Ζούμε αναμφίβολα στην εποχή που η Τεχνητή Νοημοσύνη (AI) μονοπωλεί τις συζητήσεις, τα επιχειρηματικά πλάνα και τις ανησυχίες για το μέλλον της εργασίας. Στο μυαλό των περισσότερων, ειδικά όσων βρίσκονται εκτός του στενού τεχνολογικού κλάδου, ένα εργαλείο όπως το ChatGPT της OpenAI ή το Claude της Anthropic φαντάζει ως ένας «παντογνώστης», ένας ψηφιακός εγκέφαλος που λειτουργεί εντελώς αυτόνομα. Όμως, η πραγματικότητα της τεχνολογίας έχει συχνά την τάση να προσγειώνει απότομα τις προσδοκίες μας. Θα σας πω κάτι που ακούγεται σχεδόν εξωφρενικό, αλλά αποτελεί τη μεγαλύτερη αλήθεια της τρέχουσας τεχνολογικής επανάστασης: Το 98% του κώδικα πίσω από τα πιο εντυπωσιακά εργαλεία AI, δεν είναι καν AI.
σχετικά άρθρα
Η εταιρεία Anthropic, δημιουργός του εξαιρετικά δημοφιλούς μοντέλου Claude, είχε καταφέρει να κρατήσει ένα πέπλο μυστηρίου γύρω από την αρχιτεκτονική του συστήματός της. Δεν υπήρχαν διαθέσιμα έγγραφα (docs) ή δημόσια τεχνικά εγχειρίδια. Το οικοσύστημα λειτουργούσε σαν ένα «μαύρο κουτί», με το οποίο σχεδόν κάθε προγραμματιστής παγκοσμίως έχει πάθει εμμονή τον τελευταίο καιρό. Όλα αυτά, μέχρι που μια πρόσφατη διαρροή πριν από λίγες εβδομάδες άλλαξε τα δεδομένα. Μια ερευνητική ομάδα του Πανεπιστημίου του Harvard κατάφερε να αποκτήσει πρόσβαση στον πηγαίο κώδικα και ανέλυσε εξονυχιστικά και τις 500.000 γραμμές του.
Το 1,6% που παίρνει τις αποφάσεις
Τα ευρήματα αυτής της έρευνας διαλύουν πολλούς από τους μύθους που έχουν χτιστεί γύρω από την παντοδυναμία των αλγορίθμων. Αυτό που βρήκαν οι ερευνητές του Πανεπιστημίου του Χάρβαρντ είναι ότι το «πραγματικό» AI, δηλαδή ο πυρήνας που λαμβάνει τις κρίσιμες αποφάσεις και επεξεργάζεται τη λογική των απαντήσεων, αποτελεί μόλις το 1,6% του συνολικού κώδικα. Από προγραμματιστικής άποψης, δεν είναι τίποτα περισσότερο από ένας βρόχος επανάληψης (ένα απλό while loop) που περιέχει μία βασική συνάρτηση με το όνομα «call model».
Τι ακριβώς κάνει αυτό το μικρό ποσοστό κώδικα; Δέχεται ένα σύνολο δεδομένων (τα λεγόμενα contexts), λαμβάνει μια απόφαση βάσει των παραμέτρων του, καλεί ορισμένα εξωτερικά εργαλεία για να αντλήσει πληροφορίες και επιστρέφει το τελικό αποτέλεσμα. Αυτό είναι, πρακτικά, ολόκληρο το κομμάτι της Τεχνητής Νοημοσύνης. Ένας μηχανισμός εντυπωσιακός μεν, εξαιρετικά περιορισμένος και στοχευμένος δε, ο οποίος δεν θα μπορούσε να επιβιώσει σε πραγματικές συνθήκες χωρίς τα θεμέλια που τον στηρίζουν.
Η ανατομία της υποδομής: Το κρίσιμο 98%
Αν λοιπόν το 1,6% είναι ο «εγκέφαλος», τι ακριβώς είναι το υπόλοιπο 98,4% των εκατοντάδων χιλιάδων γραμμών κώδικα; Είναι το λεγόμενο πλαίσιο (harness). Είναι η παραδοσιακή, «σκληρή» δουλειά της μηχανικής λογισμικού που αγκαλιάζει το AI και του επιτρέπει να λειτουργεί με ασφάλεια στον πραγματικό κόσμο. Είναι το δίχτυ ασφαλείας που πιάνει τα αιτήματα, τα φιλτράρει και τα οργανώνει.
Για παράδειγμα, οι ερευνητές εντόπισαν ένα πολύπλοκο σύστημα αδειών με επτά διαφορετικές λειτουργίες, το οποίο ελέγχει διαρκώς αν το μοντέλο επιτρέπεται να προχωρήσει σε μια συγκεκριμένη ενέργεια. Βρήκαν επίσης έναν τεχνολογικό αγωγό (pipeline) πέντε επιπέδων, ο οποίος αναλαμβάνει να συμπιέζει το ιστορικό της συνομιλίας του χρήστη, διασφαλίζοντας ότι η AI δεν θα «χάσει το νήμα» στη μέση μιας πολύπλοκης εργασίας. Επιπλέον, το σύστημα υποστηρίζεται από 54 ξεχωριστά εργαλεία που αναλαμβάνουν την πραγματική εκτέλεση των εντολών. Αξιοσημείωτη είναι και η τεράστια έμφαση που έχει δοθεί στα συστήματα αποκατάστασης (recovery systems), τα οποία αναλαμβάνουν δράση τη στιγμή που κάτι πάει στραβά, αποτρέποντας την κατάρρευση της εφαρμογής.
Ο «σύμβουλος» στο δωμάτιο και οι ψευδαισθήσεις αυτονομίας
Μια εξαιρετική αναλογία για να κατανοήσουμε τη λειτουργία του Claude (και κατ’ επέκταση των περισσότερων σύγχρονων LLMs) είναι να φανταστούμε την AI ως έναν ακριβοπληρωμένο, σιωπηλό σύμβουλο που κάθεται απομονωμένος σε ένα γραφείο. Μιλάει και συμβουλεύει μόνο όταν του ζητηθεί. Γύρω του, όμως, κινείται πυρετωδώς μια ολόκληρη επιχείρηση: γραμματείς, ελεγκτές, δικηγόροι και εκτελεστικά όργανα, που διασφαλίζουν ότι η γνώμη του συμβούλου είναι νόμιμη, ασφαλής και, τελικά, ότι θα υλοποιηθεί σωστά.
Εδώ ακριβώς εντοπίζεται και η μεγάλη ειρωνεία της αγοράς σήμερα. Τη στιγμή που διαβάζετε αυτές τις γραμμές, χιλιάδες εταιρείες παγκοσμίως επενδύουν δισεκατομμύρια, συμμετέχοντας σε έναν άτυπο αγώνα δρόμου για τη δημιουργία πρακτόρων (AI agents) που θα είναι ολοένα και πιο αυτόνομοι. Ο διακαής πόθος της βιομηχανίας είναι συστήματα που θα λειτουργούν «hands-off», με όσο το δυνατόν λιγότερη ανθρώπινη παρέμβαση στον βρόχο (humans in the loop). Όμως, η διαρροή αυτού του κώδικα έρχεται να μας υπενθυμίσει ότι αυτό που κάνει το Claude να μοιάζει τόσο έξυπνο και αξιόπιστο δεν είναι το ίδιο το μοντέλο AI. Είναι το τεράστιο προστατευτικό περίβλημα που το κρατάει σε τροχιά.
Η ελληνική οπτική απέναντι στον ψηφιακό μετασχηματισμό
Αυτή η αποκάλυψη δεν αφορά μόνο τους τεχνολογικούς κολοσσούς της Silicon Valley, αλλά έχει άμεση εφαρμογή και στα δικά μας δεδομένα. Στην Ελλάδα, βρισκόμαστε σε μια εντατική φάση ψηφιακού μετασχηματισμού. Ελληνικές επιχειρήσεις, από τις μεγάλες συστημικές τράπεζες και τις εταιρείες τηλεπικοινωνιών, μέχρι τις μικρομεσαίες επιχειρήσεις λιανικής, προσπαθούν να ενσωματώσουν λύσεις Τεχνητής Νοημοσύνης για να μειώσουν το λειτουργικό τους κόστος και να αυξήσουν την παραγωγικότητα.
Η παγίδα, την οποία πολλοί εγχώριοι επιχειρηματίες κινδυνεύουν να πατήσουν, είναι η αντίληψη του «plug-and-play». Η πεποίθηση ότι αρκεί να αγοράσεις την πρόσβαση σε ένα μοντέλο (API) και αυτό, ως δια μαγείας, θα λύσει όλα τα προβλήματα οργάνωσης και εξυπηρέτησης. Οι Έλληνες προγραμματιστές και μηχανικοί λογισμικού –που διακρίνονται διεθνώς για την ποιότητα της δουλειάς τους– το γνωρίζουν ήδη καλά: ένα «γυμνό» μοντέλο AI είναι χαοτικό και συχνά επικίνδυνο για τη φήμη ενός brand. Χρειάζεται στιβαρές υποδομές, δικλείδες ασφαλείας (guardrails) και προσαρμογή στα αυστηρά ευρωπαϊκά και εθνικά κανονιστικά πλαίσια, ώστε η απόδοσή του να είναι ελεγχόμενη και προβλέψιμη.
Τι χωρίζει τους νικητές από τους ηττημένους;
Η ερευνητική μελέτη πάνω στον κώδικα του Claude καταλήγει σε ένα συμπέρασμα που ίσως δεν είναι αρεστό σε όσους υπόσχονται θαύματα εξ ολοκλήρου βασισμένα σε νευρωνικά δίκτυα. Καθώς τα ίδια τα μοντέλα της Τεχνητής Νοημοσύνης (είτε μιλάμε για την OpenAI, είτε για τη Google, είτε για την Anthropic) συνεχίζουν να βελτιώνονται, σύντομα θα φτάσουν σε ένα σημείο κορεσμού όπου όλα θα έχουν περίπου παρόμοια, κορυφαία απόδοση στις γνωστικές διεργασίες. Το μοντέλο καθαυτό θα γίνει εμπόρευμα (commodity).
Τι είναι λοιπόν αυτό που θα ξεχωρίσει τους πραγματικούς νικητές στον τεχνολογικό στίβο τα επόμενα χρόνια; Η απάντηση είναι ξεκάθαρη: Η υποδομή που χτίζεται γύρω από το μοντέλο. Η αρχιτεκτονική του λογισμικού, η ανθεκτικότητα του κώδικα, η ποιότητα των ενσωματωμένων εργαλείων και η ικανότητα άμεσης ανάκαμψης από τα λάθη.
Αυτό το συμπέρασμα συνεπάγεται ότι η απλοϊκή επιχειρηματική προσέγγιση «απλώς αφήστε την AI να κάνει τα πάντα, χωρίς επιτήρηση» δεν πρόκειται να πάει κανέναν πολύ μακριά. Η δημιουργία αξίας θα παραμείνει στα χέρια των ανθρώπων-μηχανικών που σχεδιάζουν τα συστήματα ελέγχου. Και είναι κρίμα, γιατί πολλοί από τους ανθρώπους και τους επενδυτές που χρηματοδοτούν τυφλά αυτή την κούρσα της τεχνολογίας, ελπίζοντας σε έναν κόσμο χωρίς ανθρώπινο κόστος, μάλλον δεν είναι έτοιμοι να ακούσουν αυτή την αλήθεια.
Όσο κι αν οι αλγόριθμοι εξελίσσονται, η αληθινή μηχανική δεν πεθαίνει. Απλώς, τώρα, καλείται να περιφρουρήσει τον πιο απρόβλεπτο ψηφιακό σύμβουλο που δημιουργήσαμε ποτέ.
