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

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 μεγιστοποίηση της ταχύτητας. Να συνοδεύεται από σημαντικά ηθικά ζητήματα και περιορισμούς. Η εξάρτηση από την ποιότητα των δεδομένων. Η υπερβολική εξάρτηση από συστήματα AI.

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;

Στη λογιστική και το Marketing. Στον σχεδιασμό/εφαρμογή των αλγορίθμων και στον αντίκτυπο των αποφάσεων στα άτομα/κοινωνία. Μόνο στην ποιότητα των δεδομένων. Στην τιμολόγηση και τις προσλήψεις.

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;

Η ερμηνευσιμότητα. Η προκατάληψη (bias). Η διαφάνεια. Η ακεραιότητα των δεδομένων.

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;

Η υπερβολική εξάρτηση από την ανθρώπινη κρίση. Οι αδικαιολόγητες διακρίσεις κατά την αξιολόγηση αιτήσεων εργασίας ή την πιστωτική αξιολόγηση. Η υποβάθμιση της ποιότητας των δεδομένων. Η αύξηση της διαφάνειας.

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;

Σε κινδύνους διαφάνειας και ερμηνευσιμότητας. Σε κινδύνους κανονιστικής συμμόρφωσης και φθοράς της φήμης τους. Σε κινδύνους δυναμικής τιμολόγησης και απώλειας κρίσης. Σε κινδύνους εσφαλμένων προβλέψεων και ελλιπών δεδομένων.

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;

Η υπερβολική εξάρτηση από LLM. Η διαφάνεια και η ερμηνευσιμότητα των αποφάσεων. Η ανεπαρκής χρήση γραμμικών μοντέλων. Η ακεραιότητα των δεδομένων.

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

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

Τα γραμμικά μοντέλα. Τα μοντέλα που βασίζονται σε βαθιά μάθηση (deep learning). Τα δέντρα αποφάσεων. Τα συστήματα ανίχνευσης απάτης.

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;

Την αύξηση της ανθρώπινης κρίσης. Την ελαχιστοποίηση της εξάρτησης από την ποιότητα δεδομένων. Προκλήσεις για τη λογοδοσία και την εμπιστοσύνη. Την αποκλειστική χρήση μη επικαιροποιημένων δεδομένων.

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 στελέχη και οι εργαζόμενοι. Οι πελάτες και τα ρυθμιστικά όργανα. Οι προμηθευτές και οι ανταγωνιστές. Μόνο οι μέτοχοι.

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;

Η ανάγκη για ανθρώπινη κρίση. Η εξάρτηση της AI από την ποιότητα και την ακεραιότητα των δεδομένων. Η πολυπλοκότητα των αλγορίθμων. Η χρήση δυναμικής τιμολόγησης.

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;

Σε αύξηση της εμπιστοσύνης. Σε εσφαλμένες προβλέψεις και αποφάσεις. Σε βελτίωση της φήμης του brand. Σε μείωση του κινδύνου μεροληψίας.

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 στατικής τιμολόγησης. Οι πρακτικές δυναμικής τιμολόγησης που βασίζονται σε AI. Οι πρακτικές ενισχυτικής μάθησης. Οι πρακτικές ανίχνευσης απάτης.

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;

Κατακόρυφη μείωση των τιμών. Απώλεια εμπιστοσύνης και αρνητική επίδραση στη φήμη του brand. Ενίσχυση της ανθρώπινης κρίσης. Αύξηση της ικανότητας ανταπόκρισης σε σύνθετες καταστάσεις.

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;

Την ενίσχυση της ανθρώπινης κρίσης. Τον κίνδυνο της υποβάθμισης της ανθρώπινης κρίσης. Την εξασφάλιση της λογοδοσίας. Την αποφυγή της χρήσης deep learning.

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 ικανότητα να ανταποκρίνονται σε σύνθετες ή μη προβλέψιμες καταστάσεις. Η ικανότητα συλλογής ιστορικών δεδομένων. Η ικανότητα χρήσης μεγάλων γλωσσικών μοντέλων. Η ικανότητα δυναμικής τιμολόγησης.

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;

Να αυξάνουν την πολυπλοκότητα των μοντέλων. Να ενσωματώνουν αρχές ηθικής και δεοντολογίας στον σχεδιασμό. Να βασίζονται αποκλειστικά σε μη ερμηνεύσιμα μοντέλα. Να αγνοούν τις κανονιστικές απαιτήσεις.

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;

Ανίχνευσης απάτης, δυναμικής τιμολόγησης και deep learning. Προκατάληψης, διάκρισης και εσφαλμένων προβλέψεων. Παρακολούθησης, ελέγχου και διαρκούς βελτίωσης των μοντέλων. Αυτοματοποίησης της πρόσληψης, της πιστωτικής αξιολόγησης και της τιμολόγησης.

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;

Η ενισχυτική μάθηση. Οι προκαταλήψεις του παρελθόντος ως προς το φύλο και την εθνοτική προέλευση στα ιστορικά δεδομένα πρόσληψης. Η χρήση μη επικαιροποιημένων βιογραφικών. Η απουσία ανθρώπινης κρίσης.

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;

Εποπτευόμενη μάθηση. Ανεποπτεύόμενη μάθηση. Ενισχυτική μάθηση. Βαθιά μάθηση.

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;

Μία σταδιακή μείωση των τιμών. Η δημιουργία προσχεδίων κανονιστικής συμμόρφωσης. Η κατακόρυφη αύξηση τιμών (price surge), προκαλώντας κατηγορίες για εκμετάλλευση. Η αδυναμία εύρεσης οδηγών.

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