Η εταιρεία χάνει έναν άνθρωπο, αλλά συχνά χάνει κάτι πολύ πιο πολύτιμο
Φανταζόμαστε έναν εργαζόμενο που βρίσκεται στην εταιρεία εδώ και δώδεκα χρόνια.
Γνωρίζει τους πελάτες. Θυμάται γιατί ελήφθησαν ορισμένες αποφάσεις. Ξέρει ότι έναν συγκεκριμένο προμηθευτή πρέπει να τον παραγγέλνεις με προειδοποίηση δύο εβδομάδων, παρόλο που στο σύστημα φαίνεται εντελώς διαφορετικά. Θυμάται ότι πριν από τρία χρόνια μια αλλαγή οδήγησε σε προβλήματα και γι’ αυτό σήμερα η ομάδα το κάνει διαφορετικά.
Ξέρει επίσης σε ποιόν πελάτη είναι καλύτερα να τηλεφωνήσεις πρώτα και σε ποιόν να στείλεις email. Ξέρει ποια διαδικασία λειτουργεί μόνο επειδή ένα συγκεκριμένο άτομο θυμάται ένα επιπλέον βήμα.
Αυτό δεν υπάρχει σε οδηγίες.
Δεν υπάρχει στο ERP.
Δεν υπάρχει στο CRM.
Είναι στο κεφάλι του ανθρώπου.
Και τότε εμφανίζεται το πραγματικό πρόβλημα - ο άνθρωπος φεύγει και η εταιρεία δεν χάνει μόνο έναν εργαζόμενο. Χάνει ένα κομμάτι της δικής της μνήμης.
Capturing γνώσης, δηλαδή πώς να μην βασιζόμαστε αποκλειστικά στη μνήμη των εργαζομένων
Το capture γνώσης είναι, απλοποιημένα, η σύλληψη της οργανωσιακής γνώσης και η μετατροπή της σε πόρο που μπορούν να χρησιμοποιήσουν άλλοι.
Δεν πρόκειται αποκλειστικά για τη δημιουργία ακόμη περισσότερων εγγράφων.
Πρόκειται για τη σύλληψη αυτού που δημιουργήθηκε επί χρόνια στα μυαλά των ανθρώπων, σε email, διαδικασίες, tickets, παρουσιάσεις, τεχνική τεκμηρίωση, συνομιλίες με πελάτες ή στην ιστορία έργων.
Ένα καλά σχεδιασμένο knowledge system μπορεί να συνδέσει αυτές τις πληροφορίες και να επιτρέψει σε έναν εργαζόμενο να βρει την απάντηση χωρίς να ρωτήσει πέντε άτομα.
Και εδώ η AI πραγματικά αλλάζει πολλά.
Αντί να σκαλίζει δεκάδες έγγραφα, ο εργαζόμενος μπορεί να κάνει μια ερώτηση σε φυσική γλώσσα. Αντί να ψάχνει για μια συγκεκριμένη διαδικασία, μπορεί να περιγράψει το πρόβλημα. Αντί να διαβάσει την ιστορία ενός έργου από την αρχή, μπορεί να ζητήσει από το σύστημα να εξάγει τις πιο σημαντικές πληροφορίες.
Αυτή είναι μια τεράστια αξία. Αλλά εδώ αρχίζει και η άλλη πλευρά αυτής της ιστορίας.
Η AI μπορεί να γίνει η μνήμη της εταιρείας. Δεν πρέπει όμως να γίνει ο ιδιοκτήτης αυτής της μνήμης
Αυτή είναι μία από τις πιο σημαντικές αρχές που πρέπει να θυμούνται σήμερα οι επιχειρηματίες: η γνώση της εταιρείας πρέπει να ανήκει στην εταιρεία.
Η AI πρέπει να βοηθάει στην επεξεργασία, την αναζήτηση, την οργάνωση και τη διάθεση της γνώσης στα κατάλληλα άτομα - αυτό είναι μια τεράστια διαφορά.
Εάν όλη η γνώση του οργανισμού κλειστεί σε ένα μόνο εργαλείο, ένα μοντέλο, έναν πάροχο ή μια πλατφόρμα, η εταιρεία μπορεί να δημιουργήσει ένα εντελώς νέο πρόβλημα για τον εαυτό της.
Σήμερα λειτουργεί υπέροχα. Αύριο αλλάζει το μοντέλο. Μεθαύριο αλλάζει η τιμολογιακή πολιτική. Σε ένα χρόνο αλλάζουν οι όροι χρήσης της υπηρεσίας. Και σε λίγα χρόνια η εταιρεία μπορεί να ανακαλύψει ότι η δική της γνώση έγινε όμηρος μιας τεχνολογίας που δεν ελέγχει.
Αυτό είναι ακριβώς το ίδιο πρόβλημα για το οποίο γράφαμε όταν μιλούσαμε για vendor lock-in. Η AI πρέπει να είναι ένα στρώμα που αξιοποιεί τη γνώση της εταιρείας, και όχι ο μοναδικός χώρος όπου αυτή η γνώση υπάρχει.
«Θα ρίξουμε τα πάντα στην AI» είναι πολύ κακή ιδέα
Τα τελευταία χρόνια εμφανίστηκε ένα πολύ δελεαστικό μοντέλο εργασίας.
Έχεις έγγραφο; - Ρίξ' το στην AI.
Έχεις συμβόλαιο; - Ρίξ' το στην AI.
Έχεις βάση πελατών; - Ρίξ' την στην AI.
Έχεις εσωτερική διαδικασία; - Ρίξ' την στην AI.
Έχεις κώδικα; - Ρίξ' τον στην AI.
Έχεις πρόβλημα; - Επικόλλησε τα πάντα στο prompt.
Τεχνικά είναι εξαιρετικά βολικό. Επιχειρηματικά μπορεί να είναι καταστροφική ιδέα.
Οι εταιρείες πρέπει να αρχίσουν να διακρίνουν το «μπορώ να δώσω αυτή την πληροφορία στην AI» από το «πρέπει να δώσω αυτή την πληροφορία στην AI». Δεν είναι το ίδιο.
Το 2026 η ασφάλεια δεδομένων στο πλαίσιο της AI σταμάτησε να είναι αφηρημένο θέμα. Μελέτες για τη χρήση της AI στις επιχειρήσεις δείχνουν ότι οι εργαζόμενοι δίνουν σε εργαλεία AI και ευαίσθητα δεδομένα, μεταξύ άλλων μέσω prompts, αντιγραφής περιεχομένου και αποστολής αρχείων.
Το πρόβλημα δεν είναι ότι η AI είναι «κακή». Το πρόβλημα είναι ότι ο άνθρωπος πολύ εύκολα μπορεί να χρησιμοποιήσει ένα εξαιρετικό εργαλείο με λανθασμένο τρόπο.
Η AI πρέπει να υποστηρίζει τον άνθρωπο, όχι να αντικαθιστά την κρίση του
Αυτό είναι ίσως το πιο σημαντικό μέρος ολόκληρης της συζήτησης. Η AI μπορεί να μας πει τι υπάρχει στην τεκμηρίωση. Μπορεί να συνδυάσει δεδομένα. Μπορεί να βρει μοτίβα. Μπορεί να προετοιμάσει την πρώτη εκδοχή μιας απάντησης. Μπορεί να βοηθήσει έναν νέο εργαζόμενο να καταλάβει μια διαδικασία. Μπορεί να αναλύσει την ιστορία ενός έργου. Αλλά κάποιος πρέπει ακόμη να ξέρει γιατί αυτή η απάντηση είναι σωστή.
Αυτό είναι ιδιαίτερα σημαντικό σε τομείς όπου ένα λάθος κοστίζει πολλά χρήματα, φήμη ή ασφάλεια.
Η AI μπορεί να είναι πολύ καλός βοηθός. Δεν θα πρέπει αυτομάτως να γίνει ο κάτοχος των αποφάσεων.
Γι’ αυτό οι μεγαλύτερες εταιρείες αρχίζουν να μιλούν για ασφάλεια
Και εδώ φτάνουμε σε μια πολύ τρέχουσα στιγμή στην εξέλιξη της AI.
Μέχρι πρόσφατα κυριαρχούσε η αφήγηση: γρηγορότερα, μεγαλύτερα μοντέλα, περισσότεροι agents, περισσότερη αυτονομία.
Σήμερα όλο και πιο συχνά εμφανίζεται μια δεύτερη λέξη: ασφάλεια.
Τον Σεπτέμβριο του 2026 ο CEO της Anthropic, Dario Amodei, κάλεσε δημόσια τις εταιρείες που αναπτύσσουν τα πιο προηγμένα μοντέλα να επιβραδύνουν την ταχύτητα ανάπτυξης, επισημαίνοντας, μεταξύ άλλων, τον κίνδυνο κακομεταχείρισης, την κυβερνοασφάλεια και τα προβλήματα ελέγχου όλο και πιο αυτόνομων συστημάτων. Ο Sam Altman εξέφρασε υποστήριξη για μέρος αυτής της προσέγγισης, και η OpenAI επίσης δημοσίως αναφέρθηκε στην ανάγκη για ισχυρότερα μέτρα ασφαλείας, παρακολούθησης και κοινών προτύπων ασφάλειας.
Αυτό δεν σημαίνει ότι ο κόσμος της τεχνολογίας ξαφνικά θεώρησε την AI κακό εφεύρημα - αντιθέτως.
Σημαίνει μάλλον ότι καθώς αυξάνονται οι δυνατότητες της τεχνολογίας, αυξάνεται και η επίγνωση ότι δεν όλα όσα είναι τεχνικά εφικτά πρέπει αυτομάτως να υλοποιούνται χωρίς έλεγχο.
Και την ίδια αρχή αξίζει να εφαρμόζουμε και στην επιχείρηση.
Δεν χρειάζεται να επιλέξουμε ανάμεσα στο «AI παντού» και στο «AI πουθενά»
Είναι μια ψευδής δυαδικότητα.
Μπορούμε να χρησιμοποιήσουμε την AI πολύ εντατικά και ταυτόχρονα να κρατήσουμε τη λογική. Μπορούμε να χτίσουμε μια εταιρική βάση γνώσης που θα αναζητά η AI. Μπορούμε να δημιουργήσουμε έναν εσωτερικό βοηθό για τους εργαζόμενους. Μπορούμε να αυτοματοποιήσουμε το onboarding. Μπορούμε να επιτρέψουμε στην AI να αναλύει τεκμηρίωση. Μπορούμε να χρησιμοποιήσουμε RAG, δηλαδή έναν μηχανισμό όπου το μοντέλο έχει πρόσβαση σε ένα καθορισμένο σύνολο εταιρικής γνώσης και το χρησιμοποιεί κατά τη δημιουργία απαντήσεων.
Αλλά ταυτόχρονα μπορούμε να καθορίσουμε: τι μπορεί να δει η AI, τι δεν μπορεί να δει, τι μπορεί να κάνει μόνη της και πού πρέπει πάντα να υπάρχει άνθρωπος.
Αυτή ακριβώς είναι μια ώριμη προσέγγιση στην AI.
Το AI onboarding μπορεί να αλλάξει τον τρόπο ένταξης νέων εργαζομένων
Φανταζόμαστε τις πρώτες μέρες ενός νέου προσώπου στην εταιρεία.
Αντί να του στείλουμε ένα 150σέλιδο έγγραφο «Καλώς ήρθατε στην εταιρεία», θα έχει πρόσβαση σε έναν εσωτερικό βοηθό.
Μπορεί να ρωτήσει:
«Πώς είναι η διαδικασία έγκρισης τιμολογίου;»
«Ποιος εγκρίνει έργα πάνω από 50 χιλιάδες ζλότυ;»
«Πώς προχωράμε όταν ένας πελάτης αναφέρει κρίσιμο σφάλμα;»
«Πώς είναι το στάνταρτ για την εισαγωγή μιας νέας λειτουργίας;»
«Γιατί χρησιμοποιούμε αυτή τη λύση αντί για εκείνη;»
Η AI απαντά βάσει εγκεκριμένων εταιρικών υλικών. Αυτό μπορεί να μειώσει το onboarding από εβδομάδες σε μέρες.
Αλλά υπάρχει ένας όρος. Η βάση γνώσης πρέπει να είναι ενημερωμένη.
Η AI δεν θα διορθώσει τη πληροφοριακή ακαταστασία. Εάν η εταιρεία έχει πέντε διαφορετικές εκδόσεις μιας διαδικασίας, η AI μπορεί πολύ αποτελεσματικά να βρει... τη λάθος.
Η οργανωσιακή μνήμη χρειάζεται έναν ιδιοκτήτη
Αυτό είναι ένα ακόμη στοιχείο που συχνά ξεχνιέται.
Η βάση γνώσης δεν είναι ένα έργο τύπου «υλοποιούμε και τελειώσαμε».
Οι διαδικασίες αλλάζουν.
Οι άνθρωποι φεύγουν.
Τα συστήματα αντικαθίστανται.
Τα προϊόντα μεταβάλλονται.
Ο νόμος αλλάζει.
Γι’ αυτό κάθε οργανισμός που χτίζει μια εταιρική knowledge base πρέπει να απαντήσει στην ερώτηση: Ποιος είναι υπεύθυνος για την αλήθεια αυτής της γνώσης;
Όχι η AI - Άνθρωπος.
Η AI μπορεί να εντοπίζει ασυμφωνίες, να υποδεικνύει ξεπερασμένα έγγραφα και να βοηθά στην οργάνωση του υλικού. Αλλά η ευθύνη για το τι η εταιρεία θεωρεί ως την ισχύουσα γνώση πρέπει να παραμείνει στην πλευρά του οργανισμού.
Το καλύτερο μοντέλο δεν είναι «AI αντί για ανθρώπους»
Είναι άνθρωποι + σύστημα γνώσης + AI.
Ο άνθρωπος προσφέρει εμπειρία, πλαίσιο, διαίσθηση και ευθύνη. Το σύστημα αποθηκεύει τη γνώση. Η AI βοηθά να την εντοπίσουμε, να τη συνδέσουμε και να την αξιοποιήσουμε.
Αυτό είναι πολύ πιο λογικό μοντέλο από την προσπάθεια να χτίσουμε έναν οργανισμό όπου κάθε πρόβλημα το λύνει ένα chatbot.
Διότι μια εταιρεία χωρίς ανθρώπους χάνει το πλαίσιο. Μια εταιρεία χωρίς σύστημα γνώσης χάνει τη μνήμη. Μια εταιρεία χωρίς AI χάνει μέρος της ικανότητας γρήγορης αξιοποίησης των συγκεντρωμένων πληροφοριών.
Μόνο ο συνδυασμός αυτών των τριών στοιχείων δίνει πραγματικά ενδιαφέρον αποτέλεσμα.
Το μεγαλύτερο περιουσιακό στοιχείο δεν θα είναι η AI. Θα είναι η γνώση της εταιρείας.
Και γι’ αυτό αξίζει να αρχίσουμε από σήμερα να την οργανώνουμε.
Όχι για να «ταΐσουμε την AI». Αλλά για να σταματήσει η εταιρεία να εξαρτάται από τη μνήμη μεμονωμένων ατόμων.
Εάν ο καλύτερος πωλητής φύγει, η γνώση για τους πελάτες πρέπει να παραμείνει. Εάν ο κύριος προγραμματιστής φύγει, η γνώση για την αρχιτεκτονική του συστήματος πρέπει να παραμείνει. Εάν ένας πολύχρονος διευθυντής πάει σε σύνταξη, οι διαδικασίες που έχτισε για χρόνια δεν πρέπει να εξαφανιστούν μαζί του. Η AI μπορεί να βοηθήσει να προστατεύσουμε αυτή τη γνώση και να την καταστήσει προσιτή. Αλλά δεν πρέπει να την κατέχει αντί για εμάς.
Η τεχνολογία είναι εργαλείο. Η μνήμη παραμένει ιδιοκτησία του οργανισμού.
Αυτή μπορεί να είναι μία από τις πιο σημαντικές αρχές της ψηφιακής μεταστροφής των επόμενων ετών.
Δεν πρόκειται να χρησιμοποιήσουμε λιγότερη AI. Πρόκειται να τη χρησιμοποιήσουμε εξυπνότερα.
Να χτίσουμε συστήματα που βοηθούν τους ανθρώπους να δουλεύουν ταχύτερα, αλλά δεν τους αφαιρούν τον έλεγχο.
Να δημιουργούμε βάσεις γνώσεων, αλλά να διατηρούμε τη δυνατότητα εξαγωγής, μετανάστευσης και ανεξάρτητης διαχείρισης.
Να αυτοματοποιούμε εργασίες, αλλά να μην αυτοματοποιούμε αδιακρίτως την ευθύνη.
Και πάνω από όλα - να μην συγχέουμε την πρόσβαση σε τεράστιο όγκο πληροφοριών με το να έχουμε γνώση.
Διότι η γνώση μιας οργάνωσης δεν είναι μόνο έγγραφα. Είναι επίσης εμπειρία, πλαίσιο, αποφάσεις, λάθη, εξαιρέσεις και χρόνια πρακτικής.
Η AI μπορεί να μας βοηθήσει να μην χάσουμε όλα αυτά. Αλλά εμείς πρέπει να αποφασίζουμε τι, πού, πώς και γιατί αποθηκεύουμε.
