AI: Κόστος εναντίον Κυριαρχίας Δεδομένων – Το Δίλημμα του DeepSeek
Το δίλημμα του AI: Οικονομικό κόστος vs κυριαρχία δεδομένων. Πώς το DeepSeek αλλάζει τα δεδομένα και τι σημαίνει αυτό για την ασφάλεια των επιχειρήσεων σήμερα.
Minas Marios Kontis
Το δίλημμα του AI: Οικονομικό κόστος vs κυριαρχία δεδομένων. Πώς το DeepSeek αλλάζει τα δεδομένα και τι σημαίνει αυτό για την ασφάλεια των επιχειρήσεων σήμερα.
Η οικονομική αποδοτικότητα του AI και η κυριαρχία των δεδομένων βρίσκονται πλέον σε τροχιά σύγκρουσης, αναγκάζοντας τους παγκόσμιους και ευρωπαϊκούς οργανισμούς να επανεξετάσουν ριζικά τα πλαίσια διαχείρισης ρίσκου. Καθώς η τεχνολογία εξελίσσεται, το ερώτημα που κυριαρχεί είναι αν η μείωση του κόστους αξίζει τελικά το ρίσκο της ασφάλειας.
Για πάνω από ένα χρόνο, το αφήγημα γύρω από το generative AI εστίαζε σε έναν ξέφρενο αγώνα δρόμου για νέες δυνατότητες και καινοτομία. Η επιτυχία μετριόταν συχνά με βάση:
Ωστόσο, οι συζητήσεις στα διοικητικά συμβούλια των επιχειρήσεων υφίστανται πλέον μια απαραίτητη διόρθωση, εστιάζοντας στην ουσία και όχι μόνο στον εντυπωσιασμό.
Ενώ η γοητεία των μοντέλων χαμηλού κόστους και υψηλής απόδοσης προσφέρει ένα δελεαστικό μονοπάτι για ταχεία ανάπτυξη, οι κρυμμένες ευθύνες επιβάλλουν την αυστηρή επαναξιολόγηση της επιλογής προμηθευτών. Οι κυριότεροι προβληματισμοί αφορούν:
Το εργαστήριο AI DeepSeek, με έδρα την Κίνα, έγινε πρόσφατα το επίκεντρο αυτής της συζήτησης σε όλο τον κλάδο, αλλάζοντας τα δεδομένα στην αγορά.
Σύμφωνα με τον Bill Conner, πρώην σύμβουλο της Interpol και της GCHQ, και νυν CEO της Jitterbit, η αρχική υποδοχή του DeepSeek ήταν θετική επειδή τόλμησε να αμφισβητήσει το status quo. Απέδειξε μια σημαντική αλήθεια για το μέλλον της τεχνολογίας:
«Τα υψηλής απόδοσης μεγάλα γλωσσικά μοντέλα (LLMs) δεν απαιτούν απαραίτητα προϋπολογισμούς επιπέδου Silicon Valley.»
Για τις επιχειρήσεις, τόσο στην Ελλάδα όσο και διεθνώς, που επιδιώκουν να περικόψουν το τεράστιο κόστος που σχετίζεται με τα πιλοτικά προγράμματα generative AI, αυτή η οικονομική αποδοτικότητα ήταν εύλογα ελκυστική.
Ο Conner παρατηρεί εύστοχα ότι αυτά τα «αναφερόμενα χαμηλά κόστη εκπαίδευσης αναζωπύρωσαν αναμφισβήτητα τις συζητήσεις του κλάδου γύρω από την αποδοτικότητα, τη βελτιστοποίηση και το "αρκετά καλό" AI», ανοίγοντας τον δρόμο για την επόμενη φάση στην εξέλιξη της τεχνητής νοημοσύνης.
