Το κρυφό κόστος της Τεχνητής Νοημοσύνης

Μέσω των εννοιών Αλγοριθμικό Κεφάλαιο και Αλγοριθμική Ισχύς, αναλύει τις ασυμμετρίες κλίμακας εις βάρος των μικρομεσαίων επιχειρήσεων και το δυναμικό κόστος υστέρησης της ΕΕ έναντι ΗΠΑ και Κίνας. Στο παρόν άρθρο χρησιμοποιούνται οι εξής ορισμοί:

• Αλγοριθμικό Κεφάλαιο. Το δυναμικό οικοσύστημα δεδομένων, υπολογιστικής ισχύος, μοντέλων ΤΝ, λογισμικού και τεχνογνωσίας.
• Αλγοριθμική Ισχύς. Η ικανότητα που παράγει το κεφάλαιο αυτό για ταχεία, προσαρμοστική και ακριβή λήψη αποφάσεων και γνώσης.
• Αλγοριθμικό Κόστος Βιωσιμότητας. Το επαναλαμβανόμενο κόστος για τη διατήρηση του κεφαλαίου σε λειτουργία, ασφαλή και σύννομη.

Η πολιτική της ΕΕ για την Τεχνητή Νοημοσύνη στηρίζεται στην ασφάλεια, τη λογοδοσία και την προστασία των θεμελιωδών δικαιωμάτων. Για τις ΜμΕ, που αποτελούν πάνω από το 99% των επιχειρήσεων και σημαντικό μερίδιο της προστιθέμενης αξίας στην Ελλάδα (ΕΛΣΤΑΤ, 2023), η κρίσιμη πρόκληση δεν είναι η αρχική απόκτηση μιας εφαρμογής ΤΝ και η πιστοποίησή της, αλλά η ικανότητα να παραμένει λειτουργική, ασφαλής και σύννομη σε βάθος χρόνου.

Η ΕΕ έχει αναπτύξει σημαντικούς υποστηρικτικούς μηχανισμούς, όπως τους Ευρωπαϊκούς Κόμβους Ψηφιακής Καινοτομίας (EDIHs), τις Εγκαταστάσεις Δοκιμών και Πειραματισμού (TEFs), τα Ρυθμιστικά Δοκιμαστήρια (Regulatory Sandboxes) και τις Υποδομές Υπερυπολογιστών για Τεχνητή Νοημοσύνη (AI Factories). Πρόκειται για κρίσιμα εργαλεία πρόσβασης στο στάδιο “δοκιμή προ επένδυσης” (test-before-invest). Δεν εξαλείφουν όμως το μακροχρόνιο κόστος λειτουργίας και ανανέωσης της αλγοριθμικής ισχύος

Από το κόστος εισόδου στο κόστος βιωσιμότητας

Η δημόσια συζήτηση επικεντρώνεται στο κόστος αρχικής υιοθέτησης και πιστοποίησης. Για μια επιχείρηση που ενσωματώνει την Τεχνητή Νοημοσύνη στην παραγωγή, το ουσιώδες είναι η διατήρησή της σε λειτουργική, ασφαλή, νόμιμη και ανταγωνιστική κατάσταση. Εδώ εντοπίζεται η διαφορά από το κλασικό επιχειρηματικό κεφάλαιο. Ένα πάγιο, μηχάνημα ή κτίριο, απαξιώνεται με λογιστικά προβλέψιμο, γραμμικό ρυθμό.

Το Αλγοριθμικό Κεφάλαιο δεν απαξιώνεται έτσι. Μπορεί να παραμείνει τεχνικά άθικτο και ταυτόχρονα να καταστεί απότομα άχρηστο ή επικίνδυνο, όταν το μοντέλο αποκλίνει από την πραγματικότητα (model drift) ή όταν τα δεδομένα αλλοιώνονται σκόπιμα (data poisoning) ή όταν αλλάζει το κανονιστικό πλαίσιο.

Το Αλγοριθμικό Κεφάλαιο μοιάζει περισσότερο με μυ που ατροφεί, αν δεν τροφοδοτείται με νέα δεδομένα και δεν επανεκπαιδεύεται συνεχώς. Η αξία του δεν συναρτάται με τον χρόνο, αλλά με τη διαρκή άσκησή του. Η Τεχνητή Νοημοσύνη δεν είναι απλώς ένα εργαλείο γιατί επιταχύνει και πολλαπλασιάζει τη χρήση των υφιστάμενων συντελεστών παραγωγής.

Αυτό αποτελεί τον πυρήνα του ευρωπαϊκού προβλήματος γιατί οι μικρομεσαίες επιχειρήσεις μπορεί να αποκτήσουν πρόσβαση στην τεχνολογία, αλλά αδυνατούν να χρηματοδοτήσουν τη διαρκή ανανέωσή της, δηλαδή την τεχνική τεκμηρίωση, τη διακυβέρνηση δεδομένων, την  κυβερνοασφάλεια, την ανθεκτικότητα, την ανθρώπινη εποπτεία, την επανεκπαίδευση μοντέλων και την κανονιστική προσαρμογή.

Η λειτουργία του κεφαλαίου αυτού δεν είναι πάντα ορατή, γιατί ο αλγόριθμος λειτουργεί σιωπηλά, ενσωματωμένος σε διαδικασίες. Ο πόλεμος στην Ουκρανία λειτουργεί ως διαφωτιστικό παράδειγμα. Η Τεχνητή Νοημοσύνη μετατρέπει τα drones από τηλεκατευθυνόμενα μέσα σε αυτοματοποιημένο, προσαρμόσιμο δίκτυο, ικανό να συντονίζει μονάδες και να κατανέμει ρόλους χωρίς ανθρώπινη παρέμβαση. Επικρατεί πλέον όποιος διαθέτει το ανώτερο/ισχυρότερο Αλγοριθμικό Κεφάλαιο για να ελέγχει το πεδίο της πληροφορίας. Ό,τι εκεί εκδηλώνεται ως αυτόνομη δράση, στην επιχείρηση εκδηλώνεται ως αθόρυβο ανταγωνιστικό πλεονέκτημα, δηλαδή επικρατεί η ίδια λογική ισχύος.

Συμμόρφωση και ασυμμετρίες κλίμακας

Ο Κανονισμός AI Act επιδιώκει θεμιτούς στόχους. Η συμμόρφωση όμως δεν κατανέμεται ομοιόμορφα. Ενδεικτικές εκτιμήσεις της δεξαμενής σκέψης CEPS τοποθετούν το κόστος δημιουργίας νέου συστήματος διαχείρισης ποιότητας για εφαρμογή υψηλού κινδύνου μεταξύ 193.000 και 330.000 ευρώ, με ετήσιο κόστος συντήρησης περίπου 71.400 ευρώ. Το μέγεθος αναδεικνύει την ασυμμετρία. Η πολυεθνική διαθέτει εσωτερικά οργανικά τμήματα συμμόρφωσης, η μικρομεσαία επιχείρηση αγοράζει τις ίδιες ικανότητες από εξωτερικούς παρόχους.

Η ασυμμετρία εντείνεται από την έννοια της “ουσιώδους τροποποίησης”. Μια αλλαγή σε σύστημα υψηλού κινδύνου μετά τη διάθεσή του μπορεί να απαιτήσει αξιολόγηση συμμόρφωσης και ενδεχομένως νέα αξιολόγηση. Το κόστος συσσωρεύεται σε τρία επίπεδα, δηλαδή την αρχική συμμόρφωση, την  αξιολόγηση μεταβολής και την επαναξιολόγηση. Η ίδια υποχρέωση για τον όμιλο είναι διαχειρίσιμο λειτουργικό κόστος, αλλά για τη ΜμΕ μπορεί να γίνει φραγμός επιβίωσης

Δεδομένα, γεωπολιτική και εξάρτηση

Το ευρωπαϊκό μειονέκτημα δεν είναι μόνο κανονιστικό. Αφορά ολόκληρο το οικοσύστημα αλγοριθμικής παραγωγής, δηλαδή πρώτες ύλες, logistics, κεφάλαια, cloud, δεδομένα, ενέργεια και πρόσβαση σε ενιαίες αγορές. Οι ΗΠΑ διαθέτουν βαθύτερες κεφαλαιαγορές και εκτεταμένες υποδομές cloud. Η Κίνα συνδυάζει κρατική κινητοποίηση κεφαλαίων και βιομηχανική πολιτική.

Η ΕΕ εξακολουθεί να εξαρτάται σε μεγάλο βαθμό από εξωευρωπαϊκούς παρόχους cloud και θεμελιωδών μοντέλων, καθώς και από κατακερματισμένες αγορές-κεφαλαιαγορές και τραπεζικές πολιτικές. Παράδειγμα, η Ευρωπαϊκή Τραπεζική Ένωση βρίσκεται εδώ και χρόνια σε κατάσταση ημιτελούς ολοκλήρωσης. Η κύρια αντίδραση προέρχεται από τις βόρειες/πλεονασματικές χώρες της Ευρωζώνης, με ηγέτιδα τη Γερμανία, καθώς και την Ολλανδία και τη Φινλανδία. Ενώ όλοι οι ηγέτες της ΕΕ συμφωνούν στα λόγια ότι η Ευρώπη χρειάζεται επειγόντως την Ένωση Κεφαλαιαγορών (για να χρηματοδοτηθεί η πράσινη και ψηφιακή μετάβαση και να μην φεύγουν τα ευρωπαϊκά κεφάλαια προς τις ΗΠΑ), κανένα κράτος δεν θέλει να παραχωρήσει τις εθνικές του εξουσίες.

Ενώ η κατάσταση στους κρίσιμους αυτούς τομείς είναι ανομοιογενής και κατακερματισμένη, όπως προαναφέρθηκε, παρουσιάζεται και θεσμική αδυναμία ελέγχου της υποδομής μέσω της οποίας τα δεδομένα των Ευρωπαίων, που δεν είναι απλώς εμπορεύσιμη πληροφορία γιατί μετατρέπονται σε αλγοριθμική αξία, που την καρπώνονται οι big tech. Αποτελούν κρίσιμη εισροή για την εκπαίδευση των  αλγοριθμικών συστημάτων τους. 

Τεχνητή Νοημοσύνη: Τί δείχνει το ιστορικό 

Η ιστορία των διατλαντικών ροών δεδομένων από την ΕΕ στις ΗΠΑ (big tech) είναι ενδεικτική. Οι επιφυλάξεις της Ομάδας Εργασίας του Άρθρου 29 για τη συμφωνία Safe Harbour προηγήθηκαν της ακύρωσής της από το Δ.Ε.Ε. (Schrems I), ενώ αντίστοιχες επιφυλάξεις για την Privacy Shield προηγήθηκαν της ακύρωσής της εκ νέου (Schrems II). Η Ευρωπαϊκή Επιτροπή επέδειξε επιμονή να συνάπτει παρόμοιες συμφωνίες, παρά τα δικαστικά αιτιολογικά ακύρωσης των εν λόγω συμφωνιών και τον σκεπτικισμό της WG29 και του Ευρωπαϊκού Συμβουλίου Προστασίας Δεδομένων για την επάρκεια της προστασίας. Η σημερινή συμφωνία Data Privacy Framework επαναφέρει, υπό διαφορετική μορφή, το ίδιο ζήτημα, τη σχέση διασυνοριακής ροής δεδομένων, προστασίας δικαιωμάτων και γεωοικονομικής εξάρτησης. 

Παράλληλα, οι περιορισμοί στα third-party cookies ενίσχυσαν τους “ελεγκτές εισόδου” gatekeepers και τους κλειστούς κήπους δεδομένων (data walled gardens) των μεγάλων πλατφορμών. Προσφέρουν στις μικρομεσαίες επιχειρήσεις προστασία, εργαλεία και υποδομές, αλλά με όρους που οι ίδιες καθορίζουν. Χωρίς δικά τους δεδομένα, υποδομές και αλγοριθμική ισχύ, οι μικρομεσαίες επιχειρήσεις συμμετέχουν στα ψηφιακά οικοσυστήματα ως εξαρτημένοι χρήστες παρά ως ισότιμοι ανταγωνιστές. 

Η ανισότητα αυτή αποτυπώνεται και στους κανόνες ανταγωνισμού. Τα πρόστιμα του DMA (όπως τα €500 εκατ. στην Apple και €200 εκατ. στη Meta το 2025) αντιμετωπίζονται από τους κολοσσούς ως στρατηγική διαχείρισης κινδύνου, ενώ για μια ΜμΕ η συμμόρφωση είναι όρος επιβίωσης. Χωρίς διαλειτουργικότητα και άρση του τεχνολογικού εγκλωβισμού, η αγορά παραμένει τυπικά ρυθμιζόμενη αλλά ουσιαστικά άνιση.

Κυβερνοασφάλεια και Κυβερνοανθεκτικότητα

Η κυβερνοασφάλεια αφορά την πρόληψη και αντιμετώπιση κυβερνο-επιθέσεων. Η κυβερνοανθεκτικότητα όμως αφορά την ικανότητα συνέχισης της λειτουργίας μετά από περιστατικό, μέσω εφεδρικών υποδομών και σχεδίων επιχειρησιακής συνέχειας (business continuity).

Για τη μικρομεσαία επιχείρηση, η ανθεκτικότητα επηρεάζει το επενδυτικό ρίσκο, τους όρους χρηματοδότησης και το ασφαλιστικό κόστος. Η προστασία πρέπει να καλύπτει όλο τον κύκλο ήτοι: Δεδομένα → Εκπαίδευση → Μοντέλο → Εφαρμογή → Παρακολούθηση → Επανεκπαίδευση

Η ελληνική διάσταση στην Τεχνητή Νοημοσύνη

Στην Ελλάδα, η χρήση Τεχνητής Νοημοσύνης στη δημόσια διοίκηση, μεταξύ άλλων για αξιολόγηση δράσεων και κρατικές ενισχύσεις, καθιστά κρίσιμο το άρθρο 22 του ΓΚΠΔ (Γενικού Κώδικα Ποινικής Δικονομίας) για την αυτοματοποιημένη λήψη αποφάσεων. Η πρόκληση δεν είναι μόνο η νομιμότητα του αλγορίθμου, αλλά η ικανότητα των εποπτικών αρχών να τον ελέγξουν.

Όταν η στελέχωση και η τεχνογνωσία είναι ανεπαρκείς και προστίθεται νομική ασάφεια (πρβλ. Γνωμ. 1/2020 και 9/2024 ΑΠΔΠΧ), η αβεβαιότητα μετακυλίεται στις επιχειρήσεις ως κόστος. Η παράλληλη δε εφαρμογή από τις εποπτικές αρχές των Κανονισμών της ΕΕ  ΓΚΠΔ, DMA, AI Act και εθνικών εφαρμοστικών διατάξεων (ένα σύνολο νομοθετικού υλικού που υπερβαίνει τις 400 σελίδες) δημιουργεί ένα σύνθετο και κοστοβόρο περιβάλλον πολλαπλών υποχρεώσεων.

Το Χάσμα Κλιμάκωσης και οι Νεοφυείς Επιχειρήσεις

Οι νεοφυείς επιχειρήσεις (start-ups) είναι ο βασικός μηχανισμός μετατροπής της έρευνας σε εμπορική ισχύ. Η Ευρώπη παράγει συγκρίσιμο αριθμό start-ups με τις ΗΠΑ, αλλά αδυνατεί να τις μεγενθύνει (scale-ups). Μετά την πρώτη πενταετία, η ανάπτυξή τους υποχωρεί έως και 50% λόγω έλλειψης κεφαλαίων ανάπτυξης, οπότε ή βγαίνουν από την αγορά ή καταφεύγουν στην αμερικανική κεφαλαιοαγορά ή οι πιο υποσχόμενες εξαγοράζονται από τις big tech ή άλλους αμερικανικούς πολυεθνικούς ομίλους.

Η Πρόεδρος της ΕΚΤ, Christine Lagarde, προειδοποίησε στο Παγκόσμιο Οικονομικό Φόρουμ στο Νταβός (Ιανουάριος 2026) ότι η Ευρώπη δεν έχει την πολυτέλεια να επαναλάβει το λάθος της πρώτης ψηφιακής επανάστασης, όταν τα οφέλη κατέληξαν δυσανάλογα εκτός ΕΕ. Η αιτία βρίσκεται στον κατακερματισμό της ενιαίας αγοράς και των κεφαλαιαγορών, θέση που ευθυγραμμίζεται με την Έκθεση Draghi για την Τεχνητή Νοημοσύνη και επισημαίνεται ως η τελευταία ευκαιρία της ΕΕ (2024).

Η εικόνα επιβεβαιώνεται στατιστικά: H ΕΕ παράγει λιγότερο από το 1/4 των παγκόσμιων μονόκερων (unicorns), ήτοι νεοφυείς επιχειρήσεις με αποτίμηση άνω του ενός δισεκατομμυρίου, ενώ πάνω από 70% των AI unicorns εδρεύουν σε ΗΠΑ και Κίνα. Τα αμερικανικά κεφάλαια επιχειρηματικών συμμετοχών (venture capital) σε στάδιο κλιμάκωσης είναι 3 έως 4 φορές μεγαλύτερα από τα ευρωπαϊκά, μετατρέποντας το κεφάλαιο σε ταχύτερη συσσώρευση Αλγοριθμικής Ισχύος.

Το Δυναμικό Κόστος Υστέρησης και η Πρόταση Πολιτικής

Η υστέρηση παράγει έναν φαύλο κύκλο κατά την έννοια: χαμηλότερη υιοθέτηση ΤΝ → χαμηλότερη παραγωγικότητα → μικρότερη επενδυτική ικανότητα → λιγότερο Αλγοριθμικό Κεφάλαιο. Καθώς οι ανταγωνιστές συσσωρεύουν δεδομένα και υποδομές, το χάσμα διευρύνεται εκθετικά, προκαλώντας πολυκρίση, δηλαδή τεχνολογική εξάρτηση, διαρροή εγκεφάλων, δημοσιονομική και αμυντική αποδυνάμωση.

Τα υφιστάμενα εργαλεία (EDIHs, TEFs, Sandboxes, AI Factories) δεν επαρκούν. Απαιτείται ένα ευρωπαϊκό “δίχτυ αλγοριθμικής ισχύος” που θα παρέχει τεχνική, νομική και υπολογιστική υποστήριξη, αλλά κυρίως χρηματοδότηση ύστερου σταδίου. Σε αυτό το πλαίσιο εντάσσονται εθνικές πρωτοβουλίες, όπως το ελληνικό πρόγραμμα των 150 εκατ. ευρώ για μικρομεσαίες επιχειρήσεις, το οποίο δεν πρέπει να περιοριστεί σε εξοπλισμό, αλλά να καλύψει εκπαίδευση, διαχείριση δεδομένων και κυβερνοανθεκτικότητα.

Είναι αναγκαίο αλλά όχι επαρκές. Θωρακίζει μεμονωμένες επιχειρήσεις, όχι το χάσμα κλιμάκωσης. Μόνο μια συντονισμένη ενωσιακή δράση που να εκτείνεται στη δημιουργία ενιαίας κεφαλαιαγοράς, κανονιστικής ρύθμισης και ενιαίας υποδομής μαζί  μπορεί να μετατρέψει το Αλγοριθμικό Κεφάλαιο της Ευρώπης από διάσπαρτο δυναμικό σε διατηρήσιμη Αλγοριθμική Ισχύ. Διαφορετικά, το σημερινό κόστος προσαρμογής θα εξελιχθεί σε μόνιμο Δυναμικό Κόστος Υστέρησης.