Τα τελευταία τρία χρόνια, η Τεχνητή Νοημοσύνη έχει χρησιμοποιηθεί κυρίως ως εργαλείο μείωσης του κόστους. Οι περισσότεροι οργανισμοί είδαν την ΤΝ μέσα από το πρίσμα της λειτουργικής αποτελεσματικότητας.
Αυτό το κεφάλαιο δείχνει να κλείνει καθώς περνάμε στο δεύτερο κύμα που υπόσχεται να φέρει πράγματα που δεν έχουμε ξαναδεί. Νέα είδη προϊόντων, κυρίως εφαρμογών, παιχνίδια και υπηρεσίες που απλά δεν θα μπορούσαν να υπάρχουν πριν τα μεγάλα γλωσσικά μοντέλα έρχονται να αλλάξουν όλα όσα ξέραμε.
Η κλίμακα των επενδύσεων είναι πλέον πρωτοφανής, καθώς η ΤΝ δεν αντιμετωπίζεται ως ένας απλός κλάδος, αλλά ως η νέα παραγωγική υποδομή της παγκόσμιας οικονομίας. Προβλέπεται να αγγίξουν τα 6,15 τρισ. δολάρια το 2026, με ετήσια αύξηση 10,8%. Οι ΗΠΑ παραμένουν ο κυρίαρχος παίκτης, απορροφώντας πάνω από το 60% των venture capital επενδύσεων, ενώ στην Ευρώπη η ΤΝ διεκδικεί πλέον πάνω από το μισό της συνολικής αξίας των επενδύσεων σε startups.
H τεχνολογία δεν περιορίζεται πλέον στο να απαντά σε ερωτήσεις ή να αυτοματοποιεί απλές εργασίες γραφείου
«Νέα προϊόντα. Νέες εμπειρίες…»
«Η πρώτη γενιά της τεχνητής νοημοσύνης έκανε τα υπάρχοντα προϊόντα φθηνότερα. Έφερε την αυτοματοποίηση. Ανέβασε την αποδοτικότητα», δήλωσε ο Kylan Gibbs, πρώην διευθυντής προϊόντων της Google DeepMind που διευθύνει σήμερα την startup τεχνητής νοημοσύνης Inworld.
«Η επόμενη γενιά δημιουργεί πράγματα που δεν μπορούσαν να υπάρχουν στο παρελθόν. Νέα προϊόντα. Νέες εμπειρίες. Νέα έσοδα. Αυτή είναι η διαφορά μεταξύ της βελτιστοποίησης των δαπανών και της δημιουργίας τους», πρόσθεσε, διαβάζουμε στο Business Insider.
Για τον Gibbs, αυτή η διάκριση έχει υπαρξιακό χαρακτήρα. Αν η Τεχνητή Νοημοσύνη απλώς μειώνει το κόστος, τότε αναδιανέμει την αξία εντός των υφιστάμενων επιχειρήσεων. Αν επιτρέπει την δημιουργία εντελώς νέων καταναλωτικών προϊόντων – αυτά για τα οποία θα πληρώσει δηλαδή ο κόσμος- τότε διευρύνει την πίτα της οικονομίας. «Η τεχνητή νοημοσύνη για να αξιοποιήσει τον πραγματικό της οικονομικό αντίκτυπο θα πρέπει να δημιουργήσει αξία για την οποία οι καταναλωτές είναι διατεθειμένοι να πληρώσουν,», έγραψε στο LinkedIn.
Τον Ιανουάριο, ο Gibbs ξεκίνησε ένα πρόγραμμα στη Silicon Valley για να υποστηρίξει έως και 30 νεοφυείς επιχειρήσεις τεχνητής νοημοσύνης «δεύτερης γενιάς» — εταιρείες που δημιουργούν νέες εμπειρίες για τους καταναλωτές αντί να προσθέτουν chatbots. Συμμετέχουν εταιρείες όπως η Khosla Ventures και η Lightspeed Venture Partners, μαζί με επικεφαλής από την OpenAI, την Google και την Stripe.
Το όραμά του αντανακλά μια πρόσφατη ανάρτηση του Garry Tan, CEO της Y Combinator: «Αντί να ανησυχούμε για το πώς να κάνουμε το ίδιο πράγμα με λιγότερα χρήματα, γιατί να μην επικεντρωθούμε στο να κάνουμε κάτι που δεν είχαμε καν ονειρευτεί;»
Από τα chatbots στους AI Agents
Ενώ το πρώτο κύμα μας έδωσε εργαλεία που «απαντούν» (όπως το ChatGPT), το δεύτερο κύμα μας δίνει συστήματα που «πράττουν».
Πρόκειται στην πράξη για στροφή από τα chatbots στους AI Agents.
Τα κύρια χαρακτηριστικά του νέου κύματος είναι η αυτονομία: Αντί να ζητάτε να γράψει ένα email, αναλαμβάνει να κλείσει ένα ολόκληρο επαγγελματικό ταξίδι: συγκρίνει πτήσεις, ελέγχει το ημερολόγιό σας, κάνει την κράτηση και ενημερώνει τους συνεργάτες σας.
Και η πολυσταδιακή σκέψη: Μπορούν να επανασχεδιάζουν ένα μεγάλο στόχο σε μικρότερα βήματα, να χρησιμοποιούν εξωτερικά εργαλεία (APIs) και να διορθώνουν τα λάθη τους στην πορεία, χωρίς ανθρώπινη παρέμβαση.
Στο λιανικό εμπόριο δεν θα προβλέπει απλώς ότι τελειώνει το απόθεμα. Συνδέεται αυτόνομα με τους προμηθευτές, διαπραγματεύεται τιμές βάσει ιστορικών δεδομένων, τοποθετεί την παραγγελία και παρακολουθεί την αποστολή μέχρι την αποθήκη.
Ακόμα και στην ιατρική η διείσδυση θα επιταχυνθεί. Ήδη μεγάλα νοσοκομεία παγκοσμίως χρησιμοποιούν συστήματα όπου η ΤΝ υποβοηθά σε πραγματικό χρόνο την ακρίβεια των κινήσεων του χειρουργού, μειώνοντας τα σφάλματα.
Το 2026 είδαμε επίσης την έκρηξη των ανθρωποειδών ρομπότ (όπως το Tesla Optimus, το νέο Atlas της Boston Dynamics και το CLOi της LG). Η ΤΝ πλέον αντιλαμβάνεται τον χώρο και τη βαρύτητα. Μπορεί να διπλώνει ρούχα, να ταξινομεί εξαρτήματα σε αποθήκες ή να βοηθά στις οικιακές εργασίες. Τα γλωσσικά μοντέλα (LBMs) εκπαιδεύονται σε κινήσεις και αλληλεπιδράσεις με το περιβάλλον.
Δημιουργούνται υπηρεσίες που ήταν αδύνατες πριν, όπως εξατομικευμένα παιχνίδια που αλλάζουν την πλοκή τους σε πραγματικό χρόνο για κάθε παίκτη.
Η Τεχνητή Νοημοσύνη παύει να είναι ένας απλός «συνομιλητής» στην οθόνη μας
Οι σύγχρονες προκλήσεις για τον άνθρωπο
Καθώς διανύουμε το 2026, γίνεται πλέον σαφές ότι η Τεχνητή Νοημοσύνη έπαψε να είναι ένας απλός «συνομιλητής» στην οθόνη μας και μετατράπηκε στον αόρατο —ή και ορατό— ιστό της παγκόσμιας οικονομίας. Αν το πρώτο κύμα ήταν η επανάσταση της πληροφορίας, το δεύτερο κύμα είναι η επανάσταση της υλοποίησης.
Ωστόσο, η πρόκληση για τον άνθρωπο παραμένει. Σε έναν κόσμο όπου οι μηχανές μπορούν πλέον να «πράττουν», η δική μας ευθύνη μετατοπίζεται από την εκτέλεση στην εποπτεία, από τη γνώση στην κρίση και από την ταχύτητα στην ενσυναίσθηση.
Το στοίχημα για το 2026 δεν είναι πόσο γρήγορα θα τρέξει η ΤΝ, αλλά πώς θα διασφαλίσουμε ότι η πορεία της θα παραμείνει ευθυγραμμισμένη με τις ανάγκες μιας κοινωνίας που αναζητά, περισσότερο από ποτέ, την εμπιστοσύνη και την αυθεντικότητα.
- In.gr