Με πάνω από 20 χρόνια εμπειρίας, μεταμορφώνουμε την ψηφιακή σας παρουσία. Εξειδικευόμαστε στην κατασκευή ιστοσελίδων και E-Shop, το SEO και το Digital Marketing, τα ERP λογισμικά και τους έξυπνους αυτοματισμούς που απογειώνουν την επιχείρησή σας.
Διεύθυνση:
Εγνατία 154, Θεσσαλονίκη 546 36
Τηλέφωνο:
+30 231 231 4095
E-mail:
hello@twodots.gr
Έτοιμοι για το επόμενο βήμα;
Η εμπειρία της NTT DATA δείχνει ότι οι AI agents αποδίδουν όταν συνδυάζονται με σαφείς εργασίες, εκπαίδευση, ασφαλή πρόσβαση και οργανωμένη διακυβέρνηση.
Η NTT DATA δεν μείωσε μια ανάλυση περιστατικού από τρεις ημέρες σε 30 λεπτά απλώς επειδή αγόρασε ένα AI εργαλείο. Το αποτέλεσμα ήρθε πάνω σε εταιρική εξοικείωση με την AI, σαφώς ορισμένη εργασία, ασφαλή πρόσβαση, εκπαίδευση και μηχανισμό που μετατρέπει ένα επιτυχημένο πείραμα σε επαναχρησιμοποιήσιμη πρακτική.
Η πραγματική αξία της περίπτωσης βρίσκεται στο λειτουργικό μοντέλο πίσω από τον εντυπωσιακό χρόνο: άνθρωποι ορίζουν στόχο και όρια, ενώ το Codex ερευνά, εκτελεί, ελέγχει και αναθεωρεί.
Η εμπειρία της NTT DATA δείχνει ότι οι AI agents αποδίδουν όταν συνδυάζονται με σαφείς εργασίες, εκπαίδευση, ασφαλή πρόσβαση και οργανωμένη διακυβέρνηση.
Στις 22 Ιουλίου 2026 η OpenAI δημοσίευσε μελέτη περίπτωσης για τη NTT DATA Group, έναν παγκόσμιο όμιλο συμβουλευτικής, ανάπτυξης συστημάτων και λειτουργιών πληροφορικής. Σύμφωνα με την πηγή, η εταιρεία είχε ήδη αναπτύξει το ChatGPT Enterprise σε όλο τον οργανισμό και στη συνέχεια επέκτεινε το Codex σε περίπου 9.000 ενεργούς χρήστες, τόσο σε τεχνικούς όσο και σε μη τεχνικούς ρόλους.
Το πρώτο ισχυρό proof of value ήταν η αυτοματοποίηση μιας σύνθετης ανάλυσης περιστατικού σε κρίσιμο σύστημα. Η ίδια εργασία απαιτούσε προηγουμένως πέντε έμπειρους μηχανικούς και τρεις ημέρες. Με το Codex ολοκληρώθηκε σε 30 λεπτά. Η OpenAI αποτυπώνει τη διαφορά ως μείωση χρόνου κατά 99,3%, όμως το χρήσιμο επιχειρηματικό ερώτημα δεν είναι μόνο «πόσο γρηγορότερα;». Είναι «ποια διαδικασία, με ποια δεδομένα, ποια όρια και ποιον έλεγχο επέτρεψε αυτό το αποτέλεσμα;».
Η περίπτωση NTT DATA σε τέσσερα επιβεβαιωμένα μεγέθη
Τα στοιχεία αφορούν τη συγκεκριμένη μελέτη περίπτωσης της OpenAI και δεν αποτελούν γενικό benchmark για κάθε εταιρική διαδικασία.
Η εξοικονόμηση χρόνου δείχνει ότι ένας agent μπορεί να αναλάβει ακολουθία ενεργειών και όχι μόνο να προτείνει ένα απόσπασμα κώδικα. Στην περιγραφή της OpenAI, το Codex μπόρεσε να διερευνήσει, να εκτελέσει, να δοκιμάσει και να αναθεωρήσει την προσέγγισή του βάσει μιας οδηγίας. Αυτή η ακολουθία είναι ιδιαίτερα χρήσιμη σε εργασίες όπου το αποτέλεσμα μπορεί να επαληθευτεί με logs, tests, κανόνες ή προκαθορισμένο παραδοτέο.
Η μελέτη περίπτωσης, ωστόσο, δεν δημοσιεύει το πλήρες πρωτόκολλο μέτρησης, το είδος του περιστατικού, τον όγκο των δεδομένων ή τον ακριβή χρόνο ανθρώπινου review. Επομένως δεν αποδεικνύει ότι κάθε τριήμερη διαδικασία μπορεί να πέσει στα 30 λεπτά. Για μια επιχείρηση, το σωστό συμπέρασμα είναι να αναζητήσει δικό της επαναλαμβανόμενο use case, να καταγράψει baseline και να συγκρίνει ταχύτητα, ποιότητα, κόστος και ανθρώπινη παρέμβαση στο ίδιο σύνολο εργασιών.
Αυτό προστατεύει την ομάδα από δύο λάθη: να απορρίψει μια χρήσιμη τεχνολογία επειδή δεν επαναλαμβάνει αμέσως το ίδιο ποσοστό και να γενικεύσει ένα εντυπωσιακό αποτέλεσμα σε διαδικασίες με διαφορετικό ρίσκο, δεδομένα και κριτήρια επιτυχίας.
Πριν από την κλιμάκωση του Codex, οι εργαζόμενοι της NTT DATA είχαν ήδη εντάξει το ChatGPT Enterprise στην έρευνα, στη συγγραφή, στην παραγωγή περιεχομένου και στη διερεύνηση ιδεών. Στην εσωτερική έρευνα που επικαλείται η OpenAI, περισσότεροι από 96% των ερωτηθέντων δήλωσαν ικανοποιημένοι και περισσότεροι από 95% ανέφεραν βελτίωση παραγωγικότητας.
Αυτή η εμπειρία δημιούργησε λεξιλόγιο, προσδοκίες και συνήθειες συνεργασίας με AI. Το Codex πρόσθεσε το επόμενο επίπεδο: την ανάθεση μιας οριοθετημένης εργασίας που περιλαμβάνει εργαλεία, αρχεία, ελέγχους και παραδοτέο. Για μια μικρότερη εταιρεία, η σειρά έχει σημασία. Πρώτα μαθαίνει η ομάδα να διατυπώνει στόχο, πλαίσιο και κριτήριο ποιότητας και μετά αυξάνεται η αυτονομία.
Δύο επίπεδα εταιρικής χρήσης AI
Η συνομιλιακή χρήση βοηθά την ομάδα να ερευνήσει, να γράψει, να συνοψίσει και να εξετάσει εναλλακτικές. Ο άνθρωπος διατηρεί τον ρυθμό της διαδικασίας και αποφασίζει το επόμενο βήμα.
Η agentic χρήση δίνει στο Codex στόχο, περιβάλλον και επιτρεπόμενα εργαλεία ώστε να εκτελέσει βήματα, να ελέγξει το αποτέλεσμα και να επιστρέψει αποδείξεις για ανθρώπινη αξιολόγηση.
Η OpenAI αναφέρει ότι οι περίπου 9.000 ενεργοί χρήστες περιλαμβάνουν μη τεχνικούς εργαζομένους που δημιουργούν μικρά εργαλεία, οργανώνουν μεγάλους όγκους αρχείων, αναλύουν δεδομένα στο Excel, συνοψίζουν έγγραφα και αυτοματοποιούν επαναλαμβανόμενα scripts. Ένα συγκεκριμένο παράδειγμα είναι η εξαγωγή εξόδων μετακίνησης από καταστάσεις πιστωτικών καρτών και η μεταφορά τους σε φόρμες ταξιδιωτικών δαπανών.
Η ίδια αρχιτεκτονική εργασίας μεταφέρεται σε e-commerce και marketing χωρίς να αντιγράφεται μηχανικά το use case: έλεγχος product feeds, συμφωνία αναφορών καμπάνιας, ταξινόμηση αιτημάτων υποστήριξης, προετοιμασία εβδομαδιαίου report ή QA σε καταλόγους προϊόντων. Το άρθρο για no-code AI, RAG, agents και workflows εξηγεί γιατί πρέπει πρώτα να ξεχωρίσει η ομάδα αν χρειάζεται απλή δημιουργία περιεχομένου, ανάκτηση γνώσης ή πραγματική εκτέλεση ενεργειών.
Το κρίσιμο όριο είναι η συνέπεια της πράξης. Η ανάγνωση και ταξινόμηση αρχείων είναι διαφορετικό ρίσκο από την ενημέρωση λογιστικού record, την αλλαγή τιμής ή την αποστολή μηνύματος σε πελάτη. Όσο αυξάνεται ο αντίκτυπος, τόσο αυξάνονται η εξουσιοδότηση, το logging και η ανάγκη ανθρώπινης έγκρισης.
Με την προσέγγιση «Client Zero», η NTT DATA αντιμετωπίζει τον δικό της οργανισμό ως τον πρώτο πελάτη μιας νέας λύσης. Οι εργαζόμενοι δοκιμάζουν το AI στην πραγματική καθημερινή εργασία, ανακαλύπτουν εξαιρέσεις και μετατρέπουν τη γνώση σε διαδικασίες πριν τη μεταφέρουν σε ευρύτερη χρήση ή σε πελάτες.
Για ένα agency, Client Zero μπορεί να είναι η εβδομαδιαία αναφορά απόδοσης ή ο έλεγχος UTM. Για ένα e-shop, μπορεί να είναι η ανίχνευση ασυμφωνιών ανάμεσα σε ERP, feed και πλατφόρμα διαφήμισης. Η ομάδα ξεκινά με εσωτερικό αντίγραφο ή read-only πρόσβαση, παρατηρεί πού αποτυγχάνει η ροή και μόνο μετά επιτρέπει αλλαγές σε πραγματικά δεδομένα.
Αυτή η σειρά περιορίζει το κόστος λάθους και δημιουργεί τοπική γνώση. Αντί να βασίζεται σε ένα γενικό demo, η επιχείρηση αποκτά παραδείγματα από το δικό της λεξιλόγιο, τα δικά της συστήματα και τις δικές της εξαιρέσεις.
Το OpenAI Center of Excellence της NTT DATA δημιούργησε οδηγίες που ορίζουν ποια δεδομένα μπορούν να χρησιμοποιηθούν, σε ποια συστήματα μπορεί να συνδεθεί το Codex, πώς διαχειρίζεται η δικτυακή κίνηση, ποιο sandbox mode εφαρμόζεται, πόση αυτονομία επιτρέπεται και πού απαιτείται ανθρώπινο review. Αυτές οι αποφάσεις δεν είναι φρένο· δίνουν στους εργαζομένους σαφή χώρο ασφαλούς δράσης.
Για μια ελληνική επιχείρηση, το ελάχιστο πλαίσιο περιλαμβάνει επιχειρησιακό ιδιοκτήτη, τεχνικό υπεύθυνο, κατάλογο επιτρεπόμενων δεδομένων και εργαλείων, ελάχιστα δικαιώματα, logs, κριτήρια αποδοχής και τρόπο άμεσης διακοπής. Η ανάλυση για indirect prompt injection στους AI agents δείχνει γιατί ένα μη έμπιστο έγγραφο ή μια ιστοσελίδα δεν πρέπει να αποκτά έμμεσα εξουσία πάνω σε εργαλεία και δεδομένα.
Η λογική συμβαδίζει με το NIST AI Risk Management Framework: ο οργανισμός χαρτογραφεί το use case, μετρά απόδοση και κίνδυνο, ορίζει ρόλους ανθρώπινης εποπτείας και διαχειρίζεται το σύστημα σε όλο τον κύκλο ζωής του. Δεν υπάρχει ένα επίπεδο ελέγχου για όλες τις χρήσεις.
Κανόνας κλιμάκωσης από την NTT DATA
Αυξήστε την αυτονομία του Codex μόνο όταν αυξάνονται μαζί οι αποδείξεις ποιότητας, η παρατηρησιμότητα και η δυνατότητα ασφαλούς επιστροφής.
Μια read-only ανάλυση μπορεί να ξεκινήσει με δειγματοληπτικό review. Μια ροή που γράφει σε ERP, αλλάζει προϊόντα, στέλνει email ή επηρεάζει πελατειακά δεδομένα χρειάζεται στενότερα δικαιώματα, προέγκριση κρίσιμων ενεργειών, πλήρες log και δοκιμασμένο rollback.
Το CoE της NTT DATA δεν περιορίστηκε στη διανομή αδειών. Ανέλαβε τεχνική αξιολόγηση, events, ανάπτυξη use cases, παρακολούθηση χρήσης, εκπαιδευτικό υλικό και τα υποστηρικτικά συστήματα που χρειάζονται οι εργαζόμενοι. Η OpenAI αναφέρει ότι οι εβδομαδιαίοι ενεργοί χρήστες Codex αυξήθηκαν κατά 1,4 φορές μετά τη δημοσίευση οδηγού χρήσης και την πρακτική εκπαίδευση.
Ο αριθμός δείχνει ότι η υιοθέτηση είναι πρόβλημα αλλαγής εργασίας, όχι απλώς πρόσβασης σε λογισμικό. Οι άνθρωποι χρειάζονται παραδείγματα για τον ρόλο τους, πρότυπα εργασιών, κανάλι για αποτυχίες και ξεκάθαρο τρόπο να ζητούν έγκριση. Η αύξηση χρήσης δεν αρκεί από μόνη της ως KPI, αλλά γίνεται χρήσιμη όταν συνοδεύεται από ολοκληρωμένες εργασίες, λιγότερες διορθώσεις και πραγματική εξοικονόμηση χρόνου.
Μια μικρότερη επιχείρηση δεν χρειάζεται απαραίτητα επίσημο τμήμα CoE. Χρειάζεται όμως τη λειτουργία του: δύο ή τρία πρόσωπα που διατηρούν κατάλογο use cases, κανόνες πρόσβασης, αξιολογήσεις, templates και lessons learned. Έτσι η γνώση δεν μένει στον υπολογιστή ενός μόνο power user.
Ανάμεσα στα αποτελέσματα της NTT DATA, η OpenAI αναφέρει αυτοματοποίηση λειτουργιών εσωτερικών συστημάτων με Playwright και συσκευασία της λύσης ως Skills για χρήση σε όλο τον οργανισμό. Η αξία δεν βρίσκεται μόνο στο browser automation. Βρίσκεται στη μετάβαση από ένα προσωπικό script σε επαναλαμβανόμενο workflow με σαφή inputs, οδηγίες, ελέγχους και ιδιοκτησία.
Ένα Skill μπορεί να κωδικοποιεί τη σωστή σειρά ενεργειών, τα αρχεία αναφοράς και τα βήματα επαλήθευσης για μια επαναλαμβανόμενη εργασία. Δεν καταργεί την ανάγκη ελέγχου: χρειάζεται versioning, υπεύθυνο συντήρησης, δοκιμές και κανόνες για το πότε η εργασία πρέπει να σταματά ή να ζητά άνθρωπο. Η συζήτηση για context, confidence και ανθρώπινη εποπτεία στους AI agents είναι κρίσιμη όταν το workflow συναντά ελλιπή δεδομένα ή νέα εξαίρεση.
Για e-commerce, ένα επαναχρησιμοποιήσιμο workflow μπορεί να ελέγχει επιλεγμένα προϊόντα σε staging, να συγκρίνει feed και ERP και να παράγει αναφορά διαφορών. Η απευθείας αλλαγή σε production πρέπει να προστεθεί μόνο αφού η read-only εκδοχή έχει δώσει σταθερά αποτελέσματα και έχει οριστεί σαφής έγκριση.
Το κατάλληλο πρώτο pilot δεν είναι η πιο εντυπωσιακή ιδέα. Είναι μια συχνή εργασία με σαφή παραδοτέα, διαθέσιμα δεδομένα, περιορισμένο αντίκτυπο και εύκολο ανθρώπινο έλεγχο. Η παρακάτω ακολουθία μεταφράζει το μάθημα της NTT DATA σε πρακτικό πλαίσιο για μικρότερη ομάδα.
Από το μάθημα της NTT DATA σε ελεγχόμενο Codex pilot
Περιγράψτε το ακριβές trigger, το αναμενόμενο παραδοτέο και το πρόσωπο που μπορεί να εγκρίνει, να διορθώσει ή να σταματήσει τη χρήση του Codex.
Καταγράψτε χρόνο, ανθρώπινη προσπάθεια, συχνότερα λάθη, εξαιρέσεις και σημεία έγκρισης. Χωρίς baseline, δεν υπάρχει αξιόπιστη απόδειξη βελτίωσης.
Δώστε μόνο τα αρχεία, τα συστήματα και τις ενέργειες που απαιτεί το pilot. Προτιμήστε read-only ή staging περιβάλλον και αφαιρέστε άσχετα προσωπικά ή εμπορικά δεδομένα.
Μετατρέψτε την ποιότητα σε ελέγχους: πληρότητα πεδίων, συμφωνία συνόλων, επιτρεπόμενες τιμές, δείγμα ανθρώπινου review και ρητή διακοπή όταν λείπει κρίσιμο input.
Χρησιμοποιήστε πραγματικά αλλά ασφαλή δείγματα, ελλιπή αρχεία, διπλοεγγραφές και ακραίες τιμές. Μετρήστε όχι μόνο επιτυχίες, αλλά και τον τρόπο που ο agent αναγνωρίζει την αβεβαιότητα.
Καταγράψτε οδηγίες, ιδιοκτήτη, έκδοση, δικαιώματα, γνωστές εξαιρέσεις, κόστος, logs και fallback. Επεκτείνετε όγκο ή αυτονομία μόνο όταν τα στοιχεία ποιότητας το δικαιολογούν.
Ο χρόνος ολοκλήρωσης είναι το πιο ορατό metric, αλλά μπορεί να κρύψει διορθώσεις και νέους κινδύνους. Ένα αξιόπιστο scorecard συνδυάζει χρόνο κύκλου, ποσοστό αποδοχής χωρίς διόρθωση, χρόνο ανθρώπινου review, ακρίβεια σε κρίσιμα πεδία, συμπεριφορά στις εξαιρέσεις, κόστος ανά ολοκληρωμένη εργασία και αριθμό λανθασμένων ενεργειών.
Χρειάζεται επίσης να ξεχωρίζει η χρήση από την αξία. Οι εβδομαδιαίοι ενεργοί χρήστες δείχνουν υιοθέτηση, όχι απαραίτητα επιχειρηματικό αποτέλεσμα. Για κάθε workflow πρέπει να υπάρχει σαφής σύνδεση με ταχύτερη εξυπηρέτηση, λιγότερα λάθη, καλύτερη ενημέρωση δεδομένων, μικρότερο backlog ή περισσότερο χρόνο για εργασία υψηλής αξίας.
Όταν κάτι αποτύχει, η ευθύνη δεν μεταφέρεται αφηρημένα «στην AI». Το άρθρο για το ποιος ευθύνεται όταν ένας AI αυτοματισμός αποτυγχάνει εξηγεί γιατί ιδιοκτήτης, developer, approver και λειτουργική ομάδα χρειάζονται διακριτούς ρόλους και κοινή διαδρομή incident response.
Η περίπτωση της NTT DATA δείχνει ότι το Codex μπορεί να μετακινήσει την AI από τη συζήτηση στην εκτέλεση, ακόμη και πέρα από τις ομάδες ανάπτυξης. Το αποτέλεσμα των 30 λεπτών είναι ισχυρό, αλλά το διατηρήσιμο πλεονέκτημα είναι το σύστημα γύρω του: καθημερινή εξοικείωση, Client Zero, CoE, κανόνες ασφάλειας, πρακτική εκπαίδευση και επαναχρησιμοποιήσιμα Skills.
Για μια ελληνική επιχείρηση, η σωστή αρχή είναι μικρότερη και πιο συγκεκριμένη: μία επαναλαμβανόμενη εργασία, ένας ιδιοκτήτης, ελάχιστα δικαιώματα, μετρήσιμο baseline και σαφές review. Αν το pilot αποδείξει ποιότητα και αναστρεψιμότητα, η ομάδα μπορεί να αυξήσει σταδιακά όγκο και αυτονομία. Έτσι η ταχύτητα γίνεται πραγματική επιχειρησιακή ικανότητα και όχι εντυπωσιακό demo.
Αυτοματισμοί επιχειρήσεων & AI από την TWO DOTS
Εφαρμόστε το μάθημα της NTT DATA σε δικό σας ελεγχόμενο Codex pilot.
Η TWO DOTS χαρτογραφεί baseline, δεδομένα, δικαιώματα, ελέγχους και ανθρώπινα σημεία έγκρισης πριν συνδέσει έναν AI agent με CRM, ERP, e-shop, analytics ή support, ώστε το pilot να παράγει μετρήσιμη αξία και ασφαλές fallback.
Συχνές ερωτήσεις
Σύμφωνα με τη μελέτη περίπτωσης της OpenAI, μια σύνθετη ανάλυση περιστατικού κρίσιμου συστήματος που απαιτούσε πέντε έμπειρους μηχανικούς και τρεις ημέρες ολοκληρώθηκε με το Codex σε 30 λεπτά.
Η OpenAI αναφέρει περίπου 9.000 ενεργούς χρήστες Codex σε τεχνικούς και μη τεχνικούς ρόλους.
Όχι. Το ποσοστό αφορά ένα συγκεκριμένο αναφερόμενο περιστατικό. Κάθε επιχείρηση χρειάζεται δικό της baseline και σύγκριση χρόνου, ποιότητας, κόστους, ανθρώπινης διόρθωσης και συμπεριφοράς στις εξαιρέσεις.
Όχι. Η NTT DATA αναφέρει χρήση για οργάνωση αρχείων, ανάλυση Excel, σύνοψη εγγράφων, μικρά εργαλεία, αναφορές και αυτοματοποίηση επαναλαμβανόμενων εργασιών.
Σημαίνει ότι η εταιρεία δοκιμάζει πρώτη τη λύση στις δικές της πραγματικές διαδικασίες, καταγράφει εξαιρέσεις και δημιουργεί ασφαλείς πρακτικές πριν την επεκτείνει σε μεγαλύτερο όγκο ή σε πελάτες.
Συντονίζει τεχνική αξιολόγηση, ασφάλεια, εκπαίδευση, use cases, μέτρηση χρήσης και μετατροπή επιτυχημένων δοκιμών σε επαναχρησιμοποιήσιμες πρακτικές με ιδιοκτήτη και ελέγχους.
Μια συχνή εργασία χαμηλού ή μέτριου ρίσκου με σαφές παραδοτέο, περιορισμένα δεδομένα, read-only ή staging πρόσβαση και εύκολο ανθρώπινο έλεγχο.
Με χρόνο κύκλου, ακρίβεια, ποσοστό αποδοχής χωρίς διόρθωση, χρόνο ανθρώπινου review, κόστος ανά ολοκληρωμένη εργασία, συμπεριφορά στις εξαιρέσεις και πραγματικό επιχειρηματικό αποτέλεσμα.
