Συνέντευξη: Ρούλα Σκουρογιάννη
Η Τεχνητή Νοημοσύνη έχει πάψει εδώ και καιρό να είναι υπόσχεση του μέλλοντος για τη φαρμακευτική βιομηχανία. Είναι ήδη παρούσα στα εργαστήρια, στις γραμμές παραγωγής, στον σχεδιασμό κλινικών μελετών και στη διαχείριση δεδομένων εκατοντάδων χιλιάδων ασθενών. Σε έναν κλάδο που παραδοσιακά κινείται με ορίζοντες δεκαετιών, η ΤΝ εισάγει μια νέα λογική: ταχύτερη ανακάλυψη μορίων, στοχευμένες κλινικές δοκιμές, εξατομικευμένες θεραπείες και έξυπνες γραμμές παραγωγής που βελτιστοποιούνται σε πραγματικό χρόνο. Το ερώτημα πλέον δεν είναι αν η ΤΝ θα αλλάξει τη φαρμακευτική έρευνα — αλλά με ποιον ρυθμό και με ποιες προϋποθέσεις.
Ο Πρόεδρος και Διευθύνων Σύμβουλος της Boehringer Ingelheim Ελλάδας & Κύπρου, κ. Δημήτρης Αναγνωστάκης, βρίσκεται στο επίκεντρο αυτής της μετάβασης. Παράλληλα, από τη θεσμική του θέση ως Αντιπρόεδρος του ΣΦΕΕ και υπεύθυνος Επιστημονικών Θεμάτων, διαθέτει μια σφαιρική και βαθιά εικόνα για τις τάσεις που διαμορφώνουν το αύριο της υγείας. Μιλά με γνώση και ακρίβεια για μια εταιρεία που δεν πειραματίζεται περιστασιακά με τη νέα τεχνολογία, αλλά την έχει ενσωματώσει ως δομικό στοιχείο του ερευνητικού της μοντέλου: πάνω από το 50% του παγκόσμιου ερευνητικού χαρτοφυλακίου της εταιρείας προκύπτει από εξωτερικές συνεργασίες, πολλές εκ των οποίων αφορούν πλατφόρμες ΤΝ αιχμής. Από τη συνεργασία με την IBM για την ανακάλυψη θεραπευτικών αντισωμάτων έως τις κβαντικές υπολογιστικές εφαρμογές και την ανάλυση δεδομένων 100.000 ογκολογικών ασθενών, η εταιρεία χτίζει ένα οικοσύστημα καινοτομίας που αλλάζει τον τρόπο με τον οποίο γεννιούνται τα φάρμακα του αύριο.
Στη συνέντευξη που ακολουθεί, ο κ. Αναγνωστάκης αναλύει με ειλικρίνεια τόσο τις δυνατότητες όσο και τα όρια της τεχνολογίας, σήμερα. Μιλά για το εργοστάσιο του Κορωπίου, που μετασχηματίστηκε σε “data-driven factory” και κέρδισε τρεις διακρίσεις στα Smart Manufacturing Awards 2025, για τον ρόλο της ΤΝ στη στρατολόγηση ασθενών σε κλινικές μελέτες, για τις προκλήσεις της κυβερνοασφάλειας και της explainable AI απέναντι στις ρυθμιστικές αρχές και για τη φιλοσοφία της «εκδημοκρατικοποίησης» της γνώσης, που αφορά κάθε εργαζόμενο της εταιρείας, από τη γραμμή παραγωγής ως τη διοίκηση. Μια συζήτηση που αποτυπώνει όχι μόνο την πορεία μιας εταιρείας, αλλά και τη νέα πραγματικότητα ολόκληρου του κλάδου.
Η ΤΝ στην Πρώιμη Έρευνα και ο Ρόλος των Διεθνών Συνεργασιών
Κύριε Αναγνωστάκη, σε ποια φάση βρίσκεται, σήμερα, η συνεργασία της Boehringer Ingelheim με την IBM για την ανάπτυξη πλατφόρμας Τεχνητής Νοημοσύνης αφιερωμένης στην ανακάλυψη θεραπευτικών αντισωμάτων;
Σας ευχαριστώ πολύ γι’ αυτήν την ερώτηση, καθώς μου δίνει την αφορμή για να αναφερθώ στο πώς καινοτομούμε στην Boehringer Ingelheim, μία από τις εταιρείες που έχουν ανακηρυχθεί ως οι πιο καινοτόμες εταιρείες στον κόσμο. Τα τελευταία χρόνια, έχουμε δομήσει ένα μοντέλο καινοτομίας που βασίζεται σε υψηλό βαθμό σε συνεργασίες, σε τέτοιο βαθμό ώστε αυτές να αποτελούν δομικό στοιχείο του ερευνητικού μας μοντέλου και όχι απλώς συμπληρωματική επιλογή. Περισσότερο από το 50% του ερευνητικού και κλινικού μας χαρτοφυλακίου προέρχεται ή συνδέεται με εξωτερικές συνεργασίες, καλύπτοντας όλο το φάσμα από την πρώιμη έρευνα μέχρι τα προχωρημένα στάδια ανάπτυξης.
Η Boehringer δεν αντιμετωπίζει τις συνεργασίες ως outsourcing, αλλά ως κύρια μηχανή παραγωγής νέων θεραπειών. Η μετάβαση αυτή είναι ιδιαίτερα εμφανής στο πεδίο των αντισωμάτων, όπου επενδύουμε σε πλατφόρμες που συνδυάζουν υπολογιστικά μοντέλα και πειραματικά δεδομένα.
Η συνεργασία με την IBM αποτελεί χαρακτηριστικό παράδειγμα αυτής της λογικής. Η IBM παρέχει τα foundation models και τις υπολογιστικές δυνατότητες, ενώ η Boehringer εισφέρει τα βιολογικά δεδομένα και την πειραματική επικύρωση. Η συνεργασία έχει ήδη περάσει από το αρχικό στάδιο και βρίσκεται σήμερα σε ενεργή φάση εφαρμογής: η πλατφόρμα παράγει νέες αλληλουχίες αντισωμάτων με υπολογιστικές μεθόδους, τις αξιολογεί μέσω προσομοιώσεων και τα πιο υποσχόμενα μόρια δοκιμάζονται πειραματικά στο εργαστήριο. Τα αποτελέσματα χρησιμοποιούνται για να βελτιώνεται διαρκώς το ίδιο το σύστημα ΤΝ.
Η συνεργασία αποδίδει ήδη σε επίπεδο γνώσης και ερευνητικής ικανότητας, ενώ η μετάφρασή της σε συγκεκριμένα προϊόντα αναμένεται στο επόμενο στάδιο ανάπτυξης.
Η Boehringer Ingelheim αύξησε σημαντικά τις επενδύσεις της σε ψηφιακές τεχνολογίες, συμπεριλαμβανομένης της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της επιστήμης δεδομένων. Παράλληλα, δίνει μεγάλη έμφαση στη συνέργεια και τις συνεργασίες. Μπορείτε να μας δώσετε περισσότερες πληροφορίες;
Η Boehringer Ingelheim αξιοποιεί στο έπακρο το Open Innovation model της, δημιουργώντας ένα οικοσύστημα συνεργασιών που τροφοδοτεί την πρώιμη φάση ανακάλυψης φαρμάκων. Η πιο καθαρή ένδειξη ωριμότητας στη χρήση ΤΝ σε προκλινικό στάδιο είναι η επέκταση της συνεργασίας με την OpenProtein.AI το 2026. Εκεί, η Boehringer δεν “δοκιμάζει” απλώς τεχνητή νοημοσύνη, αλλά ενσωματώνει πλήρως μια πλατφόρμα σχεδιασμού πρωτεϊνών στο σύστημα ανάπτυξής της. Η πλατφόρμα χρησιμοποιεί γενετικά μοντέλα για να αναλύει μεγάλους όγκους δεδομένων αλληλουχιών, να προβλέπει ιδιότητες δέσμευσης και να σχεδιάζει νέες παραλλαγές αντισωμάτων που οδηγούνται κατευθείαν σε πειραματική αξιολόγηση. Αυτός ο «κλειστός κύκλος» υπολογιστικής πρόβλεψης και εργαστηριακής επιβεβαίωσης επιβεβαιώνει ότι η ΤΝ λειτουργεί ως παραγωγικός μηχανισμός υποψηφίων μορίων.
Μετά από αρχική εφαρμογή το 2025, η συνεργασία επεκτάθηκε το 2026, για να δημιουργήσει εξειδικευμένα εργαλεία σχεδιασμού αντισωμάτων και να ενσωματωθεί πλήρως στα “design–build–test” workflows της εταιρείας. Ανάλογη εικόνα προκύπτει από τη συνεργασία με την MOLCURE το 2025, όπου η Boehringer αξιοποιεί ένα εξειδικευμένο LLM για αντισώματα, ώστε να σχεδιάζει νέες αλληλουχίες και να εξερευνά ένα πολύ ευρύτερο “design space” από ό,τι επιτρέπουν οι συμβατικές μέθοδοι.
Υπάρχει επίσης η πρόσφατη συμφωνία με την Immunitas το 2026, μέσω της οποίας η Boehringer εντάσσει στο χαρτοφυλάκιό της ένα προκλινικό πρόγραμμα αντισώματος για αυτοάνοσες και φλεγμονώδεις νόσους. Συνολικά, τα πιο πρόσφατα προκλινικά προγράμματα της Boehringer δεν αποτελούν μεμονωμένα projects, αλλά ένα δίκτυο τεχνολογικών συνεργασιών που παράγουν συνεχώς νέους υποψήφιους βιολογικούς παράγοντες.
Η Boehringer Ingelheim έχει επενδύσει συστηματικά στις ψηφιακές τεχνολογίες, και μέσα σε αυτό το πλαίσιο η κβαντική υπολογιστική αποτελεί ένα από τα πιο φιλόδοξα — αλλά και πιο μακροπρόθεσμα — πεδία επένδυσης. Δεν αντιμετωπίζεται ως θεωρητική άσκηση, αλλά ως πεδίο ενεργής έρευνας, με συγκεκριμένες συνεργασίες και εσωτερικές ομάδες που αναπτύσσουν εφαρμογές με άμεση συνάφεια στη φαρμακευτική έρευνα.
Από τους Κβαντικούς Υπολογιστές στα Δεδομένα Πραγματικού Κόσμου (RWD)
Έχουμε πληροφορηθεί ότι η Boehringer Ingelheim εγκατέστησε ειδικό Quantum Lab με κορυφαίους εμπειρογνώμονες. Πού βρίσκεται σήμερα αυτή η τεχνολογία από πλευράς πρακτικής εφαρμογής στη φαρμακευτική έρευνα, και πότε εκτιμάτε ότι οι κβαντικοί αλγόριθμοι θα αρχίσουν να δίνουν κλινικά χρήσιμα αποτελέσματα;
Η Boehringer Ingelheim έχει επενδύσει συστηματικά στις ψηφιακές τεχνολογίες, και μέσα σε αυτό το πλαίσιο η κβαντική υπολογιστική αποτελεί ένα από τα πιο φιλόδοξα — αλλά και πιο μακροπρόθεσμα — πεδία επένδυσης. Δεν αντιμετωπίζεται ως θεωρητική άσκηση, αλλά ως πεδίο ενεργής έρευνας, με συγκεκριμένες συνεργασίες και εσωτερικές ομάδες που αναπτύσσουν εφαρμογές με άμεση συνάφεια στη φαρμακευτική έρευνα.
Η Boehringer συνεργάζεται με την Google, το University of Toronto και την QC Ware, ενώ είναι μέλος του QUTAC — μιας ευρωπαϊκής πρωτοβουλίας μεγάλων βιομηχανικών εταιρειών που στοχεύει να καταστήσει την κβαντική υπολογιστική πρακτικά αξιοποιήσιμη σε βιομηχανικό επίπεδο. Στην πράξη, η κβαντική υπολογιστική αξιοποιείται σήμερα κυρίως στην υπολογιστική φαρμακευτική χημεία: μπορεί να προσομοιώσει με μεγαλύτερη ακρίβεια τις αλληλεπιδράσεις μεταξύ ενός φαρμάκου και του βιολογικού του στόχου — ένα από τα πιο δύσκολα προβλήματα της έρευνας — οδηγώντας σε καλύτερη επιλογή υποψηφίων μορίων και μείωση των εργαστηριακών δοκιμών.
Ωστόσο, η τεχνολογία βρίσκεται ακόμη σε φάση ανάπτυξης. Δεν υπάρχουν, σήμερα, δημοσίως τεκμηριωμένα παραδείγματα κλινικών αποφάσεων που να βασίζονται άμεσα σε κβαντικούς αλγορίθμους. Τα πρώτα ουσιαστικά αποτελέσματα τοποθετούνται σε ορίζοντα μερικών ετών, εφόσον ξεπεραστούν τεχνικά εμπόδια όπως ο “θόρυβος” των σημερινών συστημάτων. Για πλήρως ώριμες εφαρμογές που θα επηρεάζουν άμεσα την κλινική πρακτική, ο ρεαλιστικός ορίζοντας παραμένει πιο μακροπρόθεσμος — και αυτό καθεαυτό αποτελεί σημαντική πρόοδο ως προς τον χρόνο.
Η Boehringer βρίσκεται, σήμερα, σε μια μεταβατική αλλά παραγωγική φάση: έχει ενσωματώσει την κβαντική τεχνολογία ως εργαλείο βελτίωσης της προκλινικής έρευνας, ενώ παράλληλα επενδύει για να μετατρέψει αυτήν την τεχνολογική υπεροχή σε απτά θεραπευτικά αποτελέσματα.
Η Boehringer Ingelheim πραγματοποιεί ανάλυση Δεδομένων Πραγματικού Κόσμου με ΤΝ αξιοποιώντας δεδομένα από πάνω από 100.000 ασθενείς με καρκίνο. Σε ποιο βαθμό αυτά τα μοντέλα επηρεάζουν ήδη τον σχεδιασμό κλινικών μελετών, και τι σηματοδοτεί αυτό για την προσωποποιημένη ιατρική;
Η επένδυση της Boehringer στη συλλογή και ανάλυση μεγάλων όγκων δεδομένων — όπως στην πρωτοβουλία για πάνω από 100.000 ασθενείς με καρκίνο — στοχεύει στη βαθύτερη κατανόηση της βιολογικής και κλινικής ετερογένειας της νόσου και στη μετατροπή αυτής της γνώσης σε εργαλεία λήψης αποφάσεων.
Τα μοντέλα αυτά δεν περιορίζονται πλέον σε περιγραφικές αναλύσεις. Αξιοποιούνται για την ταυτοποίηση υποομάδων ασθενών με κοινά χαρακτηριστικά — φαινοτυπικά, μοριακά ή ως προς την πορεία της νόσου — που ενδέχεται να ανταποκρίνονται διαφορετικά σε μια θεραπεία. Αυτό επιτρέπει τον σχεδιασμό πιο στοχευμένων μελετών, με ακριβέστερη επιλογή πληθυσμών και μεγαλύτερη πιθανότητα κλινικής αξίας. Παράλληλα, ενισχύουν την ανάπτυξη και επικύρωση βιοδεικτών, ώστε μια μελέτη να μην ξεκινά “τυφλά”, αλλά με σαφή υπόθεση: ποιοι ασθενείς είναι πιο πιθανό να ωφεληθούν, ποια είναι τα πιθανά μονοπάτια αντίστασης, ποια τα ρεαλιστικά καταληκτικά σημεία.
Πρέπει, ωστόσο, να είμαστε ακριβείς: τα μοντέλα καθορίζουν σήμερα ποια μελέτη θα γίνει, σε ποιον πληθυσμό και με ποια λογική — χωρίς να αντικαθιστούν ακόμη τον κλασικό σχεδιασμό σε επίπεδο κανονιστικών απαιτήσεων.
Για την προσωποποιημένη ιατρική, αυτό σηματοδοτεί μια θεμελιακή μετατόπιση: από μοντέλα εξατομίκευσης βασισμένα σε έναν ή δύο βιοδείκτες, σε ένα πολύ πιο σύνθετο περιβάλλον που λαμβάνει υπόψη πραγματικά δεδομένα ασθενών, την πορεία της νόσου στον χρόνο και τη διασταύρωση πολλαπλών μεταβλητών. Η καινοτομία δεν βρίσκεται μόνο στο φάρμακο, αλλά στον τρόπο με τον οποίο φτάνουμε σε αυτό.
Το Εργοστάσιο του Κορωπίου ως “Data-Driven” Πρότυπο και οι Κλινικές Μελέτες
Η Boehringer Ingelheim Ελλάς απέσπασε τρεις διακρίσεις στα Smart Manufacturing Awards 2025. Ποιες συγκεκριμένες εφαρμογές ΤΝ έχουν ενσωματωθεί στο εργοστάσιο του Κορωπίου, και ποια ήταν τα μετρήσιμα οφέλη;
Οι διακρίσεις βασίστηκαν σε δύο κατηγορίες παρεμβάσεων: τον ψηφιακό μετασχηματισμό της παραγωγής και την επιχειρησιακή αριστεία μέσω data-driven βελτιστοποίησης. Σε αμφότερες, μιλάμε για εφαρμογές που ενσωματώνουν ΤΝ και advanced analytics στην καθημερινή λειτουργία — όχι για πιλοτικά έργα.
Η πιο χαρακτηριστική εφαρμογή είναι το Manufacturing Execution System σε συνδυασμό με Electronic Batch Records: η παραγωγή πέρασε από χειροκίνητη τεκμηρίωση σε πλήρως ψηφιοποιημένη, αυτοματοποιημένη και σε πραγματικό χρόνο καταγραφή δεδομένων. Το σύστημα συγκεντρώνει δεδομένα από περισσότερους από 600 εξοπλισμούς και πάνω από 120 διαδικασίες, επιτρέποντας συνεχή παρακολούθηση και άμεση ανίχνευση αποκλίσεων. Τα αποτελέσματα είναι ποσοτικοποιημένα: επιτάχυνση της απελευθέρωσης παρτίδων κατά 11%, βελτίωση ποιότητας δεδομένων και σημαντική μείωση ανθρώπινων λαθών. Από την έναρξη του προγράμματος έχουν παραχθεί ήδη πάνω από 10.000 παρτίδες σε αυτό το ψηφιακό περιβάλλον.
Η δεύτερη παρέμβαση αφορά το πρόγραμμα OPEX Prime, που συνδυάζει lean μεθοδολογία με ψηφιακά εργαλεία και advanced analytics για τη βελτιστοποίηση του εξοπλισμού. Τα αποτελέσματα είναι εντυπωσιακά: αύξηση της συνολικής αποτελεσματικότητας εξοπλισμού κατά 19,9%, αύξηση παραγωγικότητας κατά 12,1% και σημαντική μείωση στους χρόνους αλλαγής παραγωγής.
Χάρη στην ΤΝ — και πάντα σε συνδυασμό με τον ανθρώπινο παράγοντα — το εργοστάσιο του Κορωπίου έχει μετακινηθεί από κλασικό μοντέλο παραγωγής σε “data-driven factory”, όπου οι αποφάσεις λαμβάνονται με βάση συνεχή ροή δεδομένων. Αυτή η θεμελιακή αλλαγή στον τρόπο που παράγονται, ελέγχονται και αποδεσμεύονται τα φαρμακευτικά προϊόντα εξηγεί και τις βραβεύσεις της εταιρείας μας.
Η ΤΝ αναμένεται σύντομα να υποστηρίζει τη διεξαγωγή κλινικών δοκιμών χαμηλού κινδύνου. Τι σημαίνει αυτό πρακτικά για τις κλινικές μελέτες στην Ελλάδα; Υπάρχουν ήδη μελέτες όπου η ΤΝ έχει επιταχύνει τη στρατολόγηση ή την ανάλυση δεδομένων;
Η ΤΝ αλλάζει ριζικά τον τρόπο στρατολόγησης ασθενών, παρεμβαίνοντας ακριβώς στο πιο αδύναμο σημείο των κλινικών μελετών. Παραδοσιακά, η διαδικασία βασιζόταν σε χειροκίνητο έλεγχο φακέλων — ένα μοντέλο που αποδεικνύεται όλο και λιγότερο αποτελεσματικό. Δεν είναι τυχαίο ότι περίπου το 80% των κλινικών μελετών δεν επιτυγχάνει τους στόχους στρατολόγησης στον προβλεπόμενο χρόνο.
Μέσω της “έξυπνης ταυτοποίησης” ασθενών, η ΤΝ αξιοποιεί ηλεκτρονικά αρχεία υγείας και δεδομένα πραγματικού κόσμου για να εντοπίσει με ακρίβεια ποιοι ασθενείς πληρούν σύνθετα κριτήρια ένταξης — ακόμη και όταν αυτά είναι “κρυμμένα” σε μη δομημένα δεδομένα. Παράλληλα, αυτοματοποιεί το screening, μειώνοντας δραστικά τον χρόνο αξιολόγησης και το διοικητικό βάρος. Επιπλέον, τα προβλεπτικά μοντέλα εκτιμούν ποιοι ασθενείς είναι πιο πιθανό να ολοκληρώσουν μια μελέτη, επιτρέποντας καλύτερο σχεδιασμό και λιγότερα “screen failures”.
Χαρακτηριστικό παράδειγμα αποτελεί η συνεργασία με την TrialHub σε μελέτες συστηματικής σκλήρυνσης, όπου εργαλεία ΤΝ επεξεργάστηκαν μεγάλα, ανομοιογενή σύνολα δεδομένων για καλύτερη επιλογή κέντρων και πιο ρεαλιστική εκτίμηση δυνατότητας στρατολόγησης. Επίσης, σύμφωνα με πρόσφατη έρευνα της Boehringer με το Πανεπιστήμιο Tübingen, μοντέλα τύπου LLM μπορούν να αντιμετωπίσουν αποτελεσματικά τα σημεία καθυστέρησης στο patient matching.
η ΤΝ αλλάζει περισσότερο τον τρόπο που σχεδιάζεται μια μελέτη παρά τον τρόπο που εκτελείται — και αυτή ακριβώς η αλλαγή οδηγεί σε ταχύτερες εγκρίσεις και πιο γρήγορη πρόσβαση των ασθενών σε νέες θεραπείες.
Στο ελληνικό περιβάλλον, πρέπει να είμαστε ξεκάθαροι: δεν υπάρχουν ακόμη δημοσίως τεκμηριωμένα στοιχεία για μελέτες στην Ελλάδα όπου η ΤΝ έχει μετρήσιμα επιταχύνει τη στρατολόγηση σε επίπεδο κέντρου. Η χρήση της εντοπίζεται κυρίως στον διεθνή σχεδιασμό των μελετών, στην επιλογή χωρών και κέντρων και στην ανάλυση δεδομένων που τον υποστηρίζουν. Αυτό σημαίνει ότι οι μελέτες φτάνουν στα ελληνικά κέντρα ήδη καλύτερα σχεδιασμένες, με σαφέστερα κριτήρια και πιο ρεαλιστικούς στόχους. Το βασικό μήνυμα: η ΤΝ αλλάζει περισσότερο τον τρόπο που σχεδιάζεται μια μελέτη παρά τον τρόπο που εκτελείται — και αυτή ακριβώς η αλλαγή οδηγεί σε ταχύτερες εγκρίσεις και πιο γρήγορη πρόσβαση των ασθενών σε νέες θεραπείες.
Ασφάλεια Δεδομένων, Ρυθμιστικοί Κανόνες και η «Εκδημοκρατικοποίηση» της Γνώσης
Πώς εξασφαλίζει η εταιρεία ότι τα ιδιόκτητα ερευνητικά δεδομένα παραμένουν ασφαλή όταν τροφοδοτούν μοντέλα ΤΝ σε συνεργασία με τεχνολογικούς κολοσσούς; Και πώς αντιμετωπίζετε το ζήτημα της “εξηγήσιμης ΤΝ” (explainable AI) απέναντι στις ρυθμιστικές αρχές;
Η προστασία των δεδομένων αποτελεί βασική προτεραιότητα και αντανακλάται στο ολοκληρωμένο πλαίσιο διακυβέρνησης που εφαρμόζουμε. Σε τεχνικό επίπεδο, χρησιμοποιούνται μηχανισμοί πρόληψης διαρροής δεδομένων (Data Loss Prevention) και ταξινόμηση της ευαισθησίας των πληροφοριών. Ιδιόκτητα δεδομένα δεν εισάγονται σε μη εγκεκριμένα εξωτερικά εργαλεία — χρησιμοποιούνται αποκλειστικά εσωτερικά εγκεκριμένες πλατφόρμες που έχουν περάσει από αξιολόγηση ασφάλειας και κινδύνου. Σε συνεργασίες με τεχνολογικούς εταίρους, τα δεδομένα χρησιμοποιούνται για συγκεκριμένο σκοπό, υπό αυστηρούς όρους, με σαφή καθορισμό ευθυνών και συνεχή παρακολούθηση.
Όσον αφορά την explainable AI, αυτή αποτελεί θεμελιώδη αρχή. Οι εσωτερικές κατευθυντήριες γραμμές προβλέπουν ότι οι χρήστες — και οι ρυθμιστικές αρχές — πρέπει να κατανοούν πώς λειτουργεί ένα σύστημα, ποια είναι τα όριά του και πώς προκύπτουν τα αποτελέσματά του. Σε κρίσιμες, ρυθμιζόμενες λειτουργίες, η τελική ευθύνη παραμένει πάντα στον ανθρώπινο χρήστη: τα αποτελέσματα της ΤΝ ελέγχονται, επιβεβαιώνονται και τεκμηριώνονται πριν χρησιμοποιηθούν για λήψη αποφάσεων. Η εταιρεία ευθυγραμμίζεται πλήρως με το εξελισσόμενο κανονιστικό πλαίσιο, που δίνει έμφαση στη διαφάνεια, την ιχνηλασιμότητα και την ερμηνευσιμότητα των μοντέλων.
Στην ελληνική θυγατρική, με 700 εργαζόμενους και εργοστάσιο που εξάγει σε δεκάδες χώρες, πώς μεταφράζεται στην πράξη η φιλοσοφία της «εκδημοκρατικοποίησης» της πρόσβασης στα δεδομένα; Έχουν οι εργαζόμενοι πρόσβαση σε εργαλεία ΤΝ στην καθημερινή τους δουλειά, και πώς εκπαιδεύονται σε αυτά;
Η “εκδημοκρατικοποίηση” της πρόσβασης στα δεδομένα μεταφράζεται σε πολύ συγκεκριμένα εργαλεία, πλατφόρμες και εκπαίδευση που αφορά όλους τους εργαζομένους, ανεξαρτήτως ρόλου ή χώρας. Σε παγκόσμιο επίπεδο, η εταιρεία έχει αναπτύξει ένα ενιαίο οικοσύστημα δεδομένων, το Introduction to DataLand, που σπάζει τα παραδοσιακά “σιλό” και επιτρέπει την πρόσβαση σε αναλυτικά εργαλεία σε όλη την οργάνωση — οι ομάδες στην Ελλάδα λειτουργούν μέσα στο ίδιο ψηφιακό περιβάλλον με τις διεθνείς.
Σε επίπεδο καθημερινής εργασίας, οι εργαζόμενοι έχουν ήδη πρόσβαση σε βασικά εργαλεία ΤΝ: το Microsoft Copilot είναι διαθέσιμο σε όλους μέσω του εταιρικού περιβάλλοντος, ενώ το εσωτερικό σύστημα iQNow υποστηρίζει αναζήτηση γνώσης και δεδομένων εντός του οργανισμού. Για την ανάπτυξη δεξιοτήτων, η Data X Academy προσφέρει πολυεπίπεδη εκπαίδευση: από βασικά προγράμματα για όλους έως εξειδικευμένα μαθήματα ανάλυσης δεδομένων και επιστήμης δεδομένων. Η εκπαίδευση περιλαμβάνει αυτοκατευθυνόμενα ψηφιακά μαθήματα, ζωντανές συνεδρίες και προγράμματα ενίσχυσης κουλτούρας, όπως τα “AI Impact Facilitator” trainings.
Εν κατακλείδι, η “εκδημοκρατικοποίηση” αφορά κυρίως την ενδυνάμωση των ανθρώπων: η εταιρεία επενδύει ώστε κάθε εργαζόμενος, ανεξαρτήτως ρόλου ή γεωγραφίας, να μπορεί να χρησιμοποιεί δεδομένα και εργαλεία ΤΝ με ασφάλεια και αποτελεσματικότητα στην καθημερινή του δουλειά._
