AurelithΟδηγοί / Επίπεδο 02 · Εφαρμογή
Αυτοματοποίηση με AI: τι να αυτοματοποιήσετε πρώτα.
Σε τι διαφέρει ο αυτοματισμός AI από το RPA και τους AI agents, επτά ερωτήσεις για να διαλέξετε την πρώτη ροή εργασίας, και ο σχεδιασμός έγκρισης που του επιτρέπει να μεγαλώσει με ασφάλεια.
Σύντομη απάντηση
Τι είναι η αυτοματοποίηση με AI και τι να αυτοματοποιήσει πρώτα μια επιχείρηση;
Στον ορισμό της Aurelith για επιχειρήσεις στην Ελλάδα και την Ευρώπη, αυτοματοποίηση με τεχνητή νοημοσύνη (AI) σημαίνει: το AI κάνει τα βήματα μιας ροής εργασίας που δεν καλύπτουν οι σταθεροί κανόνες, όπως την ανάγνωση εγγράφων, ο κλασικός αυτοματισμός κάνει τα προβλέψιμα βήματα και οι άνθρωποι εγκρίνουν τις αποφάσεις που μετράνε. Ξεκινήστε από συχνή εργασία με πολλά έγγραφα και σαφή υπεύθυνο.
Πού ταιριάζει ο αυτοματισμός AI σε μια ροή εργασίας;
Ο αυτοματισμός AI είναι η χρήση μοντέλων AI μέσα σε μια επιχειρησιακή ροή εργασίας για τα βήματα που οι σταθεροί κανόνες δεν μπορούν να χειριστούν: ανάγνωση εγγράφων και email, εξαγωγή και σύγκριση στοιχείων, σύνταξη κειμένων και εντοπισμός εξαιρέσεων. Το συμβατικό λογισμικό συνεχίζει να εκτελεί τα προβλέψιμα βήματα, όπως η μεταφορά μιας εγγραφής ή η αποστολή μιας ειδοποίησης, και οι άνθρωποι εγκρίνουν τις αποφάσεις που μετράνε. Αυτή είναι, στην πράξη, η αυτοματοποίηση επιχειρήσεων με AI.
Σε αντίθεση με ένα chatbot, ένας αυτοματισμός AI δεν περιμένει να του ζητήσετε κάθε βήμα: η ροή σχεδιάζεται από πριν. Ο τεχνικός οδηγός της Anthropic Building effective agents (ανοίγει σε νέα καρτέλα) κάνει την ίδια διάκριση ανάμεσα στα «workflows», όπου μοντέλα και εργαλεία ακολουθούν προκαθορισμένες διαδρομές κώδικα, και στους «agents», όπου το μοντέλο κατευθύνει μόνο του τη διαδικασία. Ο αυτοματισμός AI, όπως τον εννοεί αυτός ο οδηγός, ανήκει στην πρώτη κατηγορία.
- Δεν είναι ένα chatbot στο οποίο η ομάδα σας πρέπει να ζητά κάθε βήμα.
- Δεν αντικαθιστά το CRM, το ERP ή το σύστημα εγγράφων σας. Συνδέεται με αυτά.
- Δεν είναι υπόσχεση ότι κανείς δεν χρειάζεται να ελέγχει τη δουλειά.
Οι περισσότερες επιχειρήσεις δεν έχουν ξεκινήσει ακόμη. Το 2025, το 19,95% των επιχειρήσεων της ΕΕ με 10 ή περισσότερους απασχολούμενους χρησιμοποιούσε τουλάχιστον μία τεχνολογία AI, από 13,48% το 2024 (Eurostat (ανοίγει σε νέα καρτέλα))· στην Ελλάδα το ποσοστό ήταν 8,93% το 2025 (Eurostat, isoc_eb_ai (ανοίγει σε νέα καρτέλα)). Η πρώτη ροή εργασίας είναι εκεί όπου μια επιχείρηση αποκτά ένα σύστημα που δουλεύει και την τεχνογνωσία για το επόμενο.
Σε τι διαφέρει ο αυτοματισμός AI από το RPA και τους AI agents;
Ο αυτοματισμός AI, το RPA, ο αυτοματισμός ροών εργασίας και οι AI agents συχνά πωλούνται με την ίδια ετικέτα, αλλά κάνουν διαφορετική δουλειά. Ένα ερευνητικό κείμενο του 2018 των van der Aalst, Bichler και Heinzl περιγράφει τη ρομποτική αυτοματοποίηση διαδικασιών (RPA) ως γενικό όρο για εργαλεία που λειτουργούν πάνω στη διεπαφή χρήστη άλλων συστημάτων, όπως θα το έκανε ένας άνθρωπος. Ο αυτοματισμός ροών εργασίας συνδέει συστήματα μέσω των δεδομένων τους και σταθερών κανόνων. Ο αυτοματισμός AI προσθέτει AI για τα βήματα που οι κανόνες δεν μπορούν να περιγράψουν. Ένας AI agent επιλέγει μόνος του το επόμενο βήμα μέσα σε καθορισμένα όρια.
| Ερώτημα | RPA | Αυτοματισμός ροών | Αυτοματισμός AI | AI agent |
|---|---|---|---|---|
| Τι χειρίζεται | Επαναλαμβανόμενη δουλειά σε οθόνες | Δομημένα δεδομένα που περνούν από σύστημα σε σύστημα | Έγγραφα, email και αιτήματα, μαζί με τα δομημένα βήματα | Μια ανοιχτή εργασία, με τα εργαλεία που του δίνονται |
| Πώς αποφασίζει | Προγραμματισμένοι κανόνες «αν… τότε…» | Γεγονότα και κανόνες ορισμένοι από πριν | Σχεδιασμένη ροή· το AI διαβάζει και συντάσσει, οι κανόνες κρατούν τον έλεγχο | Το μοντέλο επιλέγει το επόμενο βήμα, μέσα σε όρια |
| Δυνατά σημεία | Καμία αλλαγή στα υπάρχοντα συστήματα | Προβλέψιμος και φθηνός στη λειτουργία | Χειρίζεται μεταβλητά δεδομένα σε μια προβλέψιμη διαδικασία | Ευέλικτος όταν κάθε περίπτωση διαφέρει |
| Όρια | Εύθραυστο όταν αλλάζουν οθόνες ή συνθήκες | Σταματά στα αδόμητα δεδομένα | Χρειάζεται πραγματικές περιπτώσεις δοκιμής, παρακολούθηση και υπεύθυνο | Πιο δύσκολος να προβλεφθεί, να δοκιμαστεί και να κοστολογηθεί |
| Ο ρόλος του ανθρώπου | Χειρίζεται ό,τι δεν καλύπτει το σενάριο | Γράφει τους κανόνες, χειρίζεται τα υπόλοιπα | Εγκρίνει κάθε απόφαση που μετράει | Θέτει όρια, εγκρίνει τις ενέργειες με μεγάλο αντίκτυπο |
Το ίδιο κείμενο προειδοποιεί ότι τα ρομπότ λογισμικού που μιμούνται ανθρώπους μπορεί να αρχίσουν να παίρνουν λάθος αποφάσεις όταν αλλάζουν οι συνθήκες. Το AI διαβάζει τι λέει ένα έγγραφο, όχι πού βρίσκεται ένα πεδίο, γι’ αυτό ταιριάζει σε δουλειά με πολλά έγγραφα καλύτερα από το σκέτο RPA. Και το AI όμως κάνει λάθη· γι’ αυτό οι αποφάσεις μένουν στους ανθρώπους.
Οι προσεγγίσεις συνδυάζονται: ρητός κώδικας για υπολογισμούς, δικαιώματα και οικονομικούς ελέγχους, AI για ανάγνωση και σύνταξη, και agent μόνο εκεί όπου η πορεία πραγματικά αλλάζει. Ο οδηγός της Anthropic δίνει την ίδια συμβουλή: ξεκινήστε από την απλούστερη λύση και προσθέστε πολυπλοκότητα μόνο όταν χρειάζεται. Ο οδηγός για τους AI agents στις επιχειρήσεις καλύπτει την πλευρά των agents.
Τι να αυτοματοποιήσετε πρώτα με AI;
Η πρώτη ροή εργασίας που αξίζει να αυτοματοποιήσετε με AI σπάνια είναι η πιο εντυπωσιακή. Είναι εκείνη που επαναλαμβάνεται συχνά, τρώει ώρες ανάγνωσης και πληκτρολόγησης, έχει υπεύθυνο και μπορεί να μετρηθεί. Επτά ερωτήσεις ξεχωρίζουν μια καλή πρώτη επιλογή από ένα ακριβό πείραμα.
- 01
Επαναλαμβάνεται συχνά;
Μια ημερήσια ή εβδομαδιαία εργασία δίνει αρκετές πραγματικές περιπτώσεις για δοκιμή και αποσβένει το στήσιμο.
- 02
Τα δεδομένα είναι αδόμητα;
Email, PDF και ελεύθερο κείμενο είναι εκεί όπου το AI προσθέτει ό,τι δεν μπορούν οι κανόνες.
- 03
Πού πηγαίνουν οι ώρες και οι διορθώσεις;
Ο χρόνος για ανάγνωση, επαναπληκτρολόγηση, κυνήγι στοιχείων και διορθώσεις είναι η δουλειά που μπορεί να προετοιμάσει το AI.
- 04
Έχει έναν σαφή υπεύθυνο;
Κάποιον που ξέρει τη διαδικασία, αποφασίζει για τις εξαιρέσεις και θα έχει την ευθύνη του αυτοματισμού μετά την παράδοση.
- 05
Τα δεδομένα είναι προσβάσιμα με υπεύθυνο τρόπο;
Πρόσβαση με τα σωστά δικαιώματα, και προσωπικά δεδομένα με νόμιμη βάση.
- 06
Πόσο κοστίζει ένα λάθος;
Ξεκινήστε εκεί όπου ένα λάθος εντοπίζεται σε ένα προσχέδιο, όχι σε μια πληρωμή ή σε μια απόφαση για ένα πρόσωπο.
- 07
Μπορείτε να μετρήσετε τη σημερινή κατάσταση;
Όγκος, χρόνος διεκπεραίωσης, διορθώσεις και χρόνος απόκρισης. Χωρίς σημείο αναφοράς δεν υπάρχει απόδειξη ότι ο αυτοματισμός βοήθησε.
Πώς λειτουργούν οι αυτοματισμοί με ανθρώπινη έγκριση;
Οι αυτοματισμοί με ανθρώπινη έγκριση (approval-first automation) είναι ο σχεδιασμός αυτοματισμού στον οποίο το AI προετοιμάζει και προωθεί την εργασία, και ένας άνθρωπος εγκρίνει κάθε απόφαση που μετράει πριν γίνει οτιδήποτε μη αναστρέψιμο. Έτσι υλοποιεί η Aurelith κάθε αυτοματισμό. Το ερώτημα του σχεδιασμού δεν είναι «άνθρωπος ή AI;» αλλά «ποιες αποφάσεις χρειάζονται άνθρωπο, και με ποια στοιχεία μπροστά του;»
Το AI Risk Management Framework του NIST (ανοίγει σε νέα καρτέλα), ένα πλαίσιο εθελοντικής χρήσης, σημειώνει ότι οι διαμορφώσεις συνεργασίας ανθρώπου και AI εκτείνονται από την πλήρη αυτονομία έως την πλήρως χειροκίνητη λειτουργία. Ζητά από τους οργανισμούς να ορίζουν και να τεκμηριώνουν διαδικασίες ανθρώπινης εποπτείας (MAP 3.5) και να διαθέτουν μηχανισμούς για να παρακάμπτουν, να αποσυνδέουν ή να απενεργοποιούν συστήματα AI που δεν αποδίδουν σύμφωνα με την προβλεπόμενη χρήση τους (MANAGE 2.4). Ο σχεδιασμός με ανθρώπινη έγκριση κάνει αυτές τις επιλογές ρητές, βήμα προς βήμα.
| Μοτίβο | Πώς λειτουργεί | Πότε ταιριάζει | Παράδειγμα (ενδεικτικό) |
|---|---|---|---|
| Ουρά έγκρισης | Κάθε προετοιμασμένο αποτέλεσμα περιμένει έναν άνθρωπο να το εγκρίνει, να το διορθώσει ή να το απορρίψει | Τις πρώτες εβδομάδες, και ό,τι φεύγει από την εταιρεία ή δεσμεύει χρήματα | Κάθε προσχέδιο απάντησης σε προμηθευτή |
| Έγκριση με όρια | Κανόνες ορίζουν ποιες περιπτώσεις χρειάζονται άνθρωπο: ποσό, ελλιπή στοιχεία, νέος αντισυμβαλλόμενος | Μεγάλος όγκος, αφού η ουρά δείξει πού γίνονται τα λάθη | Τα τιμολόγια που ταιριάζουν με την παραγγελία μπαίνουν στη λίστα πληρωμών που ήδη εγκρίνουν άνθρωποι· τα υπόλοιπα περιμένουν |
| Δειγματοληπτικός έλεγχος | Ένας άνθρωπος ελέγχει δείγμα από τις περιπτώσεις που προχώρησαν | Μαζί με τα όρια, για να εντοπίζεται έγκαιρα η απόκλιση | Εβδομαδιαίο δείγμα ταξινομημένων αιτημάτων |
Καταγραφή, κλιμάκωση και διακοπή
- 01
Καταγράψτε κάθε βήμα
Τι διάβασε και τι προετοίμασε ο αυτοματισμός, ποιος κανόνας εφαρμόστηκε, και ποιος ενέκρινε τι και πότε.
- 02
Κλιμάκωση αντί για εικασίες
Οι ασαφείς ή εκτός ορίων περιπτώσεις πηγαίνουν σε συγκεκριμένο πρόσωπο, μαζί με όλο το πλαίσιο.
- 03
Κρατήστε ένα κουμπί διακοπής
Ορίστε ποιος μπορεί να σταματήσει τον αυτοματισμό και τι κάνει η ομάδα χειροκίνητα στο μεταξύ.
Η ανθρώπινη έγκριση δεν σημαίνει υπογραφή σε κάθε βήμα για πάντα. Το εύρος του αυτοματισμού μεγαλώνει με τα τεκμήρια, από την ουρά έγκρισης στα όρια και από εκεί στον δειγματοληπτικό έλεγχο, και μόνο όταν το αποφασίσει ο υπεύθυνος. Στο Επίπεδο 03 η ίδια αρχή γίνεται κερδισμένη αυτονομία: στο Company Brain, οι AI agents αποκτούν εξουσιοδότηση μία ενέργεια τη φορά, μόνο όταν τα τεκμήρια δείχνουν ότι είναι αξιόπιστοι. Ο οδηγός Τι είναι το Company Brain; εξηγεί την κλίμακα αυτονομίας.
Τι χρειάζεται ένας αυτοματισμός AI σε πραγματική λειτουργία;
Ένας αυτοματισμός AI σε πραγματική λειτουργία χρειάζεται περισσότερα από ένα demo: όλο το σύστημα γύρω του πρέπει να δουλεύει σε πραγματικές περιπτώσεις, μήνα με τον μήνα.
- 01
Διασυνδέσεις
Σύνδεση εκεί όπου ήδη γίνεται η δουλειά, όπως email, έγγραφα, CRM και ERP, μέσω των υποστηριζόμενων διεπαφών τους.
- 02
Δικαιώματα
Μόνο η πρόσβαση που χρειάζεται η δουλειά, με δικά του διαπιστευτήρια, ώστε κάθε ενέργεια να εντοπίζεται και να μπορεί να ανακληθεί.
- 03
Σύνολο αξιολόγησης
Πραγματικές περιπτώσεις με το αναμενόμενο αποτέλεσμα, μαζί με αυτές που πρέπει να κλιμακώνονται, που εκτελούνται πριν από την έναρξη και μετά από κάθε αλλαγή.
- 04
Παρακολούθηση
Εγκρίσεις, διορθώσεις, κλιμακώσεις και λάθη στον χρόνο, ώστε μια απόκλιση να φαίνεται στους αριθμούς πριν φανεί σε ένα παράπονο.
- 05
Υπεύθυνος
Ένας ορισμένος υπεύθυνος και σαφής διαδικασία για αλλαγές, παύσεις και διορθώσεις· το NIST ζητά καθορισμένους ρόλους για την ανθρώπινη εποπτεία των συστημάτων AI (GOVERN 3.2).
- 06
Εκπαίδευση της ομάδας
Όσοι εγκρίνουν πρέπει να ξέρουν τι κάνει καλά το AI, πού αποτυγχάνει και τι να ελέγξουν πριν υπογράψουν.
Οι δεξιότητες είναι συχνά ο πραγματικός περιορισμός: ανάμεσα στις επιχειρήσεις της ΕΕ που είχαν εξετάσει τη χρήση AI, ο συχνότερος λόγος για να μην το χρησιμοποιήσουν ήταν η έλλειψη σχετικής τεχνογνωσίας, με 70,89% το 2025 (Eurostat (ανοίγει σε νέα καρτέλα)). Η εκπαίδευση όσων εγκρίνουν είναι μέρος της υλοποίησης, όχι κάτι επιπλέον. Δείτε την εκπαίδευση AI εργαζομένων.
Τι καθορίζει το κόστος και το χρονοδιάγραμμα ενός αυτοματισμού AI;
Το κόστος και το χρονοδιάγραμμα ενός αυτοματισμού AI εξαρτώνται λιγότερο από το μοντέλο AI και περισσότερο από πέντε παράγοντες της ροής εργασίας γύρω του. Χρησιμοποιήστε τους για να διαλέξετε μια πρώτη ροή αρκετά μικρή για να ολοκληρωθεί και αρκετά πολύτιμη ώστε να αξίζει τον κόπο.
| Παράγοντας | Γιατί μετράει | Πώς να μείνει μικρός |
|---|---|---|
| Αριθμός συστημάτων | Κάθε σύστημα προσθέτει διασύνδεση, δικαιώματα και δοκιμές | Ξεκινήστε με τα συστήματα χωρίς τα οποία η ροή δεν λειτουργεί |
| Ποιότητα δεδομένων | Ασυνεπείς εγγραφές σημαίνουν περισσότερους ελέγχους και περισσότερες περιπτώσεις για ανθρώπους | Διορθώστε τα πεδία που χρειάζεται αυτή η ροή, όχι όλα τα δεδομένα |
| Όγκος εξαιρέσεων | Κάθε ασυνήθιστη περίπτωση χρειάζεται κανόνα, διαδρομή ή άνθρωπο | Αυτοματοποιήστε πρώτα τη συνηθισμένη διαδρομή· οι σπάνιες περιπτώσεις πηγαίνουν σε ανθρώπους |
| Σχεδιασμός έγκρισης | Περισσότερα βήματα και ρόλοι σημαίνουν περισσότερη λογική, και λιγότερο ρίσκο | Ξεκινήστε με ουρά έγκρισης· προσθέστε όρια με βάση τα τεκμήρια |
| Ανάγκες διεπαφής | Κάποιες εγκρίσεις χωρούν σε ένα email· κάποιες χρειάζονται οθόνη ελέγχου | Χρησιμοποιήστε τα εργαλεία που η ομάδα σας ήδη ανοίγει κάθε μέρα |
Η Aurelith δεν έχει δημόσιο τιμοκατάλογο. Η πρώτη συζήτηση είναι δωρεάν· το αντικείμενο, τα παραδοτέα, το χρονοδιάγραμμα και το κόστος καταγράφονται σε γραπτή πρόταση, αφού η Aurelith κατανοήσει την επιχείρησή σας. Οι ερωτήσεις για το κόστος απαντώνται στη σελίδα Υπηρεσίες.
Ποια λάθη να αποφύγετε στην αυτοματοποίηση με AI;
Τα λάθη που οδηγούν σε αποτυχία τα έργα αυτοματοποίησης με AI σπάνια αφορούν το ίδιο το AI. Προκύπτουν από τον τρόπο που επιλέγεται, μετριέται και λειτουργεί η ροή εργασίας.
- 01
Αυτοματοποίηση μιας προβληματικής διαδικασίας
Αν οι άνθρωποι διαφωνούν για το πώς γίνεται η δουλειά, ο αυτοματισμός απλώς επιταχύνει τη σύγχυση.
- 02
Ξεκίνημα από τη βιτρίνα
Μια σπάνια ροή με μεγάλο ρίσκο δοκιμάζεται δύσκολα. Μια συχνή, καθημερινή ροή αποδεικνύει την αξία της γρηγορότερα.
- 03
Χωρίς σημείο αναφοράς
Χωρίς τους σημερινούς αριθμούς, κανείς δεν μπορεί να δείξει ότι ο αυτοματισμός βοήθησε.
- 04
Κατάργηση των εγκρίσεων πολύ νωρίς
Αφαιρέστε βήματα έγκρισης μόνο όταν η καταγραφή δείχνει αξιοπιστία σε πραγματικές περιπτώσεις.
- 05
Η παράδοση ως τερματισμός
Χωρίς παρακολούθηση, υπεύθυνο και υποστήριξη, ένας αυτοματισμός που δουλεύει σταδιακά παύει να δουλεύει.
Συχνές ερωτήσεις για την αυτοματοποίηση επιχειρήσεων με AI
Μπορεί το AI να αυτοματοποιήσει ολόκληρη μια επιχειρησιακή διαδικασία;
Σπάνια με μία κίνηση. Οι περισσότερες διαδικασίες συνδυάζουν προβλέψιμα βήματα για τον κλασικό αυτοματισμό, ανάγνωση και σύνταξη για το AI, και αποφάσεις που μένουν στους ανθρώπους. Ξεκινήστε με μία ροή από την αρχή ως το τέλος, με βήματα έγκρισης, και επεκταθείτε καθώς αποδεικνύεται αξιόπιστη.
Ποια είναι η διαφορά ανάμεσα σε έναν αυτοματισμό AI και έναν AI agent;
Ο αυτοματισμός AI ακολουθεί μια σχεδιασμένη σειρά βημάτων, στην οποία το AI αναλαμβάνει συγκεκριμένα βήματα, όπως ανάγνωση, σύγκριση και σύνταξη. Ένας AI agent επιλέγει μόνος του το επόμενο βήμα και εργαλείο μέσα σε καθορισμένα όρια. Ο αυτοματισμός ταιριάζει σε επαναλαμβανόμενες ροές με γνωστή πορεία· ο agent σε δουλειά που ακολουθεί διαφορετική πορεία σε κάθε περίπτωση.
Χρειαζόμαστε καθαρά δεδομένα πριν ξεκινήσουμε;
Όχι σε όλη την εταιρεία. Η πρώτη ροή χρειάζεται μόνο τα έγγραφα και τα πεδία από τα οποία εξαρτάται να είναι προσβάσιμα και επαρκώς συνεπή. Οι δοκιμές σε πραγματικές περιπτώσεις δείχνουν πού η ποιότητα των δεδομένων προκαλεί λάθη, ώστε να διορθώσετε πρώτα ό,τι μετράει.
Είναι ασφαλής ο αυτοματισμός AI για ευαίσθητα δεδομένα;
Μπορεί να είναι, όταν σχεδιάζεται γι’ αυτό: πρόσβαση μόνο σε ό,τι χρειάζεται η δουλειά, προσωπικά δεδομένα με νόμιμη βάση, καταγραφή του τι διαβάστηκε και τι έγινε, και έγκριση πριν από οτιδήποτε μη αναστρέψιμο. Σε ένα έργο της Aurelith, ο χειρισμός των δεδομένων είναι μέρος του αντικειμένου που συμφωνείται στη γραπτή πρόταση, πριν από την υλοποίηση.
Πώς μετράτε αν ένας αυτοματισμός AI πετυχαίνει;
Σε σχέση με το σημείο αναφοράς πριν από την έναρξη: χρόνος διεκπεραίωσης ανά περίπτωση, ποσοστό αποτελεσμάτων που εγκρίνονται χωρίς διορθώσεις, επανεργασία, κλιμακώσεις και χρόνος απόκρισης. Εξετάστε τους αριθμούς με τον υπεύθυνο της ροής σε σταθερό ρυθμό, και διευρύνετε το εύρος του αυτοματισμού μόνο όταν οι αριθμοί αντέχουν.
Πώς βοηθά η Aurelith μια επιχείρηση να επιλέξει τον πρώτο της αυτοματισμό;
Η Aurelith ξεκινά με μια δωρεάν πρώτη συζήτηση και στη συνέχεια αναλύει την επιχείρηση: τις διαδικασίες, τα εργαλεία και τον τρόπο που δουλεύουν οι άνθρωποι. Η πρώτη ροή, τα βήματα έγκρισης, τα παραδοτέα, το χρονοδιάγραμμα και το κόστος καταγράφονται σε γραπτή πρόταση που συμφωνείται πριν από την υλοποίηση. Δείτε τους αυτοματισμούς AI της Aurelith.
Πηγές
- Eurostat: Use of artificial intelligence in enterprises (ανοίγει σε νέα καρτέλα)Οι επιχειρήσεις της ΕΕ που χρησιμοποιούσαν AI το 2025 και το 2024, και οι λόγοι για τους οποίους δεν το χρησιμοποιούν (στα αγγλικά).
- Eurostat: Artificial intelligence by size class of enterprise (isoc_eb_ai) (ανοίγει σε νέα καρτέλα)Το ποσοστό της Ελλάδας για το 2025, σε επιχειρήσεις με 10 ή περισσότερους απασχολούμενους (στα αγγλικά).
- NIST: AI Risk Management Framework (AI RMF 1.0), NIST AI 100-1 (PDF) (ανοίγει σε νέα καρτέλα)Οι διαμορφώσεις συνεργασίας ανθρώπου και AI και τα αποτελέσματα GOVERN 3.2, MAP 3.5 και MANAGE 2.4 (στα αγγλικά).
- van der Aalst, Bichler και Heinzl: Robotic Process Automation (ανοίγει σε νέα καρτέλα)Business & Information Systems Engineering 60 (2018): τι είναι το RPA και ποιοι είναι οι κίνδυνοί του (στα αγγλικά).
- Anthropic: Building effective agents (ανοίγει σε νέα καρτέλα)Η διάκριση ανάμεσα σε workflows και agents, και η σύσταση να ξεκινάτε από την απλούστερη λύση (Δεκέμβριος 2024, στα αγγλικά).
- EUR-Lex: Κανονισμός (ΕΕ) 2016/679, ο Γενικός Κανονισμός για την Προστασία Δεδομένων (ανοίγει σε νέα καρτέλα)Το άρθρο 22 για την αυτοματοποιημένη ατομική λήψη αποφάσεων και η αιτιολογική σκέψη 71.
Οι πηγές ελέγχθηκαν στις · Γενική πληροφόρηση, όχι νομική συμβουλή.