Η νέα διεθνής έκθεση για την ΤΝ δείχνει σημαντική πρόοδο, αλλά και κινδύνους που δεν μπορούν να αγνοηθούν. Το πραγματικό στοίχημα δεν είναι μόνο η τεχνολογία, αλλά το πώς θα μοιραστούν τα οφέλη της.
Η συζήτηση για την τεχνητή νοημοσύνη κινείται συχνά ανάμεσα σε δύο άκρα: είτε υπόσχεται μια εποχή πρωτοφανούς ευημερίας είτε προειδοποιεί για μια επερχόμενη καταστροφή. Η πραγματικότητα είναι πιο σύνθετη. Η τεχνητή νοημοσύνη δεν εγγυάται ούτε αφθονία ούτε κρίση. Δημιουργεί νέες δυνατότητες, αλλά και νέους κινδύνους. Το πώς θα επηρεάσει τις οικονομίες και τις κοινωνίες θα εξαρτηθεί όχι μόνο από τις τεχνολογικές εξελίξεις, αλλά και από τις πολιτικές επιλογές, τους θεσμούς, τις επιχειρήσεις και την αγορά εργασίας.
Αυτό είναι το βασικό συμπέρασμα του International AI Safety Report 2026, μιας διεθνούς επιστημονικής έκθεσης που συντονίστηκε από τον Yoshua Bengio (Καναδός επιστήμονας πρωτοπόρος της σύγχρονης ΤΝ). με τη συμμετοχή περισσότερων από 100 ειδικών από πάνω από 30 χώρες. Το κεντρικό μήνυμα της έκθεσης είναι απλό: οι δυνατότητες της ΤΝ αυξάνονται γρήγορα, αλλά η πραγματική οικονομική και κοινωνική της επίδραση παραμένει αβέβαιη.
Τα πιο προηγμένα μοντέλα επιτυγχάνουν πλέον επιδόσεις που πριν από λίγα χρόνια θεωρούνταν αδύνατες σε τομείς όπως: τα μαθηματικά, τον προγραμματισμό, την ανάλυση επιστημονικών πληροφοριών, και την παραγωγή κειμένου και λογισμικού. Παράλληλα, η ΤΝ χρησιμοποιείται ήδη στην υγεία, στην εκπαίδευση, στην έρευνα και στις επιχειρήσεις. Η οικονομική σημασία είναι προφανής: μπορεί να μειώσει τον χρόνο που απαιτείται για πολλές εργασίες γνώσης και να αυξήσει την πρόσβαση σε εξειδικευμένες υπηρεσίες. Ωστόσο, η παραγωγικότητα δεν μεταφράζεται αυτόματα σε οικονομικό όφελος.
Μελέτες δείχνουν ότι σε ορισμένες εργασίες γραφείου η χρήση εργαλείων γενετικής ΤΝ μπορεί να αυξήσει την παραγωγικότητα κατά 15%-40%, ενώ σε συγκεκριμένες δραστηριότητες εξυπηρέτησης πελατών έχουν καταγραφεί βελτιώσεις άνω του 10%. Όμως τα οφέλη διαφέρουν σημαντικά ανάλογα με το είδος της εργασίας, την ποιότητα των δεδομένων και την εμπειρία των χρηστών.
Ένα γρήγορο προσχέδιο δεν σημαίνει απαραίτητα έτοιμο αποτέλεσμα. Συχνά απαιτούνται έλεγχος, διορθώσεις, επαλήθευση και ανθρώπινη κρίση πριν η πληροφορία χρησιμοποιηθεί αξιόπιστα. Γι' αυτό η σωστή ερώτηση για μια επιχείρηση δεν είναι «πόσους εργαζομένους μπορώ να αντικαταστήσω;», αλλά «ποιες διαδικασίες μπορώ να βελτιώσω με αποδεκτό κόστος και αποδεκτό κίνδυνο λαθών;».
Η έκθεση διακρίνει τρεις βασικές κατηγορίες κινδύνων.
1. Κακόβουλη χρήση. Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη για: απάτες, πλαστοπροσωπία, παραπλανητικό ψηφιακό περιεχόμενο, κυβερνοεπιθέσεις. Η ίδια τεχνολογία που βοηθά στην άμυνα ενός δικτύου μπορεί επίσης να αξιοποιηθεί για την επίθεσή του. Ιδιαίτερη ανησυχία προκαλεί η πιθανότητα διευκόλυνσης βιολογικών ή χημικών κινδύνων μέσω της παροχής εξειδικευμένων πληροφοριών. Η έκθεση δεν ισχυρίζεται ότι τα σημερινά συστήματα μπορούν να κατασκευάσουν όπλα, επισημαίνει όμως ότι η αβεβαιότητα δικαιολογεί αυξημένη εποπτεία.
2. Λάθη και δυσλειτουργίες. Παρά τη θεαματική πρόοδο, τα συστήματα εξακολουθούν να παράγουν ανακρίβειες, να «επινοούν» πληροφορίες και να κάνουν σφάλματα λογικής. Το πρόβλημα γίνεται σοβαρότερο όταν η ΤΝ δεν περιορίζεται σε συμβουλές αλλά αναλαμβάνει ενέργειες, όπως: πρόσβαση σε αρχεία, πραγματοποίηση συναλλαγών, χρήση εφαρμογών, διαχείριση διαδικασιών. Σε αυτές τις περιπτώσεις ένα λάθος μπορεί να μετατραπεί άμεσα σε οικονομική ή λειτουργική ζημία.
3. Επιπτώσεις στην εργασία. Οι μεγαλύτερες αβεβαιότητες αφορούν την αγορά εργασίας. Η Διεθνής Οργάνωση Εργασίας (ILO) εκτιμά ότι περίπου το ένα τέταρτο των θέσεων εργασίας παγκοσμίως εκτίθεται σε κάποιο βαθμό στις δυνατότητες της γενετικής ΤΝ. Αυτό δεν σημαίνει ότι οι θέσεις θα εξαφανιστούν, αλλά ότι σημαντικό μέρος των καθηκόντων τους μπορεί να αλλάξει. Μέχρι σήμερα δεν υπάρχουν ισχυρές αποδείξεις ότι η ΤΝ έχει προκαλέσει μαζική απώλεια θέσεων εργασίας. Υπάρχουν όμως πρώιμες ενδείξεις ότι επηρεάζονται περισσότερο οι εργαζόμενοι που βρίσκονται στα πρώτα στάδια της επαγγελματικής τους πορείας, ιδιαίτερα σε ορισμένα γνωστικά επαγγέλματα.
Ένα από τα πιο ενδιαφέροντα συμπεράσματα της έκθεσης είναι ότι η ασφάλεια δεν αποτελεί εμπόδιο στην ανάπτυξη της ΤΝ. Αντίθετα, χωρίς εμπιστοσύνη και έλεγχο, η υιοθέτηση της τεχνολογίας μπορεί να επιβραδυνθεί. Για αυτό διεθνείς οργανισμοί, όπως το NIST (National Institute of Standards and Technology) στις ΗΠΑ, προτείνουν βασικές αρχές όπως: περιορισμένα δικαιώματα πρόσβασης, δυνατότητα άμεσης ανάκλησης εξουσιοδοτήσεων, ανθρώπινη έγκριση σε αποφάσεις υψηλού κινδύνου, και ανεξάρτητα αρχεία ελέγχου. Η βασική ιδέα είναι απλή: το σύστημα που προτείνει μια ενέργεια δεν πρέπει να αποφασίζει μόνο του αν επιτρέπεται να την εκτελέσει.
Το σημαντικότερο ίσως οικονομικό συμπέρασμα είναι ότι η αύξηση της παραγωγικότητας δεν συνεπάγεται αυτόματα κοινωνική ευημερία. Η ιστορία δείχνει ότι οι τεχνολογικές επαναστάσεις αυξάνουν τον παραγόμενο πλούτο. Δεν διασφαλίζουν όμως από μόνες τους ότι ο πλούτος αυτός θα κατανεμηθεί ευρύτερα στην κοινωνία. Εάν η ΤΝ θέλουμε να βελτιώσει πραγματικά το βιοτικό επίπεδο, θα χρειαστούν: επενδύσεις στις δεξιότητες των εργαζομένων, πρόσβαση μικρών επιχειρήσεων στα νέα εργαλεία, ισχυρός ανταγωνισμός στις ψηφιακές αγορές, εφαρμογές με μετρήσιμο δημόσιο όφελος στην υγεία, την εκπαίδευση και τις δημόσιες υπηρεσίες, και στήριξη όσων επηρεάζονται περισσότερο από τη μετάβαση. Για τις επιχειρήσεις, η επιτυχία δεν θα πρέπει να μετριέται μόνο σε εργατοώρες που εξοικονομούνται, αλλά και σε ποιότητα, ασφάλεια, ικανοποίηση πελατών και διατήρηση κρίσιμης τεχνογνωσίας.
Η δημόσια συζήτηση συχνά εστιάζει στο πόσο «έξυπνα» θα γίνουν τα επόμενα συστήματα τεχνητής νοημοσύνης. Το σημαντικότερο ερώτημα όμως είναι διαφορετικό: ποιος αποφασίζει, ποιος ωφελείται και ποιος λογοδοτεί. Η τεχνητή νοημοσύνη μπορεί να εξελιχθεί σε ένα από τα ισχυρότερα παραγωγικά εργαλεία της εποχής μας. Η ευημερία όμως δεν είναι τεχνολογικό προϊόν. Παραμένει αποτέλεσμα θεσμών, πολιτικών επιλογών και ανθρώπινων αποφάσεων.
Η τεχνητή νοημοσύνη μπορεί να γίνει μία από τις σημαντικότερες τεχνολογικές δυνάμεις του 21ου αιώνα. Όμως καμία τεχνολογία δεν αποφασίζει από μόνη της πώς θα χρησιμοποιηθεί ούτε ποιος θα ωφεληθεί από αυτήν. Η ιστορία δείχνει ότι η πρόοδος δεν κρίνεται από την ισχύ των εργαλείων, αλλά από το αν οι κοινωνίες κατορθώνουν να μετατρέψουν την παραγωγικότητα σε καλύτερη ζωή για τους πολλούς. Σε περισσότερη υγεία, περισσότερη γνώση, μεγαλύτερη οικονομική ασφάλεια και περισσότερο ελεύθερο χρόνο. Το πραγματικό ερώτημα λοιπόν δεν είναι πόσο έξυπνες θα γίνουν οι μηχανές. Είναι αν θα αποδειχθούμε αρκετά σοφοί εμείς ώστε να κατευθύνουμε τη δύναμή τους προς το κοινό καλό.
Η τεχνητή νοημοσύνη μπορεί να ανοίξει νέους δρόμους ευημερίας. Η ευημερία όμως παραμένει έργο ανθρώπινων επιλογών.
ΠΗΓΕΣ / ΒΙΒΛΙΟΓΡΑΦΙΑ
International AI Safety Report (2026), International AI Safety Report 2026.
NIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0) 2023.
NIST, Artificial Intelligence Risk Management Framework. 2024
NIST, “Design Tenets for Agent Identity Management Systems” 2026.
Gmyrek, P. et al. (2025), Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper No. 140.
OECD (2025), Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government Functions.