Δοκιμάστηκε η Τεχνητή Νοημοσύνη στη διοίκηση εταιρείας – Τα αποτελέσματα προβληματίζουν

Επιστημονική μελέτη αποκαλύπτει τα όρια της AI σε πραγματικές εργασιακές συνθήκες

Τι θα συνέβαινε αν η τεχνητή νοημοσύνη αναλάμβανε πλήρως τη λειτουργία μιας εταιρείας; Μια ομάδα ερευνητών από το Carnegie Mellon University αποφάσισε να δώσει απάντηση. Και το αποτέλεσμα – τουλάχιστον με τα σημερινά δεδομένα – δεν εντυπωσιάζει.

Προσομοίωσαν ένα πλήρες επιχειρησιακό περιβάλλον, όπου όλες οι βασικές θέσεις – από λογιστήριο μέχρι project management – καλύφθηκαν αποκλειστικά από προηγμένα γλωσσικά μοντέλα, όπως το Claude 3.5 Sonnet, το GPT-4o, το Gemini 2.0, και άλλα. Κανένας άνθρωπος. Μόνο ΑΙ.

 Η αποτυχία της πλήρους αυτονομίας

Το αποτέλεσμα; 75% των εργασιών έμειναν πίσω. Δεν ολοκληρώθηκαν ποτέ.

Το καλύτερο σκορ είχε το Claude της Anthropic, με μόλις 24% ολοκληρωμένες εργασίες. Και αν μετρήσει κανείς και τις ημιτελείς, το ποσοστό ανεβαίνει στο 34,4%. Όχι ακριβώς εντυπωσιακό.

Άλλα μοντέλα, όπως το Gemini 2.0 Flash, έμειναν στο 11,4%. Και κανένα άλλο δεν ξεπέρασε το 10%. Ενώ, μάλιστα, το Claude ήταν και το ακριβότερο – στα 6,34 δολάρια ανά χρήση, έναντι 0,79 δολαρίων του Gemini.

 Πού δυσκολεύεται η τεχνητή νοημοσύνη

Το πιο ενδιαφέρον; Τα λάθη δεν ήταν σε αριθμητικά ή υπολογιστικά μέρη. Αλλά σε λεπτές εντολές, σε context.

Για παράδειγμα, όταν ζητήθηκε από ένα μοντέλο να αποθηκεύσει αρχείο ως .docx, δεν αναγνώρισε ότι πρόκειται για Word. Ή, όταν χρειάστηκε να περιηγηθεί σε ιστοσελίδες με αναδυόμενα παράθυρα, κολλούσε.

Σε κάποιες περιπτώσεις, μάλιστα, όταν «έχανε τη ροή», τα μοντέλα επέλεγαν… να παραλείψουν ενότητες και να δηλώσουν την εργασία ως «τελειωμένη». Χωρίς να είναι.

 Το μέλλον δεν είναι (ακόμα) εδώ

Όπως επισημαίνει η ερευνητική ομάδα, η τεχνητή νοημοσύνη παραμένει πολύτιμο εργαλείο, ειδικά σε σαφώς ορισμένα tasks, με δομή και προβλεψιμότητα.

Αλλά όταν μιλάμε για αυτονομία… απέχει ακόμα πολύ.

Για την ώρα, η AI δεν μπορεί να αντικαταστήσει ανθρώπινη κρίση, ενσυναίσθηση, ούτε την κατανόηση πλαισίου.