Η τεχνητή νοημοσύνη εξελίσσεται με ταχύτητα που αλλάζει ήδη τον τρόπο λειτουργίας των εταιρικών στόλων. Αν και οι περισσότεροι θεωρούν ότι η μεγαλύτερη απειλή αφορά τις θέσεις εργασίας, τα δεδομένα δείχνουν πως η πραγματική πρόκληση βρίσκεται αλλού: στη σταδιακή απώλεια της ανθρώπινης κρίσης.
Ωστόσο, αυτή η μετάβαση κρύβει και έναν σοβαρό κίνδυνο. Όσο περισσότερες επιχειρησιακές αποφάσεις αναλαμβάνει η τεχνητή νοημοσύνη τόσο αυξάνεται το φαινόμενο που οι ειδικοί αποκαλούν «automation bias». Πρόκειται για την τάση των ανθρώπων να εμπιστεύονται αυτόματα τις προτάσεις ενός αλγορίθμου, ακόμη κι όταν αυτές είναι λανθασμένες.
Το φαινόμενο αυτό είχε περιγράψει ήδη από τη δεκαετία του 1980 η ψυχολόγος Lisanne Bainbridge μέσα από το γνωστό «παράδοξο της αυτοματοποίησης». Σύμφωνα με τη θεωρία της, όσο πιο αποτελεσματικό γίνεται ένα αυτοματοποιημένο σύστημα τόσο δυσκολότερο είναι για τον άνθρωπο να επέμβει όταν κάτι πάει στραβά, επειδή έχει χάσει την απαραίτητη εμπειρία από την καθημερινή πρακτική.
Η απάντηση δεν βρίσκεται απαραίτητα σε ακόμη πιο εξελιγμένους αλγορίθμους. Σε κλάδους όπως η αεροπορία, οι χειριστές εκπαιδεύονται συστηματικά σε σενάρια όπου τα αυτοματοποιημένα συστήματα αποτυγχάνουν, ώστε να διατηρούν ενεργές τις δεξιότητές τους.
Γιατί έχει αυτή η ικανότητα παραμένει κρίσιμο πεδίο; Η ψηφιοποίηση των εταιρικών στόλων επιταχύνεται, καθώς η συνδεσιμότητα, η τηλεματική και η τεχνητή νοημοσύνη γίνονται βασικά εργαλεία διαχείρισης κόστους και λειτουργίας. Το ανταγωνιστικό πλεονέκτημα, όμως, δεν θα προκύψει μόνο από τους πιο εξελιγμένους αλγορίθμους, αλλά από την ισορροπία ανάμεσα στην αυτοματοποίηση και στην ανθρώπινη κρίση.
Στις προηγμένες και θεσμικά ώριμες δημόσιες διοικήσεις, το federal fleet management λειτουργεί με αυστηρά πρωτόκολλα, εσωτερικούς και εξωτερικούς ελέγχους και σαφείς γραμμές λογοδοσίας. Αν η AI προτείνει την αντικατάσταση 500 οχημάτων, ο δημόσιος υπάλληλος δεν πατά απλώς «Approve». Υπάρχουν επιτροπές, τεκμηρίωση και πολλαπλά επίπεδα ελέγχου. Η AI λειτουργεί ως εργαλείο υποστήριξης και όχι ως ο πραγματικός λήπτης των αποφάσεων.
Στην Ελλάδα, όμως, το ερώτημα αποκτά διαφορετική διάσταση. Η AI δεν θα κληθεί μόνο να μειώσει το κόστος ή να βελτιώσει τη συντήρηση ενός δημόσιου στόλου, αλλά να ενταχθεί σε ένα διοικητικό περιβάλλον όπου η λογοδοσία, η ταχύτητα των ελέγχων και η ανάληψη προσωπικής ευθύνης αποτελούν διαχρονικά αντικείμενο δημόσιας συζήτησης. Και αυτό ανοίγει ένα ακόμη πιο δύσκολο ερώτημα: όταν ο αλγόριθμος προτείνει και ο άνθρωπος εγκρίνει, ποιος πραγματικά αποφασίζει; Σε αυτό θα επανέλθουμε.