With over 20 years of experience, we transform your digital presence. We specialize in website and E-Shop development, SEO and Digital Marketing, ERP software and smart automation that take your business to the next level.
Address:
154 Egnatia Street, Thessaloniki 546 36
Phone:
+30 231 231 4095
E-mail:
hello@twodots.gr
Ready for the next step?;
Η έρευνα Google–Public First για τους AI Trailblazers δείχνει πώς η ώριμη χρήση AI συνδέεται με παραγωγικότητα, δεξιότητες και επιχειρησιακή αξία.
Η έρευνα Google UK–Public First δείχνει ότι η υιοθέτηση AI στην εργασία αυξάνεται γρήγορα, αλλά η αξία συγκεντρώνεται στους χρήστες που το εντάσσουν σε επαναλαμβανόμενες ροές, βελτιώνουν τα prompts και γνωρίζουν πότε χρειάζεται ανθρώπινος έλεγχος. Για μια επιχείρηση, το επόμενο βήμα δεν είναι ακόμη ένα εργαλείο· είναι σαφή use cases, κανόνες, εκπαίδευση ανά ρόλο και μετρήσιμα αποτελέσματα.
Η συζήτηση για την τεχνητή νοημοσύνη στις επιχειρήσεις έχει περάσει από το «αν θα τη χρησιμοποιήσουμε» στο «ποιος τη χρησιμοποιεί αρκετά καλά ώστε να βλέπει σταθερό αποτέλεσμα». Η νέα ανάλυση της Google UK, σε συνεργασία με την Public First, είναι χρήσιμη επειδή δεν αντιμετωπίζει την υιοθέτηση του AI ως ένα ενιαίο ποσοστό. Ξεχωρίζει την απλή δοκιμή από την καθημερινή χρήση και από την ανασχεδίαση της ίδιας της εργασίας.
Για επαγγελματίες, e-commerce ομάδες, marketers και ιδιοκτήτες επιχειρήσεων, το βασικό μήνυμα είναι πρακτικό: το πλεονέκτημα δεν βρίσκεται στο να ανοίξεις μία φορά ένα εργαλείο AI. Βρίσκεται στο να το εντάξεις σε αποφάσεις, περιεχόμενο, εξυπηρέτηση, ανάλυση και δημιουργική παραγωγή με διαδικασία που ελέγχεται και βελτιώνεται κάθε εβδομάδα. Αυτή είναι και η ουσία των αυτοματισμών επιχειρήσεων με AI: όχι αποσπασματικά prompts, αλλά αξιόπιστες ροές με σαφή είσοδο, υπεύθυνο και τελικό κριτήριο ποιότητας.
Σύμφωνα με τη δημοσίευση της Google στις 30 Ιουνίου 2026, η χρήση AI στον εργασιακό χώρο στο Ηνωμένο Βασίλειο αυξήθηκε από 34% το 2025 σε 73% το 2026. Η άνοδος δείχνει ότι το AI έγινε γρήγορα καθημερινό εργαλείο για μεγάλο μέρος του εργατικού δυναμικού. Δεν αποδεικνύει, όμως, ότι όλες οι χρήσεις έχουν την ίδια ποιότητα ή παράγουν την ίδια οικονομική αξία.
Η έρευνα αποκαλεί AI Trailblazers το πιο προχωρημένο 15%: χρήστες που δεν περιορίζονται σε γρήγορες ερωτήσεις ή ένα πρώτο draft, αλλά δοκιμάζουν νέους τρόπους εργασίας, συνδυάζουν δυνατότητες και αξιοποιούν αυτοματισμούς ή agents. Οι ίδιοι αναφέρουν εξοικονόμηση σχεδόν οκτώ ωρών την εβδομάδα συνολικά σε προσωπικές και επαγγελματικές δραστηριότητες.
Η έρευνα σε τέσσερις τεκμηριωμένους αριθμούς
Στοιχεία της Google UK και της Public First για το Ηνωμένο Βασίλειο· περιγράφουν δηλωμένη χρήση και συσχετίσεις, όχι εγγυημένη απόδοση για κάθε εργαζόμενο ή επιχείρηση.
Η κατηγοριοποίηση της έρευνας είναι πιο χρήσιμη από τη γενική ερώτηση «χρησιμοποιείς AI;». Οι AI Spectators, περίπου 10%, δεν πειραματίζονται ακόμη. Οι AI Experimenters, περίπου 38%, κάνουν αρχικές δοκιμές με απλές εργασίες. Οι AI Practitioners, περίπου 37%, χρησιμοποιούν το AI ως αξιόπιστο καθημερινό βοηθό. Οι AI Trailblazers, περίπου 15%, αναζητούν νέους τρόπους εργασίας και αξιοποιούν πιο σύνθετες δυνατότητες.
Ένας marketer που ζητά μία ιδέα για post βρίσκεται σε διαφορετικό επίπεδο από μια ομάδα που χρησιμοποιεί AI για customer research, segmentation, briefs, υποθέσεις A/B testing, περιγραφές προϊόντων, ανάλυση reviews και προετοιμασία reports. Η διαφορά δεν είναι απλώς το μοντέλο ή η συνδρομή. Είναι το βάθος της ενσωμάτωσης, η ποιότητα του context και η δυνατότητα της ομάδας να ελέγχει το αποτέλεσμα.
Από το μεμονωμένο prompt στο ώριμο AI workflow
Ο χρήστης ζητά ένα κείμενο ή μια ιδέα χωρίς σταθερό brief, αποδέχεται ή απορρίπτει την πρώτη απάντηση και δεν κρατά στοιχεία για χρόνο, ποιότητα ή διορθώσεις.
Η ομάδα ορίζει input, εγκεκριμένες πηγές, prompt template, ανθρώπινο review, κριτήριο αποδοχής και KPI. Οι καλές πρακτικές γίνονται κοινό playbook και όχι προσωπικό κόλπο.
Η Google αναφέρει ότι, ακόμη και μετά τον στατιστικό έλεγχο διαφορών όπως ηλικία, κλάδος, φύλο, εθνικότητα, εκπαίδευση και μέγεθος επιχείρησης, η βαθύτερη χρήση AI συνδέεται με ισχυρότερη επαγγελματική πρόοδο. Οι Trailblazers εμφανίζονται 84% πιο πιθανό να έχουν προαχθεί την προηγούμενη χρονιά, 88% πιο πιθανό να έχουν θετική αξιολόγηση απόδοσης και 55% πιο πιθανό να έχουν πάρει αύξηση.
Αυτά τα ποσοστά χρειάζονται σωστή ανάγνωση. Πρόκειται για συσχέτιση σε έρευνα, όχι για απόδειξη ότι το AI προκαλεί από μόνο του προαγωγή ή αύξηση. Είναι πιθανό οι πιο δραστήριοι χρήστες να διαφέρουν και σε χαρακτηριστικά που δεν αποτυπώνονται πλήρως. Για αυτό μια επιχείρηση δεν πρέπει να μετατρέψει τα ποσοστά σε υπόσχεση προς την ομάδα ούτε να αξιολογεί εργαζομένους με βάση το πόσο συχνά ανοίγουν ένα AI εργαλείο.
Η πιο χρήσιμη υπόθεση εργασίας είναι ότι οι προχωρημένοι χρήστες μαθαίνουν να δίνουν καλύτερο πλαίσιο, να επαναλαμβάνουν, να συνδυάζουν εργαλεία και να κρίνουν πότε ένα output είναι ανεπαρκές. Η ίδια λογική ισχύει όταν αξιολογούμε AI benchmarks και εταιρικά evals: ένα εντυπωσιακό ποσοστό δεν αρκεί χωρίς σαφή μεθοδολογία και σύνδεση με το πραγματικό task.
Πολλές επιχειρήσεις δοκιμάζουν εργαλεία για κείμενα, εικόνες, emails ή ιδέες καμπανιών, αλλά λίγες έχουν φτιάξει διαδικασίες: ποια tasks περνούν από AI, ποιος ελέγχει το αποτέλεσμα, ποια δεδομένα επιτρέπονται, ποια εργαλεία ταιριάζουν σε κάθε ανάγκη και πώς μετριέται η εξοικονόμηση χρόνου. Χωρίς αυτές τις απαντήσεις, η χρήση παραμένει προσωπική συνήθεια και δεν γίνεται οργανωσιακή ικανότητα.
Σε ένα e-shop, για παράδειγμα, οι πρώτες εφαρμογές μπορεί να είναι συγκεκριμένες: σύγκριση ανταγωνιστικών product pages, αναδιατύπωση περιγραφών με βάση επαληθευμένα πλεονεκτήματα, κατηγοριοποίηση ερωτήσεων πελατών, προτάσεις για bundles, σύνοψη reviews και προετοιμασία FAQ ανά κατηγορία. Αν γίνονται σποραδικά, παραμένουν πείραμα. Αν μπουν σε εβδομαδιαίο workflow με πηγές, κανόνες και review, αρχίζουν να δημιουργούν γνώση και συνέπεια.
Η λειτουργική ωριμότητα δεν απαιτεί πάντα νέα πλατφόρμα ή μεγάλο budget. Μπορεί να ξεκινήσει με ένα επαναλαμβανόμενο task, κοινό template και αρχείο διορθώσεων. Τα no-code AI εργαλεία για RAG, agents και workflows διευκολύνουν την υλοποίηση, αλλά δεν αντικαθιστούν τον σχεδιασμό της διαδικασίας.
Το πρώτο είναι η συνήθεια «μία δοκιμή και τέλος». Κάποιος γράφει ένα prompt, παίρνει μέτριο αποτέλεσμα και εγκαταλείπει. Το AI αποδίδει καλύτερα όταν ο χρήστης δίνει στόχο, κοινό, περιορισμούς, παραδείγματα, εγκεκριμένες πηγές και feedback. Ένα αίτημα «γράψε newsletter» έχει μικρή αξία χωρίς στάδιο funnel, προσφορά, ύφος brand, αντιρρήσεις πελατών, CTA και κριτήρια ποιότητας.
Το δεύτερο είναι η νοοτροπία της μηχανής αναζήτησης. Πολλοί χρήστες ρωτούν κάτι, περιμένουν μία απάντηση και σταματούν. Η έρευνα αναφέρει ότι μόνο 37% όσων έχουν χρησιμοποιήσει AI έχουν ζητήσει από το ίδιο το σύστημα βοήθεια για να γράψουν καλύτερο prompt. Η συνεργατική χρήση είναι διαφορετική: ζητάς να εντοπίσει κενά σε ένα brief, να προτείνει εναλλακτικές υποθέσεις, να προσομοιώσει αντιρρήσεις πελατών ή να ελέγξει αν ένα landing page απαντά στις σωστές ερωτήσεις.
Το τρίτο είναι το «Permission to Prompt». Μόνο το ένα τρίτο των χρηστών AI δηλώνει ότι έχει σαφή επαγγελματική καθοδήγηση και λιγότεροι από τους μισούς ξέρουν ποιον να ρωτήσουν για υπεύθυνη χρήση. Όταν οι άνθρωποι δεν ξέρουν τι επιτρέπεται, είτε αποφεύγουν το AI είτε το χρησιμοποιούν χωρίς κοινό πλαίσιο.
Η πρώτη απόφαση της διοίκησης
Επιλέξτε ένα επαναλαμβανόμενο workflow όπου το κόστος λάθους είναι ελεγχόμενο και το αποτέλεσμα μετριέται.Ορίστε επιτρεπόμενα δεδομένα, υπεύθυνο, ανθρώπινο review, baseline χρόνου και ποιότητας και συνθήκη διακοπής. Αν το pilot δεν βελτιώνει συγκεκριμένο KPI, διορθώστε τη ροή πριν προσθέσετε άλλο εργαλείο.
Για μια ευρωπαϊκή επιχείρηση, η AI literacy δεν είναι μόνο θέμα παραγωγικότητας. Το άρθρο 4 του AI Act εφαρμόζεται από τις 2 Φεβρουαρίου 2025 και ζητά από παρόχους και οργανισμούς που χρησιμοποιούν συστήματα AI να λαμβάνουν μέτρα ώστε το προσωπικό και όσοι τα χειρίζονται για λογαριασμό τους να έχουν επαρκές επίπεδο γνώσεων και κατανόησης, ανάλογα με την εμπειρία τους και το πλαίσιο χρήσης.
Αυτό δεν σημαίνει ότι κάθε εργαζόμενος χρειάζεται το ίδιο μάθημα ή τεχνική πιστοποίηση. Σημαίνει ότι η εταιρεία πρέπει να μπορεί να εξηγήσει ποια εργαλεία χρησιμοποιεί, για ποια tasks, με ποια δεδομένα, ποια λάθη είναι πιθανά και ποιος έχει ευθύνη για τον έλεγχο. Η Ευρωπαϊκή Επιτροπή αναφέρει ρητά ότι ακόμη και χρήση για διαφημιστικό κείμενο ή μετάφραση χρειάζεται μέτρα AI literacy προσαρμοσμένα στον κίνδυνο και στο πλαίσιο.
Ένα απλό policy πρέπει να απαντά τουλάχιστον στα εξής: ποια δεδομένα πελατών δεν εισάγονται σε μη εγκεκριμένα εργαλεία, ποια outputs χρειάζονται ανθρώπινο έλεγχο, ποιος εγκρίνει νέες χρήσεις, πώς καταγράφονται incidents και πότε το σύστημα σταματά. Για agents που διαβάζουν εξωτερικό περιεχόμενο ή εκτελούν ενέργειες, χρειάζονται επιπλέον περιορισμένα permissions και προστασία από indirect prompt injection.
Η Public First λανσάρισε AI skills quiz ώστε οι χρήστες να δουν σε ποιο επίπεδο βρίσκονται και τι μπορούν να βελτιώσουν. Παράλληλα, το AI Works for Britain χτίζει πάνω στο Google Digital Garage, το οποίο σύμφωνα με τη Google έχει εκπαιδεύσει πάνω από 1,2 εκατομμύρια ανθρώπους την τελευταία δεκαετία. Η πρωτοβουλία συνδέεται με τον στόχο εκπαίδευσης 10 εκατομμυρίων εργαζομένων σε δεξιότητες AI έως το 2030.
Το μάθημα για κάθε επιχείρηση είναι ότι το upskilling δεν πρέπει να είναι ένα απομονωμένο webinar. Χρειάζεται διάγνωση επιπέδου, μικρά σενάρια χρήσης ανά ρόλο, πρακτική πάνω σε πραγματικές εργασίες και επανάληψη. Ένας content marketer, ένας ιδιοκτήτης e-shop, ένας υπεύθυνος εξυπηρέτησης και ένας οικονομικός διευθυντής δεν χρειάζονται το ίδιο AI training. Χρειάζονται κοινές αρχές για ασφάλεια και ποιότητα, αλλά διαφορετικά playbooks.
Το NIST AI Risk Management Framework υποστηρίζει αυτή τη λογική: οι ρόλοι και οι ευθύνες ανθρώπων και AI πρέπει να ορίζονται, το προσωπικό να εκπαιδεύεται σύμφωνα με τα καθήκοντά του και τα συστήματα να αξιολογούνται σε συνθήκες κοντά στην πραγματική χρήση. Η εκπαίδευση έχει αξία όταν αλλάζει τον τρόπο εκτέλεσης μιας δουλειάς και αφήνει ίχνος που μπορεί να ελεγχθεί.
Σε μια ομάδα marketing, ένα ώριμο AI workflow μπορεί να συνδυάζει customer research, ανάλυση πραγματικών reviews, δημιουργία brief, έλεγχο claims, παραλλαγές copy και τελική έγκριση. Στο SEO, το AI μπορεί να οργανώνει search intent, content gaps και εσωτερικές συνδέσεις, αλλά οι πηγές, οι πραγματικές δυνατότητες του προϊόντος και η τελική χρησιμότητα για τον αναγνώστη παραμένουν ανθρώπινη ευθύνη.
Σε ένα e-shop, η ομάδα μπορεί να ξεκινήσει με product enrichment, ταξινόμηση tickets, σύνοψη λόγων επιστροφής, πρόταση FAQ, προετοιμασία email flows ή alerts για ασυνήθιστα δεδομένα. Το AI δεν πρέπει να εφευρίσκει τεχνικά χαρακτηριστικά, διαθεσιμότητα, τιμές ή όρους επιστροφής. Αυτά αντλούνται από αξιόπιστα συστήματα και περνούν από validation πριν δημοσιευθούν.
Για μια μικρή επιχείρηση, το AI μπορεί να λειτουργήσει σαν «πρώτη ενίσχυση» σε έρευνα, οργάνωση και προετοιμασία, αλλά δεν αντικαθιστά την ευθύνη του ιδιοκτήτη ούτε τον επαγγελματία που γνωρίζει το πεδίο. Η σωστή διάκριση αναλύεται και στο άρθρο για την AI ως «πρώτη πρόσληψη» στις μικρές επιχειρήσεις.
Το ασφαλέστερο μονοπάτι από Experimenter σε Practitioner ή Trailblazer είναι ένα μικρό pilot με πραγματική εργασία. Η ομάδα δεν χρειάζεται να μετασχηματίσει τα πάντα ταυτόχρονα. Χρειάζεται ένα use case αρκετά συχνό ώστε να μετρηθεί, αλλά όχι τόσο κρίσιμο ώστε ένα πρώτο λάθος να προκαλέσει σοβαρή ζημιά.
Έξι βήματα από το prompt σε ελεγχόμενο AI workflow
Καταγράψτε input, σημερινό χρόνο, υπεύθυνο, σημεία καθυστέρησης και τελικό παραδοτέο για product copy, reporting, ταξινόμηση tickets ή άλλο συγκεκριμένο task.
Ξεχωρίστε ποια αρχεία ή συστήματα αποτελούν source of truth και ποια προσωπικά, εμπιστευτικά ή συμβατικά δεδομένα δεν επιτρέπεται να μπουν στο εργαλείο.
Προσθέστε κοινό, στόχο, πλαίσιο, περιορισμούς, παραδείγματα, επιθυμημένη μορφή και σαφή οδηγία να δηλώνεται όταν λείπει κρίσιμη πληροφορία.
Σημειώστε ποιος ελέγχει facts, τόνο, νομικούς ή εμπορικούς όρους και σε ποιες περιπτώσεις το output απορρίπτεται ή επιστρέφει σε ειδικό.
Συγκρίνετε το pilot με το baseline: συνολικό χρόνο μέχρι την έγκριση, ποσοστό outputs που περνούν, συχνότερα λάθη και επίδραση σε leads, πωλήσεις ή εξυπηρέτηση.
Κρατήστε τις αποτυχημένες περιπτώσεις ως tests, ενημερώστε template και policy και επεκτείνετε τη ροή μόνο όταν τα κριτήρια επιτυχίας επαναλαμβάνονται.
Η εξοικονόμηση χρόνου είναι χρήσιμο KPI μόνο όταν μετρά ολόκληρο τον κύκλο: προετοιμασία input, παραγωγή, έλεγχος, διορθώσεις και τελική έγκριση. Ένα draft σε δέκα δευτερόλεπτα δεν είναι κέρδος αν απαιτεί σαράντα λεπτά αποκατάστασης ή δημιουργεί λάθος πληροφορίες που φτάνουν στον πελάτη.
Για content και marketing, μετρήστε χρόνο μέχρι το approved asset, ποσοστό ουσιαστικών διορθώσεων, ακρίβεια claims, consistency με το brand και downstream αποτέλεσμα όπως qualified leads ή conversion. Για customer support, εξετάστε χρόνο απόκρισης μαζί με resolution rate, reopen rate, escalations και ικανοποίηση. Για e-commerce δεδομένα, παρακολουθήστε πληρότητα, λάθη χαρακτηριστικών, απορρίψεις feeds και επιστροφές που συνδέονται με εσφαλμένη περιγραφή.
Τα οικονομικά στοιχεία της Google —£140 δισ. δραστηριότητας στο Ηνωμένο Βασίλειο το 2025 και 51 εκατ. ώρες εξοικονόμησης την εβδομάδα από προϊόντα όπως Search, Android, Cloud και YouTube— περιγράφουν το συνολικό οικοσύστημα της εταιρείας, όχι μόνο generative AI. Δεν πρέπει να χρησιμοποιούνται ως έτοιμη πρόβλεψη ROI για μια ελληνική ΜΜΕ. Η σωστή μεταφορά είναι η μέθοδος: μικρό baseline, συγκεκριμένο workflow, κόστος λειτουργίας και επαληθευμένο αποτέλεσμα.
Η έρευνα για τους AI Trailblazers δεν λέει απλώς ότι «το AI είναι σημαντικό». Δείχνει ότι το κρίσιμο χάσμα βρίσκεται ανάμεσα στην περιστασιακή χρήση και στη συστηματική χρήση με δεξιότητες, καθοδήγηση και ευθύνη. Η σωστή ερώτηση για μια επιχείρηση δεν είναι «έχουμε AI;». Είναι: σε ποια εργασία μάς κάνει αποδεδειγμένα καλύτερους, με ποια όρια και ποιος ελέγχει το αποτέλεσμα;
Από τα μεμονωμένα prompts σε ελεγχόμενες ροές
Η TWO DOTS χαρτογραφεί επαναλαμβανόμενες εργασίες, συνδέει τις σωστές πηγές και σχεδιάζει automation με permissions, ανθρώπινα approval gates και μετρήσιμα KPIs για marketing, e-commerce και back-office λειτουργίες.
Frequently Asked Questions (FAQs)
Είναι το πιο προχωρημένο 15% των χρηστών στην έρευνα Google UK–Public First: άνθρωποι που χρησιμοποιούν AI σε βαθύτερες, δημιουργικές και επαναλαμβανόμενες εργασίες, συμπεριλαμβανομένων αυτοματισμών και agents.
Όχι. Η έρευνα καταγράφει συσχέτιση μεταξύ βαθύτερης χρήσης AI και καλύτερων δηλωμένων επαγγελματικών αποτελεσμάτων, ακόμη και μετά από στατιστικούς ελέγχους. Δεν αποδεικνύει ότι η χρήση AI προκαλεί από μόνη της προαγωγή ή αύξηση.
Ο Practitioner χρησιμοποιεί το AI ως αξιόπιστο καθημερινό βοηθό. Ο Trailblazer πηγαίνει βαθύτερα: ανασχεδιάζει ροές, συνδυάζει εργαλεία, δοκιμάζει αυτοματισμούς και μετρά αν η νέα διαδικασία παράγει καλύτερο αποτέλεσμα.
Μια συχνή εργασία με ελεγχόμενο κόστος λάθους και σαφές baseline, όπως σύνοψη reviews, προετοιμασία product copy, κατηγοριοποίηση tickets ή εβδομαδιαίο reporting. Πρέπει να υπάρχει ανθρώπινος έλεγχος πριν από οποιαδήποτε δημοσίευση ή ενέργεια.
Είναι το οργανωσιακό κενό που εμφανίζεται όταν οι εργαζόμενοι δεν ξέρουν ποια εργαλεία επιτρέπονται, ποια δεδομένα μπορούν να χρησιμοποιήσουν, ποιος ελέγχει το αποτέλεσμα και ποιον να ρωτήσουν για υπεύθυνη χρήση.
Χρειάζεται εκπαίδευση και καθοδήγηση προσαρμοσμένη στους ρόλους, στην εμπειρία, στα συστήματα AI και στο πλαίσιο χρήσης. Οι εργαζόμενοι πρέπει να κατανοούν τις δυνατότητες, τα όρια, τους κινδύνους και τις διαδικασίες ανθρώπινου ελέγχου.
Μετρήστε συνολικό χρόνο μέχρι την έγκριση, ποσοστό αποδεκτών outputs, διορθώσεις, ακρίβεια, incidents και το πραγματικό business αποτέλεσμα της ροής, όπως conversion, resolution rate ή μείωση λαθών.
