Πατώντας γκάζι τέρμα με «νεκρά» στην πυλωτή σου
Μια συζήτηση με τον πληροφορικό Γιάννη Φαρσάρη για το token maxing. Τι είναι, πώς δημιουργήθηκε η τάση και γιατί ...αυτοματοποιεί την ανθρώπινη βλακεία
«Τι είναι λοιπόν το “token maxing” Γιάννη»; ρώτησα μια ωραία Πέμπτη που τίποτα δεν προοιωνιζόταν αρχικά ότι θα έχω τέτοιες απορίες.
Ο εκπαιδευτικός Γιάννης Φαρσάρης, γραμματέας Δεοντολογίας στην Ένωση Πληροφορικών Ελλάδας, απάντησε όπως πάντα χύμα και σταράτα: «Το “token maxing”, Αλεξάνδρα, είναι μια νέα μέθοδος που αποδεικνύει ότι η ανθρώπινη βλακεία μπορεί να αυτοματοποιηθεί πλήρως. Σημαίνει να καις όσους περισσότερους ψηφιακούς πόντους μπορείς, απλώς και μόνο για να φαίνεσαι υπερ-παραγωγικός στο αφεντικό σου» απάντησε.
Πριν συνεχίσουμε για να αντιληφθείτε πώς στοιχειοθετεί αυτή τη θέση (την οποία συμμερίζομαι), θα ανοίξω μια παρένθεση για να υπενθυμίσω πως token είναι η βασική μονάδα με την οποία επεξεργάζεται κείμενο ένα μοντέλο Tεχνητής Νοημοσύνης (ΤΝ). Στην αγγλική γλώσσα ένα token αντιστοιχεί περίπου σε τέσσερις χαρακτήρες μιας λέξης. Για να γράψεις κάτι στα ελληνικά «καις» περισσότερα tokens. Φανταστείτε το token σαν ένα ψηφιακό νόμισμα. Όσο μεγαλύτερο το ερώτημα, η εντολή και η προτροπή σας (prompt) προς την ΤΝ και φυσικά όσο πιο συχνή η χρήση της, τόσο πιο πολλά tokens επενδύονται.
Κλείνει η παρένθεση και πάμε στην ουσία.
Όπως λοιπόν μου εξήγησε ο Γιάννης, το «token maxing» γεννήθηκε ως τάση στη Silicon Valley μέσα στο 2026 και σημαίνει, πολύ απλά, την εσκεμμένη υπερκατανάλωση υπολογιστικής ισχύος (tokens) από τους υπαλλήλους μιας εταιρείας, προκειμένου να διογκώσουν τεχνητά την παραγωγικότητά τους ή να ανέβουν στις εσωτερικές λίστες κατάταξης.
«Το token maxing μετατράπηκε σε ένα ακριβό σπορ ψηφιακής σπατάλης: μέσα σε μόλις 30 ημέρες, οι 85.000 υπάλληλοι της Meta κατανάλωσαν συλλογικά 60 τρισεκατομμύρια tokens, με τον “πρωταθλητή” μεταξύ τους να «καίει» 281 δισεκατομμύρια1. Την ίδια ώρα, στην Uber, κάθε μηχανικός πρόσθετε από 500 έως 2.000 δολάρια τον μήνα σε έξοδα χρήσης υπολογιστικών πόρων πάνω από τον μισθό του, οδηγώντας την εταιρεία να εξαϋλώσει ολόκληρο τον φετινό ετήσιο προϋπολογισμό της για την ΤΝ μέσα σε μόλις τέσσερις μήνες! Το “token maxing” μοιάζει ακριβώς με το να πατάς γκάζι με νεκρά στην πυλωτή σου, να καις βενζίνη σε τιμή ευκαιρίας και να χειροκροτάς επειδή ο δείκτης των στροφών πήγε στα κόκκινα» λέει χαρακτηριστικά.
Ο δε επικεφαλής της περίφημης Νvidia, Γιένσεν Χουάνγκ, έριξε πρόσφατα γάργαρο νεράκι στον μύλο του token maxing με την εξής δήλωση/πρόκληση: «Αν πληρώνεις έναν μηχανικό 500.000 δολάρια τον χρόνο, αυτός θα πρέπει να καταναλώνει τουλάχιστον 250.000 δολάρια σε tokens ετησίως, δηλαδή το μισό του μισθού του σε υπολογιστική ισχύ». Και πρόσθεσε: “Αν αυτός ο μηχανικός μου πει ότι ξόδεψε 5.000 δολάρια, θα τρελαθώ!”. Την ίδια ώρα βέβαια, ο δικός του αντιπρόεδρος, ο Brian Catanzaro, παραδέχεται σκεπτικός ότι στην ομάδα του το κόστος χρήσης υπολογιστικών πόρων ΤΝ έχει ήδη ξεπεράσει το κόστος των μισθών» παρατήρησε ο Γιάννης.
Χωρίς περιστροφές
Η ΤΝ υποτίθεται ότι θα αυξήσει την παραγωγικότητα, ενώ παράλληλα θα μειώσει τα κόστη. Αυτό όμως φαίνεται ότι προς το παρόν δεν συμβαίνει. Ποιοι είναι οι τρεις κυριότεροι λόγοι που δεν συμβαίνει; ρώτησα τον Γιάννη και μου περιέγραψε -χωρίς περιστροφές- τρεις λόγους:
Πρώτον, τα tokens τρώνε τον προϋπολογισμό αμάσητο, γιατί όσο πιο έξυπνα γίνονται τα μοντέλα ΤΝ, τόσο περισσότερα tokens καταναλώνουν ανά εργασία. Το κόστος ανά token πέφτει, αλλά η κατανάλωση μεγαλώνει εκθετικά, με αποτέλεσμα ο λογαριασμός να εκτοξεύεται!
Δεύτερον, ουδείς μετράει πραγματικά το ROI (απόδοση της επένδυσης). Το 79% των εταιρειών του δείκτη S&P 500 μιλούν για στρατηγική αξιοποίηση της ΤΝ στις ανακοινώσεις τους, αλλά μόνο το 8% αναφέρει συγκεκριμένα έσοδα από την ΤΝ. Η υπόσχεση της αποδοτικότητας έχει ανταμειφθεί τόσο γενναιόδωρα από τις αγορές, που κανείς δεν ένιωσε την ανάγκη να την υπολογίσει.
Τρίτον, η ΤΝ δεν αντικαθιστά τον άνθρωπο στις εταιρείες, κάθεται δίπλα του. Και τους πληρώνουν και τους δύο. Μια μελέτη του MIT βρήκε ότι η αυτοματοποίηση με ΤΝ είναι οικονομικά βιώσιμη μόνο στο 23% των εργασιών, ενώ στο υπόλοιπο 77%, ο άνθρωπος παραμένει φθηνότερη επιλογή. Οι εταιρείες προσθέτουν ΤΝ πάνω από τους ανθρώπους, πολλαπλασιάζοντας το κόστος.
Η αλήθεια που βρίσκεται συχνά κάπου στη μέση
Τελικά, γίνονται όντως πιο παραγωγικοί οι μηχανικοί που χρησιμοποιούν -ακόμη και με καταναγκαστικό τρόπο ενίοτε- την ΤΝ ή απλά “καίνε” tokens για να φαίνονται δραστήριοι; ήταν το επόμενο ερώτημά μου προς τον Γιάννη.
Η αλήθεια είναι κάπου στη μέση, μου απάντησε. Δεν έχουμε δεκαπλάσια παραγωγικότητα, αλλά ούτε οι μηχανικοί απλώς «καίνε» tokens για να φαίνονται παραγωγικοί.
Υπάρχουν τομείς όπου τα νούμερα είναι πραγματικά εντυπωσιακά. Σε ελεγχόμενα πειράματα με 4.800 μηχανικούς, το GitHub Copilot έδειξε ότι οι developers ολοκλήρωναν εργασίες 55% πιο γρήγορα. Σήμερα, το 84% των developers χρησιμοποιεί εργαλεία ΤΝ, εξοικονομώντας κατά μέσο όρο 3,6 ώρες την εβδομάδα. Η Goldman Sachs επιβεβαίωσε κέρδη παραγωγικότητας γύρω στο 30% σε δύο συγκεκριμένους τομείς: την εξυπηρέτηση πελατών και την ανάπτυξη λογισμικού.
Μέχρι εδώ καλά, το ζήτημα όμως είναι στη μετάβαση από τα εργαλεία στην πραγματική οικονομία. Η Goldman Sachs δεν βρήκε καμία ουσιαστική σχέση μεταξύ ΤΝ και παραγωγικότητας σε επίπεδο οικονομίας, παρά τα $700 δισεκατομμύρια που επενδύθηκαν στην ΤΝ το 2025, με ουσιαστικά μηδενική συνεισφορά στο αμερικανικό ΑΕΠ. Τα οφέλη δεν κατανέμονται ομοιόμορφα, αφορούν συγκεκριμένους τύπους εργασιών και συγκεκριμένους εργαζόμενους, όχι όλους.
«Άρα η απάντηση είναι πως κάποιοι γίνονται όντως πιο παραγωγικοί και μάλιστα σημαντικά, αλλά αυτοί είναι η μειοψηφία. Οι υπόλοιποι καταναλώνουν tokens σε εργασίες που δεν ωφελούν, χωρίς να το ξέρουν και χωρίς κανείς να το μετράει» συνόψισε.
Το 75% που δεν μετριέται σε tokens
Πρόσφατα παρακολούθησα ένα πολύ ενδιαφέρον podcast της σειράς Reboot της Ένωσης Πληροφορικών Ελλάδας στο οποίο ο Γιάννης Φαρσάρης έθεσε τις σωστές ερωτήσεις (οι οποίες ως γνωστόν είναι sine qua non προϋπόθεση για ουσιαστικές και χρήσιμες απαντήσεις).
Σε αυτό το podcast, που σας συνιστώ να παρακολουθείτε, έμαθα πως η συγγραφή του κώδικα είναι σχετικά μικρό κομμάτι της συνολικής δουλειάς (μόλις 20%-25%) του/της developer, ενώ το 75%-80% που απομένει -σχεδιασμός, τεκμηρίωση, δοκιμές, επίλυση σύνθετων προβλημάτων- δεν μπορεί να αξιολογηθεί με βάση πόσα tokens καις.
Πώς επηρεάζει αυτό τον άνθρωπο εργαζόμενο σε μια εταιρεία η οποία φέρεται σαν να μην ισχύει αυτή η αναλογία; ήταν λοιπόν το επόμενο ερώτημά μου προς τον Γιάννη.
«Η συγγραφή κώδικα είναι περίπου το 20-25% της δουλειάς ενός developer, οπότε ακόμα και αν η ΤΝ την επιτάχυνε 100%, το συνολικό κέρδος παραγωγικότητας θα έφτανε το πολύ 25%. Το υπόλοιπο 75% δεν μετριέται σε tokens και αυτό για τον εργαζόμενο έχει συνέπειες, καθώς αξιολογείται με λάθος μετρήσεις. Όποιος σκέφτεται βαθιά φαίνεται λιγότερο παραγωγικός από αυτόν που παράγει κώδικα γρήγορα. Εκείνο όμως που κινδυνεύει με σιγουριά είναι η πρόσβαση των νεοεισερχόμενων προγραμματιστών στο επάγγελμα» σημείωσε. Σύμφωνα με έρευνα του Stanford, οι developers 22-25 ετών έχασαν σχεδόν το 20% των θέσεών τους μετά την εμφάνιση του ChatGPT, ενώ οι άνω των 26 δεν επηρεάστηκαν. Η ΤΝ άρχισε να αντικαθιστά τους juniors στο επάγγελμα κι όχι τους έμπειρους και αυτό δεν θα αποδειχθεί και τόσο καλό στο κοντινό μέλλον.
Η κορυφαία απειλή για το 2026 και η απώλεια της «οργανωσιακής μνήμης»
Η επόμενη ερώτησή μου προς τον Γιάννη «πάτησε» στην τελευταία αναφορά του και αφορούσε κάτι που με «καίει» πολύ: Μια εταιρεία που απολύει μαζικά ανθρώπους για να «προσλάβει» ΑΙ agents2 φαντάζομαι ότι δημιουργεί μεγαλύτερη επιφάνεια για κυβερνοεπιθέσεις. Δεν λέω, η ΤΝ μπορεί να βοηθήσει στην αντιμετώπισή τους, αλλά πόσο εύκολο είναι για τη διοίκηση της εταιρείας να έχει τον έλεγχο σε ό,τι συμβαίνει μέσα σε έναν χαμό από ΑΙ agents, χωρίς επαρκές ανθρώπινο κεφάλαιο και κυρίως χωρίς να έχει επενδύσει σε juniors που έχουν ωριμάσει σε seniors;
Η ανησυχία αυτή είναι απόλυτα τεκμηριωμένη, απάντησε, καθώς σχεδόν οι περισσότεροι επαγγελματίες κυβερνοασφάλειας αναγνωρίζουν τους AI agents ως την κορυφαία απειλή για το 2026, εκφράζοντας ανησυχία για τον έλεγχό τους.
«Το πρόβλημα είναι δομικό: οι AI agents εκτελούν κώδικα, τροποποιούν βάσεις δεδομένων και αλληλεπιδρούν με εξωτερικές εφαρμογές χωρίς ανθρώπινη εποπτεία, οπότε για να παραβιάσει κάποιος ένα δίκτυο, αρκεί να εξαπατήσει τον AI agent του δικτύου. Και οι εταιρείες που προσλαμβάνουν AI agents και απολύουν εξειδικευμένους εργαζόμενους, θα χάσουν την “οργανωσιακή μνήμη” που απαιτείται για να είναι εφικτή η διαχείριση και η κατανόηση των συστημάτων τους. Την κρίσιμη ώρα που θα χρειάζονται κάποιον να καταλαβαίνει τι κάνουν οι AI agents της εταιρείας, δεν θα έχουν κανέναν» εκτίμησε.
Η οδυνηρή ομηρία και το «τεχνικό χρέος»
Πόσο πιθανό είναι όλη αυτή η τάση να δημιουργήσει μεσοπρόθεσμα -ή και βραχυπρόθεσμα- το λεγόμενο «τεχνικό χρέος»; Τι θα γίνει αν οι τιμές των προϊόντων ΤΝ «πάνε στον θεό μια μέρα» ή αν για κάποιο λόγο αυτά δεν «συνεργάζονται» πλέον με τα συστήματα της εταιρείας που έχει στηρίξει πάνω τους όλη τη λειτουργία της;
Το «τεχνικό χρέος» από την ΤΝ είναι ήδη μια πραγματικότητα, δεν είναι μελλοντικός κίνδυνος, παρατήρησε ο Γιάννης. Το 41% του νέου κώδικα που παράγεται είναι AI-generated και το 76% των developers παραδέχονται ότι παράγουν κώδικα τον οποίο δεν κατανοούν πλήρως. Οπότε, το πιο ανησυχητικό σενάριο δεν είναι η αύξηση του κόστους των εργαλείων ΤΝ, αλλά το γεγονός ότι οι εταιρείες χρησιμοποιούν ήδη κώδικα που κανείς δεν μπορεί να συντηρήσει χωρίς το ίδιο εργαλείο ΤΝ που τον έφτιαξε. Αν αυτό το εργαλείο ΤΝ ακριβύνει, αλλάξει ή εξαφανιστεί, τότε δεν συζητάμε απλώς για «τεχνικό χρέος», αλλά για οδυνηρή ομηρία!
Πόσο ακριβό μοντέλο «σηκώνει η τσέπη σου»;
Θέλησα να κλείσω τη συζήτησή μας με δύο ερωτήματα που τα θεωρώ πολύ σοβαρά. Πόσο πιθανό θεωρεί ο Γιάννης Φαρσάρης να δούμε ανθρώπους και εταιρείες δύο ταχυτήτων, ανάλογα με το πόσο ακριβό μοντέλο σηκώνει η τσέπη τους;
«Αυτό είναι σχεδόν βέβαιο πως θα συμβεί, αλλά δεν αφορά μόνο τις εταιρείες και τους εργαζόμενους. Η κοινωνία δύο ταχυτήτων θα γίνει σύντομα πραγματικότητα. Από τη μια πλευρά, οι ισχυροί οργανισμοί και άτομα θα έχουν πρόσβαση σε πανάκριβα μοντέλα προχωρημένης λογικής και αυτόνομους ψηφιακούς πράκτορες που εκτελούν σύνθετες διαδικασίες. Από την άλλη, οι μικρομεσαίοι θα εγκλωβίζονται σε φθηνότερα, τυποποιημένα μοντέλα που απλώς θα αναπαράγουν μοτίβα και αυτό το χάσμα θα ανατρέψει την υπόσχεση της ΤΝ για εκδημοκρατισμό της πρόσβασης στην τεχνολογία. Η υπολογιστική ισχύς μετατρέπεται σε προνόμιο και αυτό που διακυβεύεται είναι η ποιότητα των αποφάσεων: ποιος “σκέφτεται” με καλύτερα εργαλεία και ποιος απλώς διεκπεραιώνει» τόνισε. Εσύ τι λες; Συμφωνείς με τον Γιάννη; Γιατί;
Γιάννη, δεν το συζητάμε ότι η ΤΝ είναι εργαλειάρα, αλλά την ελέγχουν ελάχιστες και πανίσχυρες εταιρείες κι αυτό καλό δεν το λες. Τι κάνουμε λοιπόν για να δρέψουμε τα οφέλη και να μειώσουμε τους κινδύνους;
«Το πρόβλημα που αναφέρεις είναι βαθιά πολιτικό και όχι τεχνολογικό, καθώς ελάχιστοι κολοσσοί ελέγχουν όλες τις υποδομές πάνω στις οποίες οικοδομείται το ψηφιακό μας μέλλον. Η απάντηση όμως βρίσκεται ήδη σε εξέλιξη και στηρίζεται στους ακόλουθους πυλώνες:
Τα ανοιχτά μοντέλα ΤΝ και οι δημόσιες υποδομές φιλοδοξούν να διαταράξουν την κλειστή αγορά. Κυβερνήσεις, πανεπιστήμια, μη κερδοσκοπικοί φορείς και κοινότητες ανοικτού λογισμικού, επενδύουν σε αυτόνομη υπολογιστική ισχύ και δημιουργούν αξιόπιστες εναλλακτικές στο ολιγοπώλιο.
Απαιτείται όμως παράλληλα ουσιαστική ρύθμιση, με διαφάνεια αλγορίθμων, προστασία των δεδομένων προεκπαίδευσης και αντιμονοπωλιακή εφαρμογή, όχι άσκοπη γραφειοκρατία. Η Ευρώπη κινείται προς αυτή την κατεύθυνση, αργά αλλά σταθερά.
Κάτι πιο άμεσο, που αφορά τον καθένα μας, είναι το “AI literacy”, ο εγγραμματισμός στην ΤΝ (Διαβάστε εδώ τι είχαμε συζητήσει παλαιότερα με τον Γιάννη για το θέμα). Η κριτική αντίληψη και η κατανόηση των εργαλείων είναι η μόνη πραγματική άμυνα που θα μας μετατρέψει από παθητικούς χρήστες σε συνειδητούς Κενταύρους που συνδυάζουν την ανθρώπινη διαίσθηση και ηθική με τη μηχανική ισχύ.
Αυτά για σήμερα λοιπόν.
Μέχρι την επόμενη φορά, να προσέχετε τους εαυτούς σας και να περιφρουρείτε την περιέργειά σας!
Στις αρχές του 2026, ένας υπάλληλος της Meta αποφάσισε να μετρήσει πόσο ακριβώς χρησιμοποιούσαν οι 85.000 συνάδελφοί του την ΤΝ, ιδίως τα μοντέλα Claude της Anthropic και για τον σκοπό αυτό δημιούργησε έναν πίνακα κατάταξης. Το αποτέλεσμα ήταν ένας άτυπος αλλά άγριος ανταγωνισμός για το ποιος ή ποια θα κερδίσει τον …επίζηλο τίτλο του «Θρύλου των Τokens» (Token Legend). Μέσα σε μόλις έναν μήνα, οι συμμετέχοντες «έκαψαν» 60 τρισεκατομμύρια tokens! Η ιστορία αυτή γέννησε και έναν ενδιαφέροντα όρο: «Claudonomics». Σκεφτείτε τον ως έναν όρο, που περιγράφει την «οικονομία» της κατανάλωσης μέσα σε έναν οργανισμό, όπου το νόμισμα δεν είναι δολάρια αλλά tokens -και ο «Θρύλος» δεν είναι αυτός που παράγει περισσότερο, αλλά αυτός που θέτει τις πιο πολυδάπανες ερωτήσεις (prompts).
Αυτόνομα συστήματα τεχνητής νοημοσύνης που αντιλαμβάνονται το περιβάλλον τους, λαμβάνουν αποφάσεις και εκτελούν ενέργειες για την επίτευξη συγκεκριμένων στόχων.