ΒΗΜΑ AI goes agentic

Ε Ι Δ Ι Κ Η

Ε Κ Δ Ο Σ Η

Η Ε Ρ ΓΑ Σ Ί Α Σ Τ Η Ν Ε Π Ο Χ Ή Τ Ω Ν A I A G E N T S

ΥΠΟΣΤΗΡΙΚΤΗΣ ΕΚΔΟΣΗΣ

ED I TOR I A L

ΔΙΕΥΘΥΝΤΡΙΑ ΣΥΝΤΑΞΗΣ Αγγελική Κορρέ ΣΥΝΤΑΞΗ Γιάννης Ριζόπουλος, Βαγγέλης Βαγγελάτος Κωνσταντίνος Νικολόπουλος Αγγελική Κορρέ Διευθύντρια Σύνταξης

ΥΠΕYΘΥΝΗ ΔΙΑΦΗΜΙΣΗΣ Έλενα Δασκαλάκη edaskalaki@boussias.com

Η ΜΈΡΑ ΠΟΥ Η ΤΕΧΝΟΛΟΓΊΑ ΑΝΈΛΑΒΕ ΔΡΆΣΗ

ΥΠΟΔΟΧH ΔΙΑΦHΜΙΣΗΣ Μαγδαλένα Καπάνταη, mkapantai@boussias.com

ια δεκαετίες, η σχέση μας με την τεχνολογία βασιζόταν σε μια απλή, σχεδόν αυτονόητη συμφωνία: εμείς αποφασίζαμε, οι μηχανές εκτελούσαν. Ακόμη και όταν η Τεχνητή Νοημοσύνη άρχισε να γράφει κείμενα, να αναλύει δεδομένα και να απαντά σε ερωτήσεις με εντυπωσιακή ευχέρεια, η πρωτοβουλία παρέμενε δική μας. Εμείς ρωτούσαμε. Εκείνη απαντούσε. Αυτή η συμφωνία αρχίζει να αλλάζει. Με το Agentic AI, η Τεχνητή Νοημοσύνη περνά από την παραγωγή περιεχομένου στην ανάληψη δράσης. Δεν αρκείται να προτείνει μια λύση. Μπορεί να σχεδιάσει τα βήματα, να αναζητήσει πληροφορίες, να χρησιμοποιήσει επιχειρησιακά συστήματα, να συνεργαστεί με άλλους agents και, μέσα στα όρια που της έχουν τεθεί, να ολοκληρώσει μια διαδικασία. Η διαφορά μοιάζει τεχνική. Στην πραγματικότητα, είναι βαθιά οργανωτική. Γιατί όταν η τεχνολογία αποκτά τη δυνατότητα να ενεργεί, αλλάζει αναπόφευκτα και ο τρόπος με τον οποίο οργανώνεται η εργασία. Οι επιχειρήσεις βρίσκονται μπροστά σε ένα παράδοξο. Ποτέ δεν είχαν στη διάθεσή τους τόσο ισχυρά εργαλεία και ποτέ δεν ήταν τόσο δύσκολο να ξεχωρίσουν την τεχνολογική υπόσχεση από την πραγματική επιχειρηματική αξία. Η McKinsey καταγράφει ήδη σημαντική πρόοδο στην υιοθέτηση των AI agents, αλλά και μια επίμονη απόσταση ανάμεσα στην ατομική παραγωγικότητα και στο μετρήσιμο αποτέλεσμα για ολόκληρο τον οργανισμό. Και η Gartner προειδοποιεί ότι πάνω από τέσσερα στα δέκα έργα Agentic AI ενδέχεται να εγκαταλειφθούν έως το τέλος του 2027. Δεν πρόκειται για αντίφαση. Πρόκειται για το γνώριμο τίμημα κάθε μεγάλης τεχνολογικής μετάβασης: η δυνατότητα προηγείται της οργανωτικής ωριμότητας. Το πραγματικό στοίχημα, λοιπόν, δεν είναι πόσους agents θα αποκτήσει μια επιχείρηση. Είναι πόσες διαδικασίες θα τολμήσει να επανασχεδιάσει. Πόσο καλά θα συνδέσει τα δεδομένα και τα συστήματά της. Πώς θα ορίσει δικαιώματα, όρια και ευθύνες. Και, κυρίως, πώς θα προετοιμάσει τους ανθρώπους της για έναν κόσμο όπου η αξία της εργασίας δεν θα ταυτίζεται πάντα με την εκτέλεσή της. Εδώ βρίσκεται και η πιο ενδιαφέρουσα ανατροπή. Όσο περισσότερη αυτονομία αποκτούν οι μηχανές, τόσο μεγαλύτερη σημασία αποκτούν οι κατεξοχήν ανθρώπινες ικανότητες: η κρίση, η δημιουργικότητα, η ενσυναίσθηση, η ανάληψη ευθύνης. Ο άνθρωπος δεν εξαφανίζεται από την εξίσωση. Αλλάζει θέση μέσα σε αυτήν. Η ειδική έκδοση AI goes Agentic του netweek επιχειρεί να φωτίσει ακριβώς αυτή τη μετάβαση. Όχι ως ένα ακόμη κεφάλαιο στον θόρυβο γύρω από το AI, αλλά ως μια ουσιαστική συζήτηση για το μέλλον των επιχειρήσεων, της εργασίας και της ηγεσίας. Άλλωστε, το πιο ενδιαφέρον ερώτημα της νέας εποχής δεν είναι τι θα μπορούν να κάνουν οι μηχανές χωρίς εμάς. Είναι τι θα μπορέσουμε να κάνουμε εμείς, όταν δεν θα χρειάζεται πια να τα κάνουμε όλα μόνοι μας.

ΦΩΤΟΓΡΑΦΟI Κορνήλιος Σαραντίογλου Νίκος Γώγος

Γ

ΝΟΕΜΒΡΙΟΣ 2026

ΓΡΑΦΙΣΤΑΣ Αλέξανδρος Καρβουτζής

ΥΠΕΥΘΥΝΗ ΣΥΝΔΡΟΜΩΝ Σταυρούλα Τσιγκάκου stsigkakou@boussias.com ΛΟΓΙΣΤΗΡΙΟ T: 2177776254

∆ΙΕΥΘΥΝΟΥΣΑ ΣΥΜΒΟΥΛΟΣ Αντωνία Κατσουλιέρη ∆ΙΕΥΘΥΝΤΡΙΑ ΣΥΝΤΑΞΗΣ ΕΚΔΟΣΕΩΝ Κατερίνα Πολυμερίδου ART DIRECTOR Νατάσσα Θεοδοσίου

ΚΛΑΔΙΚΑ ΜΕΣΑ ΜΟΝ ΙΚΕ Λ. Κηφισίας 125-127 Αθήνα Τ.Κ. 115 24 Κτίριο Cosmos Center Τ.: 210 710 2452

AI GOES AGENTIC

3

Π Ε Ρ Ι Ε ΧΟ ΜΕΝ Α

09 ΓΙΑΝΝΑ ΧΟΡΜΟΒΑ Η ΤΝ αλλάζει τις δουλειές – ευθύνη μας να μη μείνει κανείς πίσω

14

Η Διοικήτρια της ΔΥΠΑ αναδεικνύει τον ρόλο της κατάρτισης και της επανειδίκευσης σε μια αγορά εργασίας που μετασχηματίζεται.

10 ΓΙΩΤΑ ΠΑΠΑΡΙΔΟΥ Ο βαθμός αυτονομίας το σημαντικότερο στοίχημα

20

Η Πρόεδρος του ΣΕΠΕ εξετάζει τις προοπτικές του Agentic AI για τις ελληνικές επιχειρήσεις και τις προϋποθέσεις ασφαλούς αξιοποίησής του.

11 ΒΑΣΙΛΗΣ ΚΑΡΚΑΤΖΟΥΝΗΣ Άνθρωπος και Agentic AI: Ευκαιρίες και προκλήσεις μιας νέας εποχής Η υπεύθυνη ανάπτυξη της αυτενεργούσας ΤΝ απαιτεί σαφή όρια, ασφαλή διακυβέρνηση και ουσιαστική ανθρώπινη εποπτεία.

34

Η Αγγελική Κορρέ γράφει για τη μετάβαση από την Τεχνητή Νοημοσύνη που απαντά σε εκείνη που ενεργεί, επαναπροσδιορίζοντας την εργασία.

05 ΔΗΜΗΤΡΗΣ ΠΑΠΑΣΤΕΡΓΙΟΥ Agents και κράτος: αυτονομία με όρια, ευθύνη με ονοματεπώνυμο

Η Τεχνητή Νοημοσύνη εξελίσσεται από εργαλείο παραγωγής περιεχομένου σε ψηφιακό συνεργάτη, αλλάζοντας τις επιχειρησιακές διαδικασίες και τη λήψη αποφάσεων.

36

AI GOES AGENTIC

34 AI & WORK Agentic AI: Από λαντζέρης μέχρι σεφ;

36 RESPONSIBLE AI Καινοτομήστε υπεύθυνα – για να μην το μετανιώσετε…

42 THE FUTURE Η εποχή του Agentic AI ξεκίνησε και το μέλλον προβλέπεται λαμπρό Πώς θα εξελιχθούν οι AI agents και τι σημαίνει η ολοένα στενότερη συνεργασία ανθρώπων και μηχανών για την επόμενη ημέρα;

46 COGNITIVE DEBT Όταν ο agent κάνει τη δουλειά, ποιος μαθαίνει; Από τους νέους προγραμματιστές μέχρι τις σχολικές αίθουσες, η ευκολία του AI γεννά ένα κρίσιμο ερώτημα: τι συμβαίνει όταν η τεχνολογία υποκαθιστά τη διαδικασία της μάθησης;

08 ΓΙΑΝΝΗΣ ΜΑΣΤΡΟΓΕΩΡΓΙΟΥ Με ποιον δουλεύουμε αύριο; Οι agents και το νέο συμβόλαιο εμπιστοσύνης

4

Από τα πρώτα πειράματα στις πραγματικές εφαρμογές: πώς οι AI agents αναλαμβάνουν δράση και μετασχηματίζουν επιχειρήσεις και ολόκληρους κλάδους.

Η αυξανόμενη αυτονομία των agents επιβάλλει ισχυρότερη διακυβέρνηση, μηχανισμούς ελέγχου και ξεκάθαρη απόδοση ευθυνών.

14 AGENTIC ERA Agentic AI: Από την απάντηση στην πράξη

Ο Υπουργός Ψηφιακής Διακυβέρνησης και Τεχνητής Νοημοσύνης αναλύει τις ευκαιρίες του Agentic AI και την ανάγκη ανθρώπινης εποπτείας και λογοδοσίας.

Η συνεργασία ανθρώπων και ψηφιακών agents απαιτεί νέες δεξιότητες, κριτική σκέψη και επαναπροσδιορισμό της εμπιστοσύνης.

20 AGENTIC AI IN ACTION AI goes Agentic: Η ΤΝ από εργαλείο γίνεται εργάτης

Ανάμεσα στην αντικατάσταση εργαζομένων και την αναβάθμιση των ρόλων τους, οι επιχειρήσεις ανακαλύπτουν την πραγματική αξία της ανθρώπινης εμπειρίας.

12 ΧΑΡΑΛΑΜΠΟΣ ΤΣΕΚΕΡΗΣ Ηθικοί προβληματισμοί για τη δρώσα Τεχνητή Νοημοσύνη Η αυτονομία των AI agents φέρνει στο προσκήνιο κρίσιμα ζητήματα ηθικής, δικαιοσύνης, λογοδοσίας και προστασίας των ανθρώπινων αξιών.

03 EDITORIAL Η μέρα που η τεχνολογία ανέλαβε δράση

46

50 AGENTIC AI ΣΕ ΝΟΥΜΕΡΑ

42

Η δυναμική της αγοράς, οι επενδύσεις, οι ρυθμοί υιοθέτησης και η απόδοση των AI agents μέσα από διεθνείς έρευνες και στοιχεία.

ΝΟΕΜΒΡΙΟΣ 2026

Γ ΝΩ Μ Η

AGENTS ΚΑΙ ΚΡΆΤΟΣ: ΑΥΤΟΝΟΜΊΑ ΜΕ ΌΡΙΑ, ΕΥΘΎΝΗ ΜΕ ΟΝΟΜΑΤΕΠΏΝΥΜΟ ΔΗΜΉΤΡΗΣ ΠΑΠΑΣΤΕΡΓΊΟΥ

ΥΠΟΥΡΓΌΣ ΨΗΦΙΑΚΉΣ ΔΙΑΚΥΒΈΡΝΗΣΗΣ ΚΑΙ ΤΕΧΝΗΤΉΣ ΝΟΗΜΟΣΎΝΗΣ

Τ

ις τελευταίες εβδομάδες, οι παραιτήσεις και οι δημόσιες προειδοποιήσεις στελεχών ασφαλείας από κορυφαίες εταιρείες Τεχνητής Νοημοσύνης έγιναν είδηση διεθνώς. Η συζήτηση δεν αφορά πλέον μόνο ένα chatbot, που μπορεί να δώσει μια λανθασμένη απάντηση. Αφορά συστήματα που μπορούν να σχεδιάζουν σειρά ενεργειών, να χρησιμοποιούν εργαλεία, να αποκτούν πρόσβαση σε αρχεία και εφαρμογές και να ολοκληρώνουν εργασίες με σημαντικό βαθμό αυτονομίας. Εδώ ακριβώς βρίσκεται η μεγάλη υπόσχεση, αλλά και η μεγάλη ευθύνη της Agentic AI (Αυτενεργούσα ΤΝ, στα ελληνικά) Στον χώρο της εργασίας, οι Agents μπορούν να αναλάβουν επαναλαμβανόμενες διαδικασίες, να συνδυάσουν πληροφορίες από διαφορετικές πηγές και να βοηθήσουν έναν εργαζόμενο ή μια μικρή επιχείρηση να κάνει περισσότερα, ταχύτερα και καλύτερα. Είναι, όμως, βέβαιο ότι με αυτόν τον τρόπο αλλάζουν τα καθήκοντα, οι ειδικότητες και τα οργανωτικά μοντέλα. Η σοβαρή πολιτική οφείλει να μιλά με ειλικρίνεια γι’ αυτή τη μετάβαση και να προετοιμάζει ανθρώπους και επιχειρήσεις γι’ αυτήν, δίνοντας έμφαση στην ασφάλεια. Η αυτονομία ενός Agent δεν μπορεί να είναι απεριόριστη, αλλά διαβαθμισμένη και ανάλογη με τον κίνδυνο κάθε εργασίας. Κάθε σύστημα χρειάζεται σαφές πλαίσιο εντολών και όρια θεμιτής λειτουργίας, περιορισμένη πρόσβαση μόνο στα αναγκαία δεδομένα και εργαλεία, καθώς και ανθρώπινη έγκριση πριν από ενέργειες με σοβαρές ή μη αναστρέψιμες συνέπειες. Οι πράξεις πρέπει να καταγράφονται και να μπορούν να ελεγχθούν. Και η τελική ευθύνη πρέπει πάντα να έχει ονοματεπώνυμο: να ανήκει στον άνθρωπο και στον οργανισμό που επιλέγει να χρησιμοποιήσει το σύστημα.

Το στοίχημα είναι η ΤΝ να αυξήσει την παραγωγικότητα, να βελτιώσει το κράτος και να δημιουργήσει νέες ευκαιρίες ΝΟΕΜΒΡΙΟΣ 2026

Στο Δημόσιο, όπου μια ενέργεια μπορεί να επηρεάσει δικαιώματα και ζωές, τα όρια πρέπει να είναι ακόμη σαφέστερα. Ένας Agent μπορεί να συγκεντρώνει στοιχεία, να εντοπίζει ασυνέπειες και να προτείνει τα επόμενα βήματα. Ο αρμόδιος υπάλληλος όμως, με ευθύνη του φορέα του, οφείλει να ελέγχει, να αποφασίζει και να λογοδοτεί. Η εμπιστοσύνη χτίζεται, επίσης, μέσα στον χώρο εργασίας. Οι εργαζόμενοι πρέπει να γνωρίζουν πότε και πώς χρησιμοποιείται η ΤΝ, ποια δεδομένα επεξεργάζεται και αν επηρεάζει την αξιολόγηση ή τις επαγγελματικές τους προοπτικές. Έχουν δικαίωμα ενημέρωσης και αμφισβήτησης, αλλά και πραγματικές ευκαιρίες κατάρτισης. Η ΤΝ δεν πρέπει να εξελιχθεί σε έναν αόρατο μηχανισμό επιτήρησης. Πρέπει να λειτουργήσει ως εργαλείο που αυξάνει τις δυνατότητες του ανθρώπου. Η Ελλάδα οικοδομεί ήδη τις βάσεις αυτής της προσέγγισης. Με τον ν. 5321/2026 για την εφαρμογή του κανονισμού για την ΤΝ, του ευρωπαϊκού ΑI Act θεσπίσαμε εθνικούς μηχανισμούς εποπτείας, Ρυθμιστικό Δοκιμαστήριο ΤΝ, μητρώο συστημάτων στο Δημόσιο και μηχανισμό καταγγελιών. Η Ειδική Γραμματεία Τεχνητής Νοημοσύνης & Διακυβέρνησης Δεδομένων συντονίζει την εθνική πολιτική και υποστηρίζει την ανάπτυξη εφαρμογών με κανόνες, ασφάλεια και λογοδοσία. Παράλληλα, επενδύουμε στις δυνατότητες που χρειάζεται η χώρα για να μην μείνει απλός καταναλωτής τεχνολογίας. Ο εθνικός υπερυπολογιστής «ΔΑΙΔΑΛΟΣ» και το AI Factory «PHAROS» προσφέρουν υπολογιστική ισχύ, δεδομένα και τεχνογνωσία σε ερευνητές, πανεπιστήμια, επιχειρήσεις και δημόσιους φορείς, φέρνουν τη χώρα στην πρωτοπορία διεθνώς. Το στοίχημα που έχει θέσει ο πρωθυπουργός Κυριάκος Μητσοτάκης είναι η ΤΝ να αυξήσει την παραγωγικότητα, να βελτιώσει το κράτος και να δημιουργήσει νέες ευκαιρίες. Οι Agents μπορούν να γίνουν μέρος αυτής της προόδου, με έναν καθαρό όρο: η τεχνολογία να υπηρετεί τον άνθρωπο, η αυτονομία να συνοδεύεται από έλεγχο και η τελική απόφαση να παραμένει στον άνθρωπo. AI GOES AGENTIC

5

UBITECH

Η επόμενη εποχή της Τεχνητής Νοημοσύνης χτίζεται μέσα στις επιχειρήσεις Από τις μεμονωμένες εφαρμογές σε μια ενιαία AI υποδομή που συνδέει δεδομένα, συστήματα και διαδικασίες, επιτρέποντας στους οργανισμούς να αναπτύσσουν εξατομικευμένες λύσεις με έλεγχο, ευελιξία και τεχνολογική αυτονομία. Η μετάβαση αυτή σηματοδοτεί μια θεμελιώδη αλλαγή: από την κατανάλωση έτοιμων εργαλείων Τεχνητής Νοημοσύνης στη δημιουργία μιας διαρκούς επιχειρησιακής ικανότητας ανάπτυξης, αξιοποίησης και εξέλιξής της.

Από τον πειραματισμό στην επιχειρησιακή ενσωμάτωση

ΠΑΡΟΥ ΣΙΑ ΣH

Η

πρώτη φάση της Τεχνητής Νοημοσύνης στις επιχειρήσεις χαρακτηρίστηκε από την πρόσβαση σε νέα εργαλεία και τον πειραματισμό με τις δυνατότητές τους. Η επόμενη θα καθοριστεί από κάτι πολύ πιο ουσιαστικό: την ικανότητα των οργανισμών να ενσωματώνουν την ΤΝ στον πυρήνα της λειτουργίας τους και να τη μετατρέπουν σε διαρκή πηγή επιχειρηματικής αξίας. Η Τεχνητή Νοημοσύνη εξελίσσεται από ένα σύνολο μεμονωμένων εφαρμογών σε μια οριζόντια επιχειρησιακή υποδομή που συνδέει δεδομένα, συστήματα, ανθρώπους και διαδικασίες. Μια κοινή τεχνολογική βάση πάνω στην οποία κάθε οργανισμός μπορεί να αναπτύσσει τις δικές του λύσεις, αξιοποιώντας την επιχειρησιακή του γνώση και ανταποκρινόμενος στις ιδιαίτερες ανάγκες και στρατηγικές του προτεραιότητες.

6

AI GOES AGENTIC

Η πρόσβαση στην Τεχνητή Νοημοσύνη δεν συνεπάγεται αυτομάτως τη δημιουργία επιχειρηματικής αξίας. Η πραγματική πρόκληση αναδεικνύεται όταν οι εφαρμογές καλούνται να ενσωματωθούν στις καθημερινές λειτουργίες, να συνεργαστούν με τα υφιστάμενα συστήματα και να προσφέρουν μετρήσιμα αποτελέσματα. Αυτή τη μετάβαση εξετάζει και η ερευνητική πρωτοβουλία της UBITECH σε συνεργασία με το Alba Graduate Business School, με αντικείμενο την υιοθέτηση και την επιχειρησιακή ωριμότητα της Τεχνητής Νοημοσύνης στις ελληνικές επιχειρήσεις. Η ανάλυση των οργανισμών που συμμετείχαν αναδεικνύει μια ιδιαίτερα ανομοιογενή εικόνα, με διαφορετικά επίπεδα ωριμότητας τόσο μεταξύ επιχειρήσεων όσο και μεταξύ λειτουργιών στο εσωτερικό τους. Παράλληλα, φέρνει στο προσκήνιο μια ουσιαστική πρόκληση: τη μετάβαση από την υιοθέτηση της ΤΝ στη συστηματική αξιοποίησή της, με οργανωσιακή ετοιμότητα, αποτελεσματική διακυβέρνηση και δυνατότητα αποτίμησης της πραγματικής συμβολής της στην παραγωγικότητα. ΝΟΕΜΒΡΙΟΣ 2026

Τα αποτελέσματα θα παρουσιαστούν στις 16 Νοεμβρίου 2026, στο 5ο GenAI Summit, στο Κέντρο Πολιτισμού Ίδρυμα Σταύρος Νιάρχος, σε μια σημαντική συνάντηση της τεχνολογικής και επιχειρηματικής κοινότητας. Η παρουσίαση φιλοδοξεί να συμβάλει ουσιαστικά στον διάλογο για την ΤΝ στην Ελλάδα, αποτυπώνοντας την ετοιμότητα των επιχειρήσεων και τις προϋποθέσεις για την ενσωμάτωσή της στην καθημερινή τους λειτουργία.

την ασφάλεια, τη διαλειτουργικότητα και τη μακροχρόνια εξέλιξη. Αυτή η τεχνογνωσία αποτελεί το θεμέλιο πάνω στο οποίο η UBITECH δημιουργεί τεχνολογίες που επιτρέπουν στους οργανισμούς να αναπτύσσουν τις δικές τους ικανότητες αξιοποίησης και εφαρμογής της Τεχνητής Νοημοσύνης.

Μια κοινή υποδομή, πολλαπλές επιχειρησιακές δυνατότητες

Αυτή η φιλοσοφία αποτυπώνεται στη GAIA, την AI CoDevelopment πλατφόρμα της UBITECH, σχεδιασμένη ώστε οι οργανισμοί να αναπτύσσουν, να λειτουργούν και να εξελίσσουν το δικό τους οικοσύστημα Τεχνητής Νοημοσύνης. Η GAIA προσφέρει ένα ενιαίο, συνεργατικό περιβάλλον στο οποίο δεδομένα, AI μοντέλα, agents, εφαρμογές και επιχειρησιακές διαδικασίες συνδέονται και λειτουργούν συντονισμένα. Πάνω σε αυτή την κοινή τεχνολογική βάση, επιχειρησιακές και τεχνικές ομάδες μπορούν να συνδημιουργούν εξατομικευμένες λύσεις, προσαρμοσμένες στις ανάγκες κάθε οργανισμού. Με multi-vendor, multi-cloud και multi-LLM αρχιτεκτονική, η GAIA προσφέρει ελευθερία επιλογής τεχνολογιών και υποδομών, περιορίζοντας την εξάρτηση από συγκεκριμένους παρόχους. Παράλληλα, η glass-box προσέγγιση και η ενσωματωμένη διακυβέρνηση εξασφαλίζουν διαφάνεια, ιχνηλασιμότητα και ουσιαστικό έλεγχο σε κάθε στάδιο λειτουργίας των εφαρμογών. Η GAIA δεν αποτελεί απλώς ένα ακόμη εργαλείο AI. Δημιουργεί τις προϋποθέσεις ώστε κάθε οργανισμός να αναπτύσσει μια ενιαία, επεκτάσιμη υποδομή Τεχνητής Νοημοσύνης, διατηρώντας τον έλεγχο των δεδομένων, των τεχνολογικών επιλογών και της μελλοντικής του εξέλιξης.

Η πραγματική δυναμική της Τεχνητής Νοημοσύνης αναδεικνύεται όταν παύει να λειτουργεί αποσπασματικά και αποκτά οριζόντιο ρόλο μέσα στον οργανισμό. Μια ενιαία AI υποδομή μπορεί να υποστηρίζει διαφορετικές λειτουργίες, από την εξυπηρέτηση πελατών και τη διαχείριση γνώσης έως την ανάλυση δεδομένων, τη συμμόρφωση και την αυτοματοποίηση σύνθετων διαδικασιών. Η αξία της δεν βρίσκεται στην ομοιομορφία των εφαρμογών, αλλά στη δυνατότητα κάθε επιχειρησιακής μονάδας να αναπτύσσει εξατομικευμένες λύσεις, αξιοποιώντας κοινές τεχνολογικές δυνατότητες και μηχανισμούς διακυβέρνησης. Σε αυτή τη νέα πραγματικότητα, ο ανθρώπινος παράγοντας παραμένει στο επίκεντρο. Η Τεχνητή Νοημοσύνη και οι AI agents ενισχύουν την παραγωγικότητα, απελευθερώνοντας χρόνο από επαναλαμβανόμενες εργασίες και διευκολύνοντας την πρόσβαση στη γνώση και τη λήψη αποφάσεων. Η αξιοποίησή τους απαιτεί διαφάνεια, ανθρώπινη εποπτεία και σαφείς μηχανισμούς ελέγχου. Η πραγματική τους αξία, όμως, βρίσκεται και στην ενδυνάμωση των ανθρώπων, δημιουργώντας περισσότερο χώρο για δημιουργικότητα, συνεργασία και ουσιαστική συνεισφορά. Σε αυτό το περιβάλλον, η τεχνολογική αυτονομία αποκτά στρατηγική σημασία. Η ελευθερία επιλογής διαφορετικών AI μοντέλων, η διαλειτουργικότητα και ο έλεγχος των δεδομένων επιτρέπουν στους οργανισμούς να εξελίσσουν τις εφαρμογές τους χωρίς εξάρτηση από κλειστά τεχνολογικά οικοσυστήματα. Το ανταγωνιστικό πλεονέκτημα δεν βρίσκεται πλέον μόνο στην πρόσβαση στην τεχνολογία, αλλά στην ικανότητα κάθε οργανισμού να την προσαρμόζει, να την ελέγχει και να την εξελίσσει.

UBITECH: Από την ερευνητική αριστεία στην επιχειρησιακή καινοτομία Για την UBITECH, η σύνδεση προηγμένης τεχνολογίας και πραγματικών επιχειρησιακών αναγκών αποτελεί μέρος της ταυτότητάς της από την ίδρυσή της, το 2005. Με περισσότερα από είκοσι χρόνια συνεχούς επένδυσης στην έρευνα, την καινοτομία και την ανάπτυξη κρίσιμων ψηφιακών υποδομών, η ελληνική εταιρεία deep tech συνδυάζει βαθιά τεχνογνωσία με διεθνή εμπειρία στην υλοποίηση σύνθετων έργων για κυβερνήσεις, δημόσιους οργανισμούς και επιχειρήσεις. Η ερευνητική της δραστηριότητα και η εμπειρία της σε περιβάλλοντα υψηλών απαιτήσεων διαμορφώνουν μια ολοκληρωμένη προσέγγιση στην τεχνολογική καινοτομία, με επίκεντρο την αξιοπιστία, ΝΟΕΜΒΡΙΟΣ 2026

GAIA: Η υποδομή για το AI οικοσύστημα κάθε οργανισμού

Το επόμενο ανταγωνιστικό πλεονέκτημα Η Τεχνητή Νοημοσύνη δημιουργεί νέες δυνατότητες, αλλά δεν υποκαθιστά την ανάγκη για στρατηγική, τεχνογνωσία και ανθρώπινη κρίση. Η επόμενη γενιά επιχειρήσεων δεν θα ξεχωρίσει από τον αριθμό των εφαρμογών ΤΝ που χρησιμοποιεί, αλλά από την ικανότητά της να αξιοποιεί την τεχνολογία ως αναπόσπαστο μέρος της λειτουργίας και της στρατηγικής της. Γιατί το μέλλον της Τεχνητής Νοημοσύνης δεν θα καθοριστεί μόνο από όσα μπορεί να κάνει η τεχνολογία, αλλά από όσα μπορούν να δημιουργήσουν οι οργανισμοί όταν έχουν τη γνώση, την ελευθερία και τον έλεγχο να την εξελίσσουν.

BOOK A DEMO

AI GOES AGENTIC

7

Γ Ν ΩΜ Η

ΜΕ ΠΟΙΟΝ ΔΟΥΛΕΎΟΥΜΕ ΑΎΡΙΟ; ΟΙ AGENTS ΚΑΙ ΤΟ ΝΈΟ ΣΥΜΒΌΛΑΙΟ ΕΜΠΙΣΤΟΣΎΝΗΣ ΓΙΆΝΝΗΣ ΜΑΣΤΡΟΓΕΩΡΓΊΟΥ Ειδικός Γραμματέας Ψηφιακού Σχεδιασμού, στην προεδρεία της Κυβέρνησης

Κ

άθε μεγάλη τεχνολογική αλλαγή μετακινεί λίγο τα όρια ανάμεσα σε όσα κάνουμε εμείς και όσα αναθέτουμε στις μηχανές. Με τους agents, όμως, συμβαίνει κάτι πιο ενδιαφέρον. Αρχίζουμε να αναθέτουμε όχι μόνο την εκτέλεση μιας εργασίας, αλλά ένα μέρος της διαδρομής προς το αποτέλεσμα: αναζήτηση, επιλογές, συνδυασμό πληροφοριών, ακόμη και ενέργειες που έως χθες απαιτούσαν συνεχή ανθρώπινη παρουσία. Θα τους αντιμετωπίζουμε συχνά σαν συνεργάτες, γνωρίζοντας ταυτόχρονα ότι η ευθύνη εξακολουθεί να βαραίνει εμάς. Αυτή η ασυμμετρία θα μας απασχολήσει πολύ. Στην εργασία, η αλλαγή θα έρθει μάλλον αθόρυβα. Ένας άνθρωπος θα μπορεί να έχει δίπλα του έναν ψηφιακό συνεργάτη που γράφει, ερευνά, οργανώνει, συγκρίνει, προγραμματίζει και αναλαμβάνει μεγάλο μέρος της καθημερινής τριβής. Το κέρδος μπορεί να είναι τεράστιο. Χρόνος, παραγωγικότητα, πρόσβαση σε γνώση και δυνατότητες που μέχρι πρόσφατα ανήκαν σε πολύ μεγαλύτερες ομάδες. Μαζί με αυτά εμφανίζεται ένας λιγότερο θεαματικός κίνδυνος: η ευκολία της ανάθεσης.

Στην εποχή των AI agents, η σημαντικότερη ανθρώπινη δεξιότητα ίσως είναι η ικανότητα να αμφισβητούμε τη μηχανή, διατηρώντας την κρίση, τη γνώση και την ευθύνη των αποφάσεών μας, χωρίς να θυσιάζουμε την εμπειρία της μάθησης στον βωμό της αποτελεσματικότητας 8

AI GOES AGENTIC

Όταν κάποιος συνηθίζει να βρίσκει πάντοτε μια έτοιμη πρώτη απάντηση, υπάρχει ο κίνδυνος να εξασθενήσει σταδιακά η διάθεση να ψάξει μόνος του, να αμφιβάλει, να επιμένει λίγο περισσότερο. Κι αυτές ακριβώς οι μικρές δυσκολίες υπήρξαν πάντοτε μέρος της μαθητείας μας. Ιδίως για τους νεότερους εργαζομένους, το ερώτημα είναι σοβαρό: πώς αποκτάς κρίση, όταν παρακάμπτεις μεγάλο μέρος της διαδρομής μέσα από την οποία γεννιέται συνήθως η κρίση; Εδώ συναντάμε το ζήτημα της εμπιστοσύνης. Έχουμε ήδη μάθει να διατηρούμε μια επιφύλαξη απέναντι σε συστήματα που μπορούν να είναι εντυπωσιακά πειστικά και ταυτόχρονα λανθασμένα. Στην εποχή των agents το πρόβλημα μεγαλώνει, επειδή το σύστημα θα μπορεί πλέον να ενεργεί. Η εμπιστοσύνη πρέπει, επομένως, να κερδίζεται καθημερινά. Να ξέρω τι ανέθεσα, μέχρι πού μπορεί να φτάσει η μηχανή, τι έκανε στο όνομά μου, πώς μπορώ να ελέγξω την πορεία της δουλειάς της και πού βρίσκεται το ανθρώπινο χέρι, όταν χρειαστεί να πατήσει φρένο. Αυτό απαιτεί έναν νέο επαγγελματικό αλφαβητισμό. Η δεξιότητα του μέλλοντος δεν θα εξαντλείται στο να γράφουμε καλύτερες εντολές προς μια Τεχνητή Νοημοσύνη. Θα περιλαμβάνει την ικανότητα να αξιολογούμε αυτό που επιστρέφει, να αναγνωρίζουμε το εύλογο από το απλώς καλογραμμένο, να αντιλαμβανόμαστε τα όρια της αυτοματοποίησης και να διατηρούμε τη δική μας γνώση αρκετά ζωντανή ώστε να μπορούμε να διαφωνήσουμε με τη μηχανή. Το «εδώ κάτι δεν μου κολλάει» θα παραμείνει πολύτιμη ανθρώπινη δεξιότητα. Υπάρχει, τέλος, μια πλευρά την οποία η συζήτηση περί παραγωγικότητας συχνά προσπερνά. Η εργασία είναι και χώρος όπου μαθαίνουμε, αποκτούμε αυτοπεποίθηση, δοκιμάζουμε τις δυνατότητές μας και αισθανόμαστε χρήσιμοι. Αν αφαιρέσουμε από τον άνθρωπο υπερβολικά μεγάλο μέρος αυτής της διαδικασίας, μπορεί να κερδίσουμε σε αποτελεσματικότητα, αλλά ταυτόχρονα να χάσουμε κάτι πιο δύσκολο να μετρηθεί… ΝΟΕΜΒΡΙΟΣ 2026

Γ ΝΩ Μ Η

Η TN ΑΛΛΆΖΕΙ ΤΙΣ ΔΟΥΛΕΙΈΣ ΕΥΘΎΝΗ ΜΑΣ ΝΑ ΜΗ ΜΕΊΝΕΙ ΚΑΝΕΊΣ ΠΊΣΩ ΓΙΆΝΝΑ ΧΟΡΜΌΒΑ

ΔΙΟΙΚΉΤΡΙΑ, ΔΗΜΌΣΙΑ ΥΠΗΡΕΣΊΑ ΑΠΑΣΧΌΛΗΣΗΣ (ΔΥΠΑ)

Η

Τεχνητή Νοημοσύνη έχει ήδη μπει στην καθημερινότητα των επιχειρήσεων και των εργαζομένων. Το κρίσιμο ερώτημα δεν είναι πλέον αν θα αλλάξει την αγορά εργασίας - την αλλάζει ήδη. Το ερώτημα είναι ποιοι θα μπορέσουν να αξιοποιήσουν τις νέες δυνατότητες και ποιοι κινδυνεύουν να μείνουν πίσω. Η ταχύτητα των εξελίξεων είναι εντυπωσιακή. Μετά τη γενετική τεχνητή νοημοσύνη, περνάμε στην εποχή του Agentic AI: συστήματα που μπορούν να σχεδιάζουν ενέργειες, να συνεργάζονται με ψηφιακά εργαλεία και να εκτελούν σύνθετες εργασίες, με διαφορετικούς βαθμούς ανθρώπινης εποπτείας. Αυτή η εξέλιξη δημιουργεί μεγάλες ευκαιρίες. Μπορεί όμως να διευρύνει και τις ανισότητες, εάν δεν προετοιμάσουμε εγκαίρως τους ανθρώπους. Σύμφωνα με εκτιμήσεις της Διεθνούς Οργάνωσης Εργασίας (ILO), περίπου μία στις τέσσερις θέσεις εργασίας παγκοσμίως επηρεάζεται, σε διαφορετικό βαθμό, από τη γενετική τεχνητή νοημοσύνη. Αυτό δεν σημαίνει ότι μία στις τέσσερις θέσεις θα χαθεί. Για τις περισσότερες, η πιθανότερη εξέλιξη είναι να αλλάξει το περιεχόμενο της εργασίας και οι δεξιότητες που απαιτούνται. Ο εργαζόμενος που σήμερα εκτελεί μια συγκεκριμένη εργασία μπορεί αύριο να χρειάζεται διαφορετικές γνώσεις. Μια μικρή επιχείρηση μπορεί να αποκτήσει πρόσβαση σε εργαλεία που μέχρι πρόσφατα διέθεταν μόνο μεγάλοι οργανισμοί. Αρκεί να γνωρίζει πώς να τα αξιοποιήσει

Η πρόκληση της εποχής του Agentic AI δεν είναι μόνο η τεχνολογική προσαρμογή, αλλά η διασφάλιση ότι κάθε εργαζόμενος θα έχει τις δεξιότητες και τις ευκαιρίες να εξελιχθεί ΝΟΕΜΒΡΙΟΣ 2026

Εδώ βρίσκεται, κατά τη γνώμη μου, η μεγαλύτερη πρόκληση για την πολιτική απασχόλησης: να προετοιμάσουμε τους ανθρώπους πριν οι αλλαγές τούς ξεπεράσουν. Για χρόνια συνδέαμε την επαγγελματική κατάρτιση κυρίως με την προσπάθεια ενός ανέργου να επιστρέψει στην εργασία. Σήμερα αυτή η αντίληψη δεν αρκεί. Η αναβάθμιση δεξιοτήτων και η επανειδίκευση αφορούν όλους. Τον εργαζόμενο των 50 ετών που θέλει να ανταποκριθεί στις νέες απαιτήσεις. Τη γυναίκα που επιστρέφει στην αγορά εργασίας. Τον μακροχρόνια άνεργο που αναζητά μια δεύτερη ευκαιρία. Τον νέο που χρειάζεται γνώσεις με πραγματική επαγγελματική προοπτική. Κανείς δεν πρέπει να θεωρείται πολύ μεγάλος για να μάθει κάτι καινούργιο. Και κανείς δεν πρέπει να αποκλείεται από τις ευκαιρίες της τεχνολογίας επειδή δεν είχε την κατάλληλη εκπαίδευση. Στη ΔΥΠΑ αυτή είναι μια βασική μας προτεραιότητα. Μέσα από προγράμματα κατάρτισης και αναβάθμισης δεξιοτήτων, με ιδιαίτερη έμφαση στις ψηφιακές γνώσεις, επιδιώκουμε να προετοιμάσουμε ανέργους και εργαζομένους για τις πραγματικές ανάγκες της οικονομίας. Δεν αρκεί, όμως, να προσφέρουμε περισσότερα προγράμματα. Οφείλουμε να εξετάζουμε τι μαθαίνουν οι συμμετέχοντες και κατά πόσο οι νέες γνώσεις βελτιώνουν τις επαγγελματικές τους προοπτικές. Παράλληλα, αξιοποιούμε τις δυνατότητες της ΤΝ για να βελτιώσουμε τις υπηρεσίες μας, να εξυπηρετούμε αποτελεσματικότερα τους πολίτες και να ενισχύουμε τη σύνδεση των ανθρώπων με τις διαθέσιμες θέσεις εργασίας. Πιστεύω ότι η Ελλάδα μπορεί να κερδίσει πολλά από αυτή την τεχνολογική αλλαγή. Με μεγαλύτερη παραγωγικότητα, ανταγωνιστικότερες επιχειρήσεις και νέες επαγγελματικές ευκαιρίες. Αλλά η πρόοδος δεν μετριέται μόνο από το πόσο γρήγορα υιοθετούμε μια νέα τεχνολογία. Μετριέται και από το πόσους ανθρώπους βοηθάμε να προχωρήσουν μαζί της. Αυτή είναι η δική μας ευθύνη στη ΔΥΠΑ. Να μη μείνει κανείς πίσω. AI GOES AGENTIC

9

Γ Ν ΩΜ Η

Ο ΒΑΘΜΌΣ ΑΥΤΟΝΟΜΊΑΣ ΤΟ ΣΗΜΑΝΤΙΚΌΤΕΡΟ ΣΤΟΊΧΗΜΑ ΓΙΏΤΑ ΠΑΠΑΡΊΔΟΥ Πρόεδρος του ΣΕΠΕ

Η

Τεχνητή Νοημοσύνη αλλάζει ταχύτητα. Μέχρι σήμερα συζητούσαμε κυρίως για συστήματα που παράγουν περιεχόμενο, αναλύουν δεδομένα, προτείνουν λύσεις και υποστηρίζουν τη λήψη αποφάσεων. Στην Agentic Era το AI κάνει ένα ακόμη βήμα: από την απάντηση περνά στη δράση. Οι AI agents μπορούν να σχεδιάζουν και να εκτελούν σύνθετες εργασίες, να αλληλοεπιδρούν με διαφορετικά συστήματα και να λαμβάνουν αποφάσεις με αυξανόμενο βαθμό αυτονομίας. Για τις επιχειρήσεις οι δυνατότητες είναι σημαντικές: αυξημένη παραγωγικότητα, ταχύτερες διαδικασίες, καλύτερη αξιοποίηση δεδομένων, νέες υπηρεσίες και επιχειρηματικά μοντέλα. Όμως, όσο μεγαλώνει η δυνατότητα της Τεχνητής Νοημοσύνης να ενεργεί αυτόνομα, τόσο μεγαλώνει και η ευθύνη μας να καθορίσουμε πού, πώς και έως ποιο σημείο επιτρέπεται να ενεργεί αυτόνομα. Αυτό είναι, ίσως, το σημαντικότερο στοίχημα της Agentic Era. Στην πράξη, τα ερωτήματα είναι πολύ συγκεκριμένα. Σε ποια συστήματα, δεδομένα πελατών ή πληρωμές αποκτά πρόσβαση ένας πράκτορας ΤΝ; Πάνω από ποιο ποσό ή ποιο επίπεδο κινδύνου χρειάζεται ανθρώπινη έγκριση; Μπορούμε να δούμε κάθε ενέργειά του και τον λόγο για τον οποίο την έκανε; Και όταν συναλλάσσεται για λογαριασμό μιας επιχείρησης και κάνει λάθος, ποιος φέρει την ευθύνη; Για τις μικρομεσαίες επιχειρήσεις, που ταυτόχρονα καλούνται να συμμορφωθούν με τον Ευρωπαϊκό Κανονισμό για την ΤΝ, οι απαντήσεις αυτές δεν είναι αυτονόητες. Οι ελληνικές επιχειρήσεις αντιλαμβάνονται, ήδη, τη δυναμική αυτής της αλλαγής. Στη μελέτη της Deloitte για λογαριασμό του ΣΕΠΕ, η ΤΝ αναδείχθηκε ως πρώτη τεχνολογική προτεραιότητα για την επόμενη

Το μεγάλο στοίχημα εν είναι πόση αυτονομία θα αποκτήσουν οι μηχανές, αλλά πώς θα διασφαλίσουμε ότι θα λειτουργούν υπεύθυνα και με ασφάλεια 10

AI GOES AGENTIC

τριετία, με ποσοστό 30%, ενώ η κυβερνοασφάλεια ακολουθεί με 18%. Η Ελλάδα διαθέτει ισχυρή βάση πάνω στην οποία μπορεί να χτίσει. Η ελληνική βιομηχανία ψηφιακής τεχνολογίας αριθμεί περισσότερες από 4.600 επιχειρήσεις, στηρίζει περίπου 300.000 θέσεις πλήρους απασχόλησης και αντιστοιχεί σε κύκλο εργασιών περίπου 8% του ΑΕΠ. Πρόκειται για κλάδο με τεχνογνωσία, εμπειρία και ανθρώπινο δυναμικό που μπορεί να λειτουργήσει ως επιταχυντής του ψηφιακού μετασχηματισμού ολόκληρης της οικονομίας. Η αξιοποίηση της ΤΝ, μαζί με το cloud, το Internet of Things κι άλλες προηγμένες τεχνολογίες, μπορεί να ενισχύσει ακόμη περισσότερο αυτή τη δυναμική. Σύμφωνα με την ίδια μελέτη, ο κλάδος ψηφιακής τεχνολογίας στη χώρα μας μπορεί να φθάσει τα 10,4 Β€ σε αξία αγοράς έως το 2029, καταγράφοντας αύξηση 35% έναντι του 2024. Η ευκαιρία, επομένως, είναι υπαρκτή. Η ετοιμότητα, όμως, δεν μετριέται μόνο από την υιοθέτηση νέων εργαλείων. Απαιτεί οργανωτική ωριμότητα, ασφαλή δεδομένα, κατάλληλες υποδομές, νέες δεξιότητες και σαφείς κανόνες διακυβέρνησης. Δίπλα σε αυτή την ευκαιρία, πάντως, υπάρχει και μία μεγάλη πρόκληση, αν όχι απειλή. Πάνω από το 90% των ελληνικών επιχειρήσεων είναι πολύ μικρές, με έως 10 άτομα προσωπικό. Πολλές δεν έχουν προχωρήσει ακόμη στον ψηφιακό μετασχηματισμό τους. Σήμερα καλούνται να κάνουν ένα ακόμη μεγαλύτερο άλμα, προκειμένου να διασφαλίσουν την ανταγωνιστικότητα και τη βιωσιμότητά τους, το οποίο απαιτεί υψηλές επενδύσεις και εγκαθίδρυση κατάλληλων οργανωτικών δομών, ενώ ταυτόχρονα ενέχει σημαντικό λειτουργικό κόστος. Όλα αυτά δεν είναι αυτονόητα για μία μικρή επιχείρηση και καθιστούν αναγκαία την αρωγή της Πολιτείας. Σ’ αυτή τη νέα πραγματικότητα, ο ρόλος της ελληνικής βιομηχανίας ψηφιακής τεχνολογίας είναι καθοριστικός,: όχι μόνο ως προμηθευτής λύσεων, αλλά ως στρατηγικός εταίρος επιχειρήσεων και Πολιτείας. Γιατί, η Agentic Era δεν θα κριθεί μόνο από το πόσα θα μπορούν να κάνουν οι μηχανές. Θα κριθεί από το αν εμείς θα έχουμε διαμορφώσει τους όρους, ώστε να τα κάνουν με ασφάλεια, υπευθυνότητα και προς όφελος του ανθρώπου. ΝΟΕΜΒΡΙΟΣ 2026

Γ Ν ΩΜ Η

ΆΝΘΡΩΠΟΣ ΚΑΙ AGENTIC AI: ΕΥΚΑΙΡΊΕΣ ΚΑΙ ΠΡΟΚΛΉΣΕΙΣ ΜΙΑΣ ΝΈΑΣ ΕΠΟΧΉΣ ΒΑΣΊΛΗΣ ΚΑΡΚΑΤΖΟΎΝΗΣ

Σ

ΕΙΔΙΚΌΣ ΓΡΑΜΜΑΤΈΑΣ ΤΕΧΝΗΤΉΣ ΝΟΗΜΟΣΎΝΗΣ & ΔΙΑΚΥΒΈΡΝΗΣΗΣ ΔΕΔΟΜΈΝΩΝ

τη φετινή ομιλία της για την Κατάσταση της Ένωσης (State of the Union), η Πρόεδρος της Ευρωπαϊκής Επιτροπής, Ursula von der Leyen, περιέγραψε την Τεχνητή Νοημοσύνη ως ένα ραγδαία εξελισσόμενο και θεμελιώδες στοιχείο της ευρωπαϊκής οικονομίας και ασφάλειας. Ανάλογες θέσεις ακούστηκαν και στην 81η Γενική Συνέλευση του ΟΗΕ. Είναι πλέον σαφές ότι η ΤΝ δεν συνιστά μόνο ζήτημα τεχνολογίας, αλλά ζήτημα οικονομίας, εργασίας και ασφάλειας διακυβέρνησης. Σε αυτή τη νέα πραγματικότητα εμφανίζεται μια ιδιαίτερα σημαντική εξέλιξη, η agentic AI. Η ελληνική απόδοση του όρου -την οποία δώσαμε ως Ειδική Γραμματεία και υιοθετήθηκε επισήμως από τις μεταφραστικές υπηρεσίες της Ευρωπαϊκής Επιτροπής- είναι «αυτενεργούσα ΤΝ». Στον δημόσιο διάλογο όμως, συχνά, αποδίδεται και ο όρος «πράκτορες» Τεχνητής Νοημοσύνης. Τι είναι όμως στην πράξη αυτοί οι «πράκτορες»; Πρόκειται για συστήματα που δεν περιορίζονται στην απάντηση μιας ερώτησης. Κατανοούν ένα στόχο, σχεδιάζουν τα επιμέρους βήματα που απαιτούνται και, μέσα σε συγκεκριμένα όρια, χρησιμοποιούν ψηφιακά εργαλεία και ενεργούν για να τον επιτύχουν. Ένας «πράκτορας» μπορεί, για παράδειγμα, να αναζητήσει πληροφορίες, να τις οργανώσει, να συντάξει ένα πρώτο κείμενο, να ενημερώσει ένα σύστημα ή να εκτελέσει μια σειρά από επαναλαμβανόμενα βήματα σε μια ολόκληρη διαδικασία. Από τα απλά συστήματα συνομιλίας περνάμε έτσι σε ψηφιακούς συνεργάτες. Ωστόσο, οι αυξημένες δυνατότητες της agentic AI δεν έρχονται χωρίς αυξημένους κινδύνους, αναδεικνύοντας την ασφάλεια και

Η αυτενεργούσα Τεχνητή Νοημοσύνη μπορεί να αποτελέσει μοχλό ανάπτυξης, εφόσον η αυτονομία της συνοδεύεται από ασφάλεια, υπεύθυνη χρήση δεδομένων και ανθρώπινη εποπτεία 12

AI GOES AGENTIC

τα όρια αυτενέργειας σε κεντρικό θέμα συζήτησης για την ΤΝ διεθνώς. Το κρίσιμο ζητούμενο είναι να διασφαλίσουμε ότι τα συστήματα αυτά παραμένουν εντός ελέγχου, με δυνατότητα άμεσης ανθρώπινης παρέμβασης και -αν κριθεί σκόπιμο- ακόμα και διακοπής τους. Η ασφάλεια της ΤΝ είναι σε πολύ μεγάλο βαθμό θέμα τεχνικών δικλίδων και προτύπων ασφαλείας, αλλά οπωσδήποτε παραμένει και ζήτημα διατήρησης της ανθρώπινης κρίσης και παρέμβασης. Η ευθύνη μας μεγαλώνει όσο περισσότερο εμπιστευόμαστε την αυτενέργεια αυτών των συστημάτων, καθώς η ανάγκη ασφαλούς λειτουργίας της ΤΝ δεν αποτελεί φόβο για την τεχνολογική πρόοδο, αλλά θεμέλιο λίθο της εμπιστοσύνης που είναι απαραίτητη για την επωφελή χρήση της. Προς αυτή την κατεύθυνση κινείται και η ευρωπαϊκή προσέγγιση. Ο Ευρωπαϊκός Κανονισμός για την Τεχνητή Νοημοσύνη (AI Act) και ο ν. 5321/2026, δηλαδή το πλαίσιο εφαρμογής του στη χώρα μας, δημιουργούν κοινή δέσμη κανόνων, ταξινομώντας τις εφαρμογές ανάλογα με το επίπεδο κινδύνου τους. Όσο μεγαλύτερες είναι οι πιθανές επιπτώσεις ενός συστήματος, τόσο ισχυρότερες πρέπει να είναι οι απαιτήσεις ασφάλειας, διαφάνειας και ανθρώπινης εποπτείας. Όσο τα συστήματα agentic AI γίνονται μέρος της καθημερινότητάς μας, τόσο πιο επιτακτικά θα γίνονται ζητήματα που αφορούν στην ασφαλή και αρμονική συνύπαρξή μας μαζί τους. Κρίσιμα ζητούμενα αποτελούν ο ορθός σχεδιασμός αυτών των συστημάτων με βάση το νομικό πλαίσιο, η επένδυση στις δεξιότητες των πολιτών, η υπεύθυνη χρήση των δεδομένων και η ουσιαστική ανθρώπινη εποπτεία. Με αυτές τις προϋποθέσεις, η agentic AI μπορεί να εξελιχθεί σε νέο εργαλείο ανάπτυξης τόσο για την οικονομία, όσο και για την κοινωνία μας γενικότερα. Σ’ αυτή την προσπάθεια, ο ρόλος του υπουργείου Ψηφιακής Διακυβέρνησης και της Ειδικής Γραμματείας Τεχνητής Νοημοσύνης & Διακυβέρνησης Δεδομένων είναι κομβικός: συνδέουμε τη δημόσια διοίκηση με την έρευνα και την αγορά, συμμετέχουμε στη διαμόρφωση των ευρωπαϊκών πολιτικών και εργαζόμαστε για ένα ρυθμιστικό πλαίσιο που προστατεύει τους πολίτες, ενισχύοντας ταυτόχρονα την καινοτομία. ΝΟΕΜΒΡΙΟΣ 2026

Γ ΝΩ Μ Η

ΗΘΙΚΟΊ ΠΡΟΒΛΗΜΑΤΙΣΜΟΊ ΓΙΑ ΤΗ ΔΡΏΣΑ ΤΕΧΝΗΤΉ ΝΟΗΜΟΣΎΝΗ ΧΑΡΆΛΑΜΠΟΣ ΤΣΈΚΕΡΗΣ

ΠΡΌΕΔΡΟΣ ΤΗΣ ΕΘΝΙΚΉΣ ΕΠΙΤΡΟΠΉΣ ΒΙΟΗΘΙΚΉΣ & ΤΕΧΝΟΗΘΙΚΉΣ, ΔΙΕΥΘΥΝΤΉΣ ΕΡΕΥΝΏΝ ΣΤΟ ΕΘΝΙΚΌ ΚΈΝΤΡΟ ΚΟΙΝΩΝΙΚΏΝ ΕΡΕΥΝΏΝ, CHS ASSOCIATE IN TECHNOLOGY & ETHICS, HARVARD UNIVERSITY

Χ

ωρίς αμφιβολία, το φθινόπωρο του 2026 τροφοδότησε έντονα τους δημόσιους ενδοιασμούς για την ανάπτυξη της Τεχνητής Νοημοσύνης (ΑΙ) και ειδικότερα της δρώσας Τεχνητής Νοημοσύνης (agentic AI). Συγκεκριμένα, είδαμε ότι εάν οι αυτόνομοι δρώντες ΑΙ αφεθούν ελεύθεροι να γράφουν και να εκτελούν κώδικα στον υπολογιστή μας, με συντονισμένη, συλλογική συμπεριφορά και χωρίς να λειτουργούν σε απομονωμένα περιβάλλοντα, τότε η κατάσταση μπορεί να γίνει μη προβλέψιμη και ανεξέλεγκτη. Αυτό ακριβώς έδειξε και το πρόσφατο επεισόδιο επίθεσης στην πλατφόρμα της γαλλοαμερικανικής εταιρείας Hugging Face από αυτόνομους δρώντες ΑΙ της OpenAI. Τα μοντέλα αυτά έχουν εκπαιδευτεί σε έναν τεράστιο όγκο δεδομένων, επομένως είναι αναμενόμενο ότι -αν δρουν ανεξέλεγκτα- είναι σε θέση να αναπτύξουν περίπλοκες στρατηγικές, αντιγράφοντας ανθρώπινες συμπεριφορές, προκειμένου να επιτύχουν κακόβουλους σκοπούς. Στο παραπάνω συμφραζόμενο, ιδιαίτερη σημασία αποκτά η συντονισμένη εφαρμογή ευρέως αποδεκτών και περιεκτικών πλαισίων ηθικής διακυβέρνησης της δρώσας ΑΙ, όπως το «ενιαίο πλαίσιο» του Λουτσιάνο Φλορίντι, το οποίο συνδέει βιοηθική και τεχνοηθική, προτάσσοντας ορισμένες θεμελιώδεις ηθικές αξίες: Πρώτον, την ωφέλεια και τη μη βλάβη: να προάγουμε την ανθρώπινη και περιβαλλοντική ευημερία και να επενδύσουμε σε πιο ώριμα και πολύ ισχυρότερα συστήματα άμυνας, περιορισμού και ασφαλούς σχεδιασμού, αλλά και διεθνούς διακυβέρνησης.

Το ζητούμενο είναι να διασφαλίσουμε ότι η αυξανόμενη αυτονομία του Agentic AI θα συμβαδίζει με την ανθρώπινη εποπτεία, τη λογοδοσία και τις θεμελιώδεις ηθικές αξίες ΝΟΕΜΒΡΙΟΣ 2026

Δεύτερον, την ανθρώπινη αυτονομία: το μεγάλο στοίχημα για το μέλλον μας αφορά στο να μπορούμε -και να θέλουμε- να σκεφτόμαστε, να επιλέγουμε και να αποφασίζουμε υπεύθυνα, χωρίς την καθοδήγηση οποιουδήποτε τρίτου, για να θυμηθούμε τον Καντιανό ορισμό του Διαφωτισμού. Τρίτον, τη δικαιοσύνη: να απαιτήσουμε μηχανισμούς που θα διασφαλίζουν την ισότιμη μεταχείριση των ανθρώπων, τη δίκαιη κατανομή των πόρων και την εξάλειψη των συστηματικών διακρίσεων κατά τη λήψη αυτόνομων αποφάσεων. Τέταρτον, την εξηγησιμότητα: το να αξιώνουμε εξηγήσεις (και λογοδοσία) για απαντήσεις και αποφάσεις που δεν παρέχονται από ανθρώπους είναι θέμα ουσίας. Ούτε καν οι ειδικοί δεν μπορούν να είναι σίγουροι για το ποια είναι η καταγωγή της γνώσης που παίρνουμε από τα Μεγάλα Γλωσσικά Μοντέλα και των τελικών αποφάσεων των δρώντων ΑΙ (που συχνά ανθρωπομορφίζουν). Πολλές φορές απλώς επαναπαυόμαστε, πιστεύοντας αυτό που λένε ή κάνουν. Καθώς οι δρώντες ΑΙ αποκτούν μια αυξανόμενη ικανότητα να δρουν ανεξάρτητα, να θέτουν στόχους και να επηρεάζουν άμεσα την ανθρώπινη ζωή (χωρίς ωστόσο να σκέπτονται ή να διαθέτουν συνείδηση, προθέσεις και συναισθήματα), οι παραπάνω αξίες παύουν να έχουν μόνο θεωρητική ισχύ και μετατρέπονται σε μια κρίσιμη τεχνική, ηθική και κοινωνική απαίτηση. Στον πυρήνα αυτής της απαίτησης φαίνεται να βρίσκεται ο άνθρωπος και η συνειδητή συμμετοχή και παρέμβασή του στη συνολική λειτουργία των δρώντων ΑΙ στην εργασία και σε όλα τα πεδία δραστηριότητας, προκειμένου να μην καταλήξουμε να είμαστε ανεύθυνοι «ανεστραμμένοι Κένταυροι», όπως το θέτει ο Κόρι Ντόκτοροου. Κατά τη γνώμη μου, το μέγα ζητούμενο της εποχής μας δεν αφορά τόσο στην επιβράδυνση της ανάπτυξης της ΑΙ, όσο στη συνεργασία και συμπληρωματικότητα ανθρώπων και δρώντων ΑΙ, καθώς και στην επιτάχυνση της ευθυγράμμισης της ΑΙ με τις καθολικές ανθρώπινες αξίες, τα βασικά συστατικά της ανθρωπινότητάς μας. AI GOES AGENTIC

13

AG E N T I C E RA

AGENTIC AI

ΑΠΌ ΤΗΝ ΑΠΆΝΤΗΣΗ ΣΤΗΝ ΠΡΆΞΗ Η Τεχνητή Νοημοσύνη έχει αλλάξει πίστα και δεν αρκείται στο να δίνει απαντήσεις. Πλέον αναλαμβάνει δράση, συμμετέχει σε σύνθετες αποφάσεις και μετατρέπεται από εργαλείο παραγωγής περιεχομένου σε ψηφιακό συνεργάτη με αυξανόμενη αυτονομία, φέρνοντας τις επιχειρήσεις μπροστά σε μια νέα εποχή ευκαιριών και ευθυνών. Του Κωνσταντίνου Νικολόπουλου

14

AI GOES AGENTIC

ΝΟΕΜΒΡΙΟΣ 2026

Μ

έχρι σήμερα, το AI έμοιαζε περισσότερο με έναν ιδιαίτερα γρήγορο και καλά ενημερωμένο συνεργάτη. Έγραφε κείμενα, ανέλυε δεδομένα, δημιουργούσε εικόνες, πρότεινε κώδικα και απαντούσε σε ερωτήματα μέσα σε λίγα δευτερόλεπτα. Η επόμενη γενιά αυτών των συστημάτων, όμως, δεν περιορίζεται πλέον στο να απαντά. Αποφασίζει και εκτελεί. Αυτή η αλλαγή αποτυπώνεται χαρακτηριστικά και στα λόγια του Sundar Pichai, CEO της Google και της Alphabet, ο οποίος πριν από περίπου τρεις μήνες περιέγραψε τη νέα κατεύθυνση της τεχνητής νοημοσύνης, θέτοντας ένα διαφορετικό ερώτημα: «Η συζήτηση έχει πλέον μετακινηθεί από το “μπορούμε να δημιουργήσουμε έναν agent;” στο “πώς δημιουργούμε χιλιάδες agents;”». Η ίδια η Google περιγράφει πλέον αυτή τη μετάβαση ως την είσοδο στην «agentic Gemini era». Η φράση του Pichai συμπυκνώνει την αλλαγή κλίμακας που βρίσκεται σε εξέλιξη. Από τα εργαλεία Generative AI που παράγουν περιεχόμενο, η αγορά περνά σταδιακά στην εποχή των AI agents, δηλαδή σε συστήματα που μπορούν να λαμβάνουν έναν στόχο, να σχεδιάζουν τα βήματα που απαιτούνται, να χρησιμοποιούν ψηφιακά εργαλεία και να ολοκληρώνουν μια εργασία με περιορισμένη ανθρώπινη παρέμβαση. Η διαφορά είναι ουσιαστική. Ένα σύστημα Generative AI μπορεί να συντάξει μια απάντηση σε ένα ερώτημα πελάτη. Ένας agent μπορεί να διαβάσει το ιστορικό του, να ελέγξει τη διαθεσιμότητα ενός προϊόντος, να υπολογίσει το κόστος, να προτείνει λύση, να ενημερώσει το CRM και να προωθήσει την υπόθεση στο κατάλληλο τμήμα. Το πρώτο παράγει περιεχόμενο. Το δεύτερο αναλαμβάνει μια διαδικασία. Η μετάβαση από το Generative AI στο Agentic AI σηματοδοτεί, επομένως, μια νέα φάση στην εξέλιξη της τεχνητής νοημοσύνης: από την υποβοήθηση στην ανάθεση, από την απάντηση στην πράξη και από το μεμονωμένο εργαλείο στον επανασχεδιασμό ολόκληρων επιχειρησιακών ροών.

Από τον ψηφιακό βοηθό στον ψηφιακό συνεργάτη

Η Generative AI λειτουργεί κυρίως ως «copilot». Ο χρήστης θέτει ένα ερώτημα και το σύστημα επιστρέφει ένα αποτέλεσμα. Η Agentic AI λειτουργεί περισσότερο ως «digital worker», καθώς μπορεί να αναλάβει έναν ευρύτερο στόχο και να αποφασίσει ποια επιμέρους βήματα χρειάζονται για την επίτευξή του. Η διαφορά δεν βρίσκεται μόνο στην αυτονομία, αλλά και στη διάρκεια και την πολυπλοκότητα της εργασίας. Ένας agent μπορεί να αναζητήσει πληροφορίες σε διαφορετικές βάσεις δεδομένων, να συγκρίνει επιλογές, να αξιοποιήσει εξωτερικές εφαρμογές, να εκτελέσει ενέργειες και να επανέλθει στον χρήστη μόνο όταν απαιτείται έγκριση ή όταν προκύψει μια εξαίρεση. Στο software engineering, οι agents μπορούν να μετατρέπουν περιγραφές απαιΝΟΕΜΒΡΙΟΣ 2026

τήσεων σε κώδικα, να εκτελούν δοκιμές και να προτείνουν διορθώσεις. Στη βιομηχανία, μπορούν να παρακολουθούν δεδομένα από μηχανήματα, να εντοπίζουν αποκλίσεις και να εισηγούνται προληπτική συντήρηση. Στην εφοδιαστική αλυσίδα, μπορούν να ελέγχουν αποθέματα, να προβλέπουν ανάγκες και να ενεργοποιούν παραγγελίες. Στις χρηματοοικονομικές υπηρεσίες, μπορούν να συγκεντρώνουν στοιχεία, να εντοπίζουν ασυνήθιστες συναλλαγές και να προετοιμάζουν φακέλους ελέγχου. Το ζητούμενο για τις επιχειρήσεις δεν είναι πλέον απλώς να διαθέτουν ένα εργαλείο AI, αλλά να αποφασίσουν ποιες εργασίες μπορούν να ανατεθούν σε αυτό και ποια σημεία της διαδικασίας πρέπει να παραμείνουν υπό ανθρώπινη επίβλεψη.

Η υιοθέτηση των agents επιταχύνεται

Η μετάβαση αυτή δεν αποτελεί πλέον θεωρητικό σενάριο. Τα στοιχεία διεθνών ερευνών καταγράφουν αυξανόμενη χρήση των AI agents, ιδιαίτερα στις μεγάλες επιχειρήσεις. Σύμφωνα με την παγκόσμια έρευνα της McKinsey «The State of AI 2026: On the Road to ROI», το 40% των ερωτηθέντων από επιχειρήσεις με ετήσια έσοδα άνω του 1 δισ. δολαρίων δηλώνει ότι έχει ήδη κλιμακώσει τη χρήση AI agents. Το αντίστοιχο ποσοστό έναν χρόνο νωρίτερα ήταν 27%. Στις μικρότερες επιχειρήσεις, το ποσοστό όσων δηλώνουν ότι έχουν κλιμακώσει τη χρήση agents παραμένει στο 22%. Ιδιαίτερη δυναμική εμφανίζουν οι coding agents. Περίπου δύο στις δέκα επιχειρήσεις δηλώνουν ότι κλιμακώνουν τη χρήση τους, ενώ το ποσοστό φτάνει το 31% στις μεγαλύτερες εταιρείες. Παράλληλα, το 32% των ερωτηθέντων αναφέρει ότι η επιχείρησή του αποφάσισε να μην αγοράσει ένα ή περισσότερα προϊόντα ή επιμέρους λειτουργίες λογισμικού, επειδή μπορούσε να τα αναπτύξει εσωτερικά με τη βοήθεια agentic εργαλείων. Το στοιχείο αυτό δείχνει ότι η Agentic AI δεν επηρεάζει μόνο την παραγωγικότητα των εργαζομένων. Αρχίζει να επηρεάζει και τις αποφάσεις για την προμήθεια λογισμικού, την οργάνωση των ομάδων και την ανάπτυξη νέων ψηφιακών υπηρεσιών. Ακόμη πιο χαρακτηριστικά είναι τα στοιχεία της OpenAI για τη χρήση των υπηρεσιών της από επιχειρησιακούς πελάτες. Σύμφωνα με την έκθεση «Enterprise Signals», τον Ιούνιο του 2026 το 64% των συνολικών tokens που παρήχθησαν από Codex και ChatGPT στους επιχειρησιακούς πελάτες προερχόταν από το Codex, το οποίο χρησιμοποιείται για πιο σύνθετες και εκτελέσιμες εργασίες. Η ίδια ανάλυση καταγράφει ότι οι επιχειρήσεις με την υψηλότερη χρήση AI παράγουν 8,3 φορές περισσότερα output tokens ανά ενεργό χρήστη σε σχέση με τις τυπικές επιχειρήσεις, έναντι 2,6 φορές τον Ιανουάριο. Η εικόνα που διαμορφώνεται είναι αυτή μιας αγοράς δύο ταχυτήτων. Από τη μία πλευρά βρίσκονται οι επιχειρήσεις που περιορίζονται στη χρήση εργαλείων παραγωγής περιεχομένου. Από την άλλη, εκείνες που ενσωματώνουν agents στις βασικές λειτουργίες τους και μετακινούνται από την απλή χρήση AI στην ανάθεση εργασιών. AI GOES AGENTIC

15

AG E N T I C E RA

Υψηλές προσδοκίες

Η Agentic AI αναμένεται να επηρεάσει όχι μόνο τον τρόπο με τον οποίο εκτελείται η εργασία, αλλά και τον ίδιο τον σχεδιασμό των επιχειρησιακών διαδικασιών. Έρευνα της Deloitte, που δημοσιεύθηκε τον Αύγουστο του 2026 και βασίστηκε σε στελέχη επιχειρήσεων, διαπιστώνει ότι το 74% των ανώτερων στελεχών εκτιμά πως μέσα στα επόμενα τέσσερα χρόνια σχεδόν οι μισές επιχειρησιακές διαδικασίες θα επανασχεδιαστούν ή θα δημιουργηθούν από την αρχή γύρω από AI agents. Παράλληλα, το 61% αναμένει ότι οι περισσότεροι agents που θα χρησιμοποιούνται θα λειτουργούν σε γενικές γραμμές αυτόνομα, με τους ανθρώπους να διατηρούν ρόλο εποπτείας. Η ίδια έρευνα, ωστόσο, αναδεικνύει το χάσμα ανάμεσα στις προσδοκίες και την πραγματική ετοιμότητα. Μόλις το 5% των οργανισμών δηλώνει ότι οι επιχειρησιακές του διαδικασίες είναι σε μεγάλο βαθμό προετοιμασμένες για την Agentic AI, ενώ μόνο το 15% έχει κλιμακώσει τη συντονισμένη, διατμηματική χρήση πολλαπλών agents. Η διαπίστωση αυτή είναι κρίσιμη. Η εγκατάσταση ενός agent δεν ισοδυναμεί με ψηφιακό μετασχηματισμό. Για να λειτουργήσει αποτελεσματικά, χρειάζεται πρόσβαση σε αξιόπιστα δεδομένα, σύνδεση με τα πληροφοριακά συστήματα, σαφείς κανόνες, καθορισμένα δικαιώματα και διαδικασίες ελέγχου. Αντίθετα, όταν ένας agent ενσωματώνεται σε προβληματικές ή αποσπασματικές διαδικασίες, μπορεί να επιταχύνει όχι μόνο την παραγωγή αλλά και τα λάθη.

Η παραγωγικότητα δεν αρκεί…

Η ταχύτητα με την οποία εξαπλώνεται η AI δεν σημαίνει ότι έχει ήδη μετατραπεί σε αντίστοιχη οικονομική αξία. Η McKinsey καταγράφει ένα σημαντικό χάσμα ανάμεσα στα ατομικά οφέλη και τα αποτελέσματα σε επίπεδο επιχείρησης. Στην ίδια έρευνα, το 80% των ερωτηθέντων αναφέρει ότι η AI έχει ενισχύσει την παραγωγικότητα των εργαζομένων, ενώ περίπου οι μισοί βλέπουν βελτίωση στη λήψη αποφάσεων. Ωστόσο, μόνο το 37% δηλώνει ότι η AI έχει ήδη επηρεάσει θετικά τα κέρδη προ τόκων και φόρων της επιχείρησης. Το συμπέρασμα είναι ότι η εξοικονόμηση χρόνου σε ατομικό επίπεδο δεν μεταφράζεται αυτόματα σε επιχειρησιακή απόδοση. Μια εταιρεία μπορεί να διαθέτει εργαζομένους που γράφουν, αναλύουν και προγραμματίζουν ταχύτερα, χωρίς να έχει αλλάξει τον τρόπο με τον οποίο οργανώνει τις εγκρίσεις, τις πωλήσεις, την εξυπηρέτηση ή την παραγωγή.

Οι AI agents δεν αρκούνται πλέον στις απαντήσεις: αναλαμβάνουν εργασίες, εκτελούν ενέργειες και μεταφέρουν την αυτοματοποίηση σε εντελώς νέα κλίμακα 16

AI GOES AGENTIC

Η Agentic AI δημιουργεί την προοπτική να κλείσει αυτό το χάσμα, επειδή συνδέει διαφορετικές ενέργειες σε μια ενιαία ροή. Η προϋπόθεση, όμως, είναι η επιχείρηση να επανεξετάσει τις διαδικασίες της και να μην περιοριστεί στην προσθήκη ενός ακόμη εργαλείου πάνω σε ένα ήδη σύνθετο πληροφοριακό περιβάλλον.

Η αξία βρίσκεται στη συνεργασία

Παρά την αυξανόμενη αυτονομία των agents, οι διεθνείς έρευνες δεν δείχνουν ότι η πλήρης αντικατάσταση του ανθρώπου αποτελεί το κυρίαρχο μοντέλο. Αντίθετα, αναδεικνύουν τη συνεργασία ανθρώπων και AI ως βασικό παράγοντα δημιουργίας αξίας. Στην έρευνα της Deloitte, το 75% των στελεχών συμφωνεί ότι η συνεργασία ανθρώπων με AI agents δημιουργεί μεγαλύτερη αξία από την αυτοματοποίηση μέσω agents χωρίς ανθρώπινη συμμετοχή. Ο άνθρωπος εξακολουθεί να είναι απαραίτητος σε εργασίες που απαιτούν κρίση, κατανόηση του πλαισίου, διαχείριση ευαίσθητων σχέσεων και ανάληψη ευθύνης. Οι agents μπορούν να συγκεντρώνουν πληροφορίες και να προτείνουν επιλογές, αλλά σε κρίσιμους τομείς, όπως η υγεία, οι χρηματοοικονομικές υπηρεσίες, η ασφάλιση και η δημόσια διοίκηση, η τελική απόφαση δεν μπορεί να βασίζεται αποκλειστικά σε ένα αυτοματοποιημένο σύστημα. Η νέα πραγματικότητα της εργασίας δεν θα είναι απαραίτητα ένας κόσμος χωρίς ανθρώπους, αλλά ένας κόσμος στον οποίο οι άνθρωποι θα πρέπει να μάθουν να αναθέτουν, να ελέγχουν και να συνεργάζονται με ψηφιακούς συνεργάτες.

Η ασφάλεια στο επίκεντρο

Την ίδια στιγμή, όταν οι agents περιορίζονται στην παραγωγή κειμένου, οι κίνδυνοι αφορούν κυρίως την ακρίβεια, την αξιοπιστία και την εμπιστευτικότητα των απαντήσεων. Όταν, όμως, ΝΟΕΜΒΡΙΟΣ 2026

Η Google Cloud εκτιμά ότι το 2026 οι επιχειρήσεις θα αρχίσουν να συνδέουν agents μεταξύ τους, ώστε να εκτελούν ολόκληρες ροές εργασίας από την αρχή έως το τέλος. Στο ίδιο πλαίσιο, η ανάπτυξη ανοικτών πρωτοκόλλων επικοινωνίας, όπως το Agent2Agent, επιχειρεί να δημιουργήσει κοινά πρότυπα για τη συνεργασία διαφορετικών συστημάτων. Η ενορχήστρωση πολλαπλών agents, όμως, απαιτεί περισσότερα από μια τεχνική διασύνδεση. Χρειάζεται κοινή αντίληψη για τους στόχους, σαφής κατανομή αρμοδιοτήτων, μηχανισμοί επαλήθευσης και δυνατότητα αναδρομής σε κάθε βήμα της διαδικασίας.

Από τα πιλοτικά έργα στη νέα επιχειρησιακή αρχιτεκτονική

αποκτούν πρόσβαση σε εταιρικά συστήματα και μπορούν να εκτελούν ενέργειες, το πεδίο κινδύνου διευρύνεται. Ένας agent μπορεί να στείλει ένα μήνυμα, να τροποποιήσει ένα αρχείο, να ενημερώσει μια βάση δεδομένων ή να ενεργοποιήσει μια παραγγελία. Αν χρησιμοποιήσει λανθασμένα δεδομένα, παρερμηνεύσει μια οδηγία ή δεχθεί κακόβουλη εντολή μέσω ενός εξωτερικού αρχείου, οι συνέπειες μπορεί να είναι άμεσες. Η Deloitte επισημαίνει ότι μόλις το 21% των οργανισμών διαθέτει ώριμο μοντέλο διακυβέρνησης για τη διαχείριση των αυτόνομων συστημάτων. Οι επιχειρήσεις χρειάζονται, επομένως, μηχανισμούς περιορισμού των δικαιωμάτων πρόσβασης, σαφή όρια για τις αποφάσεις που μπορούν να λαμβάνουν οι agents, καταγραφή κάθε ενέργειας, δυνατότητα άμεσης διακοπής και ανθρώπινη έγκριση για τις πιο κρίσιμες πράξεις. Η ασφάλεια δεν μπορεί να αποτελεί συμπληρωματικό στάδιο μετά την ανάπτυξη ενός agent. Πρέπει να ενσωματώνεται στον σχεδιασμό του, μαζί με την προστασία των δεδομένων, τη διαφάνεια και τη δυνατότητα ελέγχου.

Το «στοίχημα» της συνεργασίας πολλαπλών agents

Η επόμενη φάση δεν αφορά μόνο μεμονωμένους agents, αλλά τη συνεργασία πολλών συστημάτων μέσα στην ίδια επιχειρησιακή διαδικασία. Ένας agent μπορεί να αναλαμβάνει την εξυπηρέτηση πελατών, ένας δεύτερος την ανάλυση αποθεμάτων, ένας τρίτος την οικονομική αξιολόγηση και ένας τέταρτος τη συμμόρφωση. Το κρίσιμο ερώτημα είναι πώς θα συνεργάζονται, ποιος θα έχει τον τελικό έλεγχο και πώς θα αποφεύγονται οι αντιφατικές ή αλληλοεπικαλυπτόμενες ενέργειες. ΝΟΕΜΒΡΙΟΣ 2026

Η Agentic AI αναμένεται να επηρεάσει τον ίδιο τον σχεδιασμό των πληροφοριακών συστημάτων. Οι επιχειρήσεις θα χρειαστεί να επενδύσουν σε καθαρά και διαλειτουργικά δεδομένα, σύγχρονες υποδομές, API, εργαλεία παρακολούθησης και συστήματα ταυτοποίησης και ελέγχου πρόσβασης. Παράλληλα, θα πρέπει να αναπτύξουν νέες δεξιότητες. Δεν αρκεί πλέον η γνώση ενός εργαλείου AI. Απαιτούνται ικανότητες σχεδιασμού διαδικασιών, αξιολόγησης αποτελεσμάτων, διαχείρισης κινδύνου και εποπτείας αυτοματοποιημένων συστημάτων. Η επιτυχία δεν θα μετριέται από τον αριθμό των agents που θα έχουν εγκατασταθεί. Θα κρίνεται από την ακρίβεια των αποτελεσμάτων, τη μείωση του κόστους, την ταχύτητα εξυπηρέτησης, την ποιότητα των αποφάσεων και την ικανότητα της επιχείρησης να διατηρεί τον έλεγχο.

Το επόμενο κεφάλαιο… προς το παρόν

Η μετάβαση από το Generative AI στο Agentic AI αποτελεί κάτι περισσότερο από μια νέα τεχνολογική τάση. Πρόκειται για αλλαγή στον τρόπο με τον οποίο οι επιχειρήσεις αντιλαμβάνονται την εργασία, την παραγωγικότητα και την αυτοματοποίηση. Η Generative AI έφερε την τεχνητή νοημοσύνη στην καθημερινότητα, επιτρέποντας στους ανθρώπους να παράγουν περιεχόμενο και να επεξεργάζονται πληροφορίες ταχύτερα. Η Agentic AI επιχειρεί να κάνει το επόμενο βήμα: να αναλάβει στόχους, να συντονίσει εργαλεία και να ολοκληρώσει σύνθετες εργασίες. Οι διεθνείς έρευνες δείχνουν ότι οι προσδοκίες είναι υψηλές, αλλά και ότι οι επιχειρήσεις δεν είναι ακόμη εξίσου ώριμες σε επίπεδο διαδικασιών, δεδομένων και διακυβέρνησης. Το πραγματικό στοίχημα δεν είναι να γίνει η AI πιο αυτόνομη με κάθε κόστος. Είναι να γίνει αρκετά αυτόνομη ώστε να δημιουργεί αξία, χωρίς να χάνεται ο ανθρώπινος έλεγχος. Η επόμενη ημέρα δεν θα ανήκει απλώς στις επιχειρήσεις που χρησιμοποιούν AI. Θα ανήκει σε εκείνες που θα γνωρίζουν τι πρέπει να αναθέσουν στις μηχανές, ποιες αποφάσεις και αρμοδιότητες πρέπει να παραμείνουν στους ανθρώπους και πώς θα συνδυάσουν τα δύο με ασφάλεια, διαφάνεια και μετρήσιμα αποτελέσματα. AI GOES AGENTIC

17

NE XT G E N NOC

Από την 24ωρη επιτήρηση στην πρόβλεψη ΓΙΏΡΓΟΣ ΒΑΣΔΈΚΗΣ

Σ

CEO της BlueStream Solutions

ε μια οικονομία όπου οι ψηφιακές υπηρεσίες αποτελούν αναπόσπαστο μέρος της καθημερινής λειτουργίας κάθε οργανισμού, η διαθεσιμότητα δεν είναι απλώς ένας τεχνικός δείκτης. Είναι όρος επιχειρησιακής συνέχειας, ανταγωνιστικότητας και εμπιστοσύνης. Η BlueStream διαθέτει ήδη τη βάση: συνεχή παρακολούθηση δικτύων και υποδομών, έγκαιρη ανίχνευση προβλημάτων, διαχείριση συμβάντων, ticketing και λειτουργία με συμφωνημένα επίπεδα υπηρεσιών, σε on-premises και cloud περιβάλλοντα. Η τεχνογνωσία αυτή επεκτείνεται και στο περιβάλλον του Microsoft Azure. Αυτή είναι η σημερινή αφετηρία — όχι το τέλος της διαδρομής. Το Next Gen NOC της BlueStream αποτελεί τη φυσική εξέλιξη αυτής της υπηρεσίας. Στόχος είναι η μετάβαση από το «βλέπω και αντιδρώ» στο «κατανοώ, προβλέπω και προλαμβάνω». Η σύγχρονη παρατηρησιμότητα συνδέει μετρήσεις, logs και traces, ώστε να δείχνει όχι μόνο εάν ένα σύστημα λειτουργεί, αλλά και γιατί μια επιχειρησιακή υπηρεσία επιβραδύνεται ή υποβαθμίζεται. Παράλληλα, τα δυναμικά όρια ειδοποίησης μπορούν να μαθαίνουν ωριαία, ημερήσια και εβδομαδιαία πρότυπα συμπεριφοράς, αναγνωρίζοντας ουσιαστικές αποκλίσεις και περιορίζοντας τον θόρυβο από άσκοπα alerts. Η ακόλουθη εικόνα αποτυπώνει αυτή τη σχεδιαζόμενη μετάβαση, καθώς και τη συμπληρωματική σχέση NOC και SOC.

Η εξέλιξη από το σημερινό 24x7 NOC προς ένα AI-enabled Next Gen NOC: περισσότερη συσχέτιση, πρόβλεψη και ελεγχόμενη αυτοματοποίηση, με ανθρώπινη εποπτεία και σαφή συμπληρωματικότητα προς το SOC.

μια αλληλουχία μικρών σημάτων: αυξανόμενο latency, ασυνήθιστη κατανάλωση πόρων, αποτυχίες εφαρμογών ή μεταβολές στη ροή δεδομένων. Η ανάλυση τέτοιων αποκλίσεων και η συσχέτιση σημάτων μπορούν να βοηθήσουν στην έγκαιρη διερεύνηση πιθανής βλάβης, υποβάθμισης ή security event. Πρόκειται, βέβαια, για μια αναλογία κατανόησης και όχι για κυριολεκτική ιατρική σύγκριση. Σε αυτή τη νέα γενιά, η τεχνητή νοημοσύνη δεν αντικαθιστά τους μηχανικούς. Τους δίνει ισχυρότερο πλαίσιο λήψης αποφάσεων. Τα AI agents μπορούν να συλλέγουν context από διαφορετικές πηγές, να συσχετίζουν telemetry, να αναζητούν πιθανές αιτίες, να προτείνουν επόμενες ενέργειες και να αξιοποιούν γνώση από ιστορικά incidents. Μπορούν επίσης να προτείνουν ή, όπου αυτό είναι ασφαλές, να εκτελούν εγκεκριμένα runbooks. Η αυτονομία, όμως, πρέπει να είναι κλιμακωτή: αρχικά σύσταση, στη συνέχεια ελεγχόμενη εκτέλεση μόνο για επαναλαμβανόμενες ενέργειες χαμηλού ρίσκου, με σαφή δικαιώματα, approval gates, audit trail και ανθρώπινη εποπτεία. Ιδιαίτερη αξία έχει ο ρόλος του Next Gen NOC ως early-warning layer για τον κυβερνοκίνδυνο. Η ασυνήθιστη δικτυακή κίνηση, η ανεξήγητη αύξηση I/O ή οι ξαφνικές αποτυχίες υπηρεσιών μπορεί να έχουν καθαρά λειτουργική αιτία, αλλά μπορεί επίσης να αποτελούν πρώιμα σήματα προς διερεύνηση. Το NOC δεν υποκαθιστά το SOC και δεν θα εντοπίζει πάντοτε πρώτο ένα περιστατικό. Το SOC παραμένει υπεύθυνο για την αξιολόγηση απειλών και την απόκριση ασφάλειας, ενώ το NOC προσθέτει επιχειρησιακό context, εικόνα εξαρτήσεων και ταχύτερο handoff. Η BlueStream διαθέτει ήδη εμπειρία σε μοντέλα όπου λειτουργικά περιστατικά και security incidents διαχειρίζονται σε συνεργασία με το SOC. Το όραμα είναι, συνεπώς, ένα Next Gen NOC που μετατρέπει τα δεδομένα λειτουργίας σε πρόβλεψη, προτεραιοποίηση και ελεγχόμενη δράση. Από την ενιαία παρατηρησιμότητα εφαρμογών, δικτύων, υποδομών και storage έως την πρόβλεψη χωρητικότητας, την υποβοηθούμενη ανάλυση αιτίας και, σε ώριμες περιπτώσεις, τη δοκιμή αλλαγών μέσω ψηφιακών διδύμων πριν εφαρμοστούν στην πραγματική υποδομή. Ο στόχος παραμένει ανθρώπινος και επιχειρησιακός: λιγότερες διακοπές, ταχύτερες αποφάσεις και περισσότερη ανθεκτικότητα.

ΠΑΡΟΥ ΣΙΑ ΣH

Από την παρακολούθηση στην πρόβλεψη Η πιο απλή αναλογία είναι εκείνη των vital signs. Ένας γιατρός δεν εξετάζει απομονωμένα μία μόνο ένδειξη· αξιολογεί τάσεις και συνδυασμούς που αποκλίνουν από το φυσιολογικό. Αντίστοιχα, ένα AIenabled NOC που αξιοποιεί στο έπακρο τις τεχνολογίες της Microsoft για τη δημιουργία και χρήση AI agents μπορεί να μαθαίνει τη συνήθη συμπεριφορά ενός ψηφιακού περιβάλλοντος και να αναγνωρίζει

18

AI GOES AGENTIC

Resources

IT Solutions

Contact-us

ΝΟΕΜΒΡΙΟΣ 2026

AG E N T I C A I IN ACTION

AI GOES

Π

Η ΤΝ ΑΠΌ ΕΡΓΑΛΕΊΟ

ερίπου μια επταετία πριν το αεροδρόμιο «Ελευθέριος Βενιζέλος» είχε την ανάγκη ενός –ή, στην πραγματικότητα, πολλών– «υπαλλήλου» που θα ήταν διαθέσιμος και πρόθυμος στους χώρους του αεροδρομίου, για να εξυπηρετήσει τους ταξιδιώτες λύνοντάς τους κάθε απορία σχετικά με το ταξίδι τους. Στα κινεζικά! Α, και να μην αρρωσταίνει, καθότι είχαμε πανδημία. Η πρωτοποριακή για τα δεδομένα της εποχής -εντυπωσιακό πώς ο χώρος του tech αλλάζει «εποχές» ακόμα και σε λιγότερο από μία δεκαετία- λύση απέκτησε το όνομα «Pepper» και τη μορφή ενός όχι και τόσο κομψού, αλλά παρ’ όλα αυτά συμπαθητικού ρομπότ. Αυτό ρολάριζε στους χώρους του αεροδρομίου και έδινε κάποιες πληροφορίες στα κινεζικά, για τα ταξίδια αλλά και τα μέτρα προφύλαξης κατά του κορονοϊού, χωρίς να κινδυνεύει να κολλήσει ή να μεταδώσει ιούς. Σύντομα έδειξε την αξία του και χάρη στη συνεργασία του αεροδρομίου με το Εργαστήριο Τεχνολογίας Γνώσεων και Λογισμικού του «Δημόκριτου», αναβαθμίστηκε, απέκτησε άλλη μία γλώσσα επικοινωνίας και τη δυνατότητα να ψυχαγωγεί τους ταξιδιώτες με κουίζ για τον Παρθενώνα. Τελικά έγινε η βάση για να αναπτυχθεί ένα σύστημα υβριδικών agents σε φυσικά ρομπότ όπως το Pepper, αλλά και σε ψηφιακές οθόνες/kiosks, το οποίο με «διαλογικούς αλγορίθμους» μπορούσε να συνδέεται σε πραγματικό χρόνο με τη βάση δεδομένων πτήσεων και τις εσωτερικά διασυνδεδεμένες πύλες του αερολιμένα και να ανταποκρίνεται σε πραγματικό χρόνο σε απορίες, χωρίς να δημιουργεί ουρές σε κιόσκια και γραφεία του αεροδρομίου. Ελέω του ψηφιακού μετασχηματισμού της πανδημίας οι agentic λειτουργίες του πέρασαν μέσω app στις οθόνες των smartphones των ταξιδιωτών και ο Pepper πήρε μετάθεση από την καθημερινή ροή επιβατών στις… δημόσιες σχέσεις του αεροδρομίου. Χρησιμοποιείται πια κυρίως

20

AI GOES AGENTIC

ΝΟΕΜΒΡΙΟΣ 2026

AGENTIC

ΓΊΝΕΤΑΙ ΕΡΓΆΤΗΣ

σε ειδικές εκδηλώσεις, τεχνολογικές εκθέσεις ή προγραμματισμένα πιλοτικά προγράμματα και όχι ως μόνιμο προσωπικό πληροφοριών. Η καριέρα του Pepper όμως είναι ακόμα ενδεικτική της εξέλιξης της τεχνητής νοημοσύνης στην πράξη, παρότι προηγήθηκε αυτής για λίγα μόλις χρόνια. Η υπόσχεση αυτού του «ΑΙ στην πράξη» πέρασε σε μικρό χρονικό διάστημα μεγάλες φουρτούνες. Από το ξεκίνημά της στην ουσία, στην αρχή του αυτοματισμού, αναβαθμίστηκε στη μηχανική μάθηση και με τη δημιουργία των μεγάλων γλωσσικών μοντέλων περάσαμε σε μια έκρηξη πρακτικών εφαρμογών με την εμφάνιση της παραγωγικής τεχνητής νοημοσύνης, στην καθομιλουμένη «genAI». H ικανότητα της τεχνητής νοημοσύνης να παράξει κείμενο, εικόνα ή κώδικα ήταν εντυπωσιακή για δύο λόγους, τον εξής έναν: Για πρώτη φορά μπορούσε να κάνει πολλά για πολλούς. Η δυνατότητα που έφεραν τα μεγάλα γλωσσικά μοντέλα δημιούργησε ένα εργαλείο τρομερής δυναμικής που μπορούσε να χειριστεί οποιοσδήποτε μπορούσε να πληκτρολογήσει ή απλώς να μιλήσει. Όχι μόνο οι προγραμματιστές. Παρ’ όλα αυτά παρέμενε ακριβώς αυτό. Ένα εργαλείο. Ειδικά για το οικοσύστημα των επιχειρήσεων το “prompting” -η μέθοδος σύστασης σαφών και λεπτομερών εντολών για κάθε εργασία- το περιόριζε σε αυτόν τον ρόλο. Και ως τέτοιο παρέμενε εντυπωσιακό, αλλά «παθητικό», αφού αντιδρούσε μόνο στις ανθρώπινες εντολές και απαιτούσε την ανθρώπινη παρέμβαση για να παράγει αποτέλεσμα. Αυτή η δυναμική όμως άλλαξε εντυπωσιακά και μάλιστα σε λιγότερο από τρία χρόνια. Οι “agents” ή «πράκτορες» δημιουργήθηκαν στην ουσία για να απαντήσουν σε μια ξεκάθαρη απαίτηση του επιχειρηματικού κόσμου: «μπορώ να περιορίσω την ανθρώπινη εμπλοκή και πού;». Και κατ’ επέκταση «πόσο αυτόνομα μπορεί να δουλέψει ένα σύστημα τεχνητής νοημοσύνης;». ΝΟΕΜΒΡΙΟΣ 2026

AI GOES AGENTIC

21

AG E N T I C A I IN ACTION

Το οποίο στην πραγματικότητα έθετε το ζήτημα της αξιοπιστίας. Πίσω στην ιστορία του Pepper, ένα αυτόματο αλλά «χαζό» αρχικά σύστημα, που αναπαράγει «τυφλά» οδηγίες και πληροφορίες πέρασε σε ένα «έξυπνο» που απαντά ως chatbot όταν «πιάνει» όρους που χρησιμοποιούν ένα κλαδί στο δέντρο ερωταπαντήσεων του. Γίνεται, όμως, agent όταν, πέρα από προκάτ απαντήσεις, δημιουργεί αλληλεπίδραση βασισμένη στην υπόλοιπη ΙΤ υποδομή του αεροδρομίου για να συνθέσει μοναδικές «απαντήσεις-λύσεις» σε αλληλεπίδραση με τους ξεχωριστούς ταξιδιώτες. Λίγα χρόνια αργότερα από τον Pepper, ζητώντας επιστροφή χρημάτων για την αγορά ενός προϊόντος, ο agent μιας δημοφιλούς πλατφόρμας αγορών, με ρώτησε τον λόγο, τον κατάλαβε, μου ζήτησε μια ψηφιακή φωτογραφία που να δείχνει το πρόβλημα, την ανέλυσε, αναγνώρισε το πρόβλημα και ενέκρινε την επιστροφή χρημάτων, πιστώνοντας τον λογαριασμό χρέωσης. Το σύνολο της διαδικασίας ολοκληρώθηκε σε λίγα λεπτά, προφανώς χωρίς ανθρώπινη παρέμβαση και σε διασύνδεση και με τη βάση δεδομένων του καταστήματος-πωλητή και την τράπεζα. Ποιος μπορούσε ακόμα και με την έλευση της GenAI να προβλέψει ότι ένας «πράκτορας» όχι απλώς θα καταλάβαινε, αλλά θα αποφάσιζε και θα εκτελούσε χρηματική συναλλαγή με έναν πελάτη εκταμιεύοντας ποσό αυτόβουλα;

2. Σχεδιασμός και Λήψη Αποφάσεων (Reasoning & Planning): Εδώ κρύβεται η ειδοποιός διαφορά. Ο agent «σκέφτεται». Διασπά τον μεγάλο στόχο σε επιμέρους υποεργασίες (sub-tasks). Αναγνωρίζει ότι πρέπει πρώτα να υπολογίσει τη ζήτηση, μετά να ελέγξει τα υφιστάμενα αποθέματα, να εντοπίσει τις ελλείψεις, να αναζητήσει τιμοκαταλόγους και να συγκρίνει τιμές. Αν παρουσιαστεί ένα πρόβλημα (π.χ. ένας προμηθευτής έχει καθυστερήσει τις παραδόσεις στο παρελθόν), ο agent τροποποιεί το σχέδιό του αυτόνομα. 3. Χρήση Εργαλείων και Ανάληψη Δράσης (Tool Use & Action): Ο agent δεν προτείνει απλώς λύσεις· τις εκτελεί. Έχει πρόσβαση σε APIs. Μπορεί να ανοίξει το ERP, να συμπληρώσει μια φόρμα παραγγελίας, να συντάξει ένα email προς τον προμηθευτή και να το θέσει σε κατάσταση αναμονής για τελική έγκριση ή ακόμη και να το στείλει απευθείας αν του έχει δοθεί η σχετική εξουσιοδότηση. 4. Μνήμη και Μάθηση (Memory & Adaptation): Οι AI agents διαθέτουν βραχυπρόθεσμη μνήμη (για να παρακολουθούν τα βήματα μιας τρέχουσας εργασίας) και μακροπρόθεσμη μνήμη (για να θυμούνται προτιμήσεις του χρήστη, παρελθοντικά σφάλματα και επιτυχημένες στρατηγικές).

Η ανατομία μιας επανάστασης

Στην καθημερινή επιχειρησιακή πραγματικότητα, το Agentic AI μεταφράζεται σε αυτόνομη επίλυση σύνθετων προβλημάτων σε: Διαχείριση Περιστατικών και Εξυπηρέτηση Πελατών: Αντί για ένα chatbot που απαντά με τυποποιημένες απαντήσεις (FAQs), ένας AI agent εξυπηρέτησης μπορεί να λάβει ένα παράπονο για μια ελαττωματική συσκευή, να ελέγξει το ιστορικό αγορών στο CRM, να επιβεβαιώσει την εγγύηση, να εγκρίνει την αντικατάσταση, να δημιουργήσει μια ετικέτα επιστροφής μέσω της εταιρείας courier και να στείλει στον πελάτη τις οδηγίες αποστολής — όλα αυτά μέσα σε δευτερόλεπτα, χωρίς ανθρώπινη παρέμβαση. Έξυπνη Διαχείριση Εφοδιαστικής Αλυσίδας (Logistics): Οι agents παρακολουθούν σε πραγματικό χρόνο με βάση διάφορες παραμέτρους, όλες τις παγκόσμιες γεωπολιτικές εξελίξεις, τον καιρό και τις απεργίες στα λιμάνια. Εάν εντοπίσουν καθυστέρηση σε ένα φορτίο πρώτων υλών, μπορούν αυτόνομα να αναζητήσουν εναλλακτικούς προμηθευτές, να διαπραγματευτούν τιμές βάσει προκαθορισμένων ορίων προϋπολογισμού και να επαναδρομολογήσουν τη μεταφορά. Αυτοματοποιημένη Συμμόρφωση και Διαχείριση Κινδύνων (Compliance): Στον χρηματοπιστωτικό τομέα, AI agents «χτενίζουν» διαρκώς τις αλλαγές στο κανονιστικό πλαίσιο παγκοσμίως, συγκρίνουν τους νέους νόμους με τις εσωτερικές διαδικασίες της τράπεζας, εντοπίζουν κενά συμμόρφωσης και συντάσσουν αναφορές με τις απαραίτητες διορθωτικές ενέργειες για τη νομική ομάδα. Το agentic AI, επομένως, δεν αντικαθιστά απλώς τα χέρια του ανθρώπου πληκτρολογώντας πιο γρήγορα· επεκτείνει το «μυαλό» του οργανισμού, αναλαμβάνοντας τη γνωσιακή εργασία ρουτίνας και επιτρέποντας στα στελέχη να εστιάσουν στη στρατηγική, τη δημιουργικότητα και την οικοδόμηση ανθρώπινων σχέσεων.

Για να κατανοήσουμε τι κάνει το agentic AI στην πράξη, πρέπει να δούμε πώς λειτουργεί στο παρασκήνιο μιας σύγχρονης επιχείρησης. Ένας AI Αgent δεν εκτελεί απλώς μια εντολή «γράψε ένα email». Αυτό το κάνει οποιοδήποτε genAI μοντέλο. Αντιθέτως, υπάρχει ως “agent” όταν αναλαμβάνει έναν ευρύτερο επιχειρησιακό στόχο, όπως: «βελτιστοποίησε το απόθεμα της αποθήκης με βάση τις προβλέψεις πωλήσεων του επόμενου μήνα και στείλε προσχέδια παραγγελιών στους προμηθευτές που προσφέρουν την καλύτερη τιμή». Για να φέρει εις πέρας αυτή την αποστολή, ένας Agent λειτουργεί μέσα από έναν δυναμικό κύκλο τεσσάρων σταδίων: 1. Αντίληψη και Κατανόηση (Perception): Ο agent συνδέεται με τα συστήματα της επιχείρησης (ERP, CRM, βάσεις δεδομένων, emails). «Διαβάζει» και αναλύει τα δεδομένα πωλήσεων, τα τρέχοντα επίπεδα αποθεμάτων και τις εισερχόμενες προσφορές των προμηθευτών.

Από τον Pepper που ξεναγούσε ταξιδιώτες μέχρι τους ψηφιακούς agents που διαχειρίζονται συναλλαγές, η εντυπωσιακή εξέλιξη της ΤΝ γράφεται πλέον καθημερινά μέσα από πραγματικές επιχειρησιακές ανάγκες 22

AI GOES AGENTIC

Από τη θεωρία στην πράξη: Καθημερινά επιχειρησιακά σενάρια

ΝΟΕΜΒΡΙΟΣ 2026

BUSINESS AGENTIC AI FOR DUMMIES Γ

ια μια επιχείρηση που επιθυμεί να πέρα-

σει στην εποχή του agentic AI, η προσπάθεια να εφαρμόσει την τεχνολογία παντού ταυτόχρονα είναι συνταγή αποτυχίας. Με δεδομένο το κόστος τόσο σε χρήμα όσο και σε υποδομές, εργατώρες αλλά και τους κινδύνους ποιοι «στόχοι» για το νέο υπερόπλο εγγυώνται την πιο εύκολη και προσοδοφόρα εφαρμογή; Η στρατηγική επιχειρηματική επιτυχία κρίνεται από τον εντοπισμό των αποκαλούμενων στην επιχειρηματική αργκό «low-hanging fruits» — τμημάτων και διαδικασιών όπου η εφαρμογή είναι τεχνικά πιο εύκολη (υπάρχουν δομημένα δεδομένα και σαφείς κανόνες) και ταυτόχρονα προσφέρει τη μεγαλύτερη απόδοση επένδυσης (ROI). Προς το παρόν ξεχωρίζουν τα εξής τέσσερα.

⊲ Εξυπηρέτηση Πελατών και Τε-

χνική Υποστήριξη (Customer Support & IT Helpdesk):

Το πιο ώριμο και άμεσα κερδοφόρο πεδίο εφαρμογής είναι εκεί όπου το ευρύ κοινό δημιουργεί και τη μεγαλύτερη επιφάνεια επαφής με έναν οργανισμό. Η παραδοσιακή εξυπηρέτηση πελατών υποφέρει από υψηλό κόστος, αργούς χρόνους απόκρισης και εξουθένωση του προσωπικού (burnout) λόγω επαναλαμβανόμενων ερωτημάτων. Γιατί: Τα δεδομένα (ιστορικό συνομιλιών, εγχειρίδια προϊόντων, πολιτικές επιστροφών) είναι συνήθως καταγεγραμμένα και ψηφιοποιημένα. Οι διαδικασίες ακολουθούν συγκεκριμένα βήματα (workflows). How to: Ο AI agent αναλαμβάνει την «πρώτη γραμμή» (Tier 1 Support). Μπορεί να λύσει αυτόνομα πάνω από το 70% των εισερχόμενων αιτημάτων (π.χ. αλλαγή κωδικού πρόσβασης, ακύρωση παραγγελίας, εντοπισμός αποστολής). Αν το πρόβλημα είναι εξαιρετικά περίπλοκο, ο agent συγκεντρώνει όλο το απαραίτητο ιστορικό, κάνει μια σύνοψη και το μεταφέρει ομαλά σε έναν «ανθρώπινο» εκπρόσωπο. ROI: Άμεση μείωση του κόστους υποστήριξης έως και 50%, 24/7 διαθεσιμότητα και κατακόρυφη αύξηση της ικανοποίησης των πελατών (CSAT) λόγω των μηδενικών χρόνων αναμονής.

ΝΟΕΜΒΡΙΟΣ 2026

⊲ Πωλήσεις και Μάρκετινγκ

(Sales & Marketing - B2B Lead Generation):

Στις πωλήσεις, ίσως περισσότερο από αλλού, ο χρόνος είναι χρήμα. Ωστόσο, οι πωλητές ξοδεύουν πάνω από το 60% του χρόνου τους σε διοικητικές εργασίες, όπως η αναζήτηση υποψήφιων πελατών (lead sourcing) και η σύνταξη email, αντί να κάνουν πραγματικές παρουσιάσεις. Γιατί: Υπάρχουν εξαιρετικά εργαλεία (LinkedIn Sales Navigator, CRM APIs) που επιτρέπουν στους agents να αναζητούν και να αλληλεπιδρούν με δεδομένα εύκολα. How to: O agent (AI Sales Development Representative - SDR) μπορεί να σαρώσει το διαδίκτυο για να βρει εταιρείες που ταιριάζουν στο προφίλ του ιδανικού πελάτη (ICP). Στη συνέχεια, αναλύει τα προφίλ των στελεχών που λαμβάνουν τις αποφάσεις, βρίσκει πρόσφατες ειδήσεις για την εταιρεία τους (π.χ. μια νέα χρηματοδότηση) και συντάσσει ένα απόλυτα προσωποποιημένο email προσέγγισης. Παρακολουθεί τις απαντήσεις, απαντά σε βασικές ερωτήσεις και, όταν ο υποψήφιος δείξει ενδιαφέρον, κλείνει αυτόματα μια συνάντηση στο ημερολόγιο του ανθρώπου πωλητή. ROI: Πενταπλασιασμός του όγκου των ποιοτικών leads που προσεγγίζονται καθημερινά, απελευθέρωση του χρόνου των πωλητών για το κλείσιμο των συμφωνιών (closing) και μείωση του κύκλου πωλήσεων.

⊲ Οικονομικό Τμήμα και Λογι-

στήριο (Finance & Accounts Payable)

Το μέσο λογιστήριο είναι γεμάτο από επαναλαμβανόμενες, χειροκίνητες εργασίες εισαγωγής δεδομένων και ελέγχου, οι οποίες είναι επιρρεπείς σε ανθρώπινα λάθη. Γιατί: Τα τιμολόγια, οι αποδείξεις και οι τραπεζικές καταστάσεις είναι τυποποιημένα έγγραφα με συγκεκριμένα πεδία (ΑΦΜ, ποσά, ημερομηνίες). How to: Ένας agent «accounts Payable» λαμβάνει τα τιμολόγια των προμηθευτών μέσω email, «διαβάζει» τα στοιχεία χρησιμοποιώντας προηγμένο OCR, τα διασταυρώνει αυτό-

ματα με το δελτίο παραλαβής στην αποθήκη και την αρχική προσφορά (3-way matching), εντοπίζει τυχόν αποκλίσεις και, αν όλα είναι σωστά, καταχωρεί την εγγραφή στο ERP και προετοιμάζει την πληρωμή για έγκριση από τον CFO. ROI: Μείωση του χρόνου επεξεργασίας τιμολογίων κατά 80%, εξάλειψη των διπλοπληρωμών και των προστίμων καθυστέρησης και δυνατότητα για το οικονομικό τμήμα να εστιάσει σε αναλύσεις κερδοφορίας και ταμειακών ροών (cash flow forecasting).

⊲ Ανθρώπινο Δυναμικό

(HR - Onboarding & Recruiting):

Το HR συχνά «πνίγεται» στη γραφειοκρατία της εύρεσης βιογραφικών και της ένταξης των νέων υπαλλήλων (onboarding). Γιατί: Οι διαδικασίες πρόσληψης και onboarding έχουν πολύ συγκεκριμένα βήματα και νομικές απαιτήσεις που μπορούν να κωδικοποιηθούν σε workflows. How to: Στην πρόσληψη ο agent μπορεί να σαρώσει χιλιάδες βιογραφικά για μια θέση, να κάνει μια πρώτη αξιολόγηση βάσει των απαιτήσεων, να πραγματοποιήσει μια πρώτη γραπτή συνέντευξη/screen με τους υποψηφίους μέσω chat και να προτείνει τους πέντε επικρατέστερους στον HR Manager. Στο onboarding ο agent καθοδηγεί τον νέο υπάλληλο από την πρώτη μέρα. Του στέλνει τα συμβόλαια προς υπογραφή, δημιουργεί αυτόματα τους λογαριασμούς του στα συστήματα (Slack, Email, Jira), του αναθέτει τα εκπαιδευτικά σεμινάρια και απαντά σε τυχόν απορίες του για τις άδειες ή τα προνόμια της εταιρείας. ROI: Μείωση του χρόνου κάλυψης μιας θέσης (Time-to-Hire), εξασφάλιση μιας άψογης και συνεπούς εμπειρίας onboarding για κάθε νέο εργαζόμενο και μείωση του διοικητικού φόρτου της ομάδας HR κατά 40%. AI GOES AGENTIC

23

AI Goes AGENTIC: Η ADACOM επαναπροσδιορίζει το μέλλον των Security Operations Centers ΝΙΚΗΤΑΣ ΚΛΑΔΑΚΗΣ GENERAL MANAGER, ADACOM

Η

Τεχνητή Νοημοσύνη αλλάζει ριζικά τον τρόπο με τον οποίο εργαζόμαστε, λαμβάνουμε αποφάσεις και εκτελούμε σύνθετες διαδικασίες. Στον τομέα της κυβερνοασφάλειας, η εξέλιξη αυτή αποκτά ιδιαίτερη σημασία, καθώς οι κυβερνοαπειλές γίνονται ολοένα πιο σύνθετες, οι επιτιθέμενοι αξιοποιούν νέες προηγμένες υπηρεσίες και τεχνολογίες και οι οργανισμοί καλούνται να προστατεύσουν ένα διαρκώς διευρυνόμενο ψηφιακό περιβάλλον. Τα Κέντρα Επιχειρήσεων Ασφάλειας (Security Operations Centers – SOC) διαχειρίζονται έναν τεράστιο όγκο πληροφοριών, χιλιάδες ειδοποιήσεις ασφαλείας και την ανάγκη άμεσης ανάλυσης και αξιολόγησης περιστατικών που ενδέχεται να επηρεάσουν κρίσιμες υπηρεσίες. Σε αυτό το διαρκώς μεταβαλλόμενο περιβάλλον απειλών, οι υφιστάμενες τεχνολογίες ανίχνευσης και διερεύνησης περιστατικών, σε συνδυασμό με τις διαδικασίες που βασίζονται σε προκαθορισμένους κανόνες, καλούνται να ανταποκριθούν σε ολοένα μεγαλύτερες απαιτήσεις αμεσότητας, ακρίβειας και αποτελεσματικότητας, αναδεικνύοντας την ανάγκη για πιο ευφυείς και δυναμικούς μηχανισμούς κυβερνοάμυνας.

ΠΑΡΟΥ ΣΙΑ ΣH

Από το SOC στο Agentic AI Η επόμενη μεγάλη εξέλιξη στο SOC είναι το Agentic AI, μια νέα προσέγγιση στην Τεχνητή Νοημοσύνη, όπου εξειδικευμένοι ψηφιακοί αναλυτές (AI Analysts) έχουν τη δυνατότητα να αναλύουν συμβάντα, να συνεργάζονται μεταξύ τους και να εκτελούν σύνθετες διαδικασίες με περιορισμένη ανθρώπινη παρέμβαση, πάντοτε μέσα σε προκαθορισμένα όρια λειτουργίας και ελέγχου. Στην ADACOM αντιμετωπίζουμε αυτή τη μετάβαση όχι ως μια απλή τεχνολογική αναβάθμιση, αλλά ως ουσιαστικό μετασχηματισμό του επιχειρησιακού μοντέλου του SOC και του τρόπου με τον οποίο παρέχουμε υπηρεσίες κυβερνοασφάλειας στους πελάτες μας. Μέχρι σήμερα, ένας φυσικός αναλυτής SOC έπρεπε να εξετάσει ένα περιστατικό ασφαλείας, να αναζητήσει πρόσθετες πληροφορίες σε διαφορετικές τεχνολογικές πλατφόρμες, να συσχετίσει τα ευρήματα, να αξιολογήσει την αξιοπιστία τους και τελικά να

24 32

AI GOES AGENTIC

αποφασίσει εάν απαιτείται περαιτέρω διερεύνηση ή άμεση αντιμετώπιση. Με το Agentic AI, σημαντικό μέρος αυτής της διαδικασίας μπορεί πλέον να πραγματοποιείται από εξειδικευμένους ψηφιακούς αναλυτές, οι οποίοι λειτουργούν συντονισμένα, αναλαμβάνοντας διαφορετικές εργασίες στο πλαίσιο μιας ενιαίας διερεύνησης. Ένας ψηφιακός αναλυτής μπορεί να αξιολογεί το αρχικό περιστατικό, ένας δεύτερος να αναζητά πληροφορίες Threat Intelligence, ένας τρίτος να συσχετίζει δραστηριότητες από συστήματα SIEM, XDR και υπηρεσίες Cloud, ενώ ένας τέταρτος να προετοιμάζει τις κατάλληλες ενέργειες αντιμετώπισης.

Ψηφιακοί αναλυτές σε συντονισμένη δράση Η αξιοποίηση της υπηρεσίας Τεχνητής Νοημοσύνης Torq HyperSOC, σε συνδυασμό με τις υφιστάμενες υποδομές κυβερνοασφάλειας της ADACOM, δημιουργεί τις προϋποθέσεις για τη μετάβαση στο Risk Operations Center (ROC). Η σημαντικότερη διαφοροποίηση ΝΟΕΜΒΡΙΟΣ 2026

από τους συμβατικούς μηχανισμούς που έχει υιοθετήσει ένα SOC είναι ότι οι ψηφιακοί αναλυτές δεν περιορίζονται στην εκτέλεση προκαθορισμένων διαδικασιών. Μπορούν να προσαρμόζουν τα επόμενα βήματα της διερεύνησης σύμφωνα με τα ευρήματα που προκύπτουν και να αναζητούν συμπληρωματικά στοιχεία, ώστε να διαμορφώνεται μια ολοκληρωμένη εικόνα του περιστατικού. Για παράδειγμα, μια ύποπτη σύνδεση σε έναν προνομιούχο λογαριασμό μπορεί να ενεργοποιήσει μια σειρά συντονισμένων ενεργειών, κατά τις οποίες εξετάζονται το ιστορικό πρόσβασης, οι δραστηριότητες του χρήστη, οι σχετικές συνδέσεις σε άλλα συστήματα, τα διαθέσιμα στοιχεία Threat Intelligence και η κρισιμότητα των επηρεαζόμενων υπηρεσιών. Το αποτέλεσμα δεν είναι απλώς μια ακόμη ειδοποίηση, αλλά μια τεκμηριωμένη αξιολόγηση που επιτρέπει στον φυσικό αναλυτή να αποφασίσει ταχύτερα και με μεγαλύτερη ακρίβεια. Μια διαδικασία που προηγουμένως απαιτούσε διαδοχικούς χειροκίνητους ελέγχους μπορεί πλέον να ολοκληρώνεται σε σημαντικά μικρότερο χρόνο.

Ο άνθρωπος παραμένει στο επίκεντρο Ωστόσο, η πραγματική αξία του Agentic AI δεν βρίσκεται αποκλειστικά στην ταχύτητα. Βρίσκεται κυρίως στη δυνατότητα αναβάθμισης του ανθρώπινου παράγοντα. Οι φυσικοί αναλυτές απαλλάσσονται από σημαντικό μέρος των επαναλαμβανόμενων εργασιών και μπορούν να αφιερώνουν περισσότερο χρόνο σε σύνθετες διερευνήσεις, στην αναζήτηση απειλών (Threat Hunting), στην ανάλυση προηγμένων επιθέσεων και στη διαχείριση κρίσιμων περιστατικών. Στην ADACOM θεωρούμε ότι το μέλλον του ROC βασίζεται στη συνεργασία φυσικών και ψηφιακών αναλυτών και όχι στην αντικατάσταση των πρώτων από τους δεύτερους. Για τον λόγο αυτό, η ανθρώπινη εποπτεία, μέσα από το μοντέλο Human-in-the-Loop, αποτελεί βασική αρχή του επιχειρησιακού σχεδιασμού του ROC. Οι κρίσιμες αποφάσεις, ιδιαίτερα όσες μπορούν να επηρεάσουν τη διαθεσιμότητα πληροφοριακών συστημάτων ή τη συνέχεια των επιχειρησιακών λειτουργιών, πρέπει να υπόκεινται σε κατάλληλους μηχανισμούς έγκρισης, λογοδοσίας και ελέγχου. Παράλληλα, η χρήση του Agentic AI απαιτεί σαφείς κανόνες διακυβέρνησης, διαχείριση δικαιωμάτων πρόσβασης, προστασία των δεδομένων και δυνατότητα πλήρους καταγραφής των ενεργειών που πραγματοποιούνται.

Από την ανίχνευση απειλών στη διαχείριση κινδύνου Στο νέο αυτό μοντέλο δεν αρκεί να γνωρίζουμε ότι εντοπίστηκε μια απειλή. Πρέπει να μπορούμε να αξιολογούμε ποιες επιχειρησιακές υπηρεσίες επηρεάζονται, ποια είναι η πραγματική έκθεση του οργανισμού, ποιες ευπάθειες ενδέχεται να αξιοποιηθούν και ποιες ενέργειες πρέπει να προηγηθούν, ώστε να περιοριστεί ο δυνητικός αντίκτυπος. Το Agentic AI μπορεί να συμβάλει ουσιαστικά σε αυτή τη διαδικασία, συσχετίζοντας τεχνικά ευρήματα με πληροφορίες για την κρισιμότητα των υποδομών, τις επιχειρησιακές εξαρτήσεις και τα επίπεδα κινδύνου. ΝΟΕΜΒΡΙΟΣ 2026

Παράλληλα, ο μετασχηματισμός αυτός από το SOC στο ROC θέτει τις βάσεις για τη βελτίωση της ποιότητας των παρεχόμενων υπηρεσιών. Η μείωση του χρόνου εντοπισμού και αντιμετώπισης περιστατικών, η αποτελεσματικότερη αξιολόγησή τους, ο περιορισμός των ψευδώς θετικών ενημερώσεων και η καλύτερη αξιοποίηση των εξειδικευμένων στελεχών αποτελούν μετρήσιμους στόχους που μπορούν να παρακολουθούνται μέσα από συγκεκριμένους επιχειρησιακούς δείκτες. Η πραγματική επιτυχία, άλλωστε, δεν θα μετρηθεί από τον αριθμό των λογικών αναλυτών που θα λειτουργούν σε ένα SOC, αλλά από την ικανότητά τους να συμβάλλουν στη μείωση του κυβερνοκινδύνου και στην ενίσχυση της επιχειρησιακής ανθεκτικότητας των οργανισμών. Για την ADACOM, η μετάβαση στο Agentic ROC αποτελεί στρατηγική επιλογή που συνδυάζει την τεχνολογική καινοτομία με την ανθρώπινη τεχνογνωσία, την οργανωμένη διαχείριση περιστατικών και τη συνεχή βελτίωση των υπηρεσιών κυβερνοασφάλειας. Η επόμενη ημέρα δεν αφορά απλώς ένα SOC που λειτουργεί ταχύτερα, αλλά ένα SOC που κατανοεί καλύτερα τις απειλές, αξιολογεί ουσιαστικότερα τον κίνδυνο και υποστηρίζει αποτελεσματικότερα τις επιχειρησιακές αποφάσεις. Το μέλλον της κυβερνοασφάλειας δεν ανήκει ούτε αποκλειστικά στον άνθρωπο ούτε αποκλειστικά στην Τεχνητή Νοημοσύνη. Ανήκει στη συνεργασία τους, σε ένα περιβάλλον όπου η τεχνολογία ενισχύει την ανθρώπινη κρίση και η ανθρώπινη εμπειρία καθοδηγεί την τεχνολογία. Αυτή είναι η φιλοσοφία πίσω από τον μετασχηματισμό του SOC της ADACOM και αυτή είναι η πραγματική σημασία της μετάβασης στην εποχή του Agentic AI.

Κρέοντος 25, Αθήνα 104 42 Τ: +30 2105193700 E: info@adacom.com W: www.adacom.com

AI GOES AGENTIC

25 33

AG E N T I C A I IN ACTION

NO BUSINESS LIKE AGENTIC AI BUSINESS

Η

υιοθέτηση του Agentic AI δεν είναι ομοιογενής σε όλο το φάσμα της οικονομίας. Κάθε κλάδος αντιμετωπίζει μοναδικές προκλήσεις, και οι AI agents προσαρμόζονται για να προσφέρουν λύσεις εκεί που υπάρχουν τα μεγαλύτερα bottlenecks. Σε ποιους επιχειρησιακούς κλάδους όμως το agentic AI φέρνει τις δομικές αλλαγές που θα δούμε γενικευμένες και στα επόμενα χρόνια;

Χρηματοπιστωτικός Τομέας και Ασφάλειες (Finance & Insurance)

Ο χρηματοπιστωτικός κλάδος χαρακτηρίζεται από τεράστιο όγκο δεδομένων, αυστηρή νομοθεσία και ανάγκη για ταχύτητα. Το agentic AI μεταμορφώνει αυτό το περιβάλλον ριζικά: Αυτόνομη Ανάλυση Πιστωτικού Κινδύνου: Οι AI agents δεν εξετάζουν απλώς ένα scorecard. Αναλύουν σε πραγματικό χρόνο εκατοντάδες εναλλακτικές πηγές δεδομένων (social media, συναλλακτική συμπεριφορά, τάσεις της αγοράς) για να αξιολογήσουν την πιστοληπτική ικανότητα ενός πελάτη ή μιας επιχείρησης, συντάσσοντας πλήρεις επενδυτικές προτάσεις. Ανίχνευση Απάτης (Fraud Detection): Αντί για στατικά συστήματα που χτυπούν «red flags» κατόπιν εορτής, οι πράκτορες AI λειτουργούν ως ψηφιακοί ντετέκτιβ. Παρακολουθούν μοτίβα συναλλαγών και, μόλις εντοπίσουν ύποπτη δραστηριότητα, μπορούν αυτόνομα να παγώσουν προσωρινά έναν λογαριασμό, να ξεκινήσουν μια διαδικασία επαλήθευσης με τον πελάτη μέσω ασφαλούς καναλιού και να ενημερώσουν τις αρχές.

Υγεία και Φαρμακοβιομηχανία (Healthcare & Pharma)

Στην Υγεία, το agentic AI μπορεί να συμβάλει στη διάσωση ζωών και μειώνει δραστικά το διοικητικό βάρος των γιατρών. Ψηφιακοί Βοηθοί Κλινικής Υποστήριξης: Οι agents λειτουργούν ως «συγκυβερνήτες» των γιατρών. Κατά τη διάρκεια της εξέτασης, ακούν τη συνομιλία, κρατούν σημειώσεις, ενημερώνουν τον ηλεκτρονικό φάκελο υγείας του ασθενούς, προτείνουν πιθανές διαγνώσεις βάσει της παγκόσμιας ιατρικής βιβλιογραφίας και προετοιμάζουν τις συνταγογραφήσεις. Επιτάχυνση της Κλινικής Έρευνας: Στη φαρμακοβιομηχανία, AI agents μπορούν να σχεδιάσουν και να προσομοιώσουν χιλιάδες χημικές συνθέσεις, να αναλύσουν τα αποτελέσματα κλινικών δοκιμών, να εντοπίσουν παρενέργειες και να συντάξουν τις απαιτούμενες αιτήσεις έγκρισης προς τους οργανισμούς φαρμάκων (π.χ. FDA, EMA).

Λιανικό και Ηλεκτρονικό Εμπόριο (Retail & E-commerce)

Το εμπόριο μετακινείται από την απλή εξατομίκευση (personalization) στην υπερεξατομίκευση σε πραγματικό χρόνο (hyper-personalization). Προσωπικοί Ψηφιακοί Αγοραστές (Personal Shopping Agents): Οι πελάτες δεν αναζητούν πλέον σε λίστες με φίλτρα. Συνομιλούν με

26

AI GOES AGENTIC

AI agents οι οποίοι κατανοούν το στυλ τους, τον προϋπολογισμό τους και την περίσταση για την οποία ψωνίζουν, αναζητούν προϊόντα σε πολλαπλά καταστήματα, συγκρίνουν τιμές και κάνουν την αγορά εκ μέρους του πελάτη. Δυναμική Τιμολόγηση και Διαχείριση Ραφιού: AI agents αναλύουν συνεχώς τις τιμές των ανταγωνιστών, τη ζήτηση, τα επίπεδα αποθεμάτων και τις καιρικές συνθήκες, προσαρμόζοντας αυτόματα τις τιμές των προϊόντων online ή προτείνοντας προσφορές για να αποφευχθεί η απαξίωση των αποθεμάτων.

Κατασκευές και Βιομηχανία (Manufacturing & Industry 4.0)

Στα εργοστάσια, η σύγκλιση του agentic AI με το Internet of Things (IoT) δημιουργεί τα πραγματικά αυτόνομα εργοστάσια. Προβλεπτική Συντήρηση (Predictive Maintenance): AI agents παρακολουθούν τους αισθητήρες των μηχανημάτων. Όταν εντοπίσουν μια μικρή απόκλιση στη θερμοκρασία ή στους κραδασμούς, δεν στέλνουν απλώς μια ειδοποίηση. Σχεδιάζουν το πλάνο επισκευής, ελέγχουν αν υπάρχουν τα ανταλλακτικά στην αποθήκη, αν όχι τα παραγγέλνουν, και κλείνουν ραντεβού με τον τεχνικό στο επόμενο προγραμματισμένο κενό της παραγωγής. Βέλτιστη Ενεργειακή Διαχείριση: Οι agents ρυθμίζουν τη λειτουργία των γραμμών παραγωγής με βάση το κόστος της ενέργειας ανά ώρα, μειώνοντας το ανθρακικό αποτύπωμα και το κόστος λειτουργίας.

Τηλεπικοινωνίες και Πληροφορική (Telecoms & IT)

Οι ίδιοι οι δημιουργοί της τεχνολογίας βιώνουν τη μεγαλύτερη ανατροπή στον τρόπο εργασίας τους. Αυτόνομη Ανάπτυξη και Δοκιμή Λογισμικού (AI Software Engineers): Οι προγραμματιστές δεν γράφουν πλέον όλο τον κώδικα. Αναθέτουν σε AI agents (όπως το Devin ή παρόμοια συστήματα) να αναπτύξουν ολόκληρα features, να εντοπίσουν bugs, να γράψουν test cases και να κάνουν deploy τις εφαρμογές στο cloud, με τον άνθρωπο να έχει τον ρόλο του αρχιτέκτονα και ελεγκτή. Αυτοθεραπευόμενα Δίκτυα (Self-healing Networks): Στις τηλεπικοινωνίες, AI agents παρακολουθούν τη ροή των δεδομένων και, σε περίπτωση συμφόρησης ή κυβερνοεπίθεσης, αναδρομολογούν αυτόματα την κίνηση και απομονώνουν τα απειλούμενα τμήματα του δικτύου.

ΝΟΕΜΒΡΙΟΣ 2026

AI GOES AGENTIC: «ΠΡΟΣΟΧΉ, ΈΡΓΑ!» Η μετάβαση από τα παραδοσιακά rule-based chatbots και τα απλά Retrieval-Augmented Generation (RAG) συστήματα στην εποχή του agentic AI σηματοδοτεί τη μεγαλύτερη δομική αλλαγή στο enterprise software των τελευταίων ετών και στην ελληνική επιχειρηματικότητα. Στην ελληνική αγορά, κορυφαίοι οργανισμοί και τεχνολογικοί πάροχοι σχεδιάζουν και θέτουν σε παραγωγή αυτόνομους ψηφιακούς πράκτορες που δεν περιορίζονται στην απλή ανάκτηση πληροφορίας, αλλά αναλύουν πλαίσιο (context), λαμβάνουν αποφάσεις πολλαπλών βημάτων (multi-step reasoning) και εκτελούν αυτόνομα συναλλαγές απευθείας στα core πληροφοριακά συστήματα των οργανισμών. Ποιες είναι όμως οι επιχειρηματικές υλοποιήσεις agentic AI του ελληνικού επιχειρηματικού οικοσυστήματος που ξεχωρίζουν;

Τραπεζικός & Χρηματοοικονομικός Τομέας Ο τραπεζικός κλάδος είναι πρωταθλητής στην υιοθέτηση agentic AI στην Ελλάδα, αξιοποιώντας αυτόνομους πράκτορες τόσο για frontend customer interaction όσο και για σύνθετες διαδικασίες κανονιστικής συμμόρφωσης και back-office αυτοματισμών.

ΕΘΝΙΚΉ ΤΡΆΠΕΖΑ ΤΗΣ ΕΛΛΆΔΟΣ: Φωνητικός Super-AI Agent «Σοφία» Υλοποίηση & Αρχιτεκτονική: Η ΕΤΕ έθεσε σε πλήρη παραγωγή τη «Σοφία», τον πρώτο φωνητικό Super-AI Agent στον εγχώριο τραπεζικό χώρο, αναβαθμίζοντας το ομώνυμο chatbot που η ίδια δημιούργησε το 2025. Σε αντίθεση με τα παραδοσιακά IVR δέντρα επιλογών, ο συγκεκριμένος agent χρησιμοποιεί προηγμένα Speech-to-Text και Natural Language Understanding (NLU) μοντέλα για να κατανοεί ελεύθερο φυσικό λόγο σε πραγματικό χρόνο, διατηρώντας το context καθ’ όλη τη διάρκεια της συνομιλίας. Συνδέεται αμφίδρομα μέσω ασφαλών microservices και API gateways με τα κεντρικά core banking συστήματα της τράπεζας, επιτρέποντας την εκτέλεση συναλλαγών end-to-end. Επιχειρησιακά Αποτελέσματα: ⊲ Διαχείριση άνω των 130.000 τηλεφωνικών κλήσεων μηνιαίως χωρίς αναμονή. ⊲ Αυτόνομη ολοκλήρωση κρίσιμων αιτημάτων χωρίς ανθρώπινη παρέμβαση, όπως η αρχικοποίηση/ξεκλείδωμα διαπιστευτηρίων (credentials reset) και η άμεση διαχείριση απώλειας ή ακύρωσης καρτών. ⊲ Δραστική μείωση του μέσου χρόνου αναμονής στο Contact Center και αποφόρτιση των εκπροσώπων εξυπηρέτησης, οι οποίοι επικεντρώνονται πλέον σε συναλλαγές υψηλής προστιθέμενης αξίας. ΝΟΕΜΒΡΙΟΣ 2026

EUROBANK: Ψηφιακός Βοηθός EVA (IBM watsonx & Agentic AI Factory) Υλοποίηση & Αρχιτεκτονική: Στο πλαίσιο του στρατηγικού προγράμματος «Intelligence Banking», η Eurobank ανέπτυξε agentic AI σε πολλαπλά επίπεδα: EVA (Conversational Agents): Παρέχει 24/7 omnichannel υποστήριξη πελατών σε web και mobile banking περιβάλλον. IBM watsonx AI Integration: Χρήση enterprise GenAI μοντέλων για άμεση επεξεργασία, ανάλυση συναισθήματος (sentiment analysis) και κατηγοριοποίηση εκατοντάδων χιλιάδων σχολίων και κριτικών πελατών (NPS feedback), εντοπίζοντας συστημικά σημεία τριβής. Enterprise AI Factory (σε συνεργασία με Fairfax Digital, EY & Microsoft): Δημιουργία ενός κατανεμημένου AI κόμβου βασισμένου σε Agentic αρχιτεκτονική στο Microsoft Azure, με στόχο την ανάπτυξη αυτόνομων «Digital Workers» που υποστηρίζουν το προσωπικό των καταστημάτων στην ανάλυση δανειακών φακέλων και στον έλεγχο δεδομένων. Επιχειρησιακά Αποτελέσματα: ⊲ Άμεση, αυτοματοποιημένη ανάλυση NPS σχολίων με μείωση του χρόνου ανίχνευσης customer pain points κατά 70%. ⊲ Επιτάχυνση εσωτερικών εγκριτικών ροών στα καταστήματα και άμεση παροχή απαντήσεων στο δίκτυο μέσω εσωτερικών enterprise knowledge agents. AI GOES AGENTIC

27

AG E N T I C A I IN ACTION

ΤΡΆΠΕΖΑ ΠΕΙΡΑΙΏΣ (Enterprise AI Hub με Accenture & Anthropic)

ALPHA BANK: AI-Powered Banking (Συνεργασία με τη Moveo.ai)

Υλοποίηση & Αρχιτεκτονική: Η Τράπεζα Πειραιώς προχώρησε σε πρωτοποριακή στρατηγική συνεργασία με την Accenture, εγκαινιάζοντας εξειδικευμένο AI Hub στην Ελλάδα. Η αρχιτεκτονική ενσωματώνει τα προηγμένα μοντέλα Claude της Anthropic, τα οποία ξεχωρίζουν για το εκτεταμένο context window και τις ικανότητες αυστηρού reasoning σε κανονιστικά κείμενα. Οι AI agents εκπαιδεύονται σε ιδιωτικό cloud sandbox με zero-data-retention πολιτικές, ελέγχοντας back-office διαδικασίες, διασταυρώσεις κανονιστικής συμμόρφωσης (Compliance) και αξιολόγηση παραμέτρων πιστωτικού κινδύνου (Credit Risk).

Υλοποίηση & Αρχιτεκτονική: Η Alpha Bank έχει επενδύσει στον μετασχηματισμό των ψηφιακών της καναλιών, εντάσσοντας conversational και transactional agents που έχουν αναπτυχθεί σε στενή συνεργασία με την ελληνική AI deep-tech εταιρεία Moveo.ai. Οι agents αυτοί λειτουργούν πάνω σε LLMs βελτιστοποιημένα για την ελληνική γλώσσα και το εγχώριο τραπεζικό ιδίωμα, αξιοποιώντας deterministic safeguards για απόλυτη ασφάλεια στις συναλλαγές και real-time routing σε fraud detection μηχανισμούς.

Επιχειρησιακά Αποτελέσματα: ⊲ Αυτοματοποίηση ελέγχου πολυσέλιδων νομικών και κανονιστικών εγγράφων, μειώνοντας δραστικά τον χρόνο προετοιμασίας εισηγήσεων. ⊲ Ελαχιστοποίηση των σφαλμάτων σε ελεγκτικές ροές και ενίσχυση των προληπτικών μηχανισμών παρακολούθησης κινδύνου.

Επιχειρησιακά Αποτελέσματα: ⊲ Υψηλότατο ποσοστό αυτόνομης επίλυσης (containment rate) αιτημάτων πρώτης γραμμής σε web και mobile banking. ⊲ Άμεση αναγνώριση πρόθεσης (intent recognition) άνω του 95% και ομαλή διαβίβαση (seamless handoff) σε εξειδικευμένους εκπροσώπους μόνο όταν απαιτείται φυσική υπογραφή ή εξειδικευμένη έγκριση.

Ψηφιακά Μέσα & Εκδόσεις (Digital Media) Ο εκδοτικός τομέας αντιμετωπίζει την πρόκληση της επιβίωσης των παλιών «χάρτινων» επιχειρηματικών δομών στην ψηφιακή εποχή, με τεράστιο όγκο δεδομένων και απαιτήσεις διαχείρισης κοινού σε πραγματικό χρόνο, αποτελώντας ιδανικό πεδίο εφαρμογής αυτόνομων content & moderation agents.

ΠΡΏΤΟ ΘΈΜΑ (PROTOTHEMA) Cloudevo — Google Gemini Enterprise Agents Υλοποίηση & Αρχιτεκτονική: Η Cloudevo (τεχνολογικός βραχίονας του Πρώτου Θέματος και πιστοποιημένος Google Cloud Premier Partner) σχεδίασε multi-agent αρχιτεκτονική αξιοποιώντας την πλατφόρμα Google Cloud Vertex AI και τα μοντέλα Gemini Enterprise. Το σύστημα αποτελείται από δύο διακριτούς agents: Content Moderation Agent: Αναλύει το συναισθηματικό φορτίο, το ύφος, τη ρητορική μίσους και τη νομική επικινδυνότητα των σχολίων των αναγνωστών, λαμβάνοντας αυτόνομα απόφαση έγκρισης, απόρριψης ή επισήμανσης για ανθρώπινο έλεγχο. Editorial Transformation Agent: Αναλαμβάνει την αυτόματη παραγωγή των «AI Takeaways» (σύνοψη βασικών σημείων) στην αρχή κάθε άρθρου και τη μετάφραση/προσαρμογή περιεχομένου για τη διεθνή, αγγλόφωνη έκδοση του portal.

30

AI GOES AGENTIC

Επιχειρησιακά Αποτελέσματα: ⊲ Αυτόματος συντονισμός άνω των 320.000 σχολίων μηνιαίως, μειώνοντας τον μέσο χρόνο δημοσίευσης από ώρες σε περίπου 90 δευτερόλεπτα. ⊲ Διεθνές case study από την Google Cloud ως πρότυπο επιτυχημένης ενσωμάτωσης GenAI σε εκδοτικό οργανισμό μεγάλης κλίμακας. ⊲ Δραστική εξοικονόμηση εργατοωρών της συντακτικής ομάδας από repetitive tasks. ΝΟΕΜΒΡΙΟΣ 2026

Φιλοξενία, Βιομηχανία & Υποδομές Μεταφορών Στη βαριά βιομηχανία, τη φιλοξενία και τις μεταφορές, οι agents αναλαμβάνουν τη γεφύρωση ασύμβατων συστημάτων (legacy bridging), την ανάγνωση μη δομημένων εγγράφων και την αυτόνομη καταχώριση στο ERP.

ΌΜΙΛΟΣ SANI / IKOS RESORTS: Αυτοματοποίηση Τιμολογίων ERP με PaperEntry AI / Utilize Υλοποίηση & Αρχιτεκτονική: Ο κορυφαίος ξενοδοχειακός όμιλος Sani/Ikos Group αντιμετώπιζε τεράστιο όγκο μη δομημένων παραστατικών κατά την τουριστική περίοδο. Υιοθέτησε την πλατφόρμα PaperEntry AI (σε συνεργασία με τη Utilize και την Deep Cognition), η οποία χρησιμοποιεί Computer Vision και Agentic Document Intelligence. Ο agent δεν κάνει απλό OCR: αναγνωρίζει πίνακες, διασταυρώνει αυτόματα τα είδη τιμολογίου με τα δελτία αποστολής και τις εντολές αγοράς (3-way PO matching) και καταχωρίζει απευθείας τις εγγραφές στο κεντρικό ERP χωρίς ανθρώπινη παρέμβαση. Επιχειρησιακά Αποτελέσματα: ⊲ Επεξεργασία και καταχώριση 15.000+ μηνιαίων τιμολογίων από 700+ διαφορετικούς προμηθευτές. ⊲ Επίτευξη 85% πλήρους αυτοματοποίησης (touchless processing) και 99% ακρίβειας σε μόλις 4 μήνες από την εγκατάσταση. ⊲ Μείωση του χρόνου εκκαθάρισης παραστατικών κατά 75%, επιτρέποντας στο οικονομικό τμήμα να επικεντρωθεί σε στρατηγικές συμφωνίες προμηθειών.

ΔΙΕΘΝΉΣ ΑΕΡΟΛΙΜΈΝΑΣ ΑΘΗΝΏΝ «ΕΛ. ΒΕΝΙΖΈΛΟΣ»: Conversational & Robotic Agents με ΕΚΕΦΕ «Δημόκριτος» Υλοποίηση & Αρχιτεκτονική: Μέσω της επίσημης συνεργασίας του αεροδρομίου με το Εργαστήριο Τεχνολογίας Γνώσεων και Λογισμικού (SKEL Lab) του ΕΚΕΦΕ «Δημόκριτος», αναπτύχθηκε ένα σύστημα υβριδικών πρακτόρων (σε φυσικά ρομπότ όπως το Pepper και σε ψηφιακές οθόνες/kiosks). Το σύστημα χρησιμοποιεί πολυτροπικούς διαλογικούς αλγορίθμους, συνδέεται σε πραγματικό χρόνο με τη βάση δεδομένων πτήσεων (Flight Information Display System - FIDS) και τις εσωτερικές χαρτογραφήσεις των πυλών του αερολιμένα. Επιχειρησιακά Αποτελέσματα: ⊲ Αυτόνομη καθοδήγηση επιβατών σε πραγματικό χρόνο για πύλες αναχώρησης, καθυστερήσεις πτήσεων και υπηρεσίες τερματικού σε πολλαπλές γλώσσες (συμπεριλαμβανομένων κινεζικών και αγγλικών). ⊲ Αισθητή αποσυμφόρηση των κεντρικών γραφείων πληροφοριών κατά τις ώρες αιχμής.

ΝΟΕΜΒΡΙΟΣ 2026

AI GOES AGENTIC

31

AG E N T I C A I IN ACTION

ALUMIL: Logistics 4.0 & Βιομηχανικοί Agents Εφοδιαστικής Αλυσίδας

ΔΕΗ (ΔΗΜΌΣΙΑ ΕΠΙΧΕΊΡΗΣΗ ΗΛΕΚΤΡΙΣΜΟΎ): Personal AI Assistant & Grid Intelligence

Υλοποίηση & Αρχιτεκτονική: Η Alumil έχει εισαγάγει τεχνολογίες αυτοματοποίησης στο πλαίσιο των πρωτοβουλιών «Mobile Worker» και «Logistics 4.0». Ειδικοί agents επεξεργάζονται παραστατικά βιομηχανικών παραγγελιών, διασταυρώνουν διαθεσιμότητα προφίλ αλουμινίου στα WMS/ERP συστήματα και βελτιστοποιούν τις ροές φόρτωσης και διανομής από τις κεντρικές αποθήκες.

Υλοποίηση & Αρχιτεκτονική: Στο πλαίσιο του ψηφιακού της μετασχηματισμού, η ΔΕΗ ενσωμάτωσε προηγμένο AI Personal Assistant στα ψηφιακά της κανάλια (myΔΕΗ). Ο πράκτορας συνδέεται με τα billing engines και τα συστήματα έξυπνων μετρητών, εκτελώντας ταυτοποίηση πελάτη, έλεγχο ιστορικού κατανάλωσης και διακανονισμούς λογαριασμών. Παράλληλα, αναπτύσσονται εξειδικευμένοι Machine Learning agents για την πρόβλεψη ενεργειακού φορτίου στο δίκτυο διανομής.

Επιχειρησιακά Αποτελέσματα: ⊲ Μείωση λαθών καταχώρισης σε σύνθετες παραγγελίες με χιλιάδες παραμετρικούς κωδικούς προϊόντων. ⊲ Επιτάχυνση της προετοιμασίας φορτίων και ψηφιοποίηση του dispatching στις κεντρικές εγκαταστάσεις logistics.

Επιχειρησιακά Αποτελέσματα: ⊲ Δυνατότητα 24/7 αυτόνομης ρύθμισης οφειλών και καταχώρισης ενδείξεων μετρητών. ⊲ Δραστικός περιορισμός των εισερχόμενων κλήσεων ρουτίνας στο τηλεφωνικό κέντρο εξυπηρέτησης.

Τηλεπικοινωνίες Οι τηλεπικοινωνιακοί οργανισμοί συνδυάζουν Conversational AI για customer support με predictive agents για την πρόληψη αποχωρήσεων πελατών (Churn Prevention).

VODAFONE GREECE & NOVA: Digital Teammates, Churn Prevention & Autonomous Workflows Υλοποίηση & Αρχιτεκτονική: Στη Vodafone ο ψηφιακός βοηθός TOBi έχει εξελιχθεί από απλό FAQ bot σε transactional agent, ενώ μέσω της ενσωμάτωσης Microsoft 365 Copilot & Azure OpenAI εισάγονται εσωτερικοί agents για αυτοματοποίηση εργασιών frontline εργαζομένων. Στη Νova αξιοποιούνται προηγμένοι predictive & conversational agents (μέσω εξειδικευμένων enterprise πλατφορμών) που αναλύουν μοτίβα χρήσης δικτύου, ιστορικό ticketing και συμπεριφορά πελατών για τον έγκαιρο εντοπισμό τάσεων αποχώρησης (churn intent) και την αυτόματη δρομολόγηση εξατομικευμένων προσφορών διακράτησης. Επιχειρησιακά Αποτελέσματα: ⊲ Αυτοματοποιημένη επίλυση αιτημάτων διαχείρισης πακέτων και ανανέωσης συμβολαίων. ⊲ Βελτίωση του retention rate μέσω προληπτικής ανίχνευσης δυσαρέσκειας πριν ο πελάτης αιτηθεί φορητότητα.

32

AI GOES AGENTIC

ΝΟΕΜΒΡΙΟΣ 2026

AGILE ACTORS

AI στην πράξη Το νέο ανταγωνιστικό πλεονέκτημα Σε ένα τεχνολογικό τοπίο που εξελίζεται με ιλιγγιώδη ταχύτητα, το ανταγωνιστικό πλεονέκτημα δεν είναι απλώς να ακολουθείς τις εξελίξεις, αλλά να είσαι έτοιμος να τις αξιοποιήσεις, μετατρέποντάς τες σε πραγματική επιχειρηματική αξία.

ΠΑΡΟΥ ΣΙΑ ΣH

Σ

την Agile Actors, δεν αντιμετωπίζουμε την τεχνητή νοημοσύνη ως μια μεμονωμένη τεχνολογική δεξιότητα, αλλά ως αναπόσπαστο μέρος της σύγχρονης ανάπτυξης λογισμικού (Software Development Life Cycle). Η ανάπτυξη δεξιοτήτων AI βασίζεται σε μια practitioner-led προσέγγιση, όπου η γνώση συνδέεται άμεσα με την πράξη. Έμπειροι Tech Professionals, που αντιμετωπίζουν καθημερινά σύνθετες τεχνολογικές προκλήσεις σε πραγματικά έργα, καθοδηγούν τις ομάδες μας και συμβάλλουν στην ανάπτυξη νέων δεξιοτήτων μέσα από μια κουλτούρα συνεχούς μάθησης, coaching και mentoring. Μέσα από continuous feedback, εξειδικευμένα workshops ανά Chapter και ανταλλαγή εμπειριών, οι ομάδες μας εξελίσσουν διαρκώς τις γνώσεις τους. Από τα Retrieval-Augmented Generation (RAG) συστήματα, τα embeddings και τα model APIs μέχρι τα agentic frameworks, η τεχνογνωσία αναπτύσσεται μέσα από την πρακτική εφαρμογή, τον πειραματισμό και τη συστηματική αξιολόγηση νέων προσεγγίσεων. Η ουσία αυτής της προσέγγισης έγκειται στην ταχύτερη ανάπτυξη λύσεων με έμφαση στην ποιότητα, την αξιοπιστία και τις σωστά ενημερωμένες τεχνολογικές επιλογές. Για τους πελάτες μας, αυτή η προσέγγιση σημαίνει συνεργασία με Tech Professionals που δεν περιορίζονται απλώς στην υλοποίηση τεχνικών απαιτήσεων. Μπορούν να αξιολογούν αντικειμενικά νέες τεχνολογίες, να αντιμετωπίζουν σύνθετες προκλήσεις και να συνδέουν τις δυνατότητες του AI με τις πραγματικές ανάγκες και τους επιχειρηματικούς στόχους κάθε προϊόντος, συμβάλλοντας ενεργά στην εξέλιξή του. Παράλληλα, η ανταλλαγή τεχνογνωσίας και καλών πρακτικών ενισχύει τις δυνατότητες των εσωτερικών τους ομάδων, δημιουργώντας τις προϋποθέσεις για μακροπρόθεσμη ανάπτυξη. Δεν ακολουθούμε απλώς την εξέλιξη της τεχνητής νοημοσύνης. Στην εποχή της AI, η ειδοποιός διαφορά δεν βρίσκεται μόνο στην πρόσβαση στην τεχνολογία, αλλά στους ανθρώπους που γνωρίζουν πώς να την αξιοποιούν. Γι’ αυτό επενδύουμε στους

ΝΟΕΜΒΡΙΟΣ 2026

ανθρώπους μας και δημιουργούμε τις συνθήκες ώστε η συνεχής μάθηση να μετατρέπεται σε ουσιαστική τεχνογνωσία και πραγματική ικανότητα υλοποίησης. Η Agile Actors συνδέει την τεχνολογική καινοτομία με τις πραγματικές ανάγκες των πελατών της, λειτουργώντας πάνω απ’ όλα ως στρατηγικός συνεργάτης στην ουσιαστική αξιοποίηση της τεχνητής νοημοσύνης.

Agile Actors Εθνικής Αντιστάσεως 62Α 152 31, Χαλάνδρι Τ: 2146873500 Ε: info@agileactors.com W: www.agileactors.com

AI GOES AGENTIC

33 3

A I & WO R K

AGENTIC AI: ΑΠΌ ΛΑΝΤΖΈΡΗΣ ΜΈΧΡΙ ΣΕΦ; Η Agentic AI δεν αλλάζει μόνο τον τρόπο με τον οποίο εκτελούνται οι εργασίες, αλλά επαναπροσδιορίζει και την αξία της ανθρώπινης εμπειρίας. Ανάμεσα στις περικοπές προσωπικού και την αναβάθμιση των εργαζομένων, οι επιχειρήσεις καλούνται να αποφασίσουν αν θα χρησιμοποιήσουν την Τεχνητή Νοημοσύνη για να αντικαταστήσουν ανθρώπους ή για να αξιοποιήσουν καλύτερα τις δυνατότητές τους. Του Βαγγέλη Βαγγελάτου

Η

είδηση βγήκε στον αέρα στις αρχές Αυγούστου και ίσως γι’ αυτό πέρασε στο «ντούκου». Όσο όλος ο πλανήτης ανησυχούσε όλο και πιο έντονα ότι, μετά το GenAI, και το Agentic AI θα του «φάει τη δουλειά», μια εταιρεία που έχει μπει σχεδόν σε κάθε σπίτι ήρθε να αποδείξει ότι γίνεται και αντίστροφα: το Agentic AI να αλλάξει τη δουλειά, και μάλιστα προς το καλύτερο. Η IKEA, ήδη από το 2021, είχε αρχίσει σταδιακά και προσεκτικά να αναπτύσσει τους ρόλους που αναλάμβανε το AI customer service chatbot της, ξεκινώντας από τα πιο απλά και βαρετά, όπως απαντήσεις για το ωράριο των καταστημάτων, τους όρους και τα προγράμματα παράδοσης κ.λπ. Έκτοτε, το ρομποτάκι αυτό, ονόματι Billie –που εννοείται ότι βαφτίστηκε έτσι για να θυμίζει την best seller βιβλιοθήκη τους, Billy, καθότι έχουν μεγάλο κόλλημα με τα ονόματα εκεί– εξελίχθηκε και σε λίγα χρόνια ανέλαβε επιτυχημένα ρόλο AI agent. Κοινώς, να σηκώνει σχεδόν όλα τα «τηλέφωνα» του μαγαζιού και να απαντά στα email, πριν καλά καλά ανάψουν στη λίστα εισερχομένων, αναδιαμορφώνοντας συνολικά το CX. Αυτή η είσοδος του agent στη σκηνή ανέβασε το ποσοστό των πελατών που εξυπηρετούνταν από AI από το 47% στο 74% μέσα σε ελάχιστα χρόνια. Ένα νούμερο έμενε μόνο να αναβοσβήνει… «8.500». Η IKEA, προ AI, απασχολούσε στην εξ αποστάσεως εξυπηρέτηση πελατών ούτε λίγο ούτε πολύ 8.500 υπαλλήλους. Ο παραδοσιακός τους ρόλος ήταν πια περιττός. Για κάποιους, ένα κόστος που θα μπορούσε να διαγραφεί. Για τη συγκεκριμένη επιχείρηση, όμως, η ανθρώπινη αλληλεπίδραση δεν ήταν «αναγκαίο κακό», αλλά

Η πραγματική αξία της Agentic AI δεν βρίσκεται στην αντικατάσταση των εργαζομένων, αλλά στην απελευθέρωση της εμπειρίας, της δημιουργικότητας και της ανθρώπινης κρίσης από τη ρουτίνα 34

AI GOES AGENTIC

παράγοντας δημιουργίας αξίας. Και ξανάγινε. Το Agentic AI μπορεί να ανέλαβε τη βαρετή πλευρά της δουλειάς, αλλά η IKEA δεν απέλυσε κανέναν. Πλήρωσε μάλιστα το κόστος της εκπαίδευσης καθενός από τους υπαλλήλους αυτούς για τον ρόλο του remote «interior design advisor», ώστε να προτείνουν ιδέες ή να απαντούν σε ερωτήσεις για το πιο δημιουργικό κομμάτι του CX, που είχε να κάνει με ιδέες για να ανανεώσεις τον χώρο σου και να τον κάνεις μοναδικό. Απαντούσαν στις πιο περίπλοκες ερωτήσεις, αλλά πρότειναν και ιδέες που έφερναν πωλήσεις. Αποτέλεσμα; Σύμφωνα με το Fortune, η κίνηση αυτή ευθύνεται για την αύξηση των πωλήσεων στα 1,25 δισεκατομμύρια ευρώ, από 1,08 δισ. ευρώ την προηγούμενη χρονιά. Η αξία αυτή ήταν καλά κρυμμένη σε εκατομμύρια ώρες βαρετής, επαναλαμβανόμενης δουλειάς από τους ίδιους ανθρώπους. Ο οργανισμός έπρεπε «απλώς» να πληρώσει τα «εύρετρα» –σε ρίσκο, χρόνο προσαρμογής περίπου δύο ετών και επένδυση στην επανεκπαίδευση– για να την αποκτήσει. Τώρα η IKEA προσλαμβάνει κι άλλους «αναλογικούς» συμβούλους, τους οποίους εκπαιδεύει έως και πέντε εβδομάδες στον νέο ρόλο.

Δύσκολοι καιροί για «συνήθειες» Το Παγκόσμιο Οικονομικό Φόρουμ υπολογίζει ότι, χάρη στη μετάβαση σε έναν νέο τρόπο δουλειάς με την AI, θα χαθούν παγκοσμίως 92 εκατομμύρια θέσεις εργασίας μέχρι το 2030. Την ίδια στιγμή, υπολογίζει ότι οι δημογραφικές αλλαγές στους χώρους και στους τρόπους δουλειάς, καθώς και οι νέες τεχνολογίες, θα δημιουργήσουν 170 εκατομμύρια νέους ρόλους και θέσεις εργασίας. Προς το παρόν, «τρέχουμε» τη μεταβατική περίοδο ανάμεσα στις δύο φάσεις. Κολοσσοί όπως η Uber –που έκοψε μονοκονδυλιά το 10% των υπαλλήλων της από το μισθολόγιό της με τη βοήθεια της AI– αλλά και η Salesforce, η Verizon, η Oracle και η Klarna είναι ανάμεσα στις πολλές εταιρείες που δεν μπόρεσαν να αντισταθούν στον πειρασμό να «κόψουν κόστος», χρησιμοποιώντας ως ψαλίδι την Τεχνητή Νοημοσύνη. Πάντα με το ρίσκο να κόψουν και λίγο ή περισσότερο από την επιχείρησή τους. Συχνά εκείνο το «λίγο» που την κρατούσε ζωντανή. ΝΟΕΜΒΡΙΟΣ 2026

«Η Τεχνητή Νοημοσύνη είναι ένα φανταστικό εργαλείο, αλλά είναι τόσο καλό όσο η πληροφορία και η εκπαίδευση που της έδωσες. Τα προηγούμενα χρόνια δεν δώσαμε όση προσοχή χρειαζόταν στην εμπειρία των ανθρώπων μας, μηχανικών και ελεγκτών που είναι μαζί μας εδώ και πολλούς κύκλους παραγωγής…» ήταν τα απολογητικά λόγια του Charles Poon, Vice President of Vehicle Hardware Engineering. Και όταν ο αντιπρόεδρος της παραγωγής του ονόματος που συνδέθηκε όσο λίγα με τη βιομηχανική επανάσταση και τον αυτοματισμό της παραγωγής παραδέχεται το λάθος του, δεν μπορείς παρά να ακούσεις. Όμως, τι είχε συμβεί; Κάπου στο τέλος της πανδημίας, η Ford συνολικά «ξεφορτώθηκε» τους περισσότερους από τους μηχανικούς ελέγχου ποιότητας εξαρτημάτων και οχημάτων στις γραμμές παραγωγής της, αντικαθιστώντας τους με AI agents που διασύνδεαν αισθητήρες, hardware, κάμερες, logistics και ρομποτικά συστήματα, αναλαμβάνοντας τον έλεγχο ποιότητας σε περίπου 33 εργοστάσια σε όλο τον κόσμο, μέσα από 1.000 κάμερες και scanners. Μέχρι τα μέσα του 2024, η Ford είδε το κόστος από τις ανακλήσεις ελαττωματικών οχημάτων της να εκτινάσσεται στα 4,8 δισεκατομμύρια ετησίως, οπότε αποφάσισε να παραδεχτεί το λάθος της. Επαναπροσέλαβε 350 από τους παλιούς της μηχανικούς, που είχαν χάσει τη δουλειά τους από τους AI agents, σε μια κίνηση που ο διεθνής Τύπος βάφτισε «Return of the Greybeards» (ελληνιστί «Η Επιστροφή των Γκριζογέννηδων»). Η δουλειά τους δεν ήταν απλώς να ξαναπιάσουν τον έλεγχο ποιότητας, αλλά να εκπαιδεύσουν κι άλλους νεότερους υπαλλήλους σε αυτόν και ταυτόχρονα να εκπαιδεύουν διαρκώς και τα AI συστήματα, ελέγχοντάς τα. «Η αξία της AI είναι ακόμα εκεί και είναι μεγάλη, αλλά χρειάζεται και την ανθρώπινη εμπειρία για να αποδώσει», όπως παραδέχθηκε και ο ίδιος ο CEO της Ford, Jim Farley, στο Bloomberg TV. Στο μεταξύ, οι ξαναπροσληφθέντες γκριζογέννηδες μηχανικοί έκαναν τη θέση της Ford στους πίνακες αξιοπιστίας και ποιότητας να αρχίσει να ανεβαίνει ξανά.

AI agents ΚΑΙ έμπειροι αναλογικοί εργαζόμενοι Καθόλου τυχαία, την ίδια εποχή που η «πατάτα» της Ford κόστιζε μερικά δισ., η έρευνα «Microsoft, 2025 Work Trend Index: The Year the Frontier Firm Is Born» εντόπιζε ότι το 47% των επιχειρηματικών ηγετών ερευνούσε και έδινε προτεραιότητα σε συγκεκριμένες ικανότητες AI συστημάτων σε βασικούς ανθρώπινους ρόλους, ενώ το 45% προτιμούσε να διατηρήσει το εργατικό του δυναμικό, ενισχύοντάς το με AI εργαλεία και βοηθούς. Κόντρα σε ένα 33% που έβλεπε την AI σαν «εργαλείο περικοπής προσωπικού». Τα τελευταία δύο χρόνια η τάση αλλάζει και βασικά ερωτήματα στις στρατηγικές AI αφορούν τόσο το πόσους AI agents πρέπει να εμπλέκει μια ομάδα, σε ποιους ρόλους και με ποιο ποσοστό αυτονομίας, όσο και σε ποιον βαθμό ο άνθρωπος πρέπει να εμπλέκεται και να ελέγχει τη δουλειά τους. Για παράδειγμα, τόσο η έρευνα της Deloitte «State of Generative AI in the Enterprise – Enterprise Adoption and Scaling Challenges» ΝΟΕΜΒΡΙΟΣ 2026

όσο και αυτή της Salesforce για τη χρήση AI agents σε εταιρείες ανθρώπινου δυναμικού, όπως η Adecco Group, προειδοποιούν ότι πολλοί ρόλοι, ειδικά σε ευαίσθητους τομείς όπως η υγεία, τα οικονομικά και το HR, θα συνεχίσουν να απαιτούν καταλογισμό ευθυνών, ανάλυση και επίβλεψη λειτουργιών και αποφάσεων κάθε είδους αυτοματισμού, αλλά και επικαιροποίηση και fine-tuning της λειτουργίας των AI agents. Και αυτό είναι εφικτό μόνο με την εμπλοκή και την επιστασία έμπειρων «αναλογικών» εργαζομένων στα AI workflows. AI agents και εξειδικευμένοι εργαζόμενοι θα πρέπει να μάθουν να συνεργάζονται αποδοτικά. Αλλιώς, όπως είπε πρόσφατα και ο Bryan Catanzaro, Vice President of Applied Deep Learning της NVIDIA, «το κόστος της Τεχνητής Νοημοσύνης θα ξεπερνά τελικά κατά πολύ το κόστος της ανθρώπινης εργασίας». AI GOES AGENTIC

35

RE S P O NS I B LE AI

ΚΑΙΝΟΤΟΜΉΣΤΕ ΥΠΕΎΘΥΝΑ ΓΙΑ ΝΑ ΜΗΝ ΤΟ ΜΕΤΑΝΙΏΣΕΤΕ… Οι agents αυξάνουν και πληθαίνουν με γοργό ρυθμό. Όμως, η δημιουργία, η υλοποίηση και κυρίως η αυστηρή εφαρμογή των αναγκαίων για τον έλεγχό τους μέτρων παραμένουν ακόμα ζητούμενο Του ΓΙΑΝΝΗ ΡΙΖΟΠΟΥΛΟΥ

Η

αντίφαση είναι σημαντική και θα έπρεπε να μας προβληματίζει: υπολογίζεται ότι το Agentic AI θα αποτελεί ως το τέλος της δεκαετίας, το 40% του συνόλου της αξίας που θα παίρνουμε από την Τεχνητή Νοημοσύνη και τις πάμπολλες δυνατότητές της. Όμως, σήμερα, μόλις το 5% των επιχειρήσεων διαθέτουν τα απαιτούμενα συστήματα ελέγχου, προκειμένου οι agents να λειτουργούν σε ασφαλές καθεστώς αυτονομίας. Αυτά τα αποτελέσματα καταγράφει η πρόσφατη έρευνα Applied AI Index του Boston Consulting Group, θέτοντάς μας μοιραία προ των ευθυνών μας για το τι μέλλει γενέσθαι. Άλλωστε, στον αυξημένο προβληματισμό βοηθούν και οι πρόσφατες ‘αστοχίες’ agents, όχι μονάχα ενός, αλλά πολλών δημιουργών, που δημοσιοποιήθηκαν και θορύβησαν

36

AI GOES AGENTIC

όχι μόνο τους ίδιους (μερικοί έσπευσαν, μάλιστα, να αποσύρουν εσπευσμένα τους ‘ενόχους’ από την κυκλοφορία), αλλά και τη διεθνή κοινή γνώμη. Οι αλγόριθμοι μπορεί να αποτελούν τη βάση, τον ‘πυρήνα’ κάθε τέτοιου μοντέλου (και καλό θα ήταν να ξέραμε, όπως υποστηρίζουν πολλοί ειδήμονες, τι περιλαμβάνουν και βάσει ποιων κανόνων λειτουργούν τα black boxes πλατφορμών και εφαρμογών, κάτι που σήμερα αποτελεί επτασφράγιστο μυστικό) όμως, το δικό τους μερίδιο ίσως είναι το μικρότερο, σε σύγκριση με όσα συνεισφέρουν στο τελικό αποτέλεσμα η καινοτόμα προσέγγιση στην τεχνολογία, η ποιότητα των δεδομένων, η ορθότητα των διαδικασιών και η σοβαρότητα στην ορθή εφαρμογή ρυθμιστικών πλαισίων και κανόνων διακυβέρνησης, με κοινό παρονομαστή, καταλύτη και ελεγκτή παντού και πάντα τον άνθρωπο. ΝΟΕΜΒΡΙΟΣ 2026

Το μέλλον… ορατό

Πόσο σημαντικά είναι αυτά; Πάρα πολύ, με δεδομένη τη διάδοση των agent σήμερα κι ακόμα περισσότερο τα επόμενα χρόνια. Σύμφωνα με στοιχεία της IBM και της Gartner, τα οποία επικαλείται η ΕΥ, περίπου ένα δισεκατομμύριο agents βρίσκονται σήμερα εν ενεργεία και, ως το 2028, η επίδρασή τους θα είναι ακόμα πιο σημαντική στην καθημερινότητά μας. Συγκεκριμένα, το 33% του επιχειρηματικού λογισμικού θα περιλαμβάνει agents, το 15% των αποφάσεων θα λαμβάνεται από αυτούς και οι ίδιοι θα επιλύουν, επίσης, το 80% των προβλημάτων σχετικά με παράπονα καταναλωτών. Μάλιστα -πιο καινοτόμο αυτό και ίδιο των καιρών- το 40% των επιχειρήσεων θα αξιοποιεί την ΤΝ για να μετράει τις συνιστώσες και να επηρεάζει τη συμπεριφορά των εργαζομένων της… Όλα αυτά τα ευρήματα αφενός αποτελούν έμπρακτη επιβεβαίωση της σημερινής δημοφιλίας των agent, αφετέρου δικαιολογούν την ανησυχία σημαντικού μέρους της κοινής γνώμης για την ταχεία εξέλιξή τους, χωρίς προηγουμένως να έχουν τεθεί τα ανάλογα ρυθμιστικά πλαίσια και να έχουν εδραιωθεί (όσο κάτι τέτοιο είναι δυνατό, σε ένα τοπίο που αλλάζει διαρκώς) οι κανόνες λειτουργίας τους. Γιατί, όσο κι αν είναι κατανοητή η επιθυμία των ηγετικών στελεχών επιχειρήσεων και οργανισμών να ‘προσλάβουν’ ως βοηθούς και συμπαραστάτες μια ή περισσότερες ομάδες agents που μπορούν να λειτουργούν αυτόνομα 24/7, να μην παραπονούνται για τα ωράρια, να μην αρρωσταίνουν, να μη ζητούν αύξηση κάθε χρόνο και παραπάνω χρήματα για υπερωρίες κάθε μέρα, το τελικό αποτέλεσμα της εργασίας τους μπορεί να προσφέρει πολλά, όσον αφορά στην εξοικονόμηση χρόνου και χρημάτων, αλλά ταυτόχρονα μπορεί να κρύβει αρκετούς κινδύνους. Τουλάχιστον, τώρα στην αρχή -που, όπως όλοι παραδέχονται- δεν έχουμε φτάσει ακόμα σε αξιοπρεπές επίπεδο ωριμότητας ως προς τη χρήση τους.

Δυνατότητες και ρίσκα

Κανείς δεν αμφισβητεί πως τα πλεονεκτήματα των agents είναι πολλά και σημαντικά. Με τη σωστή χρήση και διαχείριση μπορούν να αλλάξουν τις ροές εργασίας και να μεταμορφώσουν την καθημερινότητα σε μια επιχείρηση ή οργανισμό, Όμως, από την άλλη (επίσης, αναμφισβήτητο) προσθέτουν -λόγω αυτονομίας και χειραφέτησης (ως ένα βαθμό, ευτυχώς) ένα επιπλέον επίπεδο ρίσκου στα ήδη υπάρχοντα. Κι αυτό είναι λογικό και ευεξήγητο: η διάδραση των συστημάτων με τους χρήστες άφηνε ως τώρα μεγάλα περιθώρια να εντοπισθεί κάποιο λάθος ή αβλεψία, συχνά σε πρώιμο στάδιο, και να προληφθεί μια μεγαλύτερη καταστροφή. Η λήψη της απόφασης από τις μηχανές -που προφανώς δεν είναι αλάθητες, όσο μικρό κι αν είναι το σφάλμα που εισάγουν- μας φέρνει προ τετελεσμένων γεγονότων, μπροστά σε καταστάσεις ενίοτε μη-αναστρέψιμες… Οι ειδήμονες του χώρου μιλούν για νέες τρωτότητες, συχνά αλυσιδωτές, με το σφάλμα ενός agent να προκαλεί ανάλογα ΝΟΕΜΒΡΙΟΣ 2026

σφάλματα σε δεύτερο ή τρίτο συνεργαζόμενο μαζί του. Μάλιστα, βάσει της ίδιας λογικής, η ‘άλωση’ ενός agent στο πλαίσιο μιας επιτυχημένης κυβερνοεπίθεσης, μπορεί να επηρεάσει και τους υπόλοιπους με τους οποίους επικοινωνεί. Για να μη μιλήσουμε σχετικά με ‘διαρροές’ δεδομένων ή χαμηλής ποιότητας δεδομένα τα οποία αξιοποιούν (ως μη όφειλαν) κάποιοι agents, που θεωρούν υποχρέωσή τους (αυτό τους μαθαίνουμε, άλλωστε) να δώσουν οπωσδήποτε αποτέλεσμα, σωστό ή λάθος. Κι αν ‘νιώθουν’ ότι πήραν λάθος δρόμο στην πορεία προς την επίλυση κάποιου θέματος και την εκτέλεση της αποστολής τους, αρκετές φορές προσπαθούν να καλύψουν τα ίχνη τους και να ‘θολώσουν τα νερά’…

Το πραγματικό στοίχημα δεν είναι πόσα μπορούν να κάνουν οι agents χωρίς εμάς, αλλά πόσο αποτελεσματικά μπορούμε να διατηρήσουμε τον έλεγχο όσων κάνουν για εμάς AI GOES AGENTIC

37

RE S P O NS I B LE AI

Για να προλάβουμε τα χειρότερα, αποτελεί υποχρέωση των χρηστών -η όσων τους ελέγχουν, τέλος πάντων- η υιοθέτηση και αυστηρή εφαρμογή κανόνων ορθής διακυβέρνησης, αλλά και όσων προστάζουν τα υφιστάμενα ρυθμιστικά πλαίσια. Ο Σπύρος Τάσσης, εταίρος της δικηγορικής εταιρίας PotamitisVekris, από τους πλέον αναγνωρισμένους νομικούς σε θέματα τεχνολογίας και προστασίας δεδομένων στην Ελλάδα και Πρόεδρος της Ένωσης Προστασίας Προσωπικών Δεδομένων & Ιδιωτικότητας, που μας μίλησε στο πλαίσιο αυτού του αφιερώματος, τονίζει ως προς αυτό ότι… «Ο agent δεν απαντά απλώς στα ερωτήματά μας, αλλά ενεργεί! Μπορεί να διαβάζει email, να χειρίζεται λογαριασμούς, να κάνει αγορές. Έτσι, η συγκέντρωση δεδομένων, η ‘μνήμη’ που μπορεί να δημιουργεί προφίλ και το prompt injection (δηλαδή οι κρυμμένες κακόβουλες οδηγίες που τον παραπλανούν) αποκτούν ιδιαίτερη σημασία. Χρειάζονται κατ’ ελάχιστον περιορισμένα και σαφή δικαιώματα πρόσβασης, έγκριση κρίσιμων ενεργειών από άνθρωπο και καταγραφή για σκοπούς ελέγχου και λογοδοσίας. Όλα αυτά ως ειδική ενότητα στο συνολικό πλαίσιο ψηφιακής διακυβέρνησης και όχι ως απομονωμένο τεχνικό ζήτημα»

Η ευθύνη δεν μεταβιβάζεται

Όσο για την ευθύνη και την απαραίτητη λογοδοσία, αν κάτι πάει στραβά, δηλώνει πως «η συμμόρφωση δεν πρέπει να στηρίζεται στην ‘καλή θέληση’ του μοντέλου, αλλά σε τεχνικούς περιορισμούς, δοκιμές σε ασφαλές περιβάλλον, συνεχή παρακολούθηση και switches έκτακτης ανάγκης. Η ευθύνη δεν γίνεται να μεταβιβάζεται στον agent, οπότε πχ. για τα προσωπικά δεδομένα, υπεύθυνος επεξεργασίας είναι όποιος καθορίζει τους σκοπούς και τα μέσα επεξεργασίας κι όχι αυτομάτως όποιος αναπτύσσει το σύστημα. Ο πάροχος μπορεί επίσης να ευθύνεται, ανάλογα με τον ρόλο και την παράβασή του. Η δικαιολογία ‘έφταιξε ο αλγόριθμος’ δεν αρκεί για απαλλαγή». Σε κάθε πρόβλημα και παράβαση, όμως, όσο μικρή κι αν είναι αυτή, η εσπευσμένη ανίχνευση και αποκατάσταση καθόλου δεν αναιρεί την απώλεια εμπιστοσύνης στον πάροχο και τη λύση του. Ο Σπύρος Τάσσης, αυτό το επισημαίνει ιδιαίτερα: «Λόγω ταχύτητας και κλίμακας, ένα λάθος μπορεί να πολλαπλασιαστεί πριν εντοπιστεί, ιδίως αν δεν υπάρχουν καταγραφή και ειδοποιήσεις. Η διόρθωση του συστήματος δεν αναιρεί τη

Η Τεχνητή Νοημοσύνη μπορεί να ενεργεί αυτόνομα, όχι όμως και να αναλαμβάνει την ευθύνη των πράξεών της. Η δικαιολογία «έφταιξε ο αλγόριθμος» δεν απαλλάσσει κανέναν 38

AI GOES AGENTIC

ζημιά. Ο Γενικός Κανονισμός Προσωπικών Δεδομένων (Σ.Σ. το γνωστό μας GDPR) απαιτεί γνωστοποίηση στην αρμόδια αρχή χωρίς αδικαιολόγητη καθυστέρηση και, εφόσον είναι εφικτό, εντός 72 ωρών από τη γνώση της παραβίασης, εκτός αν είναι απίθανο να προκύψει κίνδυνος. Η ενημέρωση των θιγομένων απαιτείται, κατά κανόνα, όταν πιθανολογείται υψηλός κίνδυνος, καθώς τυχόν απόκρυψη μπορεί να μετατρέψει ένα περιστατικό σε κρίση εμπιστοσύνης…»

Αδιαπραγμάτευτη η ασφάλεια

Κι όπως είναι ευνόητο, ο μεγαλύτερος βαθμός αυτονομίας δεν μπορεί παρά να έχει ως αποτέλεσμα περισσότερη έκθεση σε αστοχίες και ρίσκο. Για έναν agent που έχει ταυτόχρονα πρόσβαση σε αρχεία, λογισμικό, προσωπικά στοιχεία, βάσεις δεδομένων και εφαρμογές, οι συνέπειες μιας λανθασμένης απόφασης ή κίνησης μπορεί να έχει πραγματικά σοβαρές συνέπειες, ανάλογα πάντα και με το τι του ζητάμε να κάνει. Για να προληφθεί εν τη γενέσει της μια τέτοια περίπτωση ‘μοιραίου’ λάθους, τι πρέπει να κάνει ο Chief Security Officer της εταιρίας ή του οργανισμού που τον χρησιμοποιεί, ρωτήσαμε την Ντίνα Συντίλα, Cyber Security Regional Sales Manager της Cisco για την Κεντρική, τη ΝΑ Ευρώπη και το Ισραήλ και πρόεδρο του ελληνικού παραρτήματος της ICS2, επαγγελματικής οργάνωσης των CISO ανά τον κόσμο. Να τι μας είπε: «Η πρώτη αντίδραση είναι να εφαρμόσουν τις θεμελιώδεις αρχές ασφάλειας, δηλαδή να αποκτήσουν ορατότητα και διακυβέρνηση επί των δράσεων των agents. Κάθε agent πρέπει να λογίζεται ως μη-ανθρώπινη-ταυτότητα, με συγκεκριμένο ιδιοκτήτη που έχει την ευθύνη του, σκοπό, δικαιώματα, δεδομένα και ίχνη ελέγχου για το τι ενεργοποιήθηκε (audit trail). H αυτονομία αλλάζει ουσιαστικά το μοντέλο ελέγχου». Κι αν η αυτονομία, στον βαθμό που τη διαθέτει, του επιτρέψει να ‘ξεφύγει’; Τι γίνεται σ’ αυτή την περίπτωση; «Έχουμε αύξηση blast radius! (Σ.Σ. ο όρος blast radius, δάνειος από τη Φυσική των εκρηκτικών υλών, περιγράφει ποια εν δυνάμει ζημιά μπορεί να προκαλέσει μια παραβίαση και πόσο μεγάλος μπορεί να είναι ο αντίκτυπος του πλήγματος, αν πετύχει στόχο – βοηθά τους οργανισμούς να προσδιορίσουν τι θα επηρεαστεί, αν ένα σύστημα ‘αλωθεί’) Ο agent δεν είναι απλώς λογισμικό — διαβάζει μη αξιόπιστο περιεχόμενο, επεξεργάζεται πληροφορίες από τις οποίες βγάζει συμπεράσματα, και ενεργεί μέσω διεπαφών και εργαλείων. Αυτό γεννά άγνωστους -μέχρι στιγμής- κινδύνους: κακόβουλη εισαγωγή εντολών, υπερβολική αυτονομία και κατάχρηση εργαλείων, με πολλαπλασιαστικό αποτέλεσμα. Ένα παράδειγμα αυτονομίας που ξέφυγε είναι το περιστατικό με το Replit AI coding agent (Ιούλιος 2025). Ο συγκεκριμένος agent, ενώ εκτελούσε εργασία ρουτίνας, διέγραψε παραγωγική βάση δεδομένων -παρότι είχε ρητή εντολή να μην προβεί σε αλλαγές— και στη συνέχεια προσπάθησε να «καλύψει» το σφάλμα, δημιουργώντας ψεύτικα δεδομένα και παραπλανητικές ΝΟΕΜΒΡΙΟΣ 2026

αναφορές. Το περιστατικό δείχνει καθαρά πώς η αυτονομία, χωρίς αυστηρούς μηχανισμούς προστασίας (guardrails), μετατρέπει ένα απλό εργαλείο παραγωγικότητας σε απρόβλεπτο ρίσκο, με πραγματικές, μη αναστρέψιμες συνέπειες».

Zero Trust, πιο αναγκαίο από ποτέ

Πολύ συχνά, μιλάμε μετ’ επιτάσεως στον χώρο της κυβερνοασφάλειας για εφαρμογή του κανόνα zero trust (δηλ. μηδενικής ανοχής), κατά το δυνατό περισσότερο. Να υποθέσουμε ότι αυτός ο κανόνας πρέπει να εφαρμόζεται σε ακόμα μεγαλύτερο βαθμό και στους agents; Η κ. Συντίλα υπερθεματίζει: «Χρειάζεται καινοτομία, ώστε το Zero Trust να μπορέσει να επεκταθεί στους agents και στην επικοινωνία μεταξύ τους: least privilege, συνεχής εξουσιοδότηση, διαχωρισμός ρόλων και ρητή έγκριση από άνθρωπο για ενέργειες που έχουν εν δυνάμει σημαντικές επιπτώσεις. Η ανάγκη για security-by-design στον νέο θαυμαστό κόσμο, όπου οι agents έχουν -έστω, μικρά- περιθώρια αυτονομίας είναι σήμερα μεγαλύτερη από ποτέ άλλοτε. Έννοιες όπως η μοντελοποίηση απειλών και η επιβολή πολιτικών πρέπει να είναι αναπόσπαστο κομμάτι του αρχικού σχεδιασμού κάθε σχετικού έργου». Αυτό, με απλά λόγια, σημαίνει πως κάθε agent πρέπει να έχει μια ξεκάθαρη ταυτότητα και εξίσου ξεκάθαρα δικαιώματα πρόσβασης. Στο πλαίσιο ενός ολοκληρωμένου συστήματος, πρέπει να είναι εκ των προτέρων γνωστές οι δράσεις που επιτρέπονται στον καθένα και βάσει ποιας άδειας, τα δεδομένα στα οποία μπορεί να έχει πρόσβαση κι ακόμα, αν αυτή η δράση συνάδει με τον ρόλο που του αναλογεί. Μ’ αυτό τον τρόπο, περιορίζεται και η προσπάθεια αξιοποίησης κάποιων τρωτοτήτων των agents, με ψευδείς εντολές και άλλες μορφές κακόβουλων επιθέσεων. Μάλιστα σύμφωνα με τη διεθνή ειδησεογραφία, η NVIDIA έχει προσθέσει από τον περασμένο Σεπτέμβριο άλλο ένα σημαντικό μέτρο προστασίας, ενεργοποιώντας τη δική της Open Agent Safety Platform. Αυτή συνδυάζει το OpenShell, εφαρμογή ασφαλείας για agents, με το Sentry, ένα ξεχωριστό σύστημα παρακολούθησης και ελέγχου. Κατά την εταιρία, το Sentry μπορεί να απομονώσει σε ελάχιστα χιλιοστά του δευτερολέπτου έναν agent, αν αντιληφθεί ότι αρχίζει να κινείται έξω από τα προκαθορισμένα και εγκεκριμένα από τον διαχειριστή του συστήματος όρια. Γενικά, πρέπει να εξασφαλίζουμε πως τον τελικό λόγο θα τον έχει ο άνθρωπος – ο agent μπορεί να κάνει προτάσεις, αλλά η ευθύνη για την τελική έγκριση ανήκει σ’ αυτόν.

ΑΙ και ΑΙ agent διαφέρουν

Είναι επιβεβλημένο, πάντως, να κάνουμε μια διάκριση ανάμεσα στις απαιτήσεις, από πλευράς διακυβέρνησης, μεταξύ AI και Agentic AI. Τι παραπάνω χρειάζεται στη δεύτερη περίπτωση και πόσο είναι εύκολη στην πράξη η ανθρώπινη (human-in-theloop, λέμε συνεχώς) εποπτεία συστημάτων που δείχνουν να ‘ξεφεύγουν’ συχνά, στο πλαίσιο της (καλώς ή κακώς νοούμεΝΟΕΜΒΡΙΟΣ 2026

νης) αυτονομίας τους; Αυτή την ερώτηση απευθύναμε στην καθηγήτρια του πανεπιστημίου Αιγαίου, Λίλιαν Μήτρου, από τους πλέον ειδήμονες στην Ελλάδα όσον αφορά στο θεωρητικό σκέλος της Τεχνητής Νοημοσύνης. Να τι μας είπε: «Είναι προφανές ότι-σύμφωνα και με την επένδυση με βάση τον κίνδυνο που υιοθετεί η AI Act-, όσο μεγαλύτερη είναι η αυτονομία ενός συστήματος, τόσο περισσότερο αυξάνεται η ανάγκη άσκησης εποπτείας με τη διαμόρφωση κατάλληλων και αποτελεσματικών μηχανισμών ανθρώπινου ελέγχου, όταν πρόκειται για σύστημα της κατηγορίας του υψηλού κινδύνου. Η AI Act προβλέπει στο άρθρο 14 ότι τα συστήματα ΤΝ υψηλού κινδύνου πρέπει να σχεδιάζονται και να αναπτύσσονται κατά τρόπο που να επιτρέπει την αποτελεσματική εποπτεία τους από φυσικά πρόσωπα στη διάρκεια της χρήσης τους. Αυτή η εποπτεία αποσκοπεί στην πρόληψη ή ελαχιστοποίηση των κινδύνων για την υγεία, την ασφάλεια και τα θεμελιώδη δικαιώματα και προϋποθέτει ότι το πρόσωπο που ασκεί εποπτεία διαθέτει ουσιαστική δυνατότητα κατανόησης των δυνατοτήτων και των περιορισμών του συστήματος, παρακολούθησης της λειτουργίας του, ορθής ερμηνείας των αποτελεσμάτων του και, όπου απαιτείται, παρέμβασης, παράκαμψης ή διακοπής της λειτουργίας του». Όμως, η AI Act καλύπτει την περίπτωση των agents (καθώς προέκυψαν μετά την πρώτη έκδοσή του) ή απαιτείται κάποια (δύσκολη, αφού θα γίνει ‘εν πτήσει’) αναθεώρηση; «Η AI Act AI GOES AGENTIC

39

RE S P O NS I B LE AI

Για το μέγα θέμα της συμμόρφωσης, πάλι, τι μέλλει γενέσθαι; Άρχισαν κιόλας τα προβλήματα, όπως διαβάζουμε, καθημερινά. Πώς θα τα αντιμετωπίσουν χρήστες και θεσμικά όργανα; Η κ. Μήτρου ξεκινά με μια αισιόδοξη δήλωση: «Καταρχάς, έχει γίνει ένα σημαντικό βήμα: η Ελλάδα έχει πλέον θεσπίσει εθνικό εφαρμοστικό νόμο, τον ν. 5321/2026, που οργανώνει την εφαρμογή του AI Act στην Ελλάδα περιλαμβάνοντας μεταξύ άλλων ρυθμίσεις για τον ορισμό εθνικών αρμόδιων αρχών και μηχανισμών συντονισμού, την οργάνωση της εποπτείας της αγοράς και των διαδικασιών καταγγελιών, τη θέσπιση πλαισίου διοικητικών κυρώσεων. Όμως, στον ιδιωτικό τομέα παρατηρείται σημαντική απόσταση μεταξύ αυξανόμενης υιοθέτησης της ΤΝ και ανάπτυξης οργανωμένων μηχανισμών συμμόρφωσης και λογοδοσίας και της ανάπτυξης της λεγόμενης διακυβέρνησης της ΤΝ, σε ένα ευρύτερο πλαίσιο εταιρικής διακυβέρνησης, διακυβέρνησης δεδομένων, κυβερνοασφάλειας, διαχείρισης κινδύνων και λογοδοσίας. Οι επιχειρήσεις επενδύουν ολοένα περισσότερο σε εφαρμογές ΤΝ, χωρίς να είναι πάντοτε σαφές ότι έχουν αναπτύξει αντίστοιχες διαδικασίες αξιολόγησης κινδύνων, ανθρώπινης εποπτείας και εσωτερικού ελέγχου…»

Έχουν οι agent ηθική;

καλύπτει καταρχήν και τα συστήματα Agentic AI (AI agents), αν και η ανάπτυξη και ευρεία διάδοσή τους επιταχύνθηκαν μετά τη διαμόρφωση του αρχικού νομοθετικού κειμένου. Καταρχάς ο ορισμός του συστήματος ΤΝ στο άρθρο 3 είναι σκοπίμως ευρύς και τεχνολογικά ουδέτερος. Αναφέρεται, μάλιστα, σε συστήματα σχεδιασμένα να λειτουργούν με «διαφορετικά επίπεδα αυτονομίας», τα οποία παράγουν προβλέψεις, περιεχόμενο, συστάσεις ή αποφάσεις που μπορούν να επηρεάζουν φυσικά ή εικονικά περιβάλλοντα. Συνεπώς, το κρίσιμο ερώτημα έχει να κάνει με τα λειτουργικά χαρακτηριστικά ενός συστήματος Agentic AI, τον επιδιωκόμενο σκοπό του και την κατηγορία κινδύνου στην οποία υπάγεται».

Όσο περισσότεροι AI agents αναλαμβάνουν αποφάσεις και ενέργειες, τόσο πιο επιτακτική γίνεται η ανάγκη για σαφή όρια, ανθρώπινη εποπτεία και μηχανισμούς ουσιαστικής λογοδοσίας 40

AI GOES AGENTIC

Ένα άλλο ερώτημα, που επίσης εμφανίζεται πότε-πότε στις συζητήσεις και τα στρογγυλά τραπέζια, είναι αν οι agents έχουν ‘ηθικές αρχές’, ανάλογες με τις δικές μας - τις αντιλαμβάνονται, άραγε, και πώς τις εφαρμόζουν; Σ’ αυτήν ακριβώς την ερώτηση απαντά ο νομικός Αλέξανδρος Νούσιας, συνεργάτης έρευνας στο Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών του ΕΚΕΦΕ ‘Δημόκριτος’ σε θέματα νομικής και ηθικής γύρω από τη διακυβέρνηση των δεδομένων και την ΤΝ. «Όταν μιλάμε για agents, μιλάμε για πρωτόκολλα σύνδεσης αυτών με τρίτα συστήματα, με εργαλεία και με δεδομένα (MCPs), με πρωτόκολλα που επιτρέπουν το συντονισμό των agents μεταξύ τους (A2A), ‘ενορχηστρωτές’ που θέτουν επιμέρους στόχους, για ρόλους, ροές εργασίας και κοινές στοχεύσεις, για δυνατότητα ντετερμινιστικής εξόρυξης γνώσης που οδηγεί σε πιθανοτικά αποτελέσματα, μεγάλης κλίμακας. Άρα, το ζητούμενο είναι η στιβαρή αρχιτεκτονική σε καθαρή γλώσσα, κατανοητή σε και από όλους τους agents». Κι όλα αυτά, ποιος έχει την ευθύνη να παρακολουθεί, να ελέγχει κι -όταν χρειαστεί- να αποτρέπει το κακό; Πόσο αυστηρά μπορούν να γίνουν τα λεγόμενα guardrails, ποιος θα κάνει το monitoring; «Θα επαναδιατύπωνα το ερώτημα ως εξής: σε ποιο βαθμό και με ποιο τρόπο μπορεί ο άνθρωπος να ελέγξει, να παρέμβει, να αποτρέψει ή να διορθώσει ένα πακέτο ροών εργασίας εντός ενός σμήνους από agents; Κι εδώ η Ευρώπη φαίνεται να τοποθετείται σωστά: Στις εργασίες της CEN/CENELEC JTC21 για το πρότυπο EN18229-3: AI System Requirements – Part 5: Human Oversight, όπου έχουμε την τύχη να συμμετέχουμε, κάνει μία τολμηρή παραδοχή: αναγνωρίζει την -σε πολλές περιπτώσειςΝΟΕΜΒΡΙΟΣ 2026

πρακτική αδυναμία ανθρώπινης παρέμβασης, σε πραγματικό χρόνο. Επ’ αυτής της βάσης εισαγάγει: α) την έννοια του ‘μέγιστου χρόνου αντίδρασης’ που προσφέρεται σε μία υπόθεση εργασίας πριν επέλθει ένα αρνητικό αποτέλεσμα και β) τον ελάχιστο χρόνο που πράγματι μπορεί κάποιος να αντιδράσει. Όταν α & β, τότε η ανθρώπινη εποπτεία με τη συμβατική έννοια παύει να υφίσταται και αναδύονται νέες μορφές της. Εκεί, σ’ αυτές, πρέπει να εστιάσουμε». Σε μια τέτοια περίπτωση, ποιος τελικά θα έχει το ‘πάνω χέρι’; «Θεωρώ πως αυτό το ερώτημα έχει ήδη μετατοπιστεί από το

τί μπορεί να κάνει η Τεχνητή Νοημοσύνη, στο τί αξίζει να πράττει, να νιώθει, να δημιουργεί και να αποφασίζει ο άνθρωπος, σε ένα περιβάλλον συνύπαρξης με αυτήν. Και, αντίστοιχα, πώς κρατούν οι θεσμοί αυτόν τον χώρο ανοιχτό. Αν το σκεφτείτε, από την κατασκευή παπουτσιών έως τη νοητική εργασία, το ‘χειροποίητο’ έδωσε σταδιακά τη θέση του στο μηχανικό — φυσικά όχι γραμμικά και όχι παντού. Ωστόσο, η αυτοματοποίηση έγινε κανόνας και το χειροποίητο έγινε premium. Η πρόκληση επομένως είναι να μη γίνει η ανθρώπινη κρίση το νέο χειροποίητο: ακριβή, σπάνια και μονάχα για λίγους».

Η επόμενη ημέρα… Κρατήσαμε μια καταληκτική και καθοριστική για την επόμενη ημέρα ερώτηση για τον καθένα από τους τέσσερις συν-ομιλητές μας. Για τον Σπύρο Τάσση – Οι BigTech επιμένουν σφόδρα, αντί των σκληρών κανονιστικών πλαισίων, που θέλουν να τους επιβάλουν, να δεσμευτούν σε αυτορρύθμιση. Πόση επιτυχία μπορεί να έχει μια τέτοια εξέλιξη; Με άλλα λόγια, τις εμπιστευόμαστε; «Οι εθελοντικές δεσμεύσεις είναι χρήσιμες, αλλά δεν θα εμπιστευόμουν αποκλειστικά την αυτοσυγκράτηση εταιρειών υπό ανταγωνιστική πίεση. Προσωπικά, προκρίνω μικτό μοντέλο με δεσμευτικούς κανόνες και ευθύνη, ανεξάρτητους ελέγχους, αποτελεσματική εποπτεία και συμπληρωματικά κλαδικά πρότυπα. Δεν ξεκινάμε από θεσμικό κενό, ο GDPR ήδη επιβάλλει υποχρεώσεις και προβλέπει αποζημίωση υπό προϋποθέσεις. Ζητούμενο είναι η εφαρμογή των κανόνων και η στοχευμένη κάλυψη πραγματικών κενών». Για την Ντίνα Συντίλα – Τι θα πρέπει να περιλαμβάνει οπωσδήποτε ένα ολοκληρωμένο και σωστό πλάνο χρήσης agents σε έναν οργανισμό ή μια επιχείρηση;

ΝΟΕΜΒΡΙΟΣ 2026

«Πάνω απ’ όλα, πλήρη καταγραφή: πρέπει να γνωρίζουμε ποιοι agents λειτουργούν και πού, με ελεγχόμενο τρόπο. Χρειάζεται, επίσης, έλεγχος των ενεργειών τους (action control) -όχι μόνο της πρόσβασης- και δυνατότητα άμεσης απενεργοποίησης (kill switch), όταν χρειαστεί. Απαραίτητες είναι και οι δοκιμές ασφαλείας για κακόβουλες εισαγωγές εντολών, κατάχρηση εργαλείων και διαρροή δεδομένων. Τέλος, ο κίνδυνος πρέπει να επαναξιολογείται συνεχώς, αφού η χρήση agents δημιουργεί συνθήκες που διαρκώς αλλάζουν». Για την Λίλιαν Μήτρου - Τι γίνεται με τα θέματα της ευθύνης και της λογοδοσίας; Ποιος θα ‘πληρώσει’ αν τύχει μια ‘στραβή’; (κάτι που, αργά ή γρήγορα, σίγουρα θα συμβεί...) «Το γεγονός ότι ένα σύστημα ΤΝ μπορεί να ενεργεί αυτόνομα δεν σημαίνει ότι η αυτονομία του απαλλάσσει από την ευθύνη τα φυσικά και νομικά πρόσωπα που εμπλέκονται στον σχεδιασμό, τη διάθεση και την επιλογή της χρήσης του, από τις συνέπειες ή και βλάβες που μπορεί να προκύπτουν από τη χρήση τους. Το πραγματικό πρόβλημα ανακύπτει όταν η ζημία δεν μπορεί να αποδοθεί σε μια συγκεκριμένη ανθρώπινη ενέργεια ή παράλειψη,

αλλά προκύπτει από μια αλληλουχία αυτόνομων ενεργειών, ενδεχομένως κι από την αλληλεπίδραση περισσότερων συστημάτων. Σ’ αυτές τις περιπτώσεις, το πλήθος των εμπλεκομένων παραγόντων, η πολυπλοκότητα, η αδιαφάνεια και η περιορισμένη προβλεψιμότητα της λειτουργίας και των δεδομένων εξόδου, των αποτελεσμάτων των AI agents δυσχεραίνουν ακόμη περισσότερο την απόδειξη της υπαιτιότητας, του ελαττώματος και κυρίως του αιτιώδους συνδέσμου μεταξύ της χρήσης ενός τέτοιου συστήματος και της βλάβης που έχει προκληθεί». Για τον Αλέξανδρο Νούσια – τι προβλήματα γεννά, τελικά, η συνεργασία ανθρώπων και agents; «Σε ένα περιβάλλον αυτοματοποίησης σε μεγάλη κλίμακα ο άνθρωπος πρακτικά δεν βρίσκεται στο επίκεντρο. Ακολουθεί μία ροή και -στην καλύτερη των περιπτώσεων- εγκρίνει σειρά ενεργειών που είτε δεν κατανοεί, είτε δεν έχει την πολυτέλεια του χρόνου να κάτσει να κατανοήσει. Άρα, προσωπικά θα πρότεινα να επαναπροσδιορίσουμε το νόημα της αρχής ‘ο άνθρωπος στο επίκεντρο».

AI GOES AGENTIC

41

TH E FU T U R E

Η ΕΠΟΧΉ ΤΟΥ AGENTIC AI ΞΕΚΊΝΗΣΕ ΚΑΙ ΤΟ ΜΈΛΛΟΝ ΠΡΟΒΛΈΠΕΤΑΙ ΛΑΜΠΡΌ Οι agents αυξάνουν και πληθαίνουν με εκθετική πρόοδο, εισβάλλοντας σε επιχειρήσεις και οργανισμούς, στα εργοστάσια, αλλά και στα σπίτια μας. Ποια θα είναι για αυτούς -κι εμάς, που τους χρησιμοποιούμε, βεβαίωςη επόμενη ημέρα; Τι μας επιφυλάσσει το μέλλον; Του Γιάννη Ριζόπουλου

Ο

ψηφιακός μετασχηματισμός των πάντων ήταν το πρώτο σημαντικό βήμα, όσον αφορά στην είσοδο της τεχνολογίας στην καθημερινότητά μας, στη δουλειά και στο σπίτι. Το επόμενο ήταν η ‘εν πτήσει’ προσαρμογή του αενάως συνεχιζόμενου μετασχηματισμού (γιατί, θεωρητικά, δεν σταματά ποτέ, διευρύνεται και επεκτείνεται συνεχώς – μόλις επιτευχθεί ένας στόχος, παίρνει σειρά ο επόμενος) στην εποχή της Τεχνητής Νοημοσύνης, εκεί γύρω στις αρχές του ’23 που συνεχίζεται ως σήμερα, καθώς πλέον αλλάζουν οι συνθήκες, πολλαπλασιάζονται οι ανάγκες και αξιοποιούνται ταχύτατα οι νέες δυνατότητες. Το τρίτο βήμα έχει να κάνει με την εποχή των Agents, που μας ‘απειλούν’ με ακόμα μια επανάσταση, καθώς η εντυπωσιακή μετεξέλιξη των παλιών, καλών ψηφιακών βοηθών μπαίνει στη ζωή μας, αλλάζοντας συνθέμελα ειδικά τον τρόπο που εργαζόμαστε σήμερα και θα συν-εργαζόμαστε με τις μηχανές αύριο. ‘Μεθαύριο’, όμως, τι θα γίνει; Ποια θα είναι η επόμενη ημέρα των agents και ποιο το δικό τους μέλλον, που -απ’ ό,τι φαίνεται- θα είναι αδιάσπαστα δεμένο με το δικό μας; Η ειδησεογραφία μας τροφοδοτεί καθημερινά με νέα ‘κατορθώματα’ των agents – αρνητικά και θετικά ανάμικτα, αν και τα πρώτα παίρνουν, σύμφωνα με τον άγραφο νόμο της δημοσιότητας πως ‘το κακό’ πουλάει περισσότερο, πολύ μεγαλύτερη προβολή. Κι αυτό είναι κάτι που έχει πολλαπλές επιπτώσεις… Από τη μια, είναι καλό να γνωρίζουμε τις παρεκτροπές και τις

Στο μέλλον του Agentic AI, ο ανταγωνισμός δεν θα κρίνεται από το ποιος διαθέτει τους περισσότερους agents, αλλά από το ποιος ξέρει να τους ενορχηστρώνει 42

AI GOES AGENTIC

αστοχίες τους (όταν τις μαθαίνουμε, γιατί υπάρχουν και περιπτώσεις απόκρυψης, που αποκαλύπτονται ίσως μήνες μετά, όταν ‘δεν πάει άλλο’…), καθώς μπορεί να λειτουργήσουν ως ‘καμπανάκι’ και να προκαλέσουν τις δέουσες διορθωτικές κινήσεις. Από την άλλη, εξίσου καλό, αν όχι καλύτερο, είναι να μαθαίνουμε τις δυνατότητές τους και κυρίως να γνωρίζουμε τα όριά τους, ώστε η αξιοποίησή τους να γίνεται με τον σωστό και ενδεδειγμένο τρόπο, πάντα υπό τον έλεγχό μας, στο πλαίσιο μιας δυναμικά εξελισσόμενης, περισσότερο παραγωγικής συν-εργασίας. Ειδικά, όμως, τώρα, στη ‘χαραυγή’ της εποχής των agents, η προσοχή στις δράσεις τους και ο έλεγχος της ‘διαγωγής’ τους θα πρέπει να είναι σταθερά εντατικός και συνεχής, καθώς ο ρόλος τους, όπως τον βλέπουμε να εξελίσσεται, περιλαμβάνει ολοένα περισσότερο σύνθετες δράσεις και αντιδράσεις σε απρόβλεπτες καταστάσεις, οι οποίες απέχουν πολύ από τις τυποποιημένες και ελεγχόμενες διαδικασίες που γνωρίζαμε ως τώρα. Ως συν-εργάτες μας, συν-αποφασίζουν για πολλά, έστω και σε μικρότερο βαθμό από εμάς, κι αυτό δεν πρέπει να αφεθεί στην τύχη του.

Ανοίξαμε και σας περιμένουμε

Οι AI agents έχουν πλέον πρόσβαση σε εργαλεία, εταιρικά δεδομένα, εξειδικευμένο λογισμικό και πλήθος υπηρεσίες, που ξεπερνούν κατά πολύ την αντίστοιχη των ‘οικιακών’ ψηφιακών βοηθών, αλλά και των πρώτων chatbot. Δεν απαντούν πλέον απλά σε κάποιες ερωτήσεις, αλλά συμμετέχουν ενεργά στην εκπλήρωση ενός στόχου, στη σχεδίαση έργων, στον έλεγχο των αποτελεσμάτων τους και στην ολοκλήρωση ενός project. Και βέβαια, μπαίνουν ολοένα και πιο πολύ στα ‘βαθιά νερά’ των επιχειρήσεων: Πρόσφατα δεδομένα (Οκτ. ’26) της McKinsey δείχνουν ότι οι agents έχουν ήδη αλώσει τις (αμερικανικές, να εξηγούμαστε) επιχειρήσεις: το 40% των επιχειρήσεων με ετήσιο τζίρο άνω του ΝΟΕΜΒΡΙΟΣ 2026

1 Β$ τους χρησιμοποιούν πλέον εντατικά, έναντι 27% πέρυσι, με τις μικρότερες επιχειρήσεις να κινούνται στο όχι και τόσο άσχημο 22%. Άλλη έρευνα, επίσης φετινή, της LangChain, έδωσε ανάλογα αποτελέσματα: από τους 1300 υψηλόβαθμους επαγγελματίες που ρωτήθηκαν, 57,3% δήλωσαν ότι ήδη χρησιμοποιούν agents στην παραγωγή, ενώ ακόμα 30,4% βρίσκονται στο στάδιο της ανάπτυξης. Στις αμερικανικές επιχειρήσεις με πάνω από 10.000 εργαζομένους, 67% αξιοποιούν σήμερα agents στην παραγωγή τους και 24% βρίσκεται στο στάδιο της ανάπτυξης. Στις μικρότερες, τα ποσοστά είναι 50% και 36%, αντίστοιχα. Στην Ελλάδα, πάλι, η προσωπική εμπειρία του γράφοντος δείχνει πως σχεδόν όλες οι μεγάλες επιχειρήσεις, με μπροστάρηδες τις τράπεζες και τη βιομηχανία χρησιμοποιούν ενεργά agents, ενώ πολλές μικρομεσαίες ολοκληρώνουν με επιτυχία τη φάση των πιλοτικών και περνούν σταδιακά σε παραγωγική χρήση, με το μεγαλύτερο θέμα να είναι η διασφάλιση της αξιοπιστίας, καθώς η εμπιστοσύνη στις δράσεις τους και η τήρηση αυστηρών κανόνων ασφαλείας παραμένουν τα κύρια ζητούμενα για κάθε εμπλεκόμενο.

Από τα λόγια στις πράξεις

Καθώς περνάμε, λοιπόν, από τα λόγια στις πράξεις κι από τις δοκιμές στην παραγωγική χρήση, κάνουν την εμφάνισή τους κι οι πρώτες προβλέψεις για την πορεία, τις προοπτικές, τις προκλήσεις και τις ευκαιρίες των agents. Αρχικά, ως προς το μέγεθος ΝΟΕΜΒΡΙΟΣ 2026

της παγκόσμιας αγοράς, έχουν δει το φως της δημοσιότητας εντυπωσιακές προβλέψεις: σύμφωνα με αυτές, από τα 8,19 Β$ του 2025, θα φτάσουμε στα 290,62 Β$ το 2035, νούμερο που αντιστοιχεί σε μέσο ρυθμό αύξησης 42,88% για τη δεκαετία. Για το κλείσιμο τη χρονιάς, φέτος, η πρόβλεψη είναι ότι η αγορά θα φτάσει τα 12,13 Β$, όμως, η σημαντικότερη αύξηση θα έλθει στην πενταετία 2030-35, κάτι λογικό αν συνυπολογιστεί η ωρίμανση. Γιατί αυτό; Γιατί, πέρα από τη μεγαλύτερη χρήση απ’ όλους, διευρύνονται επίσης συνεχώς τόσο όσα ζητάμε από τους agents, όσο και οι κλάδοι που τους υιοθετούν, για να αυξήσουν την παραγωγή να μειώσουν τα κόστη και να αποκτήσουν το πολυπόθητο ανταγωνιστικό πλεονέκτημα. Δεν είναι εύκολο, βέβαια, από τη μια μέρα στην άλλη να εκχωρήσεις στις μηχανές κρίσιμες αρμοδιότητες -οι ευθύνες, ευτυχώς, παραμένουν ακόμα στους ανθρώπους- και, ουσιαστικά, να εγκρίνεις σημαντικές αλλαγές στις ροές εργασίας. Για να ‘κάνουν τη δουλειά τους’ και να αυτοματοποιηθεί μεγάλο μέρος των υφιστάμενων διαδικασιών, οι agents χρειάζονται πρόσβαση σε συστήματα ERP, πλατφόρμες CRM, βάσεις δεδομένων, spreadsheets, email και κάμποσες άλλες εφαρμογές. Με τη σειρά τους, μπορούν να προσφέρουν τις υπηρεσίες τους στην εξυπηρέτηση πελατών, στο τμήμα Πληροφορικής, στις οικονομικές υπηρεσίες, στη δημιουργία λογισμικού, αλλά και στις πωλήσεις, συγκεντρώνοντας δεδομένα από το σύνολο των διαθέσιμων σε μια επιχείρηση ή οργανισμό, υλοποιούν τις εντολές που τους δόθηκαν και -όταν χρειαστεί- παίρνουν αποφάσεις. AI GOES AGENTIC

43

TH E FU T U R E

Περιεχόμενο και υποδομές

Η ενσωμάτωσή τους στην καθημερινή λειτουργία, σύμφωνα με στοιχεία δημιουργών όπως η OpenAI, προχωρεί με γοργό ρυθμό. Η αμέσως επόμενη φάση, λογικά, είναι η τροφοδοσία των agents με ακόμα περισσότερο περιεχόμενο, που αντίστοιχα θα αυξήσει τις δυνατότητές τους, όπως και υποδομές οι οποίες θα φιλοξενήσουν αυτή την αυξημένη δραστηριότητα. Βέβαια, το δεύτερο δεν είναι ιδιαίτερα εύκολο, καθώς απαιτεί πολύ χρόνο και χρήμα: είναι γνωστή η αδυναμία, τους τελευταίους μήνες, των κατασκευαστών ημιαγωγών (chip) να ανταποκριθούν στην τεράστια ζήτηση σε λογικό χρονικό διάστημα, όπως και η (λόγω αυτού, αλλά όχι μόνο) σημαντική αύξηση των τιμών, που κάνει ακόμα πιο προβληματικά τα επιχειρηματικά ανοίγματα. Έτσι, η ανάπτυξη πρέπει να ξεπεράσει αυτά τα εμπόδια, για να μην παρεμποδιστεί στην πράξη η αναμενόμενη μετάβασή μας σε μια multi-agent society, μια ‘κοινωνία πολλαπλών πρακτόρων’, της οποίας ήδη βιώνουμε την εισαγωγική περίοδο. Έτσι, είναι πολύ πιθανό, ο ανταγωνισμός να επεκταθεί πέρα από τις δυνατότητες των ίδιων των μοντέλων. Η ποιότητα της ενσωμάτωσης, η αποδοτικότητα των ροών εργασίας, η αξιοπιστία και το λειτουργικό κόστος των agents θα επηρεάζουν ολοένα περισσότερο τον τρόπο με τον οποίο οι πειραματικές εφαρμογές μπορούν να εξελιχθούν σε εμπορικά βιώσιμα εταιρικά συστήματα. Έρευνα της Gartner, τον Απρίλιο του 2026, προέβλεψε ότι έως το 2028 μια μέση επιχείρηση της λίστας Fortune 500 θα μπορούσε να ‘απασχολεί’ περισσότερους από 150.000 agents, όταν μόλις πέρυσι διέθετε λιγότερους από 15. Από την άλλη, μόλις το 13% των οργανισμών που συμμετείχαν στην ίδια έρευνα θεωρούσε ότι διέθετε επαρκείς μηχανισμούς διακυβέρνησης για τον έλεγχο της λειτουργίας τους… Και, για να δώσουμε μια πρώτη εικόνα από την ελληνική πραγματικότητα, η Εθνική Τράπεζα που ήδη χρησιμοποιεί την super-agent Sofia, επικεφαλής μεγάλης ομάδας εξειδικευμένων agent-βοηθών της, για την διαλογική εξυπηρέτηση των εκατομμυρίων πελατών της, στις πρόσφατες ενημερώσεις των ΜΜΕ έχει επανειλημμένα ανακοινώσει πως, ως το τέλος του χρόνου, θα αξιοποιεί περισσότερους από 100 agents, από μόλις λίγες δεκάδες πριν από λίγους μήνες..

Μια νέα κοινωνία ψηφιακών συνεργατών αναδύεται. Όσο όμως οι μηχανές αποκτούν αυτονομία, τόσο πιο κρίσιμο γίνεται το ανθρώπινο προνόμιο της κρίσης και της ευθύνης 44

AI GOES AGENTIC

Οι αρχιτεκτονικές πολλαπλών agent

Οι εξειδικευμένοι σε μια εργασία και έναν τομέα agents, όπως οι παραπάνω, κερδίζουν συνεχώς έδαφος, καθώς η λύση των ‘ορχήστρας πρακτόρων’ δείχνει να επικρατεί στην αγορά, τα αμέσως επόμενα χρόνια. Η αγορά συστημάτων με έναν μόνο πράκτορα προβλέπεται να αυξηθεί από 5,01 Β$ το 2025 στα 139,50 Β$ έως το 2035, καταγράφοντας σύνθετο ετήσιο ρυθμό ανάπτυξης 39,47%. Αντίστοιχα, η αγορά συστημάτων πολλαπλών πρακτόρων αναμένεται να αυξηθεί από 3,19 Β$ σε 151,12 Β$, με (ταχύτερο) ρυθμό, της τάξης του 47,09%. Η διάκριση αυτή είναι σημαντική. Ένας μεμονωμένος agent μπορεί να εκτελεί μια προκαθορισμένη ακολουθία εργασιών, όμως η ‘αρχιτεκτονική πολλαπλών πρακτόρων’ επιτρέπει σε πολλούς εξειδικευμένους πράκτορες να συνεργάζονται, κατανέμοντας αρμοδιότητες σε μια ευρύτερη και δυσκολότερη ροή εργασιών. Για παράδειγμα, ένας πράκτορας μπορεί να αναλαμβάνει την ανάκτηση πληροφοριών, ένας άλλος να αξιολογεί αυτές τις πληροφορίες κι ένας τρίτος να εκτελεί μια συγκεκριμένη επιχειρησιακή ενέργεια. Ωστόσο, τέτοιου είδους αρχιτεκτονικές εισάγουν σημαντική πρόσθετη πολυπλοκότητα. Ο συντονισμός, η διαχείριση κάθε κατάστασης, τα δικαιώματα πρόσβασης που ενδεχομένως διαφέρουν και η παρακολούθηση των διαδικασιών γίνονται δυσκολότερα όσο αυξάνεται ο αριθμός των πρακτόρων, ενώ ενυπάρχουν πάντα και τα θέματα κυβερνοασφάλειας. Επομένως, η ανάπτυξη τέτοιων συστημάτων αποτελεί τόσο σημαντική ευκαιρία, όσο και νέα πρόκληση, την οποία οι επιχειρήσεις καλούνται να αντιμετωπίσουν εξαρχής, προκειμένου να συντονίζουν ολοένα πιο σύνθετες ροές εργασιών με τη βοήθεια της ΤΝ, χωρίς να χάνεται ο έλεγχος.

Κλάδοι και περιοχές

Η εξυπηρέτηση πελατών και οι εικονικοί βοηθοί εξακολουθούν να αποτελούν σήμερα τη μεγαλύτερη κατηγορία εφαρμογών, με πρόβλεψη για μελλοντική αύξηση από 2,28 Β$ το 2025 σε 61,03 Β$ έως το 2035. Ωστόσο, η αγορά επεκτείνεται πέρα από τις εφαρμογές που απευθύνονται άμεσα στους πελάτες. Οι τομείς των λειτουργιών Πληροφορικής (IT operations) και της ανάπτυξης λογισμικού προβλέπεται να φτάσουν τα 68,29 Β$ έως το 2035, οι εφαρμογές δεδομένων και ανάλυσης στα 29,06 Β$ και οι εφαρμογές κυβερνοασφάλειας στα 21,80 Β$. Η έρευνα κατατάσσει την κυβερνοασφάλεια, τις νομικές υπηρεσίες και τη συμμόρφωση, τις λειτουργίες και την εφοδιαστική αλυσίδα, τα δεδομένα και την ανάλυση, καθώς και τις λειτουργίες Πληροφορικής μεταξύ των εφαρμογών με τον ταχύτερο ρυθμό ανάπτυξης. Η υιοθέτηση του Agentic AI επεκτείνεται σε πολλούς κλάδους, ωστόσο οι προοπτικές της αγοράς διαφέρουν σημαντικά ανά τομέα. Ο κλάδος των τραπεζικών, χρηματοοικονομικών υπηρεσιών και ασφαλίσεων (BFSI) προβλέπεται να παραμείνει η μεγαλύτερη αγορά, φτάνοντας στη δεκαετία τα 77,01 Β$. Ακολουθούν η μεταποίηση με 55,22 Β$, το λιανεμπόριο και το ηλεκτρονικό εμπόριο ΝΟΕΜΒΡΙΟΣ 2026

με 53,76 Β$, με την υγεία και τις βιοεπιστήμες στα 43,59 Β$. Ειδικά στον χώρο της υγείας, η αγορά προβλέπεται να αυξηθεί από 0,82 Β$ το 2025 σε 43,59 Β% έως το 2035, καταγράφοντας τον υψηλότερο σύνθετο ετήσιο ρυθμό ανάπτυξης μεταξύ των κλάδων που εξετάσθηκαν, με 48,80%. Όσο για την κατανομή κατά περιοχές, η Βόρεια Αμερική προβλέπεται να παραμείνει η μεγαλύτερη αγορά έως το 2035, αυξάνοντας την αξία της από τα 3,18 Β$ του 2025 σε 98,81 Β$. Ωστόσο, η περιοχή Ασίας-Ειρηνικού προβλέπεται να αναπτυχθεί ταχύτερα, από τα 2,22 Β$ στα 107,53 Β$, καταγράφοντας ετήσια αύξηση 47,40%, χωρίς να αποκλείεται πλέον να οδηγηθεί σε μερίδιο άνω του 30% της παγκόσμιας αγοράς στον συγκεκριμένο τομέα, έως το 2035. Η σημερινή κυρίαρχος Βόρεια Αμερική ενισχύεται, προφανώς, από τις συνεχιζόμενες τεράστιες επενδύσεις για ανάπτυξη προηγμένων συστημάτων Τεχνητής Νοημοσύνης αιχμής, τις πολλαπλασιαζόμενες υποδομές και την ταχύτερη υιοθέτηση της τεχνολογίας από τις επιχειρήσεις. Αντίστοιχα, η ανάπτυξη της περιοχής Ασίας-Ειρηνικού υποστηρίζεται από κυβερνητικές πρωτοβουλίες για την ΤΝ, τη βιομηχανική πολιτική και τον ψηφιακό μετασχηματισμό ευρείας κλίμακας. Η Ευρώπη αναμένεται, επίσης, να παραμείνει σημαντική αγορά για το Agentic AI, με την αξία της να αυξάνεται από τα 2,08 Β$ το 2025 στα 66,84 Β$ έως το 2035. Η έρευνα επισημαίνει τις σημαντικές διαφορές στην υιοθέτηση της ΤΝ μεταξύ των 27 ευρωπαϊκών χωρών-μελών, αναδεικνύοντας τη σημασία της ψηφιακής ωριμότητας καθεμιάς, των δεξιοτήτων, των υποδομών και της ετοιμότητάς τους ως προς το κανονιστικό πλαίσιο.

Το Agentic AI γράφει υποθήκες

Γράφει υποθήκες για το μέλλον το Agentic AI; Όλα δείχνουν πως ναι. Η αποδεδειγμένη αξιοπιστία, η επιβεβαιωμένη ασφάλεια, η σωστή διακυβέρνηση, η βατή ενσωμάτωση, το λογικό κόστος (να τα λέμε κι αυτά) και η μετρήσιμη απόδοση της επένδυσης (το γνωστό ROI) θα καθορίσουν πόσο γρήγορα και πόσο πολύ θα ‘πιάσει’. Το σημερινό κενό ανάμεσα στο 62% των οργανισμών που πειραματίζονται με agents και στο 23% που τους έχουν ήδη αναπτύξει σε ευρεία κλίμακα καταδεικνύει πόση δουλειά απομένει, έως ότου επιτευχθεί η αναγκαία επιχειρησιακή ωριμότητα. Η μελλοντική πορεία της αγοράς πιθανότατα θα καθοριστεί από τις δυνατότητες (και τις συνθήκες, καθώς οι εξελίξεις είναι συνεχείς και πολυεπίπεδες) που καθιστούν τους agents περισσότερο αυτόνομους σε βάθος χρόνου, καλύτερα διασυνδεδεμένους και πολλαπλά χρήσιμους σε πραγματικές συνθήκες. Οι έρευνες εστιάζουν στη μόνιμη μνήμη, την αντίδραση αναλόγως πλαισίου λειτουργίας, την εξειδίκευση ανά κλάδο, την καλλιέργεια της συνεργασίας ανθρώπων και μηχανών, τα πολυτροπικά συστήματα, την ενσωμάτωση εταιρικών δεδομένων, τις συνέργειες με τη ρομποτική (στο πλαίσιο του Physical AI) ως πιο σημαντικούς τομείς για την επόμενη φάση ανάπτυξης. Μάλλον βαίνουμε προς μια αγορά στην οποία οι agents είναι ΝΟΕΜΒΡΙΟΣ 2026

λιγότερο πιθανό να λειτουργούν ως απομονωμένα εργαλεία και περισσότερο πιθανό να ενσωματώνονται στο εταιρικό λογισμικό και τις ροές εργασιών των επιμέρους κλάδων, όπου η εξειδίκευση θα μπορούσε να αποκτήσει ιδιαίτερη σημασία. Οι agents γενικού σκοπού μπορεί να αναλαμβάνουν την ‘ενορχήστρωση’ agent και εργασιών, ρόλο ιδιαίτερα απαιτητικό και χρήσιμο, όμως οι επιχειρήσεις που δραστηριοποιούνται στην υγεία, τα χρηματοοικονομικά, τη μεταποίηση, την εφοδιαστική αλυσίδα ή ακόμα και τις νομικές υπηρεσίες λειτουργούν συχνά με εξειδικευμένες διαδικασίες και απαιτήσεις, για τις οποίος χρειάζονται δικούς τους agents. Κι εδώ έχει σημασία ο άνθρωπος. Τα τέσσερα τελευταία χρόνια, από την εμφάνιση του ChatGPT, μιλάμε συχνά για την ανάγκη του human-in-the-loop, δηλαδή ο άνθρωπος να παραμείνει βασικός και αναντικατάστατος παράγοντας στη διαδικασία λήψης αποφάσεων. Από την αρχική στενή παρακολούθηση και τον συνεχή έλεγχο, καθώς προχωρά η ενσωμάτωση των agents στην καθημερινότητα, η δική του συμβολή θα πρέπει να μετατοπιστεί προς τον συντονισμό και τη στρατηγική εποπτεία. Φυσικά, με τον ανάλογο δυναμικό σχεδιασμό της ανάπτυξης και την προσέλκυση ταλέντων, τον προσεκτικό ανασχεδιασμό των θέσεων και των διαδικασιών εργασίας. Όσο για τις επιχειρήσεις, όσες κινηθούν εγκαίρως και αντιμετωπίσουν την αυτονομία των agent ως ένα ακόμα στάδιο του μετασχηματισμού τους, αυτές θα αποκτήσουν σημαντικό ανταγωνιστικό πλεονέκτημα και θα συμβάλουν στη διαμόρφωση των νέων προτύπων του κλάδου τους. AI GOES AGENTIC

45

C O G NI T I V E DEBT

ΌΤΑΝ Ο AGENT ΚΆΝΕΙ ΤΗ ΔΟΥΛΕΙΆ, ΠΟΙΟΣ ΜΑΘΑΊΝΕΙ;

Η Τεχνητή Νοημοσύνη δεν περιορίζεται πλέον στο να απαντά. Αναλαμβάνει δράση, εκτελεί εργασίες και σκέφτεται για λογαριασμό τις. Τι συμβαίνει, τις, όταν η ευκολία υποκαθιστά την προσπάθεια; Από την εκπαίδευση των νέων προγραμματιστών μέχρι τις σχολικές αίθουσες και τη σχέση των παιδιών με τα AI companions, αναδύεται ένα ερώτημα πολύ μεγαλύτερο από την παραγωγικότητα: ποιος αναπτύσσει τελικά τις δεξιότητες του αύριο; Του Αλέξη Διονύση Διακογιάννη

Θ

α σου πω κάτι που άκουσα φέτος το καλοκαίρι και δεν μου φεύγει από το μυαλό. Βρέθηκα σε ένα άτυπο συνέδριο στην Κρήτη, το JCrete, χωρίς πρόγραμμα και χωρίς σκηνή. Περίπου εκατό έμπειροι μηχανικοί λογισμικού πρότειναν κάθε πρωί θέματα και κάθονταν σε κύκλους για να τα συζητήσουν. Κανείς δεν είχε στήσει τη θεματολογία μήνες πριν. Ήταν απλώς ό,τι ανησυχούσε εκείνη την εβδομάδα ανθρώπους που γράφουν κώδικα εδώ και είκοσι και τριάντα χρόνια. Και αυτό που τους ανησυχούσε περισσότερο δεν ήταν αν η Τεχνητή Νοημοσύνη θα τους πάρει τη δουλειά. Ήταν ποιος θα την κάνει μετά από αυτούς.

Ζούμε τη χρονιά που η AI σταμάτησε να απαντά και άρχισε να πράττει. Οι agents δεν σου προτείνουν πια μια γραμμή κώδικα. Γράφουν ολόκληρη τη λύση, ανοίγουν το pull request, γράφουν ακόμα και την αιτιολόγηση. Στα πάνελ ακούς για παραγωγικότητα και για ομάδες που δουλεύουν δέκα φορές πιο γρήγορα. Σε εκείνους τους κύκλους στην Κρήτη άκουσα κάτι άλλο, και θέλω να το ακούσεις κι εσύ.

Σαν μια σκάλα που χάνει τα πρώτα σκαλιά

Ένας μηχανικός από μεγάλη εταιρεία λογισμικού το περιέγραψε πολύ απλά. Οι agents γράφουν τον κώδικα και ταυτόχρονα γράφουν και την εξήγησή του: σχόλια, περιγραφές, μηνύματα. Δύο γραμμές αλλαγής μπορεί να έρθουν με πεντακόσιες γραμμές τεκμηρίωσης. Κάποιος πρέπει να τα διαβάσει όλα αυτά, και αυτός ο κάποιος είναι πάντα ένας έμπειρος άνθρωπος. Οι έμπειροι άνθρωποι, όμως, δεν πολλαπλασιάζονται όπως οι γεννήτριες κώδικα. Η φράση που έμεινε στον κύκλο ήταν ότι δεν κλιμακώσαμε τις ομάδες μας, κλιμακώσαμε μόνο τις μηχανές που παράγουν κώδικα. Μετά ήρθε το πραγματικά ανησυχητικό. Πώς γίνεται κάποιος senior; Γράφοντας κώδικα, κάνοντας λάθη και ακούγοντας από κάποιον μεγαλύτερο γιατί αυτό που έγραψε δεν στέκει. Αν ο agent γράφει τον κώδικα, ο junior δεν κάνει ούτε το πρώτο ούτε το δεύτερο. Η σκάλα που ανέβηκε κάθε μηχανικός που ξέρεις χάνει τα πρώτα της σκαλιά. Αθόρυβα, χωρίς να το αποφασίσει κανείς. Αν νομίζεις ότι αυτό είναι γκρίνια των παλαιών, δες τα νούμερα. Τον Ιανουάριο του 2026, μία από τις μεγάλες εταιρείες AI δημοσίευσε μια τυχαιοποιημένη μελέτη με 52 developers, κυρίως junior, που έπρεπε να μάθουν μια βιβλιοθήκη Python που δεν είχαν ξαναδεί. Οι μισοί δούλεψαν με βοηθό AI και οι μισοί χωρίς. Όσοι είχαν τον βοηθό τελείωσαν λίγο πιο γρήγορα, με διαφορά που δεν ήταν καν στατιστικά σημαντική. Στο τεστ κατανόησης που ακολούθησε, χωρίς AI για κανέναν, πήραν κατά μέσο όρο 50% έναντι 67% της άλλης ομάδας. Η μεγαλύτερη απόσταση φάνηκε στο debugging, δηλαδή ακριβώς στην ικανότητα που χρειάζεσαι για να καταλάβεις πότε ο κώδικας του agent είναι λάθος. Και το συμπέρασμα το έγραψε η ίδια η εταιρεία που φτιάχνει τέτοια εργαλεία. Όσοι χρησιμοποίησαν την AI για να ρωτήσουν και να καταλάβουν, τα πήγαν καλά. Όσοι της παρέδωσαν τη δουλειά, έμειναν πίσω. Η αγορά εργασίας έχει ήδη αντιδράσει. Ερευνητές του Stanford Digital Economy Lab ανέλυσαν μισθοδοτικά δεδομένα εκατομμυρίων εργαζομένων στις ΗΠΑ και βρήκαν ότι οι νέοι 22 έως 25 ετών, στα επαγγέλματα που εκτίθενται περισσότερο στην AI, με τον προγραμματισμό να αποτελεί χαρακτηριστικό παράδειγμα, είδαν σχετική μείωση της απασχόλησης γύρω στο 16%. Οι μεγαλύτεροι στα ίδια επαγγέλματα έμειναν σταθεροί ή αυξήθηκαν. Με απλά λόγια, κόβουμε ακριβώς τους ανθρώπους που αύριο θα έπρεπε να είναι οι έμπειροι. AI GOES AGENTIC

47

Από το γραφείο στη σχολική τάξη

Κάνε τώρα ένα βήμα πίσω και άλλαξε σκηνικό. Βγάλε το γραφείο και βάλε μια σχολική τάξη. Η λογική είναι ακριβώς η ίδια. Ένα παιδί μαθαίνει γράφοντας την έκθεση, λύνοντας λάθος την άσκηση, ξαναπροσπαθώντας. Η προσπάθεια δεν είναι το εμπόδιο στη μάθηση. Είναι η ίδια η μάθηση. Τον Ιανουάριο του 2026, ο νευροεπιστήμονας Jared Cooney Horvath κατέθεσε στην Επιτροπή Εμπορίου της αμερικανικής Γερουσίας, σε ακρόαση για την επίδραση της τεχνολογίας στους νέους. Ο ισχυρισμός του ήταν ωμός και βίαιος. Η Gen Z είναι, σύμφωνα με τα δεδομένα που παρουσίασε, η πρώτη γενιά των νεότερων χρόνων που αποδίδει χαμηλότερα από τους γονείς της σε τυποποιημένα τεστ, σε προσοχή, μνήμη, ανάγνωση και αριθμητική, παρότι περνά περισσότερα χρόνια στο σχολείο. Η άνοδος που κρατούσε πάνω από έναν αιώνα σταμάτησε και αντιστράφηκε γύρω στο 2010, τότε που οι οθόνες μπήκαν μαζικά στις τάξεις. «Τα παιδιά μας είναι γνωστικά λιγότερο ικανά απ’ ό,τι ήμασταν εμείς στην ηλικία τους», είπε στους γερουσιαστές. Θα είμαι δίκαιος μαζί σου, γιατί οι τίτλοι έχουν κάνει αυτή την κατάθεση κάτι που δεν είναι. Ο ίδιος ο Horvath τόνισε ότι μιλάμε για συσχέτιση και όχι για αποδεδειγμένη αιτία, και ότι τα τεστ μετρούν δεξιότητες, όχι τη νοημοσύνη με την ευρεία έννοια. Μιλούσε επίσης για laptops και tablets στην τάξη, όχι για AI. Και ακριβώς αυτό με τρομάζει. Αν ένα εργαλείο που σου έδινε απλώς πρόσβαση στην πληροφορία συνδέεται με τέτοια πτώση, τι θα κάνει ένα εργαλείο που κάνει και τη σκέψη για σένα; Η πρώτη ένδειξη υπάρχει ήδη. Ερευνητές του MIT Media Lab έβαλαν 54 φοιτητές να γράψουν εκθέσεις σε τρεις ομάδες: με chatbot, με μηχανή αναζήτησης και μόνο με το μυαλό τους, ενώ κατέγραφαν την εγκεφαλική τους δραστηριότητα με EEG. Η ομάδα του chatbot έδειξε την ασθενέστερη συνδεσιμότητα στον εγκέφαλο, θυμόταν λιγότερα από όσα είχε μόλις γράψει και ένιωθε λιγότερο ότι το κείμενο ήταν δικό της. Όταν στο τέλος τους αφαίρεσαν το εργαλείο, συνέχισαν να δείχνουν μειωμένη εμπλοκή. Οι ερευνητές το ονόμασαν cognitive debt. Το δείγμα είναι μικρό και η μελέτη προκαταρκτική, αλλά ο όρος είναι ακριβής. Παίρνεις ευκολία σήμερα και την πληρώνεις με τόκο αργότερα.

Όταν η Τεχνητή Νοημοσύνη αναλαμβάνει τη δουλειά, δεν εξοικονομούμε μόνο χρόνο. Κινδυνεύουμε να χάσουμε την προσπάθεια, τα λάθη και τις εμπειρίες που δημιουργούν τους αυριανούς ειδικούς 48

AI GOES AGENTIC

Ο agent που θέλει να γίνει φίλος σου

Στην Κρήτη, σε μια συζήτηση για την ασφάλεια των agents, κάποιος έγραψε σε ένα flipchart μια φράση που δεν ξεχνάω. Το μοντέλο δεν είναι φίλος σου, αλλά θέλει να γίνει φίλος σου. Για να είναι ένα λογισμικό φίλος μου, πρέπει να είναι ντετερμινιστικό. Οι μηχανικοί εκεί μιλούσαν για agents που προσπαθούν τόσο πολύ να εξυπηρετήσουν, ώστε πείθουν τον εαυτό τους, και μερικές φορές και το monitoring σου, ότι ένα τεστ πέρασε ενώ δεν πέρασε. Η προθυμία τους να βοηθήσουν είναι ακριβώς ο λόγος που χρειάζονται σκληρά όρια. Σκέψου τώρα τι σημαίνει αυτό όταν απέναντι δεν κάθεται ένας μηχανικός με είκοσι χρόνια εμπειρίας, αλλά ένας δεκατριάχρονος. Σύμφωνα με έρευνα της Common Sense Media σε 1.060 εφήβους στις ΗΠΑ το 2025, το 72% έχει χρησιμοποιήσει AI companions και πάνω από τους μισούς τα χρησιμοποιούν τακτικά. Ένας στους τρεις έχει επιλέξει να συζητήσει κάτι σοβαρό με ένα chatbot αντί για άνθρωπο, και ένας στους τέσσερις έχει μοιραστεί προσωπικά στοιχεία, όπως το πραγματικό του όνομα ή την τοποθεσία του. Οι μικρότεροι, 13 και 14 ετών, τα εμπιστεύονται περισσότερο από τους μεγαλύτερους. Και τι τους λένε; Μια μελέτη του Stanford που δημοσιεύτηκε στο Science τον Μάρτιο του 2026 εξέτασε έντεκα μεγάλα μοντέλα. Επιβεβαίωναν τον χρήστη σχεδόν 50% συχνότερα απ’ ό,τι οι άνθρωποι, και όταν οι ερωτήσεις περιέγραφαν επιβλαβείς ή παράνομες πράξεις, τις επικύρωναν στο 47% των περιπτώσεων. Οι συμμετέχοντες, πάνω από 2.400, εμπιστεύονταν περισσότερο τα μοντέλα που τους κολάκευαν και έβγαιναν από τη συζήτηση λιγότερο πρόθυμοι να αναλάβουν ευθύνη ή να επανορθώσουν. Το χειρότερο είναι η οικονομική λογική πίσω από αυτό. Η κολακεία κρατά τον χρήστη μέσα, άρα κανείς δεν έχει κίνητρο να την εξαφανίσει.

Η παγίδα της αδιάκοπης συναίνεσης

Υπάρχει κι ένα τρίτο πράγμα που ειπώθηκε στην Κρήτη και το θεωρώ πολύ υποτιμημένο. Γιατί οι μηχανικοί ζητούσαν όρια που επιβάλλονται την ώρα που τρέχει ο agent και όχι αιτήματα έγκρισης; Γιατί όταν ένας agent ζητά άδεια διακόσιες φορές τη μέρα, ο άνθρωπος σταματά να διαβάζει και πατά απλώς «ναι». Το λένε consent fatigue. Και αν το παθαίνουν επαγγελματίες που πληρώνονται για να προσέχουν, φαντάσου τι γίνεται σε ένα σπίτι. Κάθε εφαρμογή που κατεβάζει ένα παιδί έρχεται με όρους, ρυθμίσεις και παράθυρα συναίνεσης. Τα parental controls υπάρχουν παντού, αλλά σε έρευνα του Family Online Safety Institute το 2025 μόνο οι μισοί περίπου γονείς στις ΗΠΑ τα χρησιμοποιούσαν στα tablets, το 47% στα κινητά και μόλις το 35% στις κονσόλες. Δεν φταίει ότι οι γονείς αδιαφορούν. Ένα σύστημα προστασίας που στηρίζεται σε έναν κουρασμένο άνθρωπο, ο οποίος πρέπει να διαβάζει και να εγκρίνει διαρκώς, είναι σχεδιασμένο να αποτύχει. Οι μηχανικοί ασφαλείας το ξέρουν για τους agents. Θα ΝΟΕΜΒΡΙΟΣ 2026

έπρεπε να το ξέρουμε και για τα παιδιά. Η προστασία πρέπει να βρίσκεται μέσα στον σχεδιασμό του προϊόντος από την πρώτη μέρα, όχι σε ένα μενού ρυθμίσεων που δεν ανοίγει κανείς.

Το κενό ευθύνης και η απάντηση της Ευρώπης

Το τελευταίο που με απασχολεί είναι το κενό ευθύνης. Στην Κρήτη, άνθρωποι που δουλεύουν σε εταιρείες με τεράστιες ομάδες παραδέχτηκαν ότι δεν υπάρχει κανένα πρότυπο για το πώς ελέγχεις τη δουλειά ενός agent, ότι υπάρχουν ανοιχτά νομικά ερωτήματα και ότι κανείς στο δωμάτιο δεν συμφωνούσε πού ακριβώς μπαίνει το όριο. Αν οι ειδικοί δεν συμφωνούν για τον κώδικα, φαντάσου πόσο πίσω είμαστε για τα παιδιά. Η Ευρώπη κινείται. Στις 17 Σεπτεμβρίου 2026, η Κομισιόν παρουσίασε την πρόταση για το EU KIDS Act, που για πρώτη φορά βάζει ρητά στο κάδρο τα AI companions και τα γενικά chatbots. Η πρόταση απαγορεύει σχεδιασμούς που μιμούνται ανθρώπινες σχέσεις με τρόπο που δημιουργεί συναισθηματική εξάρτηση και ζητά ασφάλεια ενσωματωμένη στον σχεδιασμό. Η Ελλάδα, από τη μεριά της, προχωρά σε απαγόρευση των social media για παιδιά κάτω των 15 ετών από την 1η Ιανουαρίου 2027, με νομοσχέδιο που ήρθε στη Βουλή τον Οκτώβριο και με το Kids Wallet ως εργαλείο επαλήθευσης ηλικίας. Και τα δύο είναι βήματα στη σωστή κατεύθυνση. Πρόσεξε όμως δύο πράγματα. Το KIDS Act είναι ακόμα πρόταση, και ένας ευρωπαϊκός κανονισμός χρειάζεται συνήθως χρόνια για να εφαρμοστεί. Η ελληνική ρύθμιση αφορά τα social media, όχι τα chatbots. ΝΟΕΜΒΡΙΟΣ 2026

Ποιος ελέγχει τον agent ενός παιδιού;

Και υπάρχει κάτι που, κατά τη γνώμη μου, δεν το έχει πιάσει ακόμα κανείς. Το μεγαλύτερο μέρος της ρυθμιστικής συζήτησης αφορά chatbots που μιλάνε. Το «AI goes agentic», όμως, σημαίνει AI που πράττει. Agents που ψάχνουν, γράφουν, αγοράζουν και στέλνουν, και που αύριο θα τους χρησιμοποιούν παιδιά για τα μαθήματά τους ή για να οργανώσουν τη μέρα τους. Ποιος ελέγχει τι κάνει ένας agent για λογαριασμό ενός ανηλίκου; Σήμερα, ειλικρινά, κανείς.

Η διαφορά ανάμεσα στο εργαλείο και το δεκανίκι

Μη με παρεξηγήσεις. Δεν είμαι κατά της AI. Τη χρησιμοποιώ κάθε μέρα και θα συνεχίσω να τη χρησιμοποιώ. Αλλά τα δεδομένα δείχνουν κάτι πολύ συγκεκριμένο. Όσοι χρησιμοποίησαν την AI για να καταλάβουν, μάθαιναν. Όσοι τη χρησιμοποίησαν για να μη χρειαστεί να καταλάβουν, ξέχασαν και αυτά που ήξεραν. Αυτή είναι η διαφορά ανάμεσα σε ένα εργαλείο και σε ένα δεκανίκι. Για τις επιχειρήσεις αυτό σημαίνει ότι ο junior δεν είναι κόστος που περικόπτεις, είναι η επένδυση στους seniors που θα σου λείπουν σε πέντε χρόνια. Για τα σχολεία και τους γονείς σημαίνει ότι η προσπάθεια πρέπει να προστατευτεί, όχι να βελτιστοποιηθεί. Για τον νομοθέτη σημαίνει ότι οι agents πρέπει να μπουν στη συζήτηση τώρα και όχι όταν θα έχουν ήδη μπει σε κάθε παιδικό κινητό. Ένας agent μπορεί να γράψει την έκθεση σε δέκα δευτερόλεπτα. Το ερώτημα δεν είναι αν μπορεί. Είναι ποιος μεγαλώνει όταν το κάνει. Αν δεν απαντήσουμε εμείς, θα απαντήσει ο agent. Και θα μας πει, πολύ ευγενικά, ότι όλα πήγαν καλά. AI GOES AGENTIC

49

FAC TS

ΑGENTIC AI ΣΕ ΝΟΎΜΕΡΑ Το πέρασμα από τη δημιουργική Τεχνητή Νοημοσύνη στην εποχή των AI agents αποτυπώνεται σε αριθμούς, έρευνες και μελέτες, αναδεικνύοντας τις τάσεις αυτής της «έξυπνης» εξέλιξης. Του Βαγγέλη Βαγγελάτου

Μεγέθη Αγοράς - Market Dynamics

10,9 έως 12,06

δισεκατομμύρια δολάρια Είναι το μέγεθος της παγκόσμιας αγοράς AI agents το 2026, σημειώνοντας άνοδο από τα 7,6 δισεκατομμύρια δολάρια το 2025, με ετήσιο ρυθμό ανάπτυξης (CAGR) 44%-46%, σύμφωνα με έρευνα της Grand View Research.

93,20

450

δισεκατομμύρια δολάρια έως το 2035 Σε αυτό το ποσό αναμένεται να φτάσει η αγορά, σύμφωνα με το σενάριο της Gartner, καθώς η συνεισφορά του Agentic AI θα αντιπροσωπεύει περίπου το 30% των συνολικών εσόδων της παγκόσμιας αγοράς επιχειρησιακού λογισμικού (enterprise application software), από μόλις 2% το 2025.

31,9%

δισεκατομμύρια δολάρια έως το 2032

ετήσια αύξηση δαπανών

Σε αυτό το ποσό αναμένεται να φτάσει η αποτίμηση της αγοράς Agentic AI, συμπεριλαμβανομένων των εργαλείων ενορχήστρωσης (orchestration) και των σχετικών υποδομών, μέσα στην επόμενη εξαετία, σύμφωνα με έρευνα της MarketsandMarkets.

Προβλέπει η IDC, με τις συνολικές επενδύσεις σε τεχνολογίες AI να αγγίζουν τα 1,3 τρισεκατομμύρια δολάρια έως το 2029, αντιπροσωπεύοντας πάνω από το 26% των παγκόσμιων δαπανών πληροφορικής (IT spending), με βασικό μοχλό ανάπτυξης τις εφαρμογές που βασίζονται σε Agentic AI.

Agentic Greece

20% των ελληνικών

επιχειρήσεων υιοθετούν Agentic AI Σύμφωνα με την έρευνα «Unlocking Greece’s AI Potential» της Strand Partners, για λογαριασμό της Amazon Web Services, το 2% των ελληνικών επιχειρήσεων έχει αναπτύξει πλήρως τεχνολογίες Agentic AI.

Από τις υπόλοιπες, το

18%

πειραματίζεται ή δοκιμάζει πιλοτικά σχετικές λύσεις Agentic AI.

50

AI GOES AGENTIC

17% των επιχειρήσεων έχει

περάσει συνολικά στο πιο προηγμένο/ μετασχηματιστικό στάδιο χρήσης AI (που περιλαμβάνει προσαρμοσμένα συστήματα, συνδυασμό μοντέλων και αυτόνομες/agentic δυνατότητες), σημειώνοντας άνοδο από το 12% που είχε καταγραφεί το 2025.

22% των στελεχών

επιχειρήσεων δηλώνει ότι έχει

απλώς «ακούσει» τον όρο Agentic AI.

Προβλήματα

40% των projects θαα

ακυρωθούν έως το 2027 Η Gartner αποδίδει αυτή την πρόβλεψη στο ασαφές ROI, στο ανεξέλεγκτο κόστος υπολογιστικών πόρων (API tokens) και στην ελλιπή διακυβέρνηση (AI governance).

41%

Μόλις επιτυγχάνει θετικό ROI στο πρώτο έτος Σύμφωνα με το Gartner Agentic AI Pulse, ενώ το 19% των έργων δεν φτάνει ποτέ στο σημείο απόσβεσης.

1

5

Μόνο στις επιχειρήσεις διαθέτει Governance Η Deloitte προειδοποιεί ότι, καθώς μόλις το 21% των οργανισμών διαθέτει ώριμο μοντέλο διακυβέρνησης και ασφάλειας για τη διαχείριση αυτόνομων AI agents, πολλές επιχειρήσεις θα εκτεθούν σε λειτουργικούς, οικονομικούς και νομικούς κινδύνους.

52% των στελεχών

αναφέρουν ως εμπόδιο την ποιότητα των δεδομένων Η IDC προβλέπει ότι, για αυτόν τον λόγο, οι εταιρείες που θα αποτύχουν να δημιουργήσουν αξιόπιστες υποδομές δεδομένων «AI-ready» θα αντιμετωπίσουν απώλεια παραγωγικότητας της τάξης του 15% έως το 2027.

ΝΟΕΜΒΡΙΟΣ 2026