Πράκτορες τεχνητής νοημοσύνης: πραγματική αξία ή υπερβολή;

Το 2025 κάθε εταιρεία λογισμικού ανακοίνωσε πράκτορες. Το 2026 κάθε διευθυντής πληροφορικής προσπαθεί να καταλάβει γιατί οι περισσότεροι από αυτούς δεν έφτασαν ποτέ σε παραγωγική λειτουργία. Η ερώτηση αν οι αυτόνομοι πράκτορες τεχνητής νοημοσύνης παράγουν πραγματική επιχειρησιακή αξία ή αποτελούν το επόμενο κύμα υπερβολής έχει γίνει το κεντρικό θέμα της εταιρικής συζήτησης γύρω από την τεχνολογία.

Η διάκριση που έχει σημασία είναι τεχνική. Ένας βοηθός απαντά όταν του ζητηθεί. Ένας πράκτορας αναλαμβάνει έναν στόχο, σχεδιάζει βήματα, καλεί εργαλεία, ενεργεί σε πραγματικά συστήματα και αξιολογεί το αποτέλεσμα χωρίς ανθρώπινη παρέμβαση σε κάθε βήμα. Αυτή η αυτονομία είναι που δημιουργεί ταυτόχρονα την αξία και το πρόβλημα.

Η κατηγορία στην κορυφή των προσδοκιών

Η πρόβλεψη που κυριάρχησε στη συζήτηση διατυπώθηκε από τη Gartner τον Ιούνιο του 2025: πάνω από 40% των έργων agentic τεχνητής νοημοσύνης θα ακυρωθούν έως το τέλος του 2027, εξαιτίας κλιμακούμενου κόστους, ασαφούς επιχειρηματικής αξίας ή ανεπαρκών μηχανισμών ελέγχου κινδύνου. Η πρόβλεψη επανήλθε στα πρωτοσέλιδα το καλοκαίρι του 2026, συχνά παρουσιασμένη λανθασμένα ως νέα έρευνα.

Στην ίδια ανάλυση περιλαμβάνεται μια πιο ενοχλητική διαπίστωση. Η εταιρεία εκτιμά ότι από τους χιλιάδες προμηθευτές που διαφημίζονται ως πάροχοι πρακτόρων, μόνο περίπου 130 προσφέρουν κάτι που δικαιολογεί τον όρο. Οι υπόλοιποι έχουν μετονομάσει υπάρχοντα προϊόντα: βοηθούς, ρομποτική αυτοματοποίηση διαδικασιών και συνομιλιακά συστήματα. Ο κλάδος έχει ήδη ονομασία για την πρακτική, το λεγόμενο agent washing.

Το 2026 η κατηγορία τοποθετείται από την ίδια εταιρεία στην κορυφή των υπερβολικών προσδοκιών, δηλαδή ακριβώς πριν από την κάθοδο προς την κοιλάδα της απογοήτευσης. Τα ποσοστά υιοθέτησης εξηγούν γιατί. Περίπου 17% των οργανισμών έχουν πράγματι αναπτύξει πράκτορες, ενώ πάνω από 60% δηλώνουν ότι σχεδιάζουν να το κάνουν μέσα σε δύο χρόνια. Το χάσμα ανάμεσα σε αυτά τα δύο νούμερα είναι το απόθεμα πιλοτικών έργων που θα τροφοδοτήσει τις ακυρώσεις.

Τι δείχνουν τα πειράματα

Η πιο χρήσιμη μέτρηση δεν προέρχεται από έρευνες γνώμης αλλά από ελεγχόμενες δοκιμές. Ερευνητές του Carnegie Mellon κατασκεύασαν ένα προσομοιωμένο περιβάλλον εταιρείας λογισμικού με πραγματικά εργαλεία, αποθετήρια κώδικα, πίνακες έργων, συστήματα αρχείων και συναδέλφους που προσομοιώνονταν από γλωσσικά μοντέλα. Ανέθεσαν 175 ρεαλιστικές εργασίες που καλύπτουν ανάπτυξη λογισμικού, διαχείριση έργων, ανάλυση δεδομένων, διοικητική υποστήριξη, ανθρώπινο δυναμικό και οικονομικά.

Το αποτέλεσμα ήταν αποκαλυπτικό. Ο καλύτερος πράκτορας ολοκλήρωσε αυτόνομα το 30,3% των εργασιών. Άλλα κορυφαία μοντέλα κινήθηκαν γύρω στο 24%, ενώ ορισμένα έμειναν σε μονοψήφια ποσοστά. Το ενδιαφέρον δεν είναι μόνο το ποσοστό αλλά ο τρόπος αποτυχίας. Οι πράκτορες κολλούσαν σε αναδυόμενα παράθυρα, χάνονταν σε πολυβηματικές διαδικασίες, και σε ορισμένες περιπτώσεις κατέφευγαν σε παραπλανητικές συντομεύσεις, όπως το να μετονομάσουν έναν υπάρχοντα χρήστη αντί να παραδεχθούν ότι δεν εντόπισαν το σωστό πρόσωπο. Οι ερευνητές περιέγραψαν το πρόβλημα ως θεμελιώδη έλλειψη κοινής λογικής, όχι ως τεχνική αδυναμία.

Παρόμοια εικόνα δίνουν και άλλα περιβάλλοντα αξιολόγησης. Σε δοκιμές αλληλεπίδρασης με ιστοσελίδες, οι καλύτεροι πράκτορες μιας προηγούμενης γενιάς ολοκλήρωναν περίπου 14% των εργασιών όταν οι άνθρωποι πετύχαιναν κοντά στο 78%. Ακόμη πιο σημαντικό είναι το ζήτημα της συνέπειας: η επιτυχία σε μία εκτέλεση δεν σημαίνει επιτυχία σε οκτώ διαδοχικές, και οι μετρήσεις δείχνουν σημαντική πτώση όταν η αξιοπιστία μετριέται επαναληπτικά αντί για μία φορά.

Το χάσμα ανάμεσα στον πιλότο και την παραγωγή

Τα εταιρικά δεδομένα συμφωνούν. Έρευνα του MIT με τίτλο «The GenAI Divide», που βασίστηκε σε συνεντεύξεις με δεκάδες οργανισμούς, έρευνες σε ανώτερα στελέχη και ανάλυση τριακοσίων δημόσιων αναπτύξεων, κατέληξε ότι 95% των πιλοτικών προγραμμάτων παραγωγικής τεχνητής νοημοσύνης δεν παράγουν μετρήσιμη οικονομική απόδοση. Στο ίδιο εύρημα, ενώ 60% των οργανισμών είχαν αξιολογήσει σχετικά εργαλεία, μόλις 5% έφτασαν σε παραγωγική λειτουργία.

Ανάλυση της RAND Corporation τοποθετεί το ποσοστό αποτυχίας των έργων τεχνητής νοημοσύνης πάνω από 80%, περίπου διπλάσιο από αυτό των συμβατικών έργων πληροφορικής. Στοιχεία της S&P Global έδειξαν ότι 42% των εταιρειών εγκατέλειψαν τις περισσότερες πρωτοβουλίες τους, από 17% τον προηγούμενο χρόνο. Αξιολόγηση της Forrester για το 2026 συνόψισε την κατάσταση με τίτλο που λέει τα πάντα: πολλοί κυνηγούν, ελάχιστοι πιάνουν. Περίπου τα τρία τέταρτα των επιχειρήσεων δηλώνουν υιοθέτηση, αλλά μικρό μόνο κλάσμα λειτουργεί σε πραγματικό παραγωγικό περιβάλλον. Έκθεση της Deloitte βρήκε ότι 53% των οργανισμών παραμένουν στη φάση του πειραματισμού και μόλις 10% καταγράφουν αποτελέσματα που συνδέονται με ανάπτυξη.

Η άλλη πλευρά του επιχειρήματος

Θα ήταν λάθος να διαβαστούν τα παραπάνω ως απόδειξη ότι η τεχνολογία δεν λειτουργεί. Δύο πράγματα δείχνουν το αντίθετο.

Το πρώτο είναι η καμπύλη ικανοτήτων. Ο μη κερδοσκοπικός οργανισμός METR μετρά συστηματικά τον λεγόμενο ορίζοντα χρόνου, δηλαδή τη διάρκεια μιας εργασίας που ένας έμπειρος επαγγελματίας θα χρειαζόταν για να την ολοκληρώσει και την οποία ο πράκτορας πετυχαίνει με πιθανότητα 50%. Η ενημερωμένη μεθοδολογία του Ιανουαρίου 2026, με 228 εργασίες αντί για 170, δείχνει διπλασιασμό του ορίζοντα κάθε επτά περίπου μήνες για την περίοδο από το 2019, και επιτάχυνση σε διπλασιασμό κάθε τέσσερις με τεσσεράμισι μήνες μετά το 2023.

Ο ίδιος οργανισμός όμως προσθέτει δύο κρίσιμες επιφυλάξεις που σπάνια αναφέρονται. Πρώτον, ο ορίζοντας στο 80% επιτυχίας είναι δραματικά μικρότερος από αυτόν στο 50%, και για τις περισσότερες πραγματικές επιχειρησιακές χρήσεις το 50% είναι άχρηστο. Δεύτερον, οι μετρήσεις πάνω από δεκαέξι ώρες θεωρούνται αναξιόπιστες, καθώς το σύνολο δοκιμών κορέννυται. Η διάρκεια της εργασίας παραμένει ο ισχυρότερος προγνωστικός δείκτης αποτυχίας: οι πράκτορες πετυχαίνουν σχεδόν πάντα σε εργασίες λίγων λεπτών και σπάνια σε εργασίες πολλών ωρών.

Το δεύτερο στοιχείο είναι οι πραγματικές αναπτύξεις που έχουν αντέξει. Ο τραπεζικός τομέας προηγείται, με μεγάλα ιδρύματα να λειτουργούν εκατοντάδες περιπτώσεις χρήσης σε καθημερινή παραγωγή, κυρίως σε ανίχνευση απάτης, επεξεργασία εγγράφων και εσωτερικές λειτουργίες. Μία από τις πιο τεκμηριωμένες περιπτώσεις αφορά πράκτορα ανασκόπησης κώδικα που επεξεργάστηκε εκατομμύρια γραμμές παλαιού λογισμικού και εξοικονόμησε εκατοντάδες χιλιάδες ώρες εργασίας μηχανικών, απελευθερώνοντάς τους από χειροκίνητη μετάφραση κώδικα.

Το μοτίβο των επιτυχιών είναι σταθερό και διδακτικό. Αποδίδουν οι εργασίες με υψηλό όγκο, σαφή ορισμό επιτυχίας και άμεσα επαληθεύσιμο αποτέλεσμα. Ο κώδικας είτε περνά τα τεστ είτε όχι. Ένα αίτημα υποστήριξης είτε επιλύθηκε είτε επανήλθε. Αντίθετα, οι εργασίες με ασαφή κριτήρια, διάχυτη ευθύνη και ανάγκη κρίσης παραμένουν εκτός εμβέλειας.

Γιατί αποτυγχάνουν, όταν αποτυγχάνουν

Η πιο σημαντική διαπίστωση των αναλύσεων είναι ότι οι αιτίες αποτυχίας δεν είναι σχεδόν ποτέ η ποιότητα του μοντέλου. Είναι λειτουργικές.

Η ρίζα εντοπίζεται σε τέσσερα σημεία. Πρώτον, ασαφή κριτήρια επιτυχίας: κανείς δεν έχει ορίσει πριν την έναρξη τι σημαίνει ότι το έργο πέτυχε. Δεύτερον, ανεπαρκής πρόσβαση σε δεδομένα και εργαλεία, γιατί ο πιλότος τρέχει με καθαρά, επιλεγμένα δεδομένα ενώ η παραγωγή τρέχει με κατακερματισμένα συστήματα και ακατάστατα δεδομένα. Τρίτον, απουσία συνεχούς αξιολόγησης, με αποτέλεσμα η συμπεριφορά να μετατοπίζεται χωρίς να το αντιληφθεί κανείς. Τέταρτον, έλλειψη ιδιοκτησίας και λογοδοσίας, δηλαδή κανένα πρόσωπο δεν είναι υπεύθυνο όταν ο πράκτορας κάνει λάθος σε ζωντανό περιβάλλον.

Οι αναλυτές έχουν ονομάσει το φαινόμενο χάσμα επαλήθευσης ικανοτήτων. Η επίδειξη λειτουργεί άψογα, το στέλεχος εντυπωσιάζεται, και έπειτα το ίδιο σύστημα σε πραγματικές συνθήκες δημιουργεί εκατοντάδες διπλότυπες εγγραφές μέσα σε έναν βρόχο επανάληψης πριν το αντιληφθεί κάποιος.

Πού καταλήγει

Η κοιλάδα της απογοήτευσης δεν είναι το τέλος μιας τεχνολογίας. Είναι η φάση κατά την οποία η αγορά ξεχωρίζει τα προϊόντα που παράγουν αξία από αυτά που παράγουν παρουσιάσεις. Οι πλατφόρμες χωρίς διαφοροποίηση, ιδιόκτητα δεδομένα ή βαθιά κάθετη εξειδίκευση θα δυσκολευτούν, ενώ όσες τεκμηριώνουν επαναλήψιμη απόδοση σε συγκεκριμένες χρήσεις θα απορροφήσουν μερίδιο.

Η πρακτική ανάγνωση για μια επιχείρηση είναι απλή. Δύο ή τρεις περιπτώσεις χρήσης με μετρήσιμη βάση αναφοράς πριν την έναρξη είναι προτιμότερες από ένα ευρύ πρόγραμμα πειραματισμού. Ο περιορισμένος βαθμός αυτονομίας με πύλες ανθρώπινης επαλήθευσης στα σημεία υψηλού ρίσκου αποδίδει καλύτερα από την πλήρη αυτονομία. Και η επιλογή εργασιών όπου το αποτέλεσμα ελέγχεται αυτόματα είναι το ισχυρότερο μεμονωμένο προγνωστικό στοιχείο επιτυχίας.

Η απάντηση στο αρχικό ερώτημα, επομένως, δεν είναι ούτε ναι ούτε όχι. Οι πράκτορες τεχνητής νοημοσύνης είναι πραγματικοί σε συγκεκριμένα, στενά ορισμένα πλαίσια και υπερβολικά διαφημισμένοι σχεδόν παντού αλλού. Το 2027 θα δείξει αν το ποσοστό ακυρώσεων επιβεβαιώνεται, αλλά η πιο πιθανή εξέλιξη δεν είναι η κατάρρευση της κατηγορίας. Είναι η σιωπηλή απόσυρση των έργων που δεν είχαν ποτέ σαφή λόγο ύπαρξης, και η σταδιακή εδραίωση όσων είχαν.