Η τεχνητή νοημοσύνη αποδίδει όταν ο χρόνος πιάνει τόπο

Η προσέγγιση του Jeetu Patel στη Cisco δείχνει γιατί ο χρόνος που εξοικονομεί μια μικρή επιχείρηση χρειάζεται συγκεκριμένο προορισμό.

Φανταστείτε μια μικρή επιχείρηση που ετοιμάζει τις προσφορές της γρηγορότερα χάρη στην τεχνητή νοημοσύνη. Στο τέλος της εβδομάδας, όμως, η νέα υπηρεσία που σχεδιάζει παραμένει στο συρτάρι και οι πελάτες περιμένουν ακόμη την τελική έγκριση του ιδιοκτήτη. Το εργαλείο έκανε τη δουλειά του. Ο χρόνος που κερδήθηκε χάθηκε ανάμεσα στις εκκρεμότητες.

Ο Jeetu Patel, πρόεδρος και επικεφαλής προϊόντων της Cisco, δίνει μια χρήσιμη αφετηρία για να αποφύγουμε αυτή την παγίδα. Στη συνομιλία του με τον Jared Friedman του Y Combinator, υποστηρίζει ότι η τεχνολογία πρέπει να ανοίγει χώρο για νέες ιδέες και προβλέπει ότι θα χρειαστεί περισσότερους μηχανικούς. Η σχετική ενότητα για την υιοθέτηση της τεχνητής νοημοσύνης αρχίζει στο 10:00. Για μια μικρή επιχείρηση, η χρήσιμη προέκταση αυτής της σκέψης είναι συγκεκριμένη: αποφασίστε από πριν πού θα επενδύσετε τον χρόνο που κερδίζετε.

Ο κερδισμένος χρόνος χρειάζεται προορισμό

Ας πάρουμε ένα υποθετικό παράδειγμα: μια μικρή ελληνική εταιρεία λογισμικού που εξυπηρετεί τουριστικά καταλύματα. Η ομάδα της θέλει να δοκιμάσει μια λειτουργία που συγκεντρώνει τα αιτήματα των επισκεπτών, αλλά οι καθημερινές διορθώσεις απορροφούν όλη την προσοχή της. Αν η τεχνητή νοημοσύνη μειώσει μέρος της επαναλαμβανόμενης δουλειάς, δημιουργείται περιθώριο για ένα πρώτο λειτουργικό δείγμα.

Αυτό το περιθώριο χρειάζεται θέση στο πρόγραμμα και κάποιον που θα αναλάβει τη δοκιμή. Διαφορετικά, μπορεί να απορροφηθεί από περισσότερες αναφορές, επιπλέον παραλλαγές μιας παρουσίασης ή νέες εσωτερικές απαιτήσεις. Η διοίκηση οφείλει να ορίσει ποια ιδέα αξίζει να φτάσει μέχρι τον πελάτη και ποια εργασία μπορεί να περιμένει.

Βέβαια, η εξοικονόμηση χρημάτων παραμένει θεμιτός στόχος, ιδιαίτερα όταν η ρευστότητα πιέζει. Η προσδοκία του Patel για περισσότερους μηχανικούς αφορά τη δική του επιχειρηματική προοπτική και δεν αποτελεί υπόσχεση για κάθε κλάδο. Μια μικρή εταιρεία μπορεί να επιλέξει να μειώσει τις υπερωρίες ή να εξυπηρετήσει καλύτερα τους υπάρχοντες πελάτες πριν αναλάβει μεγαλύτερο άνοιγμα.

Μετρήστε τη διαδρομή μέχρι τον πελάτη

Το να γράφεται γρηγορότερα μια προσφορά είναι χρήσιμο. Αν όμως εξακολουθεί να περιμένει έγκριση ή χρειάζεται αλλεπάλληλες διορθώσεις, ο πελάτης ίσως να μη δει καμία διαφορά. Γι’ αυτό η μέτρηση χρειάζεται να καλύπτει ολόκληρη τη διαδρομή, από το αρχικό αίτημα έως την παράδοση μιας σωστής απάντησης.

Εδώ αποκτά πρακτικό νόημα το παράδοξο της παραγωγικότητας με την τεχνητή νοημοσύνη: η ταχύτερη εκτέλεση μιας επιμέρους εργασίας δεν εγγυάται καλύτερο συνολικό αποτέλεσμα. Καταγράψτε πόσο διαρκεί η διαδικασία, πόσες διορθώσεις απαιτεί και πόσο χρόνο αφιερώνει ο άνθρωπος στον έλεγχο. Έτσι θα φανεί αν η καθυστέρηση μειώθηκε ή απλώς μεταφέρθηκε αλλού.

Στο παράδειγμα της εταιρείας λογισμικού, ο αριθμός των νέων λειτουργιών από μόνος του λέει λίγα. Περισσότερη αξία έχει να διαπιστωθεί αν ο υπεύθυνος ενός καταλύματος βρίσκει ευκολότερα ένα εκκρεμές αίτημα και αν θα πλήρωνε για αυτή τη διευκόλυνση. Η δοκιμή χρειάζεται πραγματική ανατροφοδότηση, ακόμη κι όταν η απάντηση δεν είναι αυτή που περίμενε η ομάδα.

Αυτή η επαφή συνδέεται άμεσα με τη γνώση του πελάτη στην εποχή της τεχνητής νοημοσύνης. Οι γρήγορες περιλήψεις μπορούν να οργανώσουν όσα γνωρίζουμε. Για να μάθουμε όμως γιατί κάποιος εγκαταλείπει μια διαδικασία, χρειάζεται να τον ακούσουμε και να παρατηρήσουμε πού δυσκολεύεται.

Η ομάδα χρειάζεται χώρο για να δοκιμάσει

Αν κάθε εξοικονόμηση χρόνου μεταφράζεται αμέσως σε μεγαλύτερο φόρτο, είναι εύλογο οι εργαζόμενοι να βλέπουν την αλλαγή με επιφύλαξη. Ο υπεύθυνος μιας ομάδας μπορεί να κάνει τη συμφωνία πιο καθαρή: μέρος του χρόνου θα διατίθεται σε εκπαίδευση, βελτίωση της ποιότητας ή μια συγκεκριμένη νέα υπηρεσία. Αυτή η δέσμευση πρέπει να φαίνεται στο πρόγραμμα της εβδομάδας.

Χρειάζονται επίσης κοινά κριτήρια για το τι θεωρείται καλή δουλειά. Ένα καλογραμμένο μήνυμα μπορεί να περιέχει λάθος τιμή, ενώ μια πειστική απάντηση στα ελληνικά μπορεί να παραβλέπει όσα έχουν συμφωνηθεί με τον πελάτη. Οι κανόνες εργασίας με την τεχνητή νοημοσύνη βοηθούν όταν προσδιορίζουν ποιος ελέγχει το αποτέλεσμα και σε ποιο σημείο σταματά η αυτοματοποίηση.

Αξίζει να συζητιούνται και οι αποτυχημένες δοκιμές χωρίς να αντιμετωπίζονται αυτόματα ως ανικανότητα. Αν μια εφαρμογή απαιτεί περισσότερη διόρθωση από όση εργασία εξοικονομεί, η ομάδα χρειάζεται να μπορεί να το πει. Διαφορετικά, ο ιδιοκτήτης κινδυνεύει να βλέπει χρήση εργαλείων και να την εκλαμβάνει ως πρόοδο.

Η εμπιστοσύνη θέτει τα όρια της αυτονομίας

Το ζήτημα γίνεται πιο απαιτητικό με τους πράκτορες τεχνητής νοημοσύνης, δηλαδή συστήματα που μπορούν να εκτελούν διαδοχικές ενέργειες μέσω εργαλείων. Η εμπιστοσύνη σε τέτοια συστήματα είναι θέμα της συζήτησης με τον Patel από το 25:10. Για μια μικρή επιχείρηση, η πρακτική επιλογή είναι να ορίσει την αυτονομία ανά εργασία.

Στο υποθετικό μας παράδειγμα, το σύστημα θα μπορούσε αρχικά να συγκεντρώνει αιτήματα και να προτείνει απαντήσεις προς έλεγχο. Η αλλαγή μιας κράτησης ή η αποστολή δεσμευτικής προσφοράς θα παρέμενε σε άνθρωπο. Με αυτόν τον τρόπο, η ομάδα μπορεί να δοκιμάσει την αξιοπιστία της εφαρμογής χωρίς να της παραχωρήσει εξαρχής όλες τις αποφάσεις.

Στην αξιολόγηση πρέπει να μετρούν και οι δύσκολες περιπτώσεις: ελλιπή στοιχεία, αντικρουόμενα μηνύματα, αλλαγές της τελευταίας στιγμής. Αν η εφαρμογή αποτυγχάνει εκεί, χρειάζεται σαφή διαδικασία παραπομπής σε υπεύθυνο. Κάθε λεπτό που κερδίζεται στην εκτέλεση πρέπει να συνεκτιμάται με τον χρόνο ελέγχου και αποκατάστασης των λαθών.

Το μάθημα: δώστε συγκεκριμένο σκοπό στον χρόνο

Διαλέξτε μια εργασία που επαναλαμβάνεται και μια ιδέα που έχει μείνει πίσω. Μετρήστε τον χρόνο που απαιτεί σήμερα η εργασία και δοκιμάστε την αυτοματοποίηση σε περιορισμένη κλίμακα. Προβλέψτε από την αρχή πότε και από ποιον θα αξιοποιηθεί το όφελος, εφόσον επιβεβαιωθεί.

Ο χρόνος που κερδίζετε αποκτά αξία όταν ξέρετε σε ποια δουλειά θα τον διαθέσετε. Μπορεί να γίνει καλύτερη εξυπηρέτηση, μια δοκιμή με πελάτες ή λιγότερη εξάντληση για την ομάδα. Στην επόμενη συνάντηση, αξίζει να βάλετε στο τραπέζι μία πρόταση που μέχρι χθες αναβάλλατε και να της δώσετε υπεύθυνο, ημερομηνία και κριτήριο επιτυχίας.

Ο χρόνος που κερδίζετε αποκτά αξία όταν ξέρετε σε ποια δουλειά θα τον διαθέσετε.

▶

Δείτε το αρχικό επεισόδιο στο YouTube: Y Combinator.

Πηγές

• Y Combinator: Ο Jeetu Patel για τη λειτουργία της Cisco με τη νοοτροπία μιας νεοφυούς επιχείρησης — Συζήτηση με τον Jared Friedman, 8 Οκτωβρίου 2026. Σχετικές ενότητες: 10:00, υιοθέτηση της τεχνητής νοημοσύνης από τους μηχανικούς· 25:10, εμπιστοσύνη στους πράκτορες. Οι αναφορές βασίζονται στην παρεχόμενη περιγραφή και στις ενότητες του βίντεο· δεν ήταν διαθέσιμη πλήρης απομαγνητοφώνηση για έλεγχο.