσύνης αποτυγχάνουν.
«Πρόκειται να αντιμετωπίσουμε μια κρίση για την οποία κανείς δεν μιλάει», γράφει.
Επενδύσα ολοκληρωτικά στην Τεχνητή Νοημοσύνη. Η μελέτη του MIT έχει δίκιο!
Το ολοκληρωμένο πείραμά μου με την τεχνητή νοημοσύνη μου κόστισε την αυτοπεποίθησή μου
Από τον Josh Anderson,
Έχετε δει τη μελέτη του MIT: Το 95% των εταιρικών πρωτοβουλιών τεχνητής νοημοσύνης αποτυγχάνουν. Πιθανότατα το έχετε μοιραστεί σε συσκέψεις, έχετε δημοσιεύσει σχετικά στο LinkedIn και το έχετε χρησιμοποιήσει για να δικαιολογήσετε τις ανησυχίες σας για την τεχνητή νοημοσύνη. Ξέρετε όμως γιατί αυτός ο αριθμός είναι τόσο υψηλός; Ναι. Γιατί το έζησα. Πέρασα τρεις μήνες για να γίνω μέρος αυτού του 95% επίτηδες.
Το τρίμηνο αποτυχημένο πείραμά μου
Ως CTO και σύμβουλος με περιορισμένη συμμετοχή, λάμβανα συνεχώς την ίδια ερώτηση: «Πώς πρέπει να χρησιμοποιούμε την Τεχνητή Νοημοσύνη στις ομάδες μηχανικών μας;» Θα μπορούσα να είχα δώσει την τυπική απάντηση ενός συμβούλου σχετικά με την ενίσχυση και την αποτελεσματικότητα. Αντ' αυτού, αποφάσισα να μάθω τι συμβαίνει στην πραγματικότητα όταν κάποιος επενδύει ολοκληρωτικά.
Ανάγκασα τον εαυτό μου να χρησιμοποιήσει τον κώδικα Claude αποκλειστικά για την κατασκευή ενός προϊόντος. Τρεις μήνες. Ούτε μια γραμμή κώδικα γραμμένη από εμένα. Ήθελα να βιώσω αυτό που σκέφτονταν οι πελάτες μου—100% υιοθέτηση της τεχνητής νοημοσύνης. Έπρεπε να μάθω από πρώτο χέρι γιατί υπάρχει αυτό το ποσοστό αποτυχίας 95%.
Κυκλοφόρησε το προϊόν. Δούλεψε. Ήμουν περήφανος για αυτό που είχα δημιουργήσει. Έπειτα ήρθε η στιγμή που επικύρωσε κάθε ανησυχία σε εκείνη τη μελέτη του MIT: Έπρεπε να κάνω μια μικρή αλλαγή και συνειδητοποίησα ότι δεν ήμουν σίγουρος ότι μπορούσα να την κάνω. Το δικό μου προϊόν, που κατασκευάστηκε υπό την καθοδήγησή μου, και είχα χάσει την εμπιστοσύνη μου στην ικανότητά μου να το τροποποιήσω.
Είκοσι πέντε χρόνια εμπειρίας στη μηχανική λογισμικού, και είχα καταφέρει να υποβαθμίσω τις δεξιότητές μου σε σημείο που ένιωθα αβοήθητος κοιτάζοντας κώδικα που είχα δώσει εντολή σε μια τεχνητή νοημοσύνη να γράψει. Είχα γίνει επιβάτης στην ανάπτυξη των δικών μου προϊόντων.
Τώρα, όταν οι πελάτες με ρωτούν για την υιοθέτηση της Τεχνητής Νοημοσύνης, μπορώ να τους πω ακριβώς πώς μοιάζει 100%: μοιάζει με αποτυχία. Όχι άμεση αποτυχία - αυτή είναι η παγίδα. Οι αρχικές μετρήσεις φαίνονται εξαιρετικές. Αποδίδεις πιο γρήγορα. Νιώθεις παραγωγικός. Και μετά από τρεις μήνες, συνειδητοποιείς ότι κανείς δεν καταλαβαίνει πραγματικά τι έχεις δημιουργήσει.
Το πρότυπο που ακολουθεί κάθε αποτυχημένη πρωτοβουλία
Η εταιρεία ενθουσιάζεται με την Τεχνητή Νοημοσύνη. Η ηγεσία επιβάλλει την υιοθέτηση της Τεχνητής Νοημοσύνης. Όλοι αρχίζουν να χρησιμοποιούν εργαλεία Τεχνητής Νοημοσύνης. Οι μετρήσεις παραγωγικότητας φαίνονται εξαιρετικές στην αρχή. Έπειτα, κάτι χαλάει ή χρειάζεται τροποποίηση ή απαιτεί πραγματική κρίση και κανείς δεν ξέρει πια τι να κάνει.
Οι προγραμματιστές δεν μπορούν να εντοπίσουν σφάλματα σε κώδικα που δεν έγραψαν οι ίδιοι. Οι διαχειριστές προϊόντων δεν μπορούν να εξηγήσουν αποφάσεις που δεν έλαβαν οι ίδιοι. Οι ηγέτες δεν μπορούν να υπερασπιστούν στρατηγικές που δεν ανέπτυξαν οι ίδιοι.
Όλοι δείχνουν τα εργαλεία τεχνητής νοημοσύνης τους λέγοντας: «Μου έδειξε ότι αυτή ήταν η σωστή προσέγγιση».
Κατά τη διάρκεια του πειράματός μου, βρέθηκα σε συνεχή λειτουργία πυρόσβεσης. Ο κώδικας Claude δημιουργούσε κάτι, ήταν ελαφρώς λάθος, το διόρθωνα, έκανε ξανά το ίδιο λάθος, το διόρθωνα ξανά. Δούλευα πιο σκληρά από ό,τι αν είχα γράψει μόνος μου τον κώδικα, αλλά χωρίς καμία μάθηση ή ανάπτυξη δεξιοτήτων.
Ο Μπομπ Γκάλεν με παρακολούθησε να το διαχειρίζομαι αυτό και το αποκάλεσε τέλεια στο τελευταίο μας podcast : «Ποιος είναι ο ιδιοκτήτης αυτού του προϊόντος, Τζος; Εσύ ή ο Κλοντ Κοντ;» Η απάντηση ήταν Κλοντ Κοντ. Είχα παραιτηθεί από την ιδιοκτησία ενώ έλεγα στον εαυτό μου ότι ήμουν καινοτόμος.
Η σωστή ισορροπία (που λίγοι επιτυγχάνουν)
Ο τύπος θα πρέπει να είναι AI + HI, όπου HI (Ανθρώπινη Νοημοσύνη) είναι μεγαλύτερο από την AI. Τι συμβαίνει στην πραγματικότητα σε αυτό το 95% των αποτυχιών; Είναι AI με ελάχιστη ανθρώπινη επίβλεψη, αν υπάρχει.
Όταν η Τεχνητή Νοημοσύνη σας βοηθά να γράφετε καλύτερο κώδικα πιο γρήγορα, διατηρώντας παράλληλα την αρχιτεκτονική σας κατανόηση, αυτό ονομάζεται επαύξηση. Όταν η Τεχνητή Νοημοσύνη γράφει κώδικα που δεν καταλαβαίνετε, αυτό ονομάζεται παραίτηση.
Όταν η Τεχνητή Νοημοσύνη σας βοηθά να αναλύσετε τα σχόλια των πελατών ενώ λαμβάνετε αποφάσεις για προϊόντα, αυτό ονομάζεται ενίσχυση. Όταν η Τεχνητή Νοημοσύνη σας λέει τι να δημιουργήσετε στη συνέχεια, αυτό ονομάζεται παραίτηση.
Όταν η Τεχνητή Νοημοσύνη σας βοηθά να γράφετε καλύτερα και πιο γρήγορα, διατηρώντας παράλληλα τη φωνή σας, αυτό ονομάζεται ενίσχυση. Όταν η Τεχνητή Νοημοσύνη γράφει για εσάς με μια φωνή που δεν είναι η δική σας, αυτό ονομάζεται παραίτηση.
Ξέρω τη διαφορά επειδή έχω βρεθεί και στις δύο πλευρές. Η πλευρά της παραίτησης φαίνεται πιο εύκολη στην αρχή. Προχωράς περισσότερο! Προχωράς πιο γρήγορα! Μετά συνειδητοποιείς ότι δεν έχεις πλέον τον έλεγχο και όταν κάτι πάει στραβά -και πάντα κάτι πάει στραβά- είσαι αβοήθητος.
Οι Δάσκαλοι που Χάνουμε
Είμαστε έτοιμοι να αντιμετωπίσουμε μια κρίση για την οποία κανείς δεν μιλάει. Σε 10 χρόνια, ποιος θα καθοδηγήσει την επόμενη γενιά; Οι προγραμματιστές που χρησιμοποιούν την Τεχνητή Νοημοσύνη από την πρώτη μέρα δεν θα έχουν την αρχιτεκτονική κατανόηση για να διδάξουν.
Οι διαχειριστές προϊόντων που πάντα βασίζονταν στην Τεχνητή Νοημοσύνη για αποφάσεις δεν θα έχουν την κρίση να μεταδώσουν. Οι ηγέτες που έχουν παραιτηθεί από τους αλγόριθμους δεν θα έχουν τη σοφία να μοιραστούν.
Ο Μπομπ και εγώ αντιπροσωπεύουμε κάτι που μπορεί να εξαφανιστεί: τους ειδικούς της τέχνης μας που έμαθαν κάνοντας, αποτυγχάνοντας, διορθώνοντας λάθη και κάνοντας ξανά. Έχουμε συσσωρευμένο ιστό ουλής 25+ ετών που μας λέει πότε κάτι πρόκειται να πάει στραβά, γιατί αυτή η αρχιτεκτονική απόφαση θα σας στοιχειώσει και τι πραγματικά σημαίνει η ανατροφοδότηση των πελατών.
Δεν μπορείς να σου οδηγήσει σε αυτή τη γνώση. Δεν μπορείς να κατεβάσεις αυτήν την εμπειρία. Πρέπει να την κερδίσεις. Και αν αφήνεις την Τεχνητή Νοημοσύνη να κάνει τη δουλειά, δεν κερδίζεις τίποτα άλλο εκτός από μια επικίνδυνη εξάρτηση.
Ο Έλεγχος Παραίτησής σας
Ώρα για λίγη ανησυχία. Δείτε την πρόσφατη δουλειά σας:
Μπορείτε να εξηγήσετε κάθε απόφαση λεπτομερώς χωρίς να αναφέρετε τι πρότεινε η Τεχνητή Νοημοσύνη; Θα μπορούσατε να κάνετε τη δουλειά σας αύριο αν όλα τα εργαλεία Τεχνητής Νοημοσύνης εξαφανίζονταν;
Βελτιώνεστε στην τέχνη σας ή απλώς βελτιώνεστε στην προτροπή; Όταν κάτι χαλάει, είναι το πρώτο σας ένστικτο να το διορθώσετε ή να ζητήσετε από την Τεχνητή Νοημοσύνη να το διορθώσει;
Αν στριφογυρίζεις, είσαι μέρος του 95%.
Η Πρόκληση
Για την επόμενη εβδομάδα, επιλέξτε μία βασική δεξιότητα της εργασίας σας. Μόνο μία. Κάντε το χωρίς βοήθεια από την Τεχνητή Νοημοσύνη. Γράψτε κώδικα χωρίς τον Copilot. Λάβετε αποφάσεις για προϊόντα χωρίς το ChatGPT. Γράψτε στρατηγική χωρίς τον Claude.
Νιώθεις αυτή την άβολη κατάσταση; Αυτό δεν είναι ανικανότητα. Αυτό είναι το πραγματικό επίπεδο δεξιοτήτων σου που αποκαλύπτεται. Αυτό είναι το χάσμα ανάμεσα σε αυτό που είσαι και σε αυτό που προσποιείσαι ότι σε δημιουργεί η Τεχνητή Νοημοσύνη.
Τώρα έχετε την επιλογή. Μπορείτε να κλείσετε αυτό το κενό αναπτύσσοντας τις πραγματικές σας δεξιότητες, χρησιμοποιώντας την Τεχνητή Νοημοσύνη ως εκπαιδευτικό συνεργάτη και όχι ως αντικαταστάτη. Ή μπορείτε να συνεχίσετε να παραιτείστε, να λέτε στον εαυτό σας ότι είστε καινοτόμοι και να γίνετε μέρος αυτού του ποσοστού αποτυχίας 95%.
Οι εταιρείες που θα ευδοκιμήσουν δεν είναι αυτές που διαθέτουν τα καλύτερα εργαλεία τεχνητής νοημοσύνης. Είναι αυτές των οποίων οι άνθρωποι χρησιμοποιούν την τεχνητή νοημοσύνη για να γίνουν καλύτεροι, όχι για να γίνουν πιο τεμπέληδες. Είναι αυτές όπου οι άνθρωποι έχουν τον έλεγχο των αποφάσεων, τον έλεγχο του κώδικα, την στρατηγική και χρησιμοποιούν την τεχνητή νοημοσύνη ως ενισχυτή, όχι ως αυτόματο πιλότο.
Πέρασα τρεις μήνες μαθαίνοντας αυτό με τον δύσκολο τρόπο. Άφησα την Τεχνητή Νοημοσύνη να αναλάβει την ανάπτυξη των προϊόντων μου και παραλίγο να χάσω τον εαυτό μου ως προγραμματιστής. Μην κάνετε το λάθος μου. Μην γίνετε άλλο ένα στατιστικό στοιχείο σε αυτό το 95%.
Να έχεις την τέχνη σου στην κατοχή σου. Χρησιμοποίησε τα εργαλεία. Μην αφήνεις τα εργαλεία να σε χρησιμοποιούν.
Στάσου με θάρρος,
Τζος Άντερσον
Ο Επικεφαλής της Ηγεσίας
Υ.Γ. Η μελέτη του MIT δεν αποτελεί εξαίρεση. Οι Gartner, McKinsey και άλλοι βρίσκουν παρόμοια ποσοστά αποτυχίας. Το μοτίβο είναι σταθερό: η παραίτηση από το αξίωμα αποτυγχάνει, η ενίσχυση επιτυγχάνει. Το ερώτημα είναι: σε ποια πλευρά αυτού του χάσματος βρίσκεστε;
PPS Έλαβα ένα ΤΟΝΟ φανταστικών σχολίων τόσο εδώ όσο και στο LinkedIn, ζητώντας περισσότερες πληροφορίες σχετικά με την προσέγγισή μου. Ορίστε το άρθρο που ακολουθεί με αυτές τις λεπτομέρειες: «Πώς δημιούργησα μια εφαρμογή παραγωγής με τον κώδικα Claude».
Σχετικά με τον Συγγραφέα
Ο Josh Anderson είναι έμπειρος ηγέτης τεχνολογίας, ευέλικτος προπονητής και επιχειρηματίας, γνωστός ως ιδρυτής και διευθύνων σύμβουλος της KAZI, μιας εταιρείας συμβούλων που επικεντρώνεται στην επιτάχυνση της οργανωτικής επιτυχίας μέσω ευέλικτων μετασχηματισμών και ηγεσίας μηχανικής λογισμικού.
Με πάνω από δύο δεκαετίες εμπειρίας, έχει ηγηθεί πέντε ευέλικτων μετασχηματισμών μεγάλης κλίμακας και είναι ιδρυτικό μέλος του Agile Podcast Network. Είναι επίσης συμπαρουσιαστής του ευέλικτου podcast «The Meta-Cast».
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου