Η τεχνητή νοημοσύνη δεν είναι πια μόνο εφαρμογή

Για αρκετά χρόνια μιλούσαμε για την τεχνητή νοημοσύνη σαν να ήταν ένα πιο έξυπνο πρόγραμμα στον υπολογιστή. Ένα εργαλείο που γράφει κείμενα, ταξινομεί εικόνες, απαντά σε ερωτήσεις ή βοηθά έναν προγραμματιστή. Το 2026 αυτή η εικόνα είναι πλέον πολύ στενή. Η τεχνητή νοημοσύνη γίνεται υποδομή. Μπαίνει στη δημόσια διοίκηση, στις επιχειρήσεις, στα εργαστήρια, στα νοσοκομεία, στις τράπεζες, στα σχολεία, στη δικαιοσύνη και στη νομοπαραγωγή.

Αυτό αλλάζει το κέντρο βάρους του δικαίου. Το ερώτημα δεν είναι μόνο αν ένα εργαλείο κάνει λάθος. Είναι ποιος το επέλεξε, ποια δεδομένα χρησιμοποίησε, αν υπήρξε ανθρώπινη εποπτεία, αν τηρήθηκε αρχείο, αν ο πολίτης ενημερώθηκε και αν μπορεί να αμφισβητήσει μια απόφαση που τον επηρεάζει. Η τεχνολογία γίνεται έτσι ζήτημα διακυβέρνησης, απόδειξης, ευθύνης και θεσμικής εμπιστοσύνης.

Η Ελλάδα δεν βρίσκεται έξω από αυτή τη συζήτηση. Ως κράτος μέλος της Ευρωπαϊκής Ένωσης θα κινηθεί μέσα στο πλαίσιο του AI Act, του GDPR, των κανόνων κυβερνοασφάλειας, των δημοσίων συμβάσεων και των νέων απαιτήσεων για ψηφιακές υπηρεσίες. Για τον πολίτη, τον επαγγελματία και τον νομικό, η πρακτική σημασία είναι απλή: όποιος χρησιμοποιεί συστήματα τεχνητής νοημοσύνης σε σοβαρές αποφάσεις πρέπει να μπορεί να εξηγήσει τη διαδικασία, όχι απλώς το αποτέλεσμα.

Τι αλλάζει νομικά στην Ευρώπη

Το κεντρικό γεγονός είναι ο Κανονισμός (ΕΕ) 2024/1689, γνωστός ως AI Act. Η Ευρωπαϊκή Επιτροπή τον παρουσιάζει ως το πρώτο ολοκληρωμένο νομικό πλαίσιο για την τεχνητή νοημοσύνη στον κόσμο, με λογική βασισμένη στον κίνδυνο. Δεν αντιμετωπίζονται όλα τα συστήματα το ίδιο. Άλλο είναι ένα φίλτρο ανεπιθύμητης αλληλογραφίας και άλλο ένα σύστημα που επηρεάζει πρόσληψη, αξιολόγηση μαθητή, πρόσβαση σε δημόσια παροχή, υγεία, αστυνόμευση ή απονομή δικαιοσύνης.

Το AI Act τέθηκε σε ισχύ την 1η Αυγούστου 2024. Οι απαγορευμένες πρακτικές και οι υποχρεώσεις βασικής παιδείας στην τεχνητή νοημοσύνη εφαρμόζονται από τις 2 Φεβρουαρίου 2025. Οι κανόνες διακυβέρνησης και οι υποχρεώσεις για μοντέλα γενικού σκοπού, δηλαδή foundation και γενετικά μοντέλα που μπορούν να ενσωματωθούν σε πολλά προϊόντα, εφαρμόζονται από τις 2 Αυγούστου 2025. Οι κανόνες διαφάνειας για αρκετές χρήσεις παραγωγικής τεχνητής νοημοσύνης έρχονται τον Αύγουστο 2026, ενώ οι κανόνες υψηλού κινδύνου έχουν πλέον διαφοροποιημένο χρονοδιάγραμμα μετά την πολιτική συμφωνία του Μαΐου 2026 για απλούστευση εφαρμογής.

Αυτό σημαίνει ότι η τεχνητή νοημοσύνη αποκτά νομικό ημερολόγιο. Δεν αρκεί μια γενική πολιτική χρήσης. Κάθε οργανισμός πρέπει να γνωρίζει σε ποια κατηγορία κινδύνου ανήκει το σύστημά του, ποιος είναι πάροχος και ποιος είναι χρήστης, ποια τεκμηρίωση χρειάζεται, ποια αρχεία πρέπει να κρατούνται και ποια ενημέρωση πρέπει να παρέχεται στον άνθρωπο που επηρεάζεται.

Οι τέσσερις μεγάλοι άξονες συμμόρφωσης

Πρώτον, απαγορεύσεις. Η Ευρωπαϊκή Ένωση απαγορεύει πρακτικές που θεωρούνται σαφής απειλή για την ασφάλεια ή τα θεμελιώδη δικαιώματα, όπως κοινωνική βαθμολόγηση, επιβλαβή χειραγώγηση, εκμετάλλευση ευαλωτότητας και ορισμένες χρήσεις βιομετρικής ταυτοποίησης ή αναγνώρισης συναισθήματος σε ευαίσθητα περιβάλλοντα.

Δεύτερον, συστήματα υψηλού κινδύνου. Εδώ ανήκουν συστήματα σε εκπαίδευση, εργασία, κρίσιμες υποδομές, δημόσιες υπηρεσίες, μετανάστευση, επιβολή νόμου, δικαιοσύνη και δημοκρατικές διαδικασίες. Ο πάροχος και ο οργανισμός που τα χρησιμοποιεί θα πρέπει να αποδεικνύουν διαχείριση κινδύνου, ποιότητα δεδομένων, logging, τεχνική τεκμηρίωση, ανθρώπινη εποπτεία, ακρίβεια, ανθεκτικότητα και κυβερνοασφάλεια.

Τρίτον, διαφάνεια. Ο χρήστης πρέπει να γνωρίζει πότε μιλά με μηχανή, πότε βλέπει deepfake ή πότε διαβάζει περιεχόμενο που παράχθηκε ή τροποποιήθηκε με τεχνητή νοημοσύνη για θέμα δημόσιου ενδιαφέροντος. Για τα κράτη αυτό είναι ζήτημα δημοκρατίας. Για τις επιχειρήσεις είναι ζήτημα εμπιστοσύνης και ευθύνης.

Τέταρτον, μοντέλα γενικού σκοπού. Οι πάροχοι ισχυρών μοντέλων καλούνται να παρέχουν σαφέστερη πληροφόρηση για το πώς εκπαιδεύονται, να τηρούν κανόνες διαφάνειας και πνευματικής ιδιοκτησίας και, όταν υπάρχει συστημικός κίνδυνος, να λαμβάνουν πρόσθετα μέτρα ασφάλειας.

Πώς θα επηρεαστούν τα κράτη

Τα κράτη θα επηρεαστούν σε τρία επίπεδα. Πρώτα, ως ρυθμιστές. Πρέπει να ορίσουν αρμόδιες αρχές, διαδικασίες ελέγχου, κυρώσεις, sandboxes και εργαλεία υποστήριξης της καινοτομίας. Δεύτερον, ως αγοραστές τεχνολογίας. Οι δημόσιες συμβάσεις για συστήματα τεχνητής νοημοσύνης θα πρέπει να ζητούν τεκμηρίωση, δικαιώματα ελέγχου, ασφάλεια δεδομένων, δυνατότητα εξήγησης και σαφή ευθύνη προμηθευτή. Τρίτον, ως χρήστες. Όταν μια υπηρεσία χρησιμοποιεί αλγόριθμο για να ιεραρχήσει φακέλους, να εντοπίσει απάτη ή να προτείνει διοικητική ενέργεια, πρέπει να υπάρχει ίχνος απόφασης.

Το κρίσιμο σημείο είναι ότι η δημόσια διοίκηση δεν μπορεί να κρύβεται πίσω από την πολυπλοκότητα του συστήματος. Αν ο πολίτης ζητά εξήγηση, η απάντηση δεν μπορεί να είναι ότι έτσι το είπε το μοντέλο. Χρειάζεται διαδικασία, αρχείο, υπεύθυνος, κριτήρια, δυνατότητα διόρθωσης και ανθρώπινη κρίση όπου η απόφαση επηρεάζει δικαιώματα.

Παράλληλα, η τεχνητή νοημοσύνη θα γίνει εργαλείο κρατικής ισχύος. Οι χώρες που έχουν υπολογιστική υποδομή, καλά δεδομένα, δημόσια τεχνογνωσία και νομική σαφήνεια θα μπορούν να παρέχουν καλύτερες υπηρεσίες και να προσελκύουν επενδύσεις. Γι αυτό η ΕΕ συνδέει το AI Act με το AI Continent Action Plan, τα AI Factories, τα data labs και τις επενδύσεις σε υπολογιστική ισχύ. Η ρύθμιση χωρίς υποδομή μένει θεωρία. Η υποδομή χωρίς ρύθμιση γίνεται κίνδυνος.

Νέες τεχνολογικές τάσεις που αλλάζουν το παιχνίδι

Η πρώτη τάση είναι τα πολυτροπικά μοντέλα. Ένα σύστημα δεν επεξεργάζεται μόνο κείμενο, αλλά εικόνες, ήχο, βίντεο, πίνακες, κώδικα και έγγραφα. Αυτό επηρεάζει την απόδειξη, την πνευματική ιδιοκτησία, την προστασία δεδομένων και την αυθεντικότητα των ψηφιακών αρχείων.

Η δεύτερη τάση είναι οι AI agents. Δεν απαντούν απλώς σε μια ερώτηση. Μπορούν να εκτελούν βήματα, να καλούν εργαλεία, να συμπληρώνουν φόρμες, να κάνουν αναζητήσεις, να συντάσσουν σχέδια και να προτείνουν ενέργειες. Νομικά, αυτό φέρνει νέο βάρος στην εντολή, στην έγκριση, στο audit trail και στα όρια αυτοματοποίησης.

Η τρίτη τάση είναι η παραγωγή συνθετικών δεδομένων. Μπορεί να βοηθήσει στην εκπαίδευση μοντέλων χωρίς άμεση έκθεση προσωπικών δεδομένων, αλλά δεν είναι μαγική λύση. Χρειάζεται έλεγχος για επαναταυτοποίηση, μεροληψία και ποιότητα.

Η τέταρτη τάση είναι η τεχνητή νοημοσύνη στην άκρη του δικτύου, δηλαδή σε συσκευές, αισθητήρες, οχήματα και μηχανές. Εκεί η ευθύνη γίνεται πιο πρακτική: αν το σύστημα λειτουργεί σε πραγματικό χρόνο, ποιος ελέγχει την ενημέρωση, την ασφάλεια και την αντίδραση σε σφάλμα.

Η επιστήμη γίνεται ταχύτερη, αλλά όχι απλούστερη

Το πιο καθαρό παράδειγμα είναι η βιολογία. Το AlphaFold έδειξε ότι η τεχνητή νοημοσύνη μπορεί να προβλέπει δομές πρωτεϊνών και να επιταχύνει έρευνα που παλαιότερα απαιτούσε χρόνια. Το AlphaFold 3 επεκτείνει την πρόβλεψη σε αλληλεπιδράσεις μορίων, ενώ το Nobel Χημείας 2024 αναγνώρισε την υπολογιστική πρωτεϊνική σχεδίαση και την πρόβλεψη πρωτεϊνικών δομών. Αυτά δεν είναι απλώς εντυπωσιακά τεχνολογικά νέα. Είναι αλλαγή με συνέπειες σε φάρμακα, εμβόλια, βιοϋλικά, γεωργία, περιβάλλον και βιοηθική.

Στην ιατρική, η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη διάγνωση, στην ανάγνωση απεικονιστικών εξετάσεων, στην ανακάλυψη φαρμάκων και στην εξατομικευμένη θεραπεία. Όμως όσο πιο κοντά βρίσκεται σε απόφαση για ασθενή, τόσο πιο έντονα εμφανίζονται ζητήματα ευθύνης, κλινικής τεκμηρίωσης, ενημερωμένης συναίνεσης και προστασίας ευαίσθητων δεδομένων.

Στην κλιματική επιστήμη και στην ενέργεια, τα μοντέλα μπορούν να βελτιώσουν προβλέψεις, σχεδιασμό δικτύων και διαχείριση πόρων. Στην εκπαίδευση μπορούν να εξατομικεύσουν μάθηση, αλλά και να ενισχύσουν επιτήρηση ή άδικη αξιολόγηση αν χρησιμοποιηθούν χωρίς όρια. Στις κοινωνικές επιστήμες μπορούν να αναλύουν μεγάλα σώματα δεδομένων, αλλά κινδυνεύουν να αναπαράγουν τα σφάλματα και τις προκαταλήψεις των δεδομένων από τα οποία έμαθαν.

Τι αλλάζει για τη νομική πράξη

Η νομική δεν θα αντικατασταθεί από ένα κουμπί. Θα αλλάξει όμως ο τρόπος εργασίας. Ο δικηγόρος θα χρειάζεται να καταλαβαίνει πότε ένα εργαλείο είναι απλή υποστήριξη και πότε επηρεάζει ουσιώδη κρίση. Θα χρειάζεται να ζητά τεχνική τεκμηρίωση σε συμβάσεις, να ελέγχει ρήτρες ευθύνης, να κατανοεί όρους χρήσης μοντέλων, να προστατεύει εμπιστευτικότητα και να ελέγχει αν τα δεδομένα πελάτη μπαίνουν σε τρίτο σύστημα.

Στα δικαστήρια, η τεχνητή νοημοσύνη θα φέρει νέα ερωτήματα απόδειξης. Πώς αποδεικνύεται ότι ένα έγγραφο, μια εικόνα ή μια ηχογράφηση είναι αυθεντική. Πώς αξιολογείται ένα αλγοριθμικό αποτέλεσμα. Πότε ζητείται πραγματογνωμοσύνη. Πώς διασφαλίζεται ότι το δικαστήριο δεν επηρεάζεται από μη ελεγμένη τεχνική αυθεντία.

Στις συμβάσεις, θα βλέπουμε συχνότερα ρήτρες για χρήση AI, πνευματική ιδιοκτησία στο παραγόμενο υλικό, απαγόρευση εκπαίδευσης μοντέλων με εμπιστευτικά δεδομένα, audit rights, cybersecurity, διατήρηση αρχείων, ευθύνη για hallucinations και υποχρέωση ανθρώπινης έγκρισης πριν από κρίσιμη ενέργεια.

Στη συμμόρφωση, η ερώτηση θα είναι πρακτική: υπάρχει μητρώο συστημάτων τεχνητής νοημοσύνης στον οργανισμό. Ξέρουμε ποια δεδομένα χρησιμοποιούνται. Υπάρχει risk assessment. Υπάρχουν οδηγίες για εργαζομένους. Υπάρχει διαδικασία για περιστατικό. Υπάρχει κανόνας για το τι δεν επιτρέπεται να μπει σε εξωτερικό εργαλείο.

Τι πρέπει να κάνουν επιχειρήσεις και επαγγελματίες

Το πρώτο βήμα είναι απογραφή. Ποια εργαλεία τεχνητής νοημοσύνης χρησιμοποιούνται ήδη, από ποιους, με ποια δεδομένα και για ποιο σκοπό. Πολλοί οργανισμοί θα ανακαλύψουν ότι η χρήση AI έχει ξεκινήσει άτυπα από εργαζομένους πριν υπάρξει πολιτική.

Το δεύτερο βήμα είναι ταξινόμηση κινδύνου. Αν το σύστημα αφορά marketing ή εσωτερική παραγωγικότητα, ο κίνδυνος μπορεί να είναι χαμηλότερος. Αν αφορά εργαζομένους, πελάτες, πιστοληπτική αξιολόγηση, υγεία, εκπαίδευση, δημόσια υπηρεσία ή νομική κρίση, χρειάζεται αυστηρότερος έλεγχος.

Το τρίτο βήμα είναι ανθρώπινη εποπτεία. Όχι τυπική υπογραφή σε κάτι που κανείς δεν διάβασε. Πραγματική δυνατότητα ελέγχου, διόρθωσης και απόρριψης του αποτελέσματος. Η ανθρώπινη εποπτεία χωρίς χρόνο, γνώση και αρμοδιότητα είναι διακοσμητική.

Το τέταρτο βήμα είναι συμβατικός έλεγχος. Οι όροι του προμηθευτή πρέπει να εξετάζονται για δεδομένα, confidentiality, δικαιώματα χρήσης, αλλαγές μοντέλου, logs, τοποθεσία επεξεργασίας, υποεργολάβους, διαγραφή και ευθύνη.

Το πέμπτο βήμα είναι εκπαίδευση. Το AI literacy δεν είναι σεμινάριο εντυπωσιασμού. Είναι πρακτική γνώση για το τι μπορεί να κάνει ένα εργαλείο, τι δεν μπορεί να κάνει, πότε λέει κάτι πειστικό αλλά λανθασμένο, και ποια δεδομένα δεν πρέπει να του δίνονται.

Η ουσία για τον πολίτη

Ο πολίτης θα δει καλύτερες υπηρεσίες, ταχύτερη εξυπηρέτηση και περισσότερα ψηφιακά εργαλεία. Θα δει όμως και νέους κινδύνους: αυτοματοποιημένη αδιαφάνεια, deepfakes, ψευδείς πληροφορίες, άδικη κατηγοριοποίηση, ασφάλεια δεδομένων και δυσκολία να βρει ποιος ευθύνεται. Η νομική προστασία πρέπει να γίνει πιο λειτουργική. Να μην απαιτεί από τον πολίτη να καταλαβαίνει νευρωνικά δίκτυα για να αμφισβητήσει μια δυσμενή απόφαση.

Η καλύτερη προσέγγιση δεν είναι φόβος ούτε άκριτος ενθουσιασμός. Είναι καθαροί κανόνες, τεχνική επάρκεια, ανθρώπινη κρίση και θεσμική λογοδοσία. Η τεχνητή νοημοσύνη μπορεί να γίνει μεγάλο εργαλείο προόδου μόνο αν παραμείνει ελεγχόμενη από ανθρώπους, θεσμούς και δικαιώματα.

Συμπέρασμα

Το 2026 είναι χρονιά μετάβασης. Η τεχνητή νοημοσύνη περνά από τη δοκιμή στην κανονική χρήση, από το εργαστήριο στο Δημόσιο, από το demo στη σύμβαση και από την υπόσχεση στην ευθύνη. Για τα κράτη, η πρόκληση είναι να χτίσουν υποδομή χωρίς να θυσιάσουν δικαιώματα. Για τις επιστήμες, να επιταχύνουν την ανακάλυψη χωρίς να χάσουν την επαληθευσιμότητα. Για τη νομική, να μετατρέψει την τεχνολογική πολυπλοκότητα σε ελέγξιμες υποχρεώσεις, αποδείξεις και προστασία.

Η επόμενη μεγάλη δεξιότητα δεν θα είναι απλώς να χρησιμοποιούμε AI. Θα είναι να ξέρουμε πότε πρέπει να το εμπιστευόμαστε, πότε να το ελέγχουμε και πότε να το σταματάμε.

Παραπομπές και χρήσιμες πηγές

Το άρθρο έχει ενημερωτικό χαρακτήρα και δεν αποτελεί εξατομικευμένη νομική συμβουλή. Για συγκεκριμένη υπόθεση απαιτείται αξιολόγηση των πραγματικών περιστατικών, των συμβάσεων και του εφαρμοστέου δικαίου.