TM_S2_21

8 24|6|2026 ΣΕΙΡΑ 2 #21 Η Τεχνητή Νοημοσύνη έχει μπει για τα καλά στην καθη- μερινότητα των επιχειρήσε- ων, όμως, σύμφωνα με νέα έρευνα της International Workplace Group (IWG), το 90% των στελεχών Ανθρώπι- νου Δυναμικού θεωρεί ότι η καινοτομία κινδυνεύει αν οι οργανισμοί δεν δώσουν προ- τεραιότητα στις ανθρώπινες ικανότητες. Το 73% των υβριδικών ομάδων χρησιμοποιεί ήδη εργαλεία όπως το ChatGPT και το 82% των εταιρειών προσφέρει σχετι- κή εκπαίδευση, ωστόσο μόλις το 45% των στελεχών εκτιμά ότι καλύπτει αποτελεσματικά το χάσμα δεξιοτήτων. Η πίεση είναι ιδιαίτερα έντονη στις entry-level θέσεις, οι οποίες, σύμφωνα με στοιχεία της Randstad και του Institute of Student Employers, μειώθηκαν κατά 29% παγκοσμίως μεταξύ Ιανουαρίου 2024 και τέλους 2025. Στο νέο τοπίο, το 65% των στελεχών πιστεύει ότι η ΤΝ δεν θα αντικαταστήσει ποτέ την ενσυναίσθηση, το 64% θε- ωρεί ότι υστερεί στη λήψη σύνθετων αποφάσεων και το 53% τοποθετεί την ηγεσία αποκλειστικά στο ανθρώπινο πεδίο. Αντίθετα, μόλις το 40% θεωρεί τη δημιουργικότητα πιο ασφαλή από την τεχνολο- γία. Στις προσλήψεις, το 66% των στελεχών αναφέρει πλέον τις ανθρώπινες δεξιότητες ως σημαντικότερο κριτήριο, μπροστά από εμπειρία και τεχνικό υπόβαθρο, ενώ το 55% συνδέει τα υβριδικά μοντέλα εργασίας με την καλλιέργεια κρίσης, ενσυναίσθησης και ηγεσίας. «Κάθε μεγάλη τεχνολογική αλλαγή έχει επαναπροσδιορίσει τον τρόπο που εργαζόμαστε. Αυτό που διαφοροποιεί σήμερα είναι η ταχύτητα και η κλίμακα», σχολίασε ο Mark Dixon , CEO της IWG, προσθέτοντας ότι το προβάδισμα θα έχουν όσοι συνδυ- άσουν την ΤΝ με δεξιότητες που η τεχνολογία δεν μπορεί να αναπαράγει. Για τρία χρόνια, η μάχη στην Τεχνητή Νοημοσύνη μετριόταν με ένα μόνο κρι- τήριο: ποιος έχει το πιο ισχυρό μοντέλο. Η Microsoft π ροτείνει τώρα μια διαφο- ρετική οπτική μέσα από το MDASH , ένα σύστημα που δεν στηρίζεται σε ένα με- μονωμένο μοντέλο, αλλά σε συντονισμό περισσότερων από 100 εξειδικευμένων AI agents. Στην πράξη, κάθε agent αναλαμβάνει διαφορετικό ρόλο μέσα σε μια αλυσίδα πέντε σταδίων: προετοιμασία, σάρωση, επαλήθευση, αποφυγή διπλότυπων και παραγωγή απόδειξης. Κάποιοι agents αναζητούν πιθανές ευπάθειες λογισμικού, άλλοι αμφισβητούν και ελέγχουν ξανά τα ευρήματα των πρώτων, ενώ μια τρί- τη ομάδα προσπαθεί να κατασκευάσει πραγματικά proof-of-concept exploits, ώστε να επιβεβαιωθεί αν μια ευπάθεια είναι πράγματι αξιοποιήσιμη. Η λογική πίσω από αυτή τη δομή είναι απλή: λιγό- τερες ψευδείς ειδοποιήσεις που χρειά- ζονται χειροκίνητο έλεγχο, περισσότερα επαληθευμένα αποτελέσματα. Η δοκιμασία της προσέγγισης ήρθε μέσα από το CyberGym, ένα δημόσιο σημείο αναφοράς για συστήματα αυτόματης ανακάλυψης ευπαθειών, όπου τοMDASH κατέλαβε την πρώτη θέση στον σχετικό πίνακα επιδόσεων. Η εταιρεία βλέπει στο MDASH κάτι ευρύτερο από ένα εργαλείο κυβερνοασφάλειας. Εκτιμά ότι η ίδια λο- γική – πολλά εξειδικευμένα συστήματα να συνεργάζονται αντί ένα να τα κάνει όλα – θα μπορούσε να επιταχύνει την πρόοδο και σε άλλους τομείς, από την επιστημονική έρευνα έως τη μηχανική λογισμικού και την παραγωγικότητα επι- χειρήσεων. Το ερώτημα που έθετε μέχρι σήμερα η βιομηχανία AI «Ποιο μοντέλο αποδίδει καλύτερα;», φαίνεται να αντικα- θίσταται σταδιακά από ένα άλλο: «Πόσο καλά μπορούν διαφορετικά συστήματα να δουλέψουν μαζί;» Οι ανθρώπινες δεξιότητες υπερτερούν της AI σύμφωνα με έρευνα της IWG ΗMicrosoft ποντάρει στη συνεργασία AI agents με 100 διαφορετικά μοντέλα