Ο Κάρολος Τσιλιγκιριάν, CEO & Founder της GIM Agency, μιλάει στο InfoCom για την ουσιαστική αξιοποίηση της τεχνητής νοημοσύνης από τις ελληνικές μικρομεσαίες επιχειρήσεις και τη μετάβαση από τον πειραματισμό στην καθημερινή λειτουργία. Με αφετηρία την εμπειρία του, εξηγεί γιατί η επιλογή εργαλείων χρειάζεται να ξεκινά από τα πραγματικά προβλήματα της επιχείρησης και πώς η εφαρμογή του AI μπορεί να αποκτήσει μετρήσιμη αξία, βελτιώνοντας διαδικασίες και υποστηρίζοντας καλύτερες αποφάσεις.
Στη συνέντευξη αναλύει τη σύνδεση του AI με το ολιστικό marketing, τις αλλαγές στην αναζήτηση και την ψηφιακή ορατότητα, καθώς και τη σημασία της οργανωμένης εταιρικής γνώσης. Παράλληλα, παρουσιάζει την πρακτική προσέγγιση του GIM Academy στην εκπαίδευση, εξετάζει τους αυτοματισμούς που μπορούν να προσφέρουν άμεσο όφελος και επισημαίνει πού χρειάζεται ανθρώπινος έλεγχος. Αναφέρεται επίσης στις δυνατότητες του vibe coding και στον ρόλο της Ergonya, δίνοντας έμφαση στις προϋποθέσεις για αξιόπιστες εφαρμογές που μπορούν να στηρίξουν τη λειτουργία μιας επιχείρησης.
Η τεχνητή νοημοσύνη έχει περάσει από το στάδιο του πειραματισμού. Πού βρίσκεται σήμερα η ουσιαστική αξιοποίησή της από τις ελληνικές μικρομεσαίες επιχειρήσεις και ποια είναι τα βασικά εμπόδια που συναντούν;
Νομίζω ότι σήμερα υπάρχουν δύο πολύ διαφορετικές ταχύτητες. Από τη μία, σχεδόν όλοι έχουν δοκιμάσει το ChatGPT ή κάποιο άλλο AI εργαλείο. Από την άλλη, σχετικά λίγες επιχειρήσεις έχουν ενσωματώσει πραγματικά το AI στον τρόπο που δουλεύουν.
Για μένα αυτή είναι και η βασική διάκριση. Το να γράψεις ένα email, ένα post ή να ζητήσεις μερικές ιδέες δεν σημαίνει ότι η επιχείρηση έχει αξιοποιήσει το AI. Η ουσιαστική αλλαγή ξεκινά όταν παίρνεις μια πραγματική διαδικασία που σήμερα απαιτεί χρόνο και ανθρώπινη εργασία και τη σχεδιάζεις ξανά με τη βοήθεια του AI.
Το μεγαλύτερο εμπόδιο που βλέπω δεν είναι η τεχνολογία. Είναι ότι πολλές επιχειρήσεις ξεκινούν από το εργαλείο αντί να ξεκινήσουν από το πρόβλημα. «Τι μπορώ να κάνω με το AI;» αντί για «πού χάνουμε χρόνο, πού έχουμε bottlenecks και τι θα θέλαμε να γίνεται καλύτερα;».
Χρειάζεται επίσης κάποιος μέσα στην εταιρεία να αναλάβει αυτή την αλλαγή. Διαφορετικά γίνονται πολλά ενδιαφέροντα πειράματα με μεγάλη σπατάλη χρόνου και άλλων πόρων, και πολύ λίγα από αυτά περνούν στην καθημερινή λειτουργία.
Με βάση την εμπειρία σας στη GIM Agency, πώς μπορεί το AI να συνδέσει στρατηγική, δεδομένα, περιεχόμενο και πωλήσεις σε ένα μοντέλο holistic marketing με μετρήσιμο επιχειρηματικό αποτέλεσμα;
Στη GIM αντιμετωπίζουμε το marketing ολιστικά εδώ και χρόνια. Το AI δεν αλλάζει αυτή τη φιλοσοφία αλλά μας δίνει έναν ισχυρό τρόπο να τη δουλέψουμε καλύτερα.
Το marketing δεν είναι Google Ads, SEO, social ή email ως ανεξάρτητα κανάλια. Όλα ξεκινούν από την κατανόηση της αγοράς και του πελάτη και πρέπει τελικά να συνδέονται με το επιχειρηματικό αποτέλεσμα.
Στη GIM χρησιμοποιούμε τη μεθοδολογία που έχουμε αναπτύξει BCR²: Research × (Bring, Convert, Retain). Πρώτα καταλαβαίνω την αγορά και τον πελάτη, μετά φέρνω το σωστό κοινό, το μετατρέπω σε πελάτη και δουλεύω ώστε να τον διατηρήσω και να αυξήσω την αξία της σχέσης.
Το AI μπορεί πλέον να λειτουργεί οριζόντια σε όλο αυτό το μοντέλο. Να αναλύσει customer reviews, search queries, πωλήσεις, καμπάνιες ή συζητήσεις με πελάτες και να εντοπίσει patterns. Να βοηθήσει στην ανάπτυξη διαφορετικών υποθέσεων για ένα landing page. Να σχεδιάσει τη Landing Page και να βελτιώσει την καταγραφή αποτελεσμάτων. Να συνδέσει το feedback των πωλήσεων με την παραγωγή περιεχομένου και τη δημιουργία νέων προσφορών. Να εντοπίσει πελάτες που πιθανόν χρειάζονται διαφορετική επικοινωνία ή follow-up.
Το σημαντικό όμως είναι να μην καταλήξουμε απλώς να παράγουμε περισσότερο περιεχόμενο με AI και περισσότερες καμπάνιες επειδή τώρα μπορούμε να το κάνουμε πιο γρήγορα. Το ζητούμενο παραμένει να παίρνουμε καλύτερες αποφάσεις και να συνδέουμε κάθε ενέργεια με έναν πραγματικό επιχειρηματικό στόχο.
Καθώς οι πελάτες αναζητούν όλο και συχνότερα απαντήσεις μέσα από εργαλεία AI, τι αλλάζει στο SEO και ποια είναι τα πρώτα βήματα που χρειάζεται να κάνει μια επιχείρηση για να διατηρήσει την ψηφιακή της ορατότητα;
Η αναζήτηση ήδη αλλάζει. Όταν κάποιος ρωτά το ChatGPT, το Google AI Mode ή κάποιο άλλο AI σύστημα «ποια λύση ή ποια εταιρεία μου προτείνεις;», δεν ανταγωνίζεσαι πλέον μόνο για ένα μπλε link σε μια σελίδα αποτελεσμάτων του Google. Θέλεις η επιχείρηση και το περιεχόμενό σου να αποτελούν πηγές που αυτά τα συστήματα μπορούν να βρουν, να καταλάβουν και να εμπιστευτούν.
Αυτό όμως δεν σημαίνει ότι πετάμε το SEO και εφευρίσκουμε τα πάντα από την αρχή. Τα βασικά παραμένουν τα ίδια δηλαδή: τεχνικά άρτιο site, πραγματικά χρήσιμο περιεχόμενο, σαφής δομή, ισχυρό brand και ξεκάθαρες πληροφορίες για το ποιος είσαι και σε τι έχεις expertise.
Αυτό που πιστεύω ότι αποκτά ακόμη μεγαλύτερη αξία είναι το αυθεντικό, non-commodity content. Πραγματική εμπειρία, συγκεκριμένα παραδείγματα, δεδομένα, συγκρίσεις, απαντήσεις σε ερωτήσεις πελατών. Το δέκατο άρθρο «5 συμβουλές για…» που λέει ό,τι λένε όλοι οι υπόλοιποι έχει όλο και μικρότερη αξία.
Αν ξεκινούσα αύριο σε μια επιχείρηση, θα έπαιρνα πρώτα τις πραγματικές ερωτήσεις που κάνουν οι πελάτες πριν αγοράσουν και θα έβλεπα αν το site δίνει σήμερα τις καλύτερες δυνατές απαντήσεις σε αυτές. Αυτό είναι καλό SEO και ταυτόχρονα πολύ καλή βάση για ορατότητα στην εποχή του AI. Επίσης θα έδινα πολύ μεγάλη βάση στο Branding και το Online PR.
Πέρα από την επικοινωνία και την προσέλκυση πελατών, σημαντικό πεδίο αφορά την εσωτερική γνώση της εταιρείας. Πώς οργανώνονται δεδομένα, διαδικασίες και περιεχόμενο ώστε τα prompts να εξελιχθούν σε εξειδικευμένους AI βοηθούς με χρήσιμες, συνεπείς και ασφαλείς απαντήσεις;
Νομίζω ότι έχουμε δώσει υπερβολικά μεγάλη σημασία στα prompts. Το καλό prompting είναι χρήσιμο, αλλά δεν είναι εκεί το μεγάλο ανταγωνιστικό πλεονέκτημα μιας επιχείρησης. Με τα νέα πιο έξυπνα μοντέλα LLM δεν χρειάζεται να είσαι guru στο prompting. Χρειάζεται να επικοινωνείς καθαρά και να γνωρίζεις τι θέλεις. Να έχεις κριτική ικανότητα.
Σημαντικό περιουσιακό στοιχείο μιας επιχείρησης είναι επίσης η γνώση της που αποτελεί “context” για το AI.
Ποιοι είναι οι πελάτες της, τι πουλάει, πώς τιμολογεί, ποια προβλήματα έχει αντιμετωπίσει, ποιες διαδικασίες ακολουθεί, ποια projects έχει κάνει, τι έχει μάθει από αυτά. Αν όλη αυτή η γνώση βρίσκεται σε emails, στο μυαλό τριών ανθρώπων, σε διαφορετικά Google Docs και σε παλιά chats, κανένα AI assistant δεν μπορεί να τη χρησιμοποιήσει σωστά.
Άρα πριν μιλήσουμε για prompts, agents και assistants, πρέπει να οργανώσουμε τη γνώση της επιχείρησης. Να ξέρουμε ποιες είναι οι σωστές πηγές γνώσης, ποια πληροφορία είναι επικαιροποιημένη, ποιος μπορεί να αλλάζει τι, και ποιες αποφάσεις χρειάζονται ανθρώπινη έγκριση.
Όταν αυτό γίνει σωστά, τότε το AI αρχίζει πραγματικά να αποκτά αξία: δεν είναι πλέον ένα γενικό μοντέλο που του κάνεις κάθε φορά briefing από την αρχή, και χάνεις χρόνο. Γίνεται ένας πολύτιμος βοηθός που καταλαβαίνει πολύ καλύτερα το περιβάλλον μέσα στο οποίο εργάζεσαι.
Για να ενταχθούν αυτά τα εργαλεία στην καθημερινή λειτουργία, τι μορφή πρέπει να έχει η εκπαίδευση επιχειρηματιών και ομάδων; Πώς επιχειρεί το GIM Academy να μετατρέψει τη γνώση γύρω από το AI σε πρακτική εφαρμογή;
Αυτό είναι κάτι στο οποίο έχω αρκετά έντονη άποψη. Δεν θεωρώ ιδιαίτερα χρήσιμη μια εκπαίδευση AI στην οποία βλέπεις για τρεις ώρες δεκάδες εργαλεία και την επόμενη ημέρα συνεχίζεις να δουλεύεις ακριβώς όπως πριν.
Στο GIM Academy θέλουμε η εκπαίδευση να είναι hands-on και να καταλήγει σε κάτι που ο συμμετέχων μπορεί να χρησιμοποιήσει στην πραγματική του δουλειά. Για αυτό και κάνουμε πολλά Workshops.
Μπορεί αυτό να είναι ένα workflow, ένας εξειδικευμένος AI assistant, μια αυτοματοποίηση ή ακόμη και μια μικρή εφαρμογή. Το σημαντικό είναι να δουλεύουμε πάνω σε πραγματικά προβλήματα της επιχείρησης.
Για παράδειγμα, αντί να δείξω απλώς πώς γράφουμε καλύτερα prompts, προτιμώ να πάρουμε μια διαδικασία που κάποιος εκτελεί κάθε εβδομάδα και να δούμε: πώς γίνεται σήμερα, πού χάνει χρόνο, ποια δεδομένα χρειάζεται, τι μπορεί να κάνει το AI και πού πρέπει να παραμείνει ο άνθρωπος.
Αν στο τέλος της εκπαίδευσης έχει αλλάξει έστω μία πραγματική διαδικασία, έχουμε πετύχει πολύ περισσότερα από το να γνωρίζει κάποιος είκοσι νέα AI tools.
Αφού η ομάδα αποκτήσει τις κατάλληλες βάσεις, ποιοι AI αυτοματισμοί μπορούν να αποδώσουν άμεσα — από προσφορές και follow-ups έως εξυπηρέτηση πελατών και εσωτερική οργάνωση — και πού χρειάζεται να παρεμβαίνει η ανθρώπινη κρίση;
Θα ξεκινούσα από πράγματα που γίνονται συχνά, έχουν σχετικά σταθερή δομή και καταναλώνουν χρόνο.
Προετοιμασία μιας προσφοράς, follow-up μετά από μια συνάντηση, meeting summaries και action items, κατηγοριοποίηση εισερχόμενων αιτημάτων, drafts απαντήσεων στο customer support, έρευνα πριν από ένα sales call, συγκέντρωση πληροφοριών για ένα εβδομαδιαίο report.
Εκεί μπορείς να έχεις πολύ πρακτικό όφελος χωρίς να παραδίδεις στο AI κρίσιμες επιχειρηματικές αποφάσεις.
Προσωπικά χρησιμοποιώ έναν απλό κανόνα: όσο αυξάνεται το κόστος ενός πιθανού λάθους, τόσο περισσότερο πρέπει να αυξάνεται και ο ανθρώπινος έλεγχος.
Άλλο να σου ετοιμάσει το AI ένα πρώτο draft ενός email και άλλο να αποφασίσει μόνο του την τελική προσφορά που θα δώσεις σε έναν σημαντικό πελάτη. Άλλο να απαντήσει σε μια συνηθισμένη ερώτηση support και άλλο να χειριστεί μια σοβαρή διαμαρτυρία.
Ο στόχος δεν είναι να αφαιρέσουμε τον άνθρωπο από την επιχείρηση. Είναι να σταματήσουμε να ξοδεύουμε ανθρώπινο χρόνο σε πράγματα στα οποία η ανθρώπινη κρίση δεν προσθέτει ιδιαίτερη αξία.
Το vibe coding διευρύνει τις δυνατότητες για custom εφαρμογές. Ποια προβλήματα μπορεί πλέον να λύσει ένας επιχειρηματίας με δικά του εργαλεία και ποιες προϋποθέσεις απαιτούνται για ασφάλεια, αξιοπιστία και σωστή συντήρηση; Ποιον ρόλο φιλοδοξεί να καλύψει το Ergonya σε αυτή τη νέα πραγματικότητα;
Εδώ θεωρώ ότι συμβαίνει κάτι πραγματικά ενδιαφέρον. Μέχρι πρόσφατα υπήρχε ένα τεράστιο κενό ανάμεσα στο Excel και σε ένα κανονικό custom software project.
Πάρα πολλές επιχειρήσεις έχουν ανάγκες που δεν δικαιολογούν ένα μεγάλο software project, αλλά τα έτοιμα SaaS εργαλεία δεν ταιριάζουν ακριβώς στον τρόπο που δουλεύουν.
Με τα σημερινά AI coding εργαλεία μπορούμε να δημιουργήσουμε πολύ γρηγορότερα ένα Custom εσωτερικό CRM, ένα dashboard, ένα εργαλείο προσφορών, ένα client portal, ένα workflow ή μια πολύ εξειδικευμένη εφαρμογή για μια συγκεκριμένη διαδικασία.
Αυτό όμως δημιουργεί και έναν νέο κίνδυνο: επειδή είναι εύκολο να δημιουργήσεις κάτι που φαίνεται να λειτουργεί, μπορεί εύκολα να πιστέψεις ότι έχεις δημιουργήσει production-ready software. Δεν είναι το ίδιο.
Χρειάζονται authentication, permissions, backups, σωστή διαχείριση δεδομένων, testing, monitoring και κάποιος που θα μπορεί να συντηρήσει την εφαρμογή όταν αλλάξει η επιχείρηση ή ένα εξωτερικό API.
Η Ergonya δημιουργήθηκε ακριβώς γύρω από αυτή τη νέα πραγματικότητα: να γεφυρώσει την απόσταση ανάμεσα στο «μπορώ πλέον να το φτιάξω» και στο «μπορώ να βασιστώ σε αυτό για να λειτουργήσω την επιχείρησή μου».
Αν μια επιχείρηση θέλει να ξεκινήσει τώρα, πώς επιλέγει την πρώτη διαδικασία στην οποία αξίζει να επενδύσει σε AI και με ποια κριτήρια αξιολογεί χρόνο, κόστος, ποιότητα και πραγματικό επιχειρηματικό όφελος;
Θα πρότεινα να μην ξεκινήσει από το πιο εντυπωσιακό use case. Να ξεκινήσει από κάτι λίγο βαρετό.
Μια διαδικασία που επαναλαμβάνεται συχνά, καταναλώνει αρκετό χρόνο, έχει συγκεκριμένο input και output και μπορεί σχετικά εύκολα να μετρηθεί.
Μετά θα κατέγραφα το baseline: πόσο χρόνο χρειάζεται σήμερα, πόσο κοστίζει, πόσα λάθη γίνονται, πόσο γρήγορα ολοκληρώνεται και τι ποιότητα έχει το αποτέλεσμα. Και μόνο μετά θα έβαζα AI.
Γιατί διαφορετικά είναι πολύ εύκολο να εντυπωσιαστούμε από το demo χωρίς να ξέρουμε αν τελικά βελτιώσαμε την επιχείρηση.
Δεν θεωρώ ότι κάθε διαδικασία χρειάζεται AI και σίγουρα δεν χρειάζεται κάθε επιχείρηση να κυνηγήσει ταυτόχρονα δέκα διαφορετικά AI projects.
Αν όμως βρεις μία διαδικασία που πραγματικά πονάει, τη βελτιώσεις και αποδείξεις το αποτέλεσμα, τότε έχεις πλέον και τη γνώση και την εμπιστοσύνη για να προχωρήσεις στην επόμενη.
Αυτό θεωρώ ότι είναι και το σωστό mindset για το AI γενικότερα: όχι «πού μπορώ να βάλω AI;», αλλά «ποιο πραγματικό πρόβλημα της επιχείρησής μου μπορώ σήμερα να λύσω καλύτερα;».
