Η εμπιστοσύνη στην τεχνητή νοημοσύνη αναδεικνύεται σε κρίσιμο παράγοντα για την οικονομική απόδοση των επενδύσεων των επιχειρήσεων στην AI. Εταιρείες, που εφαρμόζουν προηγμένες πρακτικές διακυβέρνησης, ποιότητας δεδομένων και ελέγχου της τεχνητής νοημοσύνης, έχουν έως και 15 φορές περισσότερες πιθανότητες να καταγράψουν υψηλή απόδοση επένδυσης σε σχέση με εκείνους που υστερούν σε αυτούς τους τομείς.

Το 97% των χρηστών παρακάμπτει συχνά τις συστάσεις της AI-Μόλις το 17,5% των εταιρειών έχει υποδομές δεδομένων έτοιμες για agentic AI

Αυτό προκύπτει από τη δεύτερη ετήσια έκθεση της SAS, Data and AI Impact Report: The New Economics of Trust, η οποία περιλαμβάνει ερευνητικά ευρήματα της IDC και βασίζεται σε παγκόσμια έρευνα μεταξύ 2.699 στελεχών σε 28 χώρες. Σύμφωνα με τα ευρήματα, το 62% των εταιρειών που επενδύουν σε πρακτικές αξιόπιστης AI αναφέρει ισχυρή ή υψηλή απόδοση από τα σχετικά έργα, έναντι μόλις 4% μεταξύ των οργανισμών, που δεν εφαρμόζουν αντίστοιχες πρακτικές.

Παράλληλα, οι επιχειρήσεις με τις ισχυρότερες δομές αξιόπιστης AI καταγράφουν 1,85 φορές μεγαλύτερα οφέλη σε 13 διαφορετικούς δείκτες, από την αύξηση των εσόδων και τη μείωση του κόστους έως τη βελτίωση της εμπειρίας πελάτη.

Ένα από τα σημαντικότερα εμπόδια στην αξιοποίηση της τεχνητής νοημοσύνης είναι, ωστόσο, η ίδια η εμπιστοσύνη των εργαζομένων στα αποτελέσματά της. Η έρευνα διαπιστώνει ότι το 97,2% των χρηστών παρακάμπτει τις συστάσεις που παράγει η AI, τουλάχιστον σε ορισμένες περιπτώσεις.

Κυριότερος λόγος δεν είναι απαραίτητα ένα λανθασμένο αποτέλεσμα, αλλά η αδυναμία του συστήματος να εξηγήσει πώς κατέληξε σε αυτό. Η επεξηγησιμότητα εξελίσσεται, έτσι, σε ουσιαστική επιχειρηματική παράμετρο, καθώς η έλλειψή της μπορεί να οδηγεί τους εργαζομένους σε χειροκίνητες παρεμβάσεις, αυξάνοντας το κόστος και περιορίζοντας τα οφέλη παραγωγικότητας, που αναμένουν οι επιχειρήσεις από την AI.

Αυτονομία των συστημάτων

Η πρόκληση γίνεται μεγαλύτερη όσο αυξάνεται η αυτονομία των συστημάτων. Το επίπεδο εμπιστοσύνης, που καταγράφει η μελέτη, μειώνεται από 76% για την παραγωγική AI σε 66% για την agentic AI. Σύμφωνα με τη SAS, η ανάγκη ελέγχου γίνεται ακόμη πιο κρίσιμη, καθώς προηγμένοι AI agents μπορούν να εμφανίζουν ποσοστά σφάλματος άνω του 25% σε σύνθετες εργασίες. Για τον λόγο αυτό, η ανθρώπινη εποπτεία, η λογοδοσία και η δυνατότητα ερμηνείας των αποφάσεων θεωρούνται βασικές προϋποθέσεις για την ευρύτερη επιχειρησιακή αξιοποίησή τους.

Η εμπιστοσύνη, πάντως, δεν αποτελεί μόνο ζήτημα διακυβέρνησης των μοντέλων. Συνδέεται άμεσα με την ποιότητα των δεδομένων πάνω στα οποία λειτουργούν. Και σε αυτό το πεδίο, η εικόνα εμφανίζει σημαντικές αδυναμίες. Μόλις το 17,5% των επιχειρήσεων διαθέτει πλήρως βελτιστοποιημένη υποδομή δεδομένων αρκετά ώριμη, ώστε να ανταποκρίνεται στις απαιτήσεις της agentic AI.

Αντίθετα, οι οργανισμοί που έχουν ήδη δημιουργήσει ισχυρή βάση δεδομένων έχουν τέσσερις φορές περισσότερες πιθανότητες να αναμένουν υψηλό ROI από τα έργα τεχνητής νοημοσύνης. Είναι, επίσης, έξι φορές πιθανότερο να εφαρμόζουν τους απαραίτητους ελέγχους ποιότητας δεδομένων και επεξηγησιμότητας.

Το χάσμα αυτό ενδέχεται, μάλιστα, να διευρυνθεί. Το 85% των οργανισμών, που πρωτοπορούν στην AI και εφαρμόζουν πρακτικές αξιόπιστης τεχνητής νοημοσύνης αυξάνει φέτος τις σχετικές επενδύσεις του κατά περισσότερο από 10%.

Οι διαφοροποιήσεις είναι εμφανείς και σε επιμέρους κλάδους. Στις τράπεζες, για παράδειγμα, το 85% όσων χαρακτηρίζονται πρωτοπόρες στην AI έχει θεσπίσει πλαίσιο διακυβέρνησης, έναντι 29% εκείνων που υστερούν. Στον δημόσιο τομέα, το 41% των πρωτοπόρων σχεδιάζει αύξηση άνω του 20% στις επενδύσεις για αξιόπιστη AI το επόμενο έτος, ενώ στις βιοεπιστήμες το 23% των οργανισμών έχει, ήδη, επεκτείνει τη χρήση της AI σε ολόκληρη την επιχείρηση.