Οι ψηφιακές υπηρεσίες σταματούν να λειτουργούν, η τεχνητή νοημοσύνη αλλάζει τον τρόπο που γράφεται το λογισμικό και οι εταιρείες περιορίζουν το ανθρώπινο δυναμικό τους. Πίσω από τις τεχνολογικές βλάβες διακρίνεται ένα πολύ μεγαλύτερο πρόβλημα: η σταδιακή απώλεια της γνώσης που χρειάζεται για να διατηρήσουμε τον κόσμο μας σε λειτουργία.
Πριν από μερικά χρόνια όταν κάτι χαλούσε, ξέραμε περίπου πού να ψάξουμε. Αν δεν άναβε το φως ελέγχαμε τον διακόπτη. Αν σταματούσε το αυτοκίνητο ανοίγαμε το καπό. Σήμερα μπορεί να μην καταφέρεις να πληρώσεις έναν καφέ επειδή ένας διακομιστής στην άλλη άκρη του κόσμου αντιμετωπίζει πρόβλημα. Το παράξενο δεν είναι ότι συμβαίνει. Είναι ότι έχουμε αποδεχτεί αυτή την εξάρτηση ως κάτι απολύτως φυσιολογικό.
Τον Νοέμβριο του 2026 μια σειρά τεχνολογικών δυσλειτουργιών στις Ηνωμένες Πολιτείες προκάλεσε αναστάτωση σε υπηρεσίες που εκατομμύρια άνθρωποι χρησιμοποιούν καθημερινά. Προβλήματα σε ψηφιακές πληρωμές, τραπεζικές συναλλαγές, εφαρμογές της Microsoft και συστήματα αερομεταφορών δημιούργησαν την εντύπωση ότι κάτι πολύ μεγαλύτερο συνέβαινε. Η μία υπηρεσία μετά την άλλη παρουσίαζε προβλήματα και η πρώτη εξήγηση που ερχόταν στο μυαλό ήταν σχεδόν αυτονόητη: κυβερνοεπιθέσεις ή τεχνητή νοημοσύνη.
Η πραγματικότητα ήταν περισσότερο περίπλοκη. Τα περιστατικά δεν είχαν ενιαία αιτία και δεν υπάρχουν επαρκή στοιχεία ότι αποτελούσαν μέρος μιας γενικευμένης τεχνολογικής κατάρρευσης. Ορισμένα συνδέθηκαν με τεχνικές δυσλειτουργίες, άλλα με αλλαγές και εργασίες σε υποδομές. Η διαδοχή τους, αποκάλυψε πόσο εύθραυστη μπορεί να γίνει μια καθημερινότητα που εξαρτάται από αμέτρητα αλληλοσυνδεόμενα συστήματα.
Δεν χρειάζεται κάποιος να επιτεθεί στην ψηφιακή μας ζωή για να τη διακόψει. Μερικές φορές αρκεί μια λανθασμένη ενημέρωση λογισμικού, μια αστοχία εξοπλισμού ή μια αλλαγή που προκαλεί απρόβλεπτες συνέπειες. Κάθε φορά που πληρώνουμε ηλεκτρονικά, ταξιδεύουμε με αεροπλάνο ή ανοίγουμε μια εφαρμογή, εμπιστευόμαστε μια αλυσίδα από τεχνολογικές υποδομές. Πίσω από μια απλή συναλλαγή μπορεί να βρίσκονται διαφορετικές εταιρείες, δίκτυα, υπηρεσίες ταυτοποίησης και συστήματα ασφαλείας. Αρκεί να αποτύχει ένας κρίσιμος κρίκος για να επηρεαστούν λειτουργίες που φαινομενικά δεν έχουν καμία σχέση μεταξύ τους.
Αυτό δεν είναι καινούργιο. Τα πολύπλοκα συστήματα πάντοτε παρουσίαζαν αδυναμίες. Εκείνο που έχει αλλάξει είναι η έκταση της εξάρτησής μας από αυτά. Παλαιότερα μια τεχνική βλάβη μπορούσε να περιοριστεί σε ένα γραφείο ή μια επιχείρηση. Σήμερα μια δυσλειτουργία σε κοινή ψηφιακή υποδομή μπορεί να επηρεάσει ταυτόχρονα ανθρώπους σε διαφορετικές χώρες. Μέσα σε αυτή την πραγματικότητα εμφανίζεται η τεχνητή νοημοσύνη.

Όχι ως ο αποδεδειγμένος ένοχος των πρόσφατων περιστατικών, αλλά ως μια τεχνολογία που μεταβάλλει με τεράστια ταχύτητα τον τρόπο παραγωγής και συντήρησης λογισμικού. Εργαλεία AI γράφουν κώδικα, εντοπίζουν σφάλματα, προτείνουν διορθώσεις και επιταχύνουν διαδικασίες που παλαιότερα απαιτούσαν πολλές ώρες ανθρώπινης εργασίας. Πρόκειται για πραγματικές δυνατότητες, που μπορούν να κάνουν το λογισμικό καλύτερο και ασφαλέστερο όταν χρησιμοποιούνται σωστά. Υπάρχει όμως μια διαφορά ανάμεσα στο να παράγεις κάτι και στο να καταλαβαίνεις πλήρως πώς λειτουργεί.
Ένας προγραμματιστής μπορεί να χρησιμοποιήσει την τεχνητή νοημοσύνη για να λύσει ένα πρόβλημα μέσα σε λίγα λεπτά. Αν γνωρίζει το σύστημα και ελέγχει το αποτέλεσμα, έχει αποκτήσει ένα εξαιρετικά χρήσιμο εργαλείο. Αν αποδέχεται διαρκώς έτοιμες λύσεις χωρίς να κατανοεί τις συνέπειές τους, η ταχύτητα μπορεί να μετατραπεί σε παγίδα. Το λογισμικό συνεχίζει να μεγαλώνει, οι αλλαγές συσσωρεύονται και κάποια στιγμή γίνεται δύσκολο να εντοπιστεί γιατί κάτι δεν λειτουργεί.
Οι προγραμματιστές έχουν περιγράφει τον κίνδυνο που δημιουργείται όταν η αυξανόμενη πολυπλοκότητα του λογισμικού ξεπερνά την ικανότητα των ανθρώπων να το κατανοούν συνολικά. Η ανάλυσή του αποτελεί προειδοποίηση για μια πιθανή εξέλιξη, όχι απόδειξη ότι η τεχνητή νοημοσύνη ευθύνεται για τις σημερινές διακοπές λειτουργίας. Το πιο ανησυχητικό στοιχείο βρίσκεται στους ανθρώπους που γνωρίζουν πώς λειτουργούν αυτά τα συστήματα και στο πόσο εύκολα οι οργανισμοί μπορεί να αποφασίσουν ότι δεν τους χρειάζονται πλέον.
Ένα από τα μεγαλύτερα προβλήματα της σύγχρονης τεχνολογικής οικονομίας είναι ότι έχουμε μάθει να μετράμε την πρόοδο με βάση την ταχύτητα, την παραγωγικότητα και το κόστος. Σπανιότερα εξετάζουμε πόσο ανθεκτικό είναι αυτό που κατασκευάζουμε.
Ένας έμπειρος μηχανικός δεν γνωρίζει μόνο τον κώδικα που βρίσκεται μπροστά του. Θυμάται τις προηγούμενες βλάβες, καταλαβαίνει γιατί μια φαινομενικά παράλογη διαδικασία εξακολουθεί να υπάρχει, γνωρίζει ποιες αλλαγές μπορεί να προκαλέσουν αλυσιδωτές αντιδράσεις. Έχει αποκτήσει μια γνώση που δύσκολα μεταφέρεται ολόκληρη σε εγχειρίδια ή βάσεις δεδομένων. Είναι η γνώση της εμπειρίας, των λαθών και των αποφάσεων που πήραν άλλοι πριν από αυτόν. Όταν ένας οργανισμός χάνει τέτοιους ανθρώπους, μπορεί να χάνει κάτι πολύ σημαντικότερο από έναν εργαζόμενο. Χάνει μέρος της μνήμης του.
Τα τελευταία χρόνια μεγάλες τεχνολογικές εταιρείες έχουν προχωρήσει σε μαζικές απολύσεις, ενώ παράλληλα επενδύουν στην αυτοματοποίηση. Δεν σημαίνει ότι κάθε μείωση προσωπικού οδηγεί σε τεχνική αποτυχία. Σημαίνει όμως ότι η συντήρηση και η αξιοπιστία απαιτούν ανθρώπους που γνωρίζουν τα συστήματα, χρόνο για δοκιμές και υποδομές που αντέχουν ακόμη και όταν κάτι πάει στραβά.
Αυτά σπάνια εντυπωσιάζουν τους επενδυτές. Μια νέα εφαρμογή μπορεί να παρουσιαστεί ως επανάσταση. Ένας μηχανικός που απέτρεψε μια σοβαρή βλάβη συνήθως δεν θα αναφερθεί πουθενά. Η πρόληψη δεν δημιουργεί εντυπωσιακές παρουσιάσεις. Η αποτυχία αντίθετα γίνεται είδηση. Ένα από τα μεγαλύτερα προβλήματα της σύγχρονης τεχνολογικής οικονομίας είναι ότι έχουμε μάθει να μετράμε την πρόοδο με βάση την ταχύτητα, την παραγωγικότητα και το κόστος. Σπανιότερα εξετάζουμε πόσο ανθεκτικό είναι αυτό που κατασκευάζουμε. Ποιος θα το συντηρήσει σε δέκα χρόνια; Ποιος θα αναγνωρίσει ένα σφάλμα που δεν έχει εμφανιστεί ξανά; Τι θα συμβεί όταν εκείνοι που γνωρίζουν τις απαντήσεις θα έχουν αποχωρήσει;
Δεν πρόκειται για επιχείρημα εναντίον της τεχνολογίας. Ούτε για νοσταλγία ενός κόσμου χωρίς αυτοματισμούς. Η τεχνητή νοημοσύνη μπορεί να ενισχύσει την ανθρώπινη τεχνογνωσία, να αναγνωρίσει αδυναμίες και να βελτιώσει την ασφάλεια. Αλλά για να συμβεί αυτό, οι εταιρείες πρέπει να αντιμετωπίζουν τη γνώση ως περιουσιακό στοιχείο που αξίζει να προστατεύσουν και όχι απλώς ως μισθολογική δαπάνη. Για δεκαετίες μετρούσαμε την τεχνολογική πρόοδο με βάση όσα μπορούσαμε να κάνουμε ευκολότερα, γρηγορότερα, σχεδόν χωρίς να σκεφτόμαστε. Δεν αναρωτηθήκαμε αρκετά ποιος θα βρίσκεται εκεί όταν κάτι σταματήσει να λειτουργεί.
Τώρα αρχίζουμε να καταλαβαίνουμε ότι η σημαντικότερη υποδομή δεν είναι πάντα ένας διακομιστής, ένα δίκτυο ή ένας αλγόριθμος. Μπορεί να είναι ο άνθρωπος που ξέρει πώς να τα επισκευάσει και αυτός είναι ο τελευταίος άνθρωπος που θα έπρεπε να περισσεύει.
Σου αρέσει να διαβάζεις BlackBook;







