Παρασκευή 5 Δεκεμβρίου 2025

ΕΠΑΝΑΛΗΠΤΙΚΑ VIDEO

 


Ενότητα 1η


Ενότητα 2η


Ενότητα 3η


Ενότητα 4η



Ενότητα 5η


Ενότητα 6η


Ενότητα 7η


⛄Quiz 5-7


Ενότητα 8η


Ενότητα 9η




στις Δεν υπάρχουν σχόλια:

Πέμπτη 27 Νοεμβρίου 2025

89 Quiz: Ενότητα 11 (11.13)-AI για Στρατηγική Διοίκηση & Business Intelligence

Quiz: AI για Στρατηγική Διοίκηση & Business Intelligence - 20 Ερωτήσεις

AI για Στρατηγική Διοίκηση & Business Intelligence

Σκορ: 0 / 20
Χρόνος: 20:00

1. Ποιος είναι ο κύριος ρόλος της AI στη στρατηγική διοίκηση και την Επιχειρηματική Ευφυΐα (BI);

Η αξιοποίηση της AI επιτρέπει στις επιχειρήσεις να **μετατρέπουν τα δεδομένα σε γνώση, ενισχύοντας τη δυνατότητα πρόβλεψης, ανάλυσης και λήψης αποφάσεων** σε στρατηγικό επίπεδο.

2. Τι σημαίνει το ακρωνύμιο BI, σύμφωνα με το κείμενο;

Το ακρωνύμιο BI αντιστοιχεί στο **Business Intelligence (Επιχειρηματική Ευφυΐα)**.

3. Τι παρακολουθούν σε πραγματικό χρόνο οι οργανισμοί μέσω της ενσωμάτωσης της AI σε συστήματα BI;

Οι οργανισμοί αποκτούν τη δυνατότητα να **παρακολουθούν σε πραγματικό χρόνο βασικούς δείκτες απόδοσης (KPIs)**.

4. Ποιο είναι το κύριο πλεονέκτημα της AI σε πλατφόρμες BI έναντι των παραδοσιακών μεθόδων ανάλυσης;

Η AI επιτρέπει την **αυτόματη αναγνώριση προτύπων και τάσεων που θα ήταν δύσκολο να εντοπιστούν με τις παραδοσιακές μεθόδους ανάλυσης**.

5. Ποια δύο εργαλεία analytics επιτρέπουν στις επιχειρήσεις να προβλέπουν εξελίξεις και να λαμβάνουν συστάσεις;

Τα εργαλεία είναι τα **predictive και prescriptive analytics**.

6. Τι επιτρέπουν τα predictive analytics στις επιχειρήσεις να προβλέπουν;

Τα predictive analytics επιτρέπουν την πρόβλεψη **μελλοντικών εξελίξεων —όπως αλλαγές στη ζήτηση, στη συμπεριφορά πελατών ή στις συνθήκες της αγοράς**.

7. Πέρα από την πρόβλεψη, τι παρέχουν τα prescriptive analytics στα συστήματα BI;

Τα prescriptive analytics επιτρέπουν στις επιχειρήσεις να λαμβάνουν **συστάσεις για το πώς να προσαρμόσουν τη στρατηγική τους**.

8. Τι υποστηρίζουν τα συστήματα AI-based BI σχετικά με τις εναλλακτικές στρατηγικές επιλογές;

Τα συστήματα AI-based BI υποστηρίζουν τη **δημιουργία προσομοιώσεων σεναρίων (scenario simulations)**.

9. Ποια είναι η τελική χρησιμότητα των προσομοιώσεων σεναρίων (scenario simulations) πριν από την υλοποίηση μιας στρατηγικής;

Οι προσομοιώσεις επιτρέπουν την **εκτίμηση των επιπτώσεών τους** πριν την υλοποίησή τους.

10. Σε ποιους δύο τομείς χρησιμοποιούνται πλατφόρμες που συνδυάζουν predictive models για την πρόβλεψη πιστωτικού κινδύνου;

Χαρακτηριστικά παραδείγματα αποτελούν οι πλατφόρμες που χρησιμοποιούνται στον **τραπεζικό και ασφαλιστικό τομέα**.

11. Τι είδους εργαλεία ενημερώνουν τα ανώτατα στελέχη στον τραπεζικό/ασφαλιστικό τομέα σε πραγματικό χρόνο;

Οι πλατφόρμες χρησιμοποιούν **dashboards** που ενημερώνουν τα ανώτατα στελέχη σε πραγματικό χρόνο για κρίσιμους δείκτες απόδοσης.

12. Ποιος είναι ο στόχος των συστημάτων BI με AI στον σχεδιασμό logistics της εφοδιαστικής αλυσίδας;

Τα συστήματα BI με AI υποστηρίζουν τον σχεδιασμό logistics με **βελτιωμένη ενεργειακή και χρονική αποδοτικότητα**.

13. Ποια εξωτερικά δεδομένα αναφέρονται ότι λαμβάνονται υπόψη στα συστήματα BI με AI για τον σχεδιασμό logistics;

Τα συστήματα λαμβάνουν υπόψη **εξωτερικά δεδομένα όπως οι καιρικές συνθήκες ή οι πολιτικές εξελίξεις**.

14. Πέρα από τη βελτίωση της ακρίβειας των προβλέψεων, πού αλλού συμβάλλει η AI στη στρατηγική διοίκηση;

Η συμβολή της AI αφορά και στη **δυνατότητα των στελεχών να λαμβάνουν τεκμηριωμένες αποφάσεις**.

15. Ποιες τρεις δυνατότητες ενισχύει η AI στη στρατηγική διοίκηση (γενικά);

Η AI ενισχύει τη δυνατότητα **πρόβλεψης, ανάλυσης και λήψης αποφάσεων** σε στρατηγικό επίπεδο.

16. Τι ενισχύεται στη στρατηγική διοίκηση μέσω της διαφάνειας, της κατανόησης και της σύνδεσης των αναλύσεων με τους στόχους;

Ενισχύεται η **λογοδοσία και η αποτελεσματικότητα των στρατηγικών επιλογών**.

17. Ποιες τρεις ιδιότητες πρέπει να έχουν οι αναλύσεις που βασίζονται σε AI για να υποστηρίζουν τεκμηριωμένες στρατηγικές αποφάσεις;

Οι αναλύσεις πρέπει να είναι **διαφανείς, κατανοητές και συνδεδεμένες με τους επιχειρησιακούς στόχους**.

18. Τι εντοπίζουν οι οργανισμοί μέσω της ενσωμάτωσης της AI σε συστήματα BI, πέρα από την παρακολούθηση των KPIs και τη διαχείριση κινδύνων;

Επιτρέπεται ο εντοπισμός **ευκαιριών ανάπτυξης** και η διαχείριση κινδύνων.

19. Με τι είδους εργαλεία αναγνωρίζει η AI σε πλατφόρμες BI πρότυπα και τάσεις;

Η AI χρησιμοποιεί εργαλεία όπως τα **predictive και prescriptive analytics** για την αναγνώριση προτύπων και τάσεων.

20. Πώς περιγράφεται η διαδικασία με την οποία η AI μετατρέπει τα δεδομένα;

Η αξιοποίησή της επιτρέπει στις επιχειρήσεις να μετατρέπουν τα δεδομένα σε **γνώση**.
στις Δεν υπάρχουν σχόλια:

88 Quiz: Ενότητα 11 (11.12)-Ηθικά Ζητήματα & Περιορισμοί της AI στη Διοίκηση Επιχειρήσεων

Quiz: Ηθικά Ζητήματα & Περιορισμοί της AI στη Διοίκηση Επιχειρήσεων - 20 Ερωτήσεις

Ηθικά Ζητήματα & Περιορισμοί της AI στη Διοίκηση Επιχειρήσεων

Σκορ: 0 / 20
Χρόνος: 20:00

1. Ποια είναι η βασική απαίτηση για την αξιοποίηση των τεχνολογιών AI ώστε αυτή να είναι υπεύθυνη και κοινωνικά αποδεκτή;

Η χρήση AI στη διοίκηση επιχειρήσεων πρέπει να συνοδεύεται από **σημαντικά ηθικά ζητήματα και περιορισμούς**, ώστε η αξιοποίηση να είναι υπεύθυνη και κοινωνικά αποδεκτή.

2. Σε ποιους δύο τομείς αφορούν τα ηθικά ζητήματα της AI, σύμφωνα με το κείμενο;

Τα ζητήματα αυτά αφορούν τόσο τον **σχεδιασμό και την εφαρμογή των αλγορίθμων** όσο και τον **αντίκτυπο** που έχουν οι αλγοριθμικές αποφάσεις στα άτομα και στην κοινωνία συνολικά.

3. Ποιο είναι το βασικό ηθικό ζήτημα που μπορεί να ενσωματωθεί στα δεδομένα εκπαίδευσης της AI;

Ένα βασικό ηθικό ζήτημα σχετίζεται με την **προκατάληψη (bias)** που μπορεί να ενσωματώνεται στα δεδομένα εκπαίδευσης.

4. Ποια είναι μία άδικη συνέπεια της προκατάληψης της AI στον κλάδο της διοίκησης επιχειρήσεων;

Στο πλαίσιο της διοίκησης επιχειρήσεων, το bias μπορεί να οδηγήσει σε **αδικαιολόγητες διακρίσεις**, για παράδειγμα κατά την αξιολόγηση αιτήσεων εργασίας ή την πιστωτική αξιολόγηση πελατών.

5. Πέρα από την υπονόμευση της ισότητας, σε ποιους δύο κινδύνους εκθέτει το bias τις επιχειρήσεις;

Η ύπαρξη τέτοιων bias εκθέτει τις επιχειρήσεις σε **κινδύνους κανονιστικής συμμόρφωσης και φθοράς της φήμης τους**.

6. Ποιο είναι το δεύτερο κρίσιμο ηθικό ζήτημα που σχετίζεται με την κατανόηση των αλγοριθμικών αποφάσεων;

Ένα δεύτερο κρίσιμο ζήτημα αφορά τη **διαφάνεια και την ερμηνευσιμότητα** των αποφάσεων.

7. Ποια κατηγορία μοντέλων AI αναφέρεται ότι λειτουργεί συχνά ως «μαύρο κουτί»;

Πολλά μοντέλα τεχνητής νοημοσύνης, ιδίως εκείνα που βασίζονται σε **βαθιά μάθηση (deep learning)**, λειτουργούν ως «μαύρα κουτιά».

8. Τι δημιουργεί η λειτουργία των μοντέλων ως «μαύρα κουτιά» σε σχέση με τη διοίκηση;

Η δυσκολία κατανόησης των παραγόντων δημιουργεί **προκλήσεις για τη λογοδοσία και την εμπιστοσύνη**.

9. Η έλλειψη διαφάνειας και ερμηνευσιμότητας δημιουργεί προκλήσεις για τη λογοδοσία, τόσο εσωτερικά όσο και εξωτερικά. Ποιοι είναι οι εξωτερικοί ενδιαφερόμενοι που αναφέρονται;

Οι προκλήσεις αφορούν τη λογοδοσία και την εμπιστοσύνη, τόσο εσωτερικά (από τα στελέχη και τους εργαζόμενους) όσο και εξωτερικά (**από τους πελάτες και τα ρυθμιστικά όργανα**).

10. Ποιος περιορισμός της AI αναφέρεται συχνά ότι παραβλέπεται;

Περιορισμός που συχνά παραβλέπεται είναι η **εξάρτηση της τεχνητής νοημοσύνης από την ποιότητα και την ακεραιότητα των δεδομένων**.

11. Σε τι οδηγούν ελλιπή, λανθασμένα ή μη επικαιροποιημένα δεδομένα;

Ελλιπή, λανθασμένα ή μη επικαιροποιημένα δεδομένα μπορούν να οδηγήσουν σε **εσφαλμένες προβλέψεις και αποφάσεις**.

12. Ποιες πρακτικές AI εγείρουν ερωτήματα σχετικά με τη δικαιοσύνη και την αποδοχή τους από τους καταναλωτές;

Οι πρακτικές **δυναμικής τιμολόγησης που βασίζονται σε AI** εγείρουν ερωτήματα σχετικά με τη δικαιοσύνη και την αποδοχή τους.

13. Τι μπορεί να προκαλέσει η απουσία πολιτικών διαφάνειας στις πρακτικές δυναμικής τιμολόγησης;

Η απουσία πολιτικών διαφάνειας μπορεί να οδηγήσει σε **απώλεια εμπιστοσύνης και αρνητική επίδραση στη φήμη του brand**.

14. Τι ενέχει η υπερβολική εξάρτηση από συστήματα AI όσον αφορά την ανθρώπινη συμμετοχή στη λήψη αποφάσεων;

Η υπερβολική εξάρτηση από συστήματα AI ενέχει τον κίνδυνο της **υποβάθμισης της ανθρώπινης κρίσης** στη λήψη αποφάσεων.

15. Ποια ικανότητα των οργανισμών περιορίζεται λόγω της υποβάθμισης της ανθρώπινης κρίσης;

Η υποβάθμιση της ανθρώπινης κρίσης περιορίζει την ικανότητα των οργανισμών **να ανταποκρίνονται σε σύνθετες ή μη προβλέψιμες καταστάσεις**.

16. Τι απαιτεί η υπεύθυνη υιοθέτηση της τεχνητής νοημοσύνης από τις επιχειρήσεις όσον αφορά τον σχεδιασμό;

Η υπεύθυνη υιοθέτηση της τεχνητής νοημοσύνης απαιτεί από τις επιχειρήσεις να **ενσωματώνουν αρχές ηθικής και δεοντολογίας στον σχεδιασμό**.

17. Σε ποιους τρεις μηχανισμούς πρέπει να επενδύουν οι επιχειρήσεις για την υπεύθυνη υιοθέτηση της AI;

Πρέπει να επενδύουν σε μηχανισμούς **παρακολούθησης, ελέγχου και διαρκούς βελτίωσης** των μοντέλων που χρησιμοποιούν.

18. Στο παράδειγμα της πολυεθνικής εταιρείας τεχνολογίας, ποια ήταν η πηγή της προκατάληψης του AI μοντέλου προσλήψεων;

Το μοντέλο εκπαιδεύτηκε σε ιστορικά δεδομένα πρόσληψης, τα οποία όμως αντανακλούσαν **προκαταλήψεις του παρελθόντος ως προς το φύλο και την εθνοτική προέλευση**.

19. Στο παράδειγμα της πλατφόρμας μεταφορών, τι τύπου μάθησης χρησιμοποιούσαν οι αλγόριθμοι για να προσαρμόζουν τις τιμές σε πραγματικό χρόνο;

Η πλατφόρμα μεταφορών χρησιμοποιούσε αλγορίθμους **ενισχυτικής μάθησης** για να προσαρμόζει τις τιμές των διαδρομών σε πραγματικό χρόνο.

20. Ποιο ήταν το αρνητικό αποτέλεσμα του συστήματος δυναμικής τιμολόγησης της πλατφόρμας μεταφορών σε περιόδους κρίσεων;

Σε περιόδους κρίσεων, το σύστημα οδήγησε σε **κατακόρυφη αύξηση τιμών (price surge)**, προκαλώντας έντονες αντιδράσεις και κατηγορίες για εκμετάλλευση των συνθηκών ανάγκης.
στις Δεν υπάρχουν σχόλια:

87 Quiz: Ενότητα 11 (11.11)- AI και Στρατηγικές ESG

Quiz: AI και ESG Στρατηγικές - 15 Ερωτήσεις

AI και Στρατηγικές ESG

Σκορ: 0 / 15
Χρόνος: 20:00

1. Πώς υποστηρίζει η AI τις επιχειρήσεις σχετικά με τους κινδύνους της αειφορίας;

Η αξιοποίηση της AI υποστηρίζει τις επιχειρήσεις τόσο στη **διαχείριση των κινδύνων** που συνδέονται με την αειφορία όσο και στην **ταχύτερη και τεκμηριωμένη προσαρμογή** τους στις απαιτήσεις των ενδιαφερόμενων μερών και των κανονιστικών πλαισίων.

2. Στον περιβαλλοντικό πυλώνα (E), πώς συμβάλλει η AI στην εφοδιαστική αλυσίδα;

Μέσω predictive analytics, οι επιχειρήσεις μπορούν να σχεδιάζουν την εφοδιαστική αλυσίδα με γνώμονα την **ελαχιστοποίηση των εκπομπών CO₂**.

3. Τι επιτρέπουν τα predictive analytics όσον αφορά τη συντήρηση του εξοπλισμού στον περιβαλλοντικό πυλώνα;

Μέσω predictive analytics, οι επιχειρήσεις μπορούν να **προβλέπουν τις ανάγκες συντήρησης του εξοπλισμού ώστε να περιορίζονται οι απώλειες**.

4. Στον κοινωνικό πυλώνα (S), ποιοι τρεις βασικοί τομείς υποστηρίζονται από την AI;

Στον κοινωνικό πυλώνα, η AI υποστηρίζει την **ισότητα, την ένταξη και την υγεία και ασφάλεια των εργαζομένων**.

5. Τι επιτρέπουν τα συστήματα ανάλυσης δεδομένων HR στον κοινωνικό πυλώνα;

Τα συστήματα ανάλυσης δεδομένων HR επιτρέπουν την **ανίχνευση αποκλίσεων που σχετίζονται με τις πρακτικές ένταξης ή με τα επίπεδα ικανοποίησης και ασφάλειας των εργαζομένων**.

6. Στον πυλώνα της εταιρικής διακυβέρνησης (G), πώς συμβάλλει η AI στη συμμόρφωση;

Στον πυλώνα G, η AI συμβάλλει μέσω **συστημάτων ανίχνευσης απάτης και αυτοματοποίησης της παρακολούθησης κανονιστικών απαιτήσεων**, ενισχύοντας τη συμμόρφωση.

7. Ποια είναι η συγκεκριμένη χρήση των Μεγάλων Γλωσσικών Μοντέλων (LLM) στο πλαίσιο του ESG;

Τα μεγάλα γλωσσικά μοντέλα (LLM) χρησιμοποιούνται για τη **δημιουργία προσχεδίων εκθέσεων ESG**, υποστηρίζοντας τη διαφάνεια.

8. Ποιο διεθνές πρότυπο συμμόρφωσης, πέραν των ESRS, αναφέρεται ότι παρακολουθείται μέσω συστημάτων AI;

Οι επιχειρήσεις μπορούν να ενισχύσουν τη συμμόρφωσή τους με διεθνή πρότυπα (όπως τα **GRI Standards**, τα ESRS).

9. Ποιο είναι το κύριο ανταγωνιστικό πλεονέκτημα που παρέχει η AI σε στρατηγικές ESG;

Η AI καθιστά εφικτή τη διαμόρφωση βιώσιμων πολιτικών που **βασίζονται σε πραγματικά δεδομένα και τεκμηριωμένη ανάλυση, και όχι σε γενικές εκτιμήσεις**.

10. Ποια είναι μία από τις κύριες προκλήσεις που συνοδεύουν την εφαρμογή της AI στο πλαίσιο του ESG;

Οι προκλήσεις περιλαμβάνουν την ανάγκη διασφάλισης της **ακεραιότητας των δεδομένων**, την αντιμετώπιση πιθανών προκαταλήψεων και την ερμηνευσιμότητα.

11. Για ποιους λόγους η ερμηνευσιμότητα των αποτελεσμάτων (Interpretability) αποτελεί πρόκληση για την AI στο ESG;

Η ερμηνευσιμότητα των αποτελεσμάτων είναι κρίσιμη για λόγους **λογοδοσίας και κοινωνικής αποδοχής**.

12. Ποια εταιρεία αναφέρεται ως χαρακτηριστικό παράδειγμα εφαρμογής της AI στο πλαίσιο στρατηγικής ESG στον κλάδο των πλαστικών;

Το χαρακτηριστικό παράδειγμα εφαρμογής της τεχνητής νοημοσύνης στο πλαίσιο στρατηγικής ESG συναντάται στην εταιρεία **Plastika Kritis**.

13. Πώς επιτυγχάνει η Plastika Kritis τη μέγιστη ενεργειακή αποδοτικότητα στην παραγωγή της;

Η εταιρεία αξιοποιεί **predictive analytics και machine learning** για την παρακολούθηση της κατανάλωσης ενέργειας και των εκπομπών CO₂ και **προσαρμόζει δυναμικά τις λειτουργίες της** για μέγιστη ενεργειακή αποδοτικότητα.

14. Πώς υποστηρίζει το τμήμα Ανθρώπινου Δυναμικού της Plastika Kritis τον κοινωνικό πυλώνα (S);

Το τμήμα ανθρώπινου δυναμικού χρησιμοποιεί συστήματα ανάλυσης δεδομένων για την **παρακολούθηση δεικτών ικανοποίησης εργαζομένων και την πρόβλεψη αναγκών κατάρτισης και ανάπτυξης δεξιοτήτων**.

15. Το τμήμα κανονιστικής συμμόρφωσης της Plastika Kritis αξιοποιεί συστήματα AI για:

Το τμήμα κανονιστικής συμμόρφωσης αξιοποιεί συστήματα ανίχνευσης ανωμαλιών και αυτοματοποιημένα εργαλεία αναφοράς για την **παρακολούθηση της συμμόρφωσης με τα πρότυπα GRI και ESRS**.
στις Δεν υπάρχουν σχόλια:

86 Quiz: Ενότητα 11 (11.10)-Explainable AI (XAI) στη Διοίκηση Επιχειρήσεων

Quiz: Explainable AI (XAI) στη Διοίκηση Επιχειρήσεων - 15 Ερωτήσεις

Explainable AI (XAI) στη Διοίκηση Επιχειρήσεων

Σκορ: 0 / 15
Χρόνος: 20:00

1. Ποια είναι η βασική αρχή του Explainable AI (XAI);

Η έννοια του XAI αφορά την ανάπτυξη και χρήση AI με τρόπο που **να καθιστά κατανοητές τις αποφάσεις και τα αποτελέσματα** που παράγουν οι αλγόριθμοι στους ανθρώπους.

2. Γιατί η σημασία του XAI είναι έντονη στο επιχειρησιακό περιβάλλον;

Οι διοικητικές αποφάσεις που στηρίζονται σε αλγοριθμικά συστήματα πρέπει να είναι **διαφανείς, ερμηνεύσιμες και τεκμηριωμένες**, προκειμένου να ενισχύουν την εμπιστοσύνη και τη συμμόρφωση.

3. Ποιος από τους παρακάτω τομείς **δεν** αναφέρεται ρητά στο κείμενο ως επιτακτική ανάγκη για XAI;

Οι αναφερόμενες εφαρμογές είναι η πιστωτική αξιολόγηση, η πρόβλεψη αποχώρησης, η ανίχνευση απάτης και η δυναμική τιμολόγηση. Η **Διαχείριση φυσικών πόρων** δεν αναφέρεται.

4. Ποιος είναι ένας κρίσιμος στόχος της κατανόησης των παραγόντων που οδηγούν σε μια αλγοριθμική σύσταση;

Η κατανόηση των παραγόντων είναι κρίσιμη για τη **λογοδοσία, την τήρηση των αρχών ισότητας και δικαιοσύνης**, και την αποφυγή μεροληπτικών αποφάσεων.

5. Ποιο από τα παρακάτω συστήματα ανήκει στα 'interpretable models' (ερμηνεύσιμα μοντέλα) για XAI;

Τα **interpretable models** περιλαμβάνουν τα **decision trees** και τα **linear models**. Οι LIME και SHAP είναι τεχνικές για 'μαύρα κουτιά'.

6. Ποιες τεχνικές χρησιμοποιούνται για την αποσαφήνιση 'μαύρων κουτιών' (black box) AI;

Οι τεχνικές αποσαφήνισης μαύρων κουτιών που αναφέρονται είναι οι **LIME** (Local Interpretable Model-agnostic Explanations) και **SHAP** (Shapley Additive Explanations).

7. Ποιος κανονισμός απαιτεί διαφάνεια στον τρόπο λήψης αυτόματων αποφάσεων που επηρεάζουν άμεσα τα άτομα;

Η ανάπτυξη συστημάτων XAI υποστηρίζει τη συμμόρφωση με ρυθμιστικά πλαίσια όπως ο **Γενικός Κανονισμός Προστασίας Δεδομένων (GDPR)**, ο οποίος απαιτεί διαφάνεια στον τρόπο λήψης αυτόματων αποφάσεων.

8. Πώς χαρακτηρίζεται η ενσωμάτωση του XAI στις επιχειρησιακές λειτουργίες πέρα από ένα τεχνικό ζήτημα;

Η ενσωμάτωση του XAI δεν αποτελεί μόνο τεχνικό ζήτημα αλλά και **στρατηγική επιλογή**.

9. Ποιο είναι ένα στρατηγικό όφελος για τις επιχειρήσεις που επενδύουν σε XAI;

Οι επιχειρήσεις ενισχύουν την αξιοπιστία τους, οικοδομούν εμπιστοσύνη και **μειώνουν τον κανονιστικό κίνδυνο**.

10. Πώς βοηθά το XAI τα στελέχη να αξιοποιούν την τεχνητή νοημοσύνη;

Το XAI παρέχει στα στελέχη τα κατάλληλα εργαλεία ώστε να αξιοποιούν την AI ως **ουσιαστικό μέσο υποστήριξης της λήψης αποφάσεων** και όχι ως ανεξέλεγκτο μηχανισμό.

11. Ποιος τομέας αναφέρεται ως χαρακτηριστικό παράδειγμα εφαρμογής XAI κατά τη διαδικασία αξιολόγησης αιτήσεων για χορήγηση δανείων;

Ένα χαρακτηριστικό παράδειγμα εφαρμογής explainable AI συναντάται στον **τραπεζικό τομέα**, κατά τη διαδικασία αξιολόγησης αιτήσεων για χορήγηση δανείων.

12. Ποιο AI μοντέλο αναφέρεται ότι μπορεί να προβλέψει την πιθανότητα αθέτησης ενός δανείου με υψηλή ακρίβεια, αλλά χωρίς να είναι εύκολα ερμηνεύσιμο;

Ένα σύστημα τεχνητής νοημοσύνης που στηρίζεται σε **νευρωνικά δίκτυα** μπορεί να προβλέψει με υψηλή ακρίβεια, αλλά χωρίς να είναι εύκολα ερμηνεύσιμο ('μαύρο κουτί').

13. Τι επιτρέπουν οι μέθοδοι SHAP (Shapley Additive Explanations) στην τράπεζα κατά την αξιολόγηση δανείων;

Μέσω της χρήσης εργαλείων όπως οι μέθοδοι SHAP, η τράπεζα μπορεί να **προσδιορίσει ποιοι παράγοντες επηρέασαν περισσότερο το τελικό αποτέλεσμα**.

14. Τι εξασφαλίζουν τα στελέχη όταν αιτιολογούν την απόφαση έγκρισης ή απόρριψης ενός δανείου με αντικειμενικά και τεκμηριωμένα επιχειρήματα;

Η αιτιολόγηση επιτρέπει στα στελέχη να **ελαχιστοποιούν τον κίνδυνο μεροληψίας και να ενισχύουν τη συμμόρφωση με τον κανονισμό GDPR**.

15. Ποιο εργαλείο αναφέρεται ότι χρησιμοποιείται για την οπτική παρουσίαση των βασικών μεταβλητών που επηρεάζουν τις αλγοριθμικές αποφάσεις;

Η εφαρμογή XAI μπορεί να επιτευχθεί με τη χρήση μεθόδων όπως... **τα dashboards που παρουσιάζουν τις βασικές μεταβλητές** που επηρεάζουν τις αλγοριθμικές αποφάσεις.
στις Δεν υπάρχουν σχόλια:
Εγγραφή σε: Σχόλια (Atom)