Δεν αρκεί να προσαρμοζόμαστε κάθε φορά που αλλάζει ο κόσμος. Χρειαζόμαστε έναν τρόπο να παρατηρούμε, να κατανοούμε, να μαθαίνουμε, να αποφασίζουμε, να δρούμε και να εξελισσόμαστε συνεχώς — ως άνθρωποι και ως οργανισμοί, μαζί με την Τεχνητή Νοημοσύνη.
Γράφει ο Γιώργος Δεληκώστας – Human Evolution Mentor in the AI Age
Υπάρχει μια διαφορά ανάμεσα στο να προσαρμόζεσαι σε μια αλλαγή και στο να έχεις μάθει πώς να εξελίσσεσαι μέσα από αυτήν.
Η πρώτη σε βοηθά να αντιμετωπίσεις αυτό που συνέβη.
Η δεύτερη αλλάζει τον τρόπο με τον οποίο θα συναντήσεις και αυτό που έρχεται μετά.
Και ίσως εδώ βρίσκεται το πρακτικό ερώτημα που μένει στο τέλος αυτής της σειράς.
Όχι αν πρέπει να εξελιχθούμε. Αυτό, νομίζω, έχει γίνει ήδη αρκετά καθαρό.
Αλλά πώς.
Πώς μετατρέπεται η ανθρώπινη εξέλιξη από μια ωραία ιδέα σε έναν τρόπο λειτουργίας; Πώς μπορεί ένας άνθρωπος — και αργότερα ένας ολόκληρος οργανισμός — να βλέπει καθαρότερα, να μαθαίνει από όσα του συμβαίνουν και να παίρνει καλύτερες επόμενες αποφάσεις;
Και πού ακριβώς χωρά μέσα σε αυτή τη διαδικασία η Τεχνητή Νοημοσύνη;
Δεν χρειαζόμαστε να τρέχουμε γρηγορότερα πίσω από κάθε αλλαγή
Για χρόνια χρησιμοποιούμε πολύ τη λέξη «προσαρμοστικότητα». Και δικαίως.
Ο κόσμος αλλάζει, άρα προσαρμόζομαι. Αλλάζει η αγορά, άρα προσαρμόζομαι. Εμφανίζεται μια νέα τεχνολογία, άρα μαθαίνω να τη χρησιμοποιώ.
Αυτό είναι αναγκαίο.
Αλλά αν η αλλαγή γίνει μόνιμη κατάσταση, υπάρχει ένα πρόβλημα: δεν μπορούμε να περάσουμε όλη τη ζωή μας τρέχοντας πίσω από ό,τι καινούργιο εμφανίζεται.
Σήμερα είναι ένα νέο μοντέλο ΤΝ. Αύριο ένα σύστημα που αναλαμβάνει ολόκληρες διαδικασίες. Μεθαύριο η ρομποτική. Και λίγο αργότερα κάτι που σήμερα ίσως δεν γνωρίζουμε καν ότι θα υπάρξει.
Δεν μπορεί λοιπόν η στρατηγική μας να είναι απλώς «τρέξε πιο γρήγορα».
Χρειάζεται να χτίσουμε έναν καλύτερο τρόπο να αλλάζουμε.
Για μένα, εκεί ακριβώς βρίσκεται η διαφορά ανάμεσα στην προσαρμογή και στην εξέλιξη.
Η προσαρμογή απαντά στην αλλαγή.
Η εξέλιξη μαθαίνει από αυτήν.
Η εξέλιξη δεν συμβαίνει σε μία στιγμή. Συμβαίνει σε έναν κύκλο.
Σπάνια ένας άνθρωπος αλλάζει πραγματικά επειδή άκουσε μια καλή συμβουλή.
Μπορεί να εμπνευστεί. Να συγκινηθεί. Να καταλάβει κάτι.
Αλλά η αλλαγή γίνεται πραγματική όταν αυτό που κατάλαβε περνά σε απόφαση, η απόφαση σε δράση και η δράση επιστρέφει ως εμπειρία από την οποία μαθαίνει.
Αυτή είναι η λογική που βρίσκεται στον πυρήνα της δMethod™:
Παρατήρηση → Επίγνωση → Μάθηση → Απόφαση → Δράση → Ανατροφοδότηση → Εξέλιξη
Δεν τη βλέπω ως επτά κουτάκια που τα συμπληρώνεις μία φορά και τελείωσε.
Είναι κύκλος.
Η Εξέλιξη δημιουργεί μια νέα πραγματικότητα. Και η νέα πραγματικότητα ζητά ξανά Παρατήρηση.
Κάπως έτσι η μάθηση παύει να είναι ένα γεγονός και γίνεται τρόπος ζωής.
Όλα ξεκινούν από το τι πραγματικά συμβαίνει
Η Παρατήρηση φαίνεται το πιο απλό βήμα.
Στην πράξη είναι από τα δυσκολότερα.
Γιατί συχνά δεν αντιδρούμε σε αυτό που συμβαίνει. Αντιδρούμε σε αυτό που πιστεύουμε ότι συμβαίνει.
Βλέπουμε μέσα από προηγούμενες εμπειρίες, φόβους, επιθυμίες και βεβαιότητες που μπορεί να μην ισχύουν πια.
Το πρώτο ερώτημα λοιπόν είναι πολύ γήινο: τι βλέπω πραγματικά; Τι έχει αλλάξει; Ποια δεδομένα υπάρχουν; Τι από όσα θεωρούσα δεδομένα δεν ισχύει πλέον;
Εδώ η ΤΝ μπορεί να είναι εξαιρετικά χρήσιμη. Μπορεί να συγκεντρώσει πληροφορία, να συγκρίνει δεδομένα, να εντοπίσει μοτίβα, να μας δείξει πράγματα που δεν θα βλέπαμε εύκολα μόνοι μας.
Αλλά δεν μπορεί να αποφασίσει από μόνη της ποιο από όλα αυτά έχει πραγματικά σημασία για τη ζωή ή τον οργανισμό μας.
Κάποιος πρέπει ακόμη να πει: «αυτό είναι το σημείο που χρειάζεται την προσοχή μας».
Η πληροφορία γίνεται Επίγνωση όταν αποκτά νόημα για εμάς
Μπορεί κάποιος να έχει μπροστά του όλα τα δεδομένα και παρ’ όλα αυτά να μην έχει καταλάβει τι σημαίνουν.
Η Επίγνωση είναι η στιγμή όπου το εξωτερικό γεγονός συναντά τη δική μας πραγματικότητα.
Τι σημαίνει αυτή η αλλαγή για μένα; Για τον τρόπο που εργάζομαι; Για την ομάδα μου; Για την οικογένειά μου; Για τις επιλογές που μέχρι χθες θεωρούσα ασφαλείς;
Και υπάρχει κι ένα δυσκολότερο ερώτημα: τι δεν θέλω να δω;
Γιατί πολλές φορές το πρόβλημα δεν είναι ότι μας λείπει η πληροφορία.
Είναι ότι η πληροφορία απειλεί μια βεβαιότητα πάνω στην οποία έχουμε στηρίξει κάτι σημαντικό.
Η επίγνωση δεν είναι απλώς να γνωρίζω περισσότερα.
Είναι να καταλαβαίνω τι σημαίνουν αυτά που γνωρίζω για τον τρόπο που ζω και λειτουργώ.
Η Μάθηση δεν είναι απλώς να προσθέσω άλλη μία πληροφορία
Η μάθηση αρχίζει όταν κάτι αλλάζει στον τρόπο με τον οποίο μπορώ πλέον να δω ή να κάνω τα πράγματα.
Μπορεί να είναι μια καινούργια γνώση. Μια δεξιότητα. Η αναγνώριση ενός λάθους. Η εγκατάλειψη μιας παλιάς παραδοχής. Ένας διαφορετικός τρόπος να προσεγγίζω το ίδιο πρόβλημα.
Και εδώ η ΤΝ έχει τεράστιες δυνατότητες.
Μπορεί να γίνει συνεργάτης έρευνας. Να συγκρίνει προσεγγίσεις. Να εξηγεί ένα δύσκολο θέμα με διαφορετικούς τρόπους. Να μας επιτρέπει να εξετάζουμε σενάρια πριν τα δοκιμάσουμε στην πράξη.
Το κρίσιμο όμως είναι η γνώση να μη μένει έξω από εμάς.
Δεν αρκεί να υπάρχει μια καλή απάντηση σε μια οθόνη.
Πρέπει κάτι από αυτήν να αλλάζει το πώς καταλαβαίνουμε, αποφασίζουμε ή ενεργούμε.
Αλλιώς έχουμε περισσότερη πληροφορία.
Όχι περισσότερη μάθηση.
Κάποια στιγμή πρέπει να υπάρχει Απόφαση
Εδώ βρίσκεται για μένα μία από τις πιο σημαντικές αρχές της συνεργασίας ανθρώπου και ΤΝ.
Η ΤΝ μπορεί να αναλύσει. Να συγκρίνει. Να δημιουργήσει σενάρια. Να υπολογίσει πιθανότητες. Να μας δείξει επιλογές που δεν είχαμε σκεφτεί.
Αλλά μια πραγματική απόφαση χρειάζεται ιδιοκτήτη.
Κάποιος πρέπει να πει: «με βάση όσα γνωρίζουμε, αυτή είναι η επιλογή που κάνω».
Και μαζί με την επιλογή να αναλάβει και αυτό που τη συνοδεύει: ρίσκο, συνέπειες και ευθύνη.
Αυτό είναι ανθρώπινη agency στην πράξη.
Δεν θέλω η Τεχνητή Νοημοσύνη να αφαιρεί την απόφαση από τον άνθρωπο.
Θέλω να τον βοηθά να παίρνει μια περισσότερο ενημερωμένη, συνειδητή και τεκμηριωμένη απόφαση.
Είναι τεράστια διαφορά.
Η Απόφαση πρέπει να γίνει Δράση
Έχουμε όλοι γνωρίσει ανθρώπους που ξέρουν πολύ καλά τι πρέπει να κάνουν.
Και παρ’ όλα αυτά δεν το κάνουν.
Το πρόβλημα δεν είναι πάντοτε η έλλειψη γνώσης.
Είναι η απόσταση από τη γνώση στην πράξη.
Η Δράση κάνει την απόφαση πραγματική.
Και εδώ η ΤΝ μπορεί να γίνει πραγματικός πολλαπλασιαστής δυνατότητας: να οργανώσει βήματα, να αναλάβει επαναλαμβανόμενες εργασίες, να αυτοματοποιήσει διαδικασίες και — όπου ο άνθρωπος το έχει συνειδητά εξουσιοδοτήσει — να εκτελέσει μέρος της δουλειάς.
Το «όπου έχει εξουσιοδοτηθεί» είναι κρίσιμο.
Γιατί η ταχύτητα εκτέλεσης δεν πρέπει να γίνει λόγος να χάσουμε τον έλεγχο του τι ακριβώς εκτελείται και γιατί.
Χωρίς Ανατροφοδότηση, η εμπειρία δεν γίνεται αυτόματα σοφία
Κάναμε κάτι.
Τι συνέβη;
Δούλεψε όπως περιμέναμε; Τι δεν πήγε καλά; Ποια συνέπεια δεν είχαμε προβλέψει; Τι πιστεύαμε πριν και τι μας έδειξε τελικά η πραγματικότητα;
Αυτό το στάδιο παραλείπεται πολύ συχνά.
Προχωράμε στην επόμενη δουλειά, στην επόμενη απόφαση, στο επόμενο project και η εμπειρία μένει απλώς πίσω μας.
Μόνο που η εμπειρία από μόνη της δεν εγγυάται μάθηση.
Μπορεί ένας άνθρωπος να έχει είκοσι χρόνια εμπειρίας και στην πραγματικότητα να έχει επαναλάβει είκοσι φορές το ίδιο έτος.
Η εμπειρία αποκτά αξία όταν επιστρέφουμε σε αυτήν, την εξετάζουμε και επιτρέπουμε στο συμπέρασμά της να αλλάξει την επόμενη απόφαση.
Εκεί αρχίζει η πραγματική ανατροφοδότηση.
Η Εξέλιξη δεν είναι το τέλος του κύκλου
Είναι η στιγμή που ο κύκλος έχει παράξει κάτι καινούργιο.
Μια νέα κατανόηση. Μια νέα ικανότητα. Μια διαφορετική απόφαση. Μια αλλαγμένη συμπεριφορά. Μια νέα πραγματικότητα.
Ο άνθρωπος δεν βρίσκεται ακριβώς στο ίδιο σημείο από όπου ξεκίνησε.
Ούτε ο οργανισμός.
Και ακριβώς γι’ αυτό ο κύκλος δεν τελειώνει.
Ξεκινά ξανά.
Παρατήρηση. Επίγνωση. Μάθηση. Απόφαση. Δράση. Ανατροφοδότηση. Εξέλιξη.
Όχι ως μηχανική επανάληψη.
Αλλά ως ένας τρόπος να μετατρέπουμε την εμπειρία σε καλύτερη επόμενη δυνατότητα.
Τι αλλάζει όταν μπει η ΤΝ μέσα σε αυτόν τον κύκλο;
Πάρα πολλά.
Αλλά όχι ο πυρήνας.
Η ΤΝ μπορεί να κάνει την Παρατήρηση πολύ ισχυρότερη, επειδή μπορεί να επεξεργαστεί πολύ περισσότερα δεδομένα.
Μπορεί να επιταχύνει τη Μάθηση, επειδή μας δίνει πρόσβαση σε τεράστια ποσότητα γνώσης και μας βοηθά να τη συνδέσουμε.
Μπορεί να υποστηρίξει την Απόφαση, παρουσιάζοντας εναλλακτικές και συνέπειες.
Μπορεί να ενισχύσει τη Δράση, αναλαμβάνοντας μέρος της εκτέλεσης.
Και μπορεί να κάνει την Ανατροφοδότηση πολύ πιο συστηματική, επειδή μπορεί να παρακολουθεί αποτελέσματα και να εντοπίζει μοτίβα που ο άνθρωπος ίσως έχανε.
Υπάρχουν όμως δύο πράγματα που θεωρώ ότι πρέπει να παραμένουν καθαρά ανθρώπινα:
ο σκοπός
και η τελική ευθύνη.
Πριν από κάθε βελτιστοποίηση πρέπει να υπάρχει κάποιος που απαντά «τι προσπαθούμε να πετύχουμε;».
Και μετά από κάθε σημαντική απόφαση κάποιος που μπορεί να απαντήσει «ποιος αναλαμβάνει την ευθύνη;».
Αν χαθούν αυτά, ο άνθρωπος παύει να είναι οδηγός του συστήματος.
Γίνεται επιβάτης.
Από μια καλή συνομιλία σε ένα πραγματικό Human–AI Learning System
Σήμερα η σχέση των περισσότερων ανθρώπων με την ΤΝ παραμένει αποσπασματική.
Κάνουμε μια ερώτηση. Παίρνουμε μια απάντηση. Χρησιμοποιούμε κάτι από αυτήν. Την επόμενη μέρα ξεκινάμε πάλι από την αρχή.
Αυτό μπορεί να είναι εξαιρετικά χρήσιμο.
Δεν είναι όμως ακόμη ένα σύστημα μάθησης.
Ένα πραγματικό Human–AI Learning System χρειάζεται συνέχεια.
Να γνωρίζει ποιος είναι ο άνθρωπος ή ο οργανισμός που βρίσκεται μέσα στη διαδικασία. Ποιος είναι ο στόχος. Ποια γνώση υπάρχει ήδη. Τι αποφασίστηκε και γιατί. Τι έγινε στην πράξη. Ποιο ήταν το αποτέλεσμα. Τι μάθαμε από αυτό.
Και, κυρίως, να μπορεί αυτή η μάθηση να εμφανιστεί ξανά όταν χρειάζεται να ληφθεί η επόμενη σχετική απόφαση.
Εκεί η σχέση με την ΤΝ αλλάζει.
Δεν είναι πια απλώς «ρώτησα και πήρα απάντηση».
Γίνεται μέρος ενός συνεχούς, ελεγχόμενου κύκλου μάθησης.
Ο οργανισμός πρέπει να μπορεί να θυμάται τι έμαθε
Οι οργανισμοί χάνουν τεράστια ποσότητα εμπειρίας.
Ένας άνθρωπος φεύγει και μαζί του φεύγει γνώση που δεν γράφτηκε ποτέ.
Ένα project ολοκληρώνεται και τα συμπεράσματα μένουν σε ένα αρχείο που κανείς δεν ξανανοίγει.
Μια απόφαση αποτυγχάνει. Περνούν τρία χρόνια. Αλλάζουν οι άνθρωποι. Και η ίδια λογική επαναλαμβάνεται επειδή κανείς δεν θυμάται πια τι είχε συμβεί.
Αυτό δεν είναι οργανωσιακή μάθηση.
Ένας οργανισμός που εξελίσσεται πρέπει να μπορεί να κάνει κάτι πολύ απλό στη διατύπωση και πολύ δύσκολο στην πράξη:
εμπειρία → γνώση → μνήμη → καλύτερη επόμενη απόφαση
Εδώ η Τεχνητή Νοημοσύνη μπορεί να προσφέρει τεράστια αξία.
Όχι ως μια αχανής αποθήκη αρχείων.
Αλλά ως συνεργάτης στην ανάκτηση, στη σύνδεση και στη σωστή επαναχρησιμοποίηση της γνώσης όταν το πραγματικό πρόβλημα επανεμφανίζεται.
Γιατί η μνήμη έχει αξία μόνο όταν επηρεάζει αυτό που κάνουμε μετά.
Αυτός είναι ο λόγος που αναπτύσσεται το Delikostas Human–AI Learning System™
Η δMethod™ ξεκίνησε ως ένας τρόπος να βλέπω την ανθρώπινη και οργανωσιακή εξέλιξη ως συνεχή συστημική διαδικασία.
Όταν άρχισα να εξετάζω τι σημαίνει αυτή η ίδια λογική στην εποχή της Τεχνητής Νοημοσύνης, προέκυψε ένα νέο ερώτημα: μπορεί η τεχνολογία να συμμετέχει σε αυτόν τον κύκλο χωρίς να πάρει τη θέση του ανθρώπου μέσα σε αυτόν;
Από εκεί αναπτύσσεται το Delikostas Human–AI Learning System™.
Δεν το αντιλαμβάνομαι ως ένα ακόμη chatbot.
Ούτε ως ένα σύστημα στο οποίο παραδίδουμε έναν οργανισμό και του λέμε «πάρε αποφάσεις για εμάς».
Ο στόχος είναι διαφορετικός: να δημιουργηθεί ένα περιβάλλον όπου η ΤΝ ενισχύει τη δυνατότητα του ανθρώπου και του οργανισμού να παρατηρούν, να κατανοούν, να μαθαίνουν, να αποφασίζουν, να δρουν και να θυμούνται τι έμαθαν.
Με καθαρά όρια.
Με ανθρώπινη εξουσιοδότηση εκεί όπου απαιτείται.
Με ορατή ευθύνη.
Με τον άνθρωπο να παραμένει ιδιοκτήτης του σκοπού και της τελικής απόφασης.
Human-first, AI-augmented.
Όχι επειδή ο άνθρωπος πρέπει να κάνει μόνος του όσα η μηχανή μπορεί να κάνει καλύτερα.
Αλλά επειδή η τεχνολογική δυνατότητα έχει αξία μόνο όταν υπηρετεί έναν σκοπό που ο άνθρωπος έχει συνειδητά επιλέξει.
Ο άνθρωπος πρέπει να παραμένει μέσα στον κύκλο — όχι πάνω από κάθε κουμπί
Αυτό χρειάζεται μια σημαντική διευκρίνιση.
Human-first δεν σημαίνει ότι ο άνθρωπος πρέπει να εγκρίνει μηχανικά κάθε μικροσκοπική ενέργεια ή να εμποδίζει την αυτοματοποίηση.
Ένα καλό σύστημα πρέπει να μπορεί να εκτελεί εκεί όπου έχει δοθεί σαφής εξουσιοδότηση.
Το κρίσιμο είναι ο άνθρωπος να γνωρίζει τι έχει εξουσιοδοτήσει, σε ποιο πλαίσιο, με ποιον στόχο και πού βρίσκονται τα όρια.
Να μπορεί να δει τι προτείνεται και γιατί.
Να ξέρει πότε η τελική απόφαση παραμένει δική του.
Και να υπάρχει πάντοτε σαφής απάντηση στο ποιος λογοδοτεί για το αποτέλεσμα.
Δεν θέλουμε ένα «έξυπνο» σύστημα που κάνει τον άνθρωπο όλο και πιο παθητικό.
Θέλουμε ένα σύστημα που, όσο περισσότερο τον υποστηρίζει, τόσο περισσότερο τον βοηθά να γίνεται καλύτερος φορέας κρίσης, μάθησης και απόφασης.
Και εδώ κλείνει ο κύκλος αυτής της σειράς
Ξεκινήσαμε από μια απλή διαπίστωση: ο κόσμος αλλάζει γρηγορότερα απ’ όσο προλαβαίνουμε πολλές φορές να προσαρμοστούμε.
Μιλήσαμε για την εργασία, για τη μετάβαση, για τα παιδιά, για εμάς τους ενήλικες, για την ταυτότητα και για το τι γίνεται πραγματικά πολύτιμο όταν η γνωστική δυνατότητα γίνεται άφθονη.
Και φτάσαμε τελικά σε κάτι που, για μένα, βρίσκεται κάτω από όλα αυτά.
Δεν χρειάζεται να γνωρίζουμε ακριβώς τι θα συμβεί τα επόμενα δέκα ή είκοσι χρόνια.
Δεν μπορούμε.
Χρειάζεται όμως να μπορούμε να συναντάμε αυτό που συμβαίνει με έναν τρόπο που μας επιτρέπει να μαθαίνουμε από αυτό.
Ως άνθρωποι.
Ως οικογένειες.
Ως επαγγελματίες.
Ως οργανισμοί.
Η μεγαλύτερη ασφάλεια σε έναν κόσμο αβεβαιότητας ίσως να μην είναι να ξέρεις τι θα γίνει.
Να είναι ότι έχεις έναν τρόπο να εξελίσσεσαι όταν γίνει.
Και αυτό, τελικά, είναι για μένα το Human Evolution in the AI Age στην πράξη.
Όχι ένας αγώνας ανθρώπου και μηχανής.
Όχι μια προσπάθεια να παραμείνουμε όπως είμαστε ενώ όλα γύρω μας αλλάζουν.
Αλλά μια διαφορετική σχέση με την αλλαγή: να την παρατηρούμε, να τη μετατρέπουμε σε επίγνωση, να μαθαίνουμε, να αποφασίζουμε, να δρούμε, να ακούμε το αποτέλεσμα και να συνεχίζουμε από ένα λίγο διαφορετικό σημείο.
Ξανά και ξανά.
Γιατί το πραγματικό ερώτημα δεν είναι αν η Τεχνητή Νοημοσύνη θα συνεχίσει να εξελίσσεται.
Θα συνεχίσει.
Το ερώτημα είναι αν θα μάθουμε να εξελισσόμαστε κι εμείς μαζί της — χωρίς να παραδίδουμε σε αυτήν αυτό που πρέπει να παραμείνει ανθρώπινο.
Γιώργος Δεληκώστας
Human Evolution Mentor in the AI Age
Founder of δMethod™ & Delikostas Human–AI Learning System™
Πηγές
OECD, OECD AI Principles, adopted 2019, updated 2024.
OECD — AI Principles
UNESCO, Recommendation on the Ethics of Artificial Intelligence, adopted 2021.
UNESCO — Recommendation on the Ethics of Artificial Intelligence
National Institute of Standards and Technology (NIST), Artificial Intelligence Risk Management Framework (AI RMF 1.0), 2023.
NIST — Artificial Intelligence Risk Management Framework (AI RMF 1.0)
Stein, E. W., Organization Memory: Review of Concepts and Recommendations for Management, International Journal of Information Management, Vol. 15, No. 1, 1995.
ScienceDirect — Organization Memory: Review of Concepts and Recommendations for Management
Castaneda, D. I., Manrique, L. F. & Cuellar, S., Linking Knowledge Management, Organizational Learning and Memory, Journal of Innovation & Knowledge, Vol. 5, No. 2, 2020.
ScienceDirect — Linking Knowledge Management, Organizational Learning and Memory
