Η πραγματική αξία της Τεχνητής Νοημοσύνης στις σύγχρονες επιχειρήσεις δεν καθορίζεται από την ποσότητα των δεδομένων, αλλά από το κατά πόσο αυτά τα δεδομένα έχουν δομή, συνοχή και επιχειρηματικό πλαίσιο που επιτρέπει τη σωστή λήψη αποφάσεων.
Αυτό ήταν το κεντρικό μήνυμα της παρουσίασης του Bhupendra Patel, Director of Solution Engineering for Data & AI, EMEA Growth Markets στη Salesforce, στο πλαίσιο του 5ου Digital Cyprus Conference 2026 με διοργανωτές τον CITEA και την IMH.
Ο Patel τόνισε ότι οι οργανισμοί σήμερα διαθέτουν τεράστιους όγκους δεδομένων, όμως στην πλειονότητά τους παραμένουν αποσυνδεδεμένα και χωρίς ενιαίο πλαίσιο αξιοποίησης. Το αποτέλεσμα είναι ότι η επιχειρηματική αξία του AI προκύπτει μόνο όταν τα δεδομένα μετατραπούν σε αξιόπιστο context, ικανό να υποστηρίξει αυτόνομους ψηφιακούς πράκτορες στη λήψη αποφάσεων.
- Διαβάστε επίσης: Μάριος Αναστασίου: Δεν αρκούν τα εργαλεία, απαραίτητος πλέον ο οργανωτικός μετασχηματισμός - Η νέα αρχιτεκτονική της επιχείρησης
- Διαβάστε επίσης: Νικόδημος Δαμιανού: Η Κύπρος είναι ψηφιακά έτοιμη, τώρα ήρθε η στιγμή για να γίνει AI ready
Παράλληλα, υπογράμμισε ότι χωρίς ενιαία αρχιτεκτονική δεδομένων και ισχυρή διακυβέρνηση, οι εφαρμογές τεχνητής νοημοσύνης ενδέχεται να οδηγήσουν σε λανθασμένα συμπεράσματα, χαμηλή αξιοπιστία και αυξημένα επιχειρηματικά ρίσκα.
Ο ίδιος ανέδειξε τη μετάβαση προς την εποχή του Agentic Enterprise, όπου οι ψηφιακοί πράκτορες αναλαμβάνουν ολοκληρωμένες ροές εργασίας και λειτουργούν ως ενεργά μέλη της επιχειρησιακής δομής, προβλέποντας ανάγκες και εκτελώντας διαδικασίες με μεγαλύτερη ταχύτητα και ακρίβεια.
Παρουσιάζοντας παραδείγματα από την αγορά, σημείωσε ότι οι πρώτες εφαρμογές αυτών των μοντέλων έχουν ήδη απτά αποτελέσματα, με σημαντική επιτάχυνση των κύκλων πωλήσεων και βελτίωση στην εξυπηρέτηση πελατών μέσα από αυτοματοποιημένες διαδικασίες.
- Διαβάστε επίσης: Γιώργος Μαλέκκος: Η Κύπρος διαθέτει σημαντικές δυνατότητες να εξελιχθεί σε περιφερειακό κέντρο τεχνητής νοημοσύνης
- Διαβάστε επίσης: Sterjo: Οι οργανισμοί τα «βρίσκουν σκούρα» στην ενσωμάτωση της τεχνολογίας και όχι στην πρόσβασή της
Ωστόσο, όπως επισήμανε, η πλειονότητα των οργανισμών εξακολουθεί να αντιμετωπίζει σοβαρές δυσκολίες στην υλοποίηση. Το βασικό εμπόδιο δεν είναι η τεχνολογία αυτή καθαυτή, αλλά το χάσμα στο επιχειρηματικό πλαίσιο, η έλλειψη υποδομών και η απουσία ώριμων μηχανισμών διακυβέρνησης δεδομένων.
«Το 90% της δουλειάς αφορά τη λειτουργία και όχι τον κώδικα», ανέφερε χαρακτηριστικά, επισημαίνοντας ότι η πραγματική πρόκληση δεν βρίσκεται στον πειραματισμό, αλλά στη συνεχή αξιολόγηση, τη δοκιμή και τη βελτιστοποίηση των συστημάτων στην πράξη.
Σύμφωνα με τα στοιχεία που παρουσίασε, σημαντικό ποσοστό στελεχών δεδομένων έχει οδηγηθεί σε λανθασμένα επιχειρηματικά συμπεράσματα λόγω έλλειψης πλαισίου, ενώ μεγάλο μέρος των οργανισμών εξακολουθεί να μην εμπιστεύεται πλήρως τα αποτελέσματα των συστημάτων AI. Παράλληλα, σημαντικός χρόνος εργασίας χάνεται καθημερινά σε διαδικασίες καθαρισμού και αναζήτησης δεδομένων, μειώνοντας την παραγωγικότητα.
Για την αντιμετώπιση αυτών των προκλήσεων, ο κ. Patel παρουσίασε μια αρχιτεκτονική τεσσάρων επιπέδων που συνδέει το engagement, το agency, το work και το context layer, δημιουργώντας ένα ενιαίο οικοσύστημα δεδομένων σε πραγματικό χρόνο.
Κλείνοντας, προειδοποίησε ότι χωρίς αυστηρή και ώριμη διακυβέρνηση, τα δεδομένα παύουν να αποτελούν στρατηγικό πλεονέκτημα και μετατρέπονται σε λειτουργικό ρίσκο για τον οργανισμό. Όπως χαρακτηριστικά ανέφερε, η επιτυχία της τεχνητής νοημοσύνης δεν εξαρτάται από τα μοντέλα, αλλά από την ποιότητα του πλαισίου μέσα στο οποίο λειτουργούν.
