Η Apple φέρεται να οριστικοποιεί συμφωνία με την Google ώστε το νέο Siri να βασίζεται σε παραμετροποιημένη έκδοση του Gemini, του μεγάλου γλωσσικού μοντέλου (LLM, Large Language Model) της Google. Το ρεπορτάζ κάνει λόγο για τίμημα περίπου 1 δισ. δολάρια τον χρόνο και μοντέλο 1,2 τρισ. παραμέτρων· οι οικονομικοί όροι και το ακριβές μέγεθος του μοντέλου δεν έχουν επιβεβαιωθεί επίσημα από καμία πλευρά.

Στην πράξη, τα "απλά" αιτήματα θα εξυπηρετούνται από μοντέλα της Apple που εκτελούνται στη συσκευή ή στα δικά της κέντρα δεδομένων. Για πιο σύνθετες εργασίες—όπως μεγάλες περιλήψεις ή ερωτήματα με πλούσιο περιεχόμενο—το Siri θα καλεί παραλλαγή του Gemini που θα τρέχει στην υποδομή Private Cloud Compute (ιδιωτικό υπολογιστικό νέφος) της Apple. Η εταιρεία προβάλλει ότι η διεπαφή χρήστη (UI) και οι ρυθμίσεις ιδιωτικότητας θα παραμένουν υπό δικό της έλεγχο, με στόχο τα προσωπικά δεδομένα να μην διαμοιράζονται εκτός του οικοσυστήματός της.

Η στρατηγική περιγράφει τη Google ως "προμηθευτή στο παρασκήνιο" και όχι ως εμφανή συνεργάτη. Το Siri θα παραμείνει προϊόν Apple, με την υποκείμενη τεχνολογία να παρέχεται από την Google εκεί όπου απαιτείται. Παράλληλα, αναφορές σημειώνουν ότι η Apple συνεχίζει την ανάπτυξη δικών της μοντέλων θεμελίωσης (foundation models) για μελλοντική αυτάρκεια, ώστε να μειώσει την εξάρτηση από τρίτους.

Το έργο φέρει εσωτερική κωδική ονομασία "Linwood" και στοχεύει σε διάθεση την άνοιξη του 2026, πιθανότατα μέσω ανοιξιάτικης έκδοσης του iOS (λειτουργικό σύστημα iPhone). Αν επαληθευτεί το χρονοδιάγραμμα, αναμένονται δοκιμαστικές εκδόσεις (beta) νωρίτερα, ώστε να αξιολογηθούν απόδοση, καθυστερήσεις και η πρακτική εφαρμογή των υποσχέσεων για προστασία ιδιωτικότητας.

Για τους χρήστες, η αλλαγή μπορεί να σημαίνει πιο "προσωποποιημένες" απαντήσεις και καλύτερη κατανόηση συμφραζομένων, χωρίς ορατή εμπλοκή υπηρεσιών Google. Για την αγορά, δείχνει μια Apple που επιλέγει πρακτική γέφυρα για να καλύψει τη καθυστέρηση στην τεχνητή νοημοσύνη, ενώ τελειοποιεί τη δική της στοίβα. Το κρίσιμο στοίχημα είναι αν η τεχνική υλοποίηση θα στηρίξει στην πράξη τον ισχυρισμό ότι τα δεδομένα μένουν εντός της Apple—κάτι που θα απαιτήσει ανεξάρτητους ελέγχους και διαφάνεια στις λεπτομέρειες.

Η Google εμπλουτίζει το NotebookLM, το εργαλείο έρευνας με τεχνητή νοημοσύνη που βασίζεται αποκλειστικά στις δικές σας πηγές, με δέσμη δυνατοτήτων που βελτιώνουν τη ροή εργασίας σε μακρόχρονες αναλύσεις. Ο πυρήνας της αναβάθμισης είναι η «μνήμη συνομιλίας», με αυτόματη αποθήκευση και δυνατότητα συνέχισης ενός έργου ακριβώς από το σημείο που σταματήσατε. Παράλληλα, εισάγονται νέοι στόχοι μέσα στη συνομιλία, ώστε ο χρήστης να καθορίζει ρητά τον επιθυμητό τόνο, το επίπεδο λεπτομέρειας και τον τύπο απάντησης.

Σύμφωνα με την επίσημη ενημέρωση, η συνομιλία του NotebookLM ενισχύεται με 8× μεγαλύτερο παράθυρο συμφραζομένων και 6× μεγαλύτερη μνήμη, ενώ η ποιότητα απόκρισης βελτιώνεται έως 50 %. Το αποτέλεσμα είναι πιο συνεπείς και στοχευμένες απαντήσεις σε μεγάλα έγγραφα, με λιγότερες επαναλήψεις οδηγιών. Η αυτόματη αποθήκευση συνομιλιών λύνει ένα πρακτικό πρόβλημα: δεν χρειάζεται χειροκίνητη διαχείριση ιστορικού όταν τρέχουν παράλληλα πολλά έργα.

Οι στόχοι λειτουργούν σαν σύντομες οδηγίες που ρυθμίζουν τη συμπεριφορά του συστήματος — π.χ. «σύντομες απαντήσεις με κουκίδες», «ακαδημαϊκός τόνος με παραπομπές», «σχέδιο μαθήματος 45 λεπτών» ή «οδηγός βήμα-βήμα». Συνδυάζονται με τα υπάρχοντα εργαλεία του NotebookLM, όπως οδηγούς μελέτης, κάρτες απομνημόνευσης, κουίζ ή συνοπτικές αναφορές σε πολλές γλώσσες, ώστε να παραδίδεται έτοιμο υλικό με σταθερή μορφοποίηση και ύφος, αντλώντας αποκλειστικά από τις αποθηκευμένες πηγές του χρήστη.

Το χρονολόγιο των ενημερώσεων δείχνει ότι η Google μετατρέπει σταδιακά το NotebookLM από «έξυπνο σημειωματάριο» σε πλήρες περιβάλλον μελέτης και παραγωγής υλικού. Το καλοκαίρι προστέθηκαν οι βίντεο-επισκοπήσεις (Video Overviews) — αφηγήσεις που συμπυκνώνουν δύσκολο περιεχόμενο — και αναβαθμίστηκε το εργαστήριο Studio για πιο ευέλικτη δημιουργία παραδοτέων. Με τη σημερινή δέσμη (μνήμη συνομιλίας, μεγαλύτερα συμφραζόμενα, στόχοι), το εργαλείο γίνεται πιο κατάλληλο για έρευνα μακράς διάρκειας και επανάληψης.

Για χρήστες που εργάζονται με μεγάλες βιβλιοθήκες PDF, απομαγνητοφωνήσεις ή σύνθετη σεναριακή έρευνα, τα πρακτικά οφέλη είναι σαφή: καλύτερη διατήρηση του ιστορικού συνομιλίας, λιγότερη ανάγκη για επανυπενθύμιση προδιαγραφών και δυνατότητα να διατηρείται συνεπές ύφος σε όλα τα παραδοτέα ενός έργου. Σε εκπαιδευτικά περιβάλλοντα, οι στόχοι μειώνουν τον χρόνο από τη μελέτη μιας πηγής έως τη δημιουργία φύλλου εργασίας ή σύντομου οδηγού μελέτης. Στο επιχειρηματικό σκέλος, διευκολύνεται η παραγωγή ενημερωτικών σημειωμάτων με καθορισμένο μήκος και δομή, αποφεύγοντας ασαφείς απαντήσεις.

Παρά τις βελτιώσεις, παραμένει το ερώτημα για τη θέση του NotebookLM απέναντι στο γενικής χρήσης Gemini. Η Google διευκρινίζει ότι το NotebookLM είναι «στηριγμένο στις πηγές σας» — εξειδικεύεται στην ανάλυση του υλικού που του παρέχετε, αντί να αναζητά πληροφορίες στον ιστό. Με τη νέα έκδοση, αυτή η εστίαση γίνεται ακόμη πιο ισχυρή, ιδίως σε έργα που απαιτούν συνέπεια ύφους και «μνήμη» πολλών εβδομάδων. Η διάθεση των νέων δυνατοτήτων έχει ήδη ξεκινήσει σταδιακά. Όπου είναι ενεργές, εμφανίζονται ρυθμίσεις στόχων στο πλαίσιο συνομιλίας, αυτόματη αποθήκευση ιστορικού και αισθητή βελτίωση στην ικανότητα του συστήματος να διατηρεί το νήμα μακρών διαλόγων γύρω από τα αρχεία του χρήστη.

Στις 29 Οκτωβρίου 2025, η Microsoft και η OpenAI οριστικοποίησαν αναθεωρημένη συμφωνία που «λύνει» εκκρεμότητες της συνεργασίας τους και συνοδεύει τη μετατροπή της OpenAI σε κερδοσκοπική εταιρεία δημόσιου οφέλους (for-profit Public Benefit Corporation). Η Microsoft διατηρεί μετοχικό ποσοστό περίπου 27%, που αποτιμάται σε 135 δισ. δολάρια. Εξασφαλίζει πρόσβαση σε βασική τεχνογνωσία της OpenAI έως το 2032, ακόμη και εφόσον επιτευχθεί Γενική Τεχνητή Νοημοσύνη (AGI), με τον ορισμό της να επικυρώνεται πλέον από ανεξάρτητο πάνελ. Παράλληλα, η OpenAI δεσμεύεται για πρόσθετες αγορές υπηρεσιών Azure ύψους 250 δισ. δολαρίων, προσφέροντας προβλεψιμότητα εσόδων στην πλατφόρμα νέφους της Microsoft.

Για την OpenAI, η νέα δομή αίρει περιορισμούς του προηγούμενου καθεστώτος. Μπορεί να συνάπτει συμφωνίες υποδομών χωρίς δικαίωμα πρώτης άρνησης της Microsoft, να επιταχύνει χρηματοδότηση και μαζική επέκταση, και να προχωρά σε καταναλωτικές συσκευές χωρίς να μοιραστεί την πρόσβαση με τη Microsoft. Η αναδιοργάνωση εγκρίθηκε από τις Γενικές Εισαγγελείς του Delaware και της Καλιφόρνιας, διασφαλίζοντας τη νομική ισχύ της μετατροπής σε εταιρεία δημόσιου οφέλους και ανοίγοντας τον δρόμο για μελλοντική δημόσια εγγραφή.

Για τη Microsoft, πέρα από τη σαφέστερη αποτίμηση της συμμετοχής της, η συμφωνία διευρύνει τα δικαιώματά της σε πνευματική ιδιοκτησία (IP) έως το 2032. Περιλαμβάνονται μοντέλα που θα αναπτυχθούν μετά την επίτευξη AGI, με ορισμένες εξαιρέσεις — όπως οι καταναλωτικές συσκευές της OpenAI. Η εταιρεία χάνει το αποκλειστικό δικαίωμα πρώτης προμήθειας υποδομών, αλλά το αντισταθμίζει με τη δέσμευση Azure ύψους 250 δισ. και τη δυνατότητα να επιδιώξει δικό της μονοπάτι προς το AGI, εφόσον το επιλέξει.

Η κίνηση έρχεται σε συγκυρία φιλόδοξων σχεδίων κλιμάκωσης. Ο Σαμ Όλτμαν έχει αναφέρει ήδη δεσμευμένες δαπάνες περίπου 1,4 τρισ. δολαρίων σε υποδομές — περίπου 30 γιγαβάτ (GW) ισχύος κέντρων δεδομένων — με προοπτική να προστεθεί 1 τρισ. ετησίως σε νέα χωρητικότητα. Τα επίπεδα αυτά καθιστούν αναγκαία την ευελιξία πολλαπλών συνεργατών και χρηματοδοτικών πηγών. Στο επενδυτικό σκέλος, αναφορές θέλουν τη νέα συμφωνία να αποτιμά την OpenAI γύρω στα 500 δισ. δολάρια, διευκολύνοντας μελλοντικές επενδύσεις όπως εκείνη της SoftBank.

Σε πρακτικό επίπεδο, η «αποσυμπίεση» του δεσμού δίνει και στις δύο πλευρές χώρο να κινηθούν πιο επιθετικά. Η OpenAI μπορεί να προχωρήσει σε ταχεία ανάπτυξη υποδομών, μοντέλων και συσκευών, ενώ η Microsoft μπορεί να «θωρακίσει» το Copilot/Azure OpenAI και ταυτόχρονα να συνεργάζεται ευρύτερα με τρίτους παρόχους και πλατφόρμες. Οι νέοι όροι για το AGI — με ανεξάρτητη επιβεβαίωση και ρητή επέκταση δικαιωμάτων πνευματικής ιδιοκτησίας — αποσκοπούν στην αποφυγή νομικών και συμβατικών κενών, τη στιγμή που ο ανταγωνισμός στη γενική τεχνητή νοημοσύνη εντείνεται.

Η Anthropic διαθέτει το Claude Code στον ιστό ως δοκιμαστική έκδοση, ώστε να ανατίθενται εργασίες προγραμματισμού απευθείας από τον browser. Οι εργασίες εκτελούνται σε ασφαλή, απομονωμένα περιβάλλοντα στο cloud της Anthropic, με περιορισμένη πρόσβαση σε αρχεία και δίκτυο. Η σύνδεση με το GitHub πραγματοποιείται μέσω ασφαλούς ενδιάμεσου μηχανισμού, με διαπιστευτήρια περιορισμένης εμβέλειας. Παράλληλα, προσφέρεται πρώιμη υποστήριξη στην εφαρμογή iOS, για εκκίνηση ή παρακολούθηση εργασιών από iPhone και iPad.

Στη νέα διεπαφή μπορούν να εκτελούνται πολλές εργασίες παράλληλα, να παρακολουθείται η πρόοδός τους σε πραγματικό χρόνο και να δημιουργούνται αυτόματα αιτήματα συνένωσης (pull requests) στο GitHub με σύνοψη αλλαγών. Διευκρινίζεται ότι δεν πραγματοποιείται αυτόματος τεμαχισμός μεγάλων αιτημάτων σε μικρότερα· η έμφαση δίνεται στην ταυτόχρονη εκτέλεση πολλών εργασιών και στον σαφή έλεγχο της διαδικασίας από την πλευρά του προγραμματιστή.

Το Claude Code στον ιστό είναι διαθέσιμο σε χρήστες Pro και Max ως δοκιμαστική έκδοση, με επέκταση σε Team/Enterprise προσεχώς. Προς το παρόν, οι cloud συνεδρίες υποστηρίζουν μόνο GitHub.

Ο Claude, ο βοηθός ΤΝ της Anthropic, αποκτά «δεξιότητες» που πακετάρουν διαδικαστική γνώση και εργαλεία σε τυποποιημένους φακέλους. Κάθε δεξιότητα είναι ένας αυτοτελής φάκελος με οδηγίες, αρχεία και κώδικα, τον οποίο ο Claude ανακαλύπτει και ενεργοποιεί μόνο όταν ταιριάζει στο εκάστοτε αίτημα. Έτσι το περιβάλλον παραμένει απλό και διαχειρίσιμο, ενώ η λειτουργικότητα κλιμακώνετατι χωρίς να επιβαρύνεται το context.

Ο πυρήνας κάθε δεξιότητας είναι το αρχείο SKILL.md, με συνοπτική περιγραφή (name, description) και σαφείς οδηγίες για το «τι κάνει» και «πότε να χρησιμοποιείται». Όταν διαπιστωθεί συνάφεια, ο Claude διαβάζει το SKILL.md και, αν χρειάζεται, προσπελάζει επιπλέον αρχεία του φακέλου. Η λογική της «προοδευτικής αποκάλυψης» διατηρεί το συνολικό αποτύπωμα μικρό, ώστε να καταναλώνονται tokens (μονάδες μέτρησης πληροφορίας) κυρίως για τα αποτελέσματα και όχι για τις ίδιες τις οδηγίες.

Οι δεξιότητες μπορούν να περιλαμβάνουν εκτελέσιμο κώδικα, μεταφέροντας εργασίες που δεν αποδίδουν καλά με απλή παραγωγή κειμένου σε προγράμματα με προβλέψιμη εκτέλεση. Τυπικό παράδειγμα είναι μια δεξιότητα για PDF που χρησιμοποιεί Python για ανάγνωση πεδίων φόρμας: ο Claude εκτελεί το εργαλείο, λαμβάνει τα δεδομένα και συνεχίζει τη ροή εργασίας χωρίς περιττή κατανάλωση context.

Η υποστήριξη καλύπτει ήδη το claude.ai, το Claude Code, το Agent SDK και την πλατφόρμα προγραμματιστών. Στην πλευρά του API, οι δεξιότητες εκτίθενται με σαφείς ρυθμίσεις και σημεία πρόσβασης (endpoints), ενώ διατίθενται έτοιμες δεξιότητες για PowerPoint, Excel, Word και PDF, μαζί με παραδείγματα για δημιουργία Εξατομικευμένης/Προσαρμοσμένης δεξιότητας (Custom Skill).

Σε θέματα ασφάλειας, η Anthropic προτείνει οι δεξιότητες να αντιμετωπίζονται όπως το συμβατικό λογισμικό: εγκατάσταση από αξιόπιστες πηγές, έλεγχος εξαρτήσεων και προσοχή σε εξωτερικές συνδέσεις. Το μοντέλο αυτό ταιριάζει και με το ευρύτερο οικοσύστημα εργαλείων, καθώς οι δεξιότητες συμπληρώνουν το Model Context Protocol (MCP): οι πρώτες κωδικοποιούν διαδικασίες και πρότυπα, ενώ το MCP διασυνδέει υπηρεσίες και δεδομένα.

Για να ξεκινήσει κανείς, η πιο απλή διαδρομή είναι η εγκατάσταση των έτοιμων δεξιοτήτων και η παρατήρηση του πότε ενεργοποιούνται. Για πιο εξειδικευμένη χρήση, δημιουργείται μια Προσαρμοσμένη δεξιότητα (Custom Skill) με σαφή SKILL.md, διαχωρισμό των εκτενών οδηγιών σε επιμέρους αρχεία και προσθήκη κώδικα μόνο όπου η εκτέλεση δίνει συνέπεια και οικονομία.

Η σημασία για τις ομάδες είναι πρακτική: λιγότερη επανάληψη οδηγιών, μεγαλύτερη συνέπεια στις ροές και καλύτερος έλεγχος κόστους. Αν η υιοθέτηση γενικευθεί, οι «φάκελοι δεξιοτήτων» μπορούν να εξελιχθούν σε βασική μονάδα επαναχρησιμοποιήσιμης τεχνογνωσίας — με εκδόσεις, έλεγχο αλλαγών, εσωτερική διανομή και, δυνητικά, αγορές διάθεσης.

Η εκρηκτική αύξηση ισχύος/πυκνότητας των AI επιταχυντών μεταφέρει τα παραδοσιακά, "αερόψυκτα" data centers στα όριά τους. Σε λιγότερο από μια δεκαετία, τα κορυφαία GPU της Nvidia ανέβηκαν από 300W (V100) σε 700W (H100) και έως 1.200W στη γενιά Blackwell, ενώ το τυπικό φορτίο ανά rack για AI ανεβαίνει από ~8kW σε ~100kW, καθιστώντας την υγρή ψύξη αναγκαία για τα σύγχρονα «εργοστάσια AI». 

Η πρώτη, και πιο ώριμη, λύση είναι η άμεση ψύξη με νερό πάνω στο chip (single-phase direct-to-chip). Ψυχρό υγρό κυκλοφορεί σε «cold plates» επάνω σε GPUs/CPUs, απομακρύνοντας τη θερμότητα σε κλειστό κύκλωμα προς εναλλάκτες. Το μειονέκτημα είναι ότι μικρότερα θερμά εξαρτήματα (μνήμες, τροφοδοσίες) παραμένουν στην αερόψυξη, άρα η συνολική διάταξη μένει υβριδική.

Η δεύτερη προσέγγιση, two-phase direct-to-chip, αντικαθιστά το νερό με διηλεκτρικό υγρό που βράζει μέσα στο cold plate. Καθώς η φάση αλλάζει σε ατμό, η θερμοκρασία του ρευστού παραμένει σχεδόν σταθερή, επιτρέποντας υψηλότερες θερμοκρασίες λειτουργίας στο «facility water», μικρότερους ρυθμούς ροής και σημαντική μείωση ενέργειας—συχνά χωρίς ανάγκη για chiller σε εύκρατα κλίματα.

Η τρίτη διαδρομή είναι η εμβάπτιση single-phase (immersion), όπου ολόκληρος ο server βυθίζεται σε διηλεκτρικό υγρό (συνήθως «oil-like»). Το όφελος είναι ομοιόμορφη ψύξη και απουσία ανεμιστήρων/κραδασμών, με πραγματικές μετρήσεις να δείχνουν ως και ~51% χαμηλότερη κατανάλωση έναντι κλασικών σχεδιάσεων. Σε ακραίες πυκνότητες, όμως, συχνά απαιτείται προσθήκη cold plates, αυξάνοντας την πολυπλοκότητα των κυκλωμάτων.

Τέταρτη και πιο «φιλόδοξη» είναι η εμβάπτιση two-phase (boiling). Διηλεκτρικό υγρό βράζει πάνω στα καυτά εξαρτήματα και υγροποιείται σε εναλλάκτη στο καπάκι/πλάτη της δεξαμενής. Χάρη στη λανθάνουσα θερμότητα, η ωφέλιμη ικανότητα ψύξης μπορεί να είναι 10–100× έναντι single-phase, ενώ μελέτες κόστους δείχνουν ότι σε τοποθεσίες όπως το Ashburn (VA) η 10ετής TCO μπορεί να είναι χαμηλότερη από εναλλακτικές, λόγω μειωμένης πολυπλοκότητας μηχανολογικών υποδομών. Παραμένουν, ωστόσο, ζητήματα συντήρησης και διαφυγής/εξαέρωσης ρευστών που απαιτούν προσεκτικό σχεδιασμό.

Πέρα από τη θερμική φυσική, το νερό είναι κρίσιμη παράμετρος βιωσιμότητας: το άμεσο (on-site) και έμμεσο (από την παραγωγή ρεύματος) υδατικό αποτύπωμα των AI υποδομών γίνεται αντικείμενο στενής παρακολούθησης. Στρατηγικές όπως λειτουργία σε υψηλότερες θερμοκρασίες νερού, κλειστοί βρόχοι και ανάκτηση θερμότητας μειώνουν δραστικά την κατανάλωση.

Οι απαιτήσεις τυποποίησης ωριμάζουν επίσης. Η ASHRAE εμπλουτίζει τις «Thermal Guidelines» και το corpus τεχνικών οδηγιών για υγρή ψύξη ώστε να καλυφθούν νέες ισχείς-στόχοι και να καθοδηγηθούν conversions/greenfield έργα με ελεγχόμενους κινδύνους.

Στο πεδίο των hyperscalers βλέπουμε διαφορετικές αρχιτεκτονικές: από κλασικά direct-to-chip μέχρι ιδιοταγείς in-row εναλλάκτες και co-designed cold plates για Blackwell racks, με στόχο εύκολα retrofits και μικρότερη εξάρτηση από μεγάλες υδραυλικές αναβαθμίσεις. Παράλληλα, το οικοσύστημα GPU πιέζει για υγρόψυκτες διαμορφώσεις με βελτιωμένη υδατική απόδοση.

Τι σημαίνουν όλα αυτά για την αγορά

Βραχυπρόθεσμα, οι φορείς εκμετάλλευσης που θέλουν ταχύτερα κέρδη/μικρότερο ρίσκο τείνουν προς single-phase direct-to-chip, ειδικά σε μεικτά (AI+γενικής χρήσης) data halls. Μεσοπρόθεσμα, η αύξηση πυκνοτήτων/φορτίων θα ωθεί σε two-phase (direct-to-chip ή immersion) σε νέα κτίρια ή ειδικές «AI πτέρυγες», όπου η απόσβεση προκύπτει από μικρότερη PUE, λιγότερο μηχανολογικό αποτύπωμα και καλύτερη ενεργειακή/υδατική αποδοτικότητα. 

-----

Σημείωση: Χρησιμοποιείται ο όρος "Υγρή Ψύξη" και όχι "Υδρόψυξη", γιατί στον χώρο των data centers και ειδικά στην ευρύτερη τεχνολογική κοινότητα, ο όρος "υγρή ψύξη" (liquid cooling) χρησιμοποιείται συχνά για να συμπεριλάβει και άλλες μορφές ψύξης με υγρά πέρα από απλή υδρόψυξη (π.χ. διηλεκτρικά υγρά, immersion cooling κ.λπ.).

Η IBM και η Anthropic ανακοίνωσαν στρατηγική συνεργασία για την ανάπτυξη και υιοθέτηση τεχνητής νοημοσύνης (AI) κατάλληλης για επιχειρησιακά περιβάλλοντα. Στο πλαίσιο της συμφωνίας, το μεγάλο γλωσσικό μοντέλο Claude θα ενσωματωθεί στα βασικά εργαλεία ανάπτυξης λογισμικού της IBM, με στόχο τη βελτίωση της παραγωγικότητας και την ενίσχυση της ασφάλειας και της διακυβέρνησης σε όλα τα στάδια του κύκλου ζωής λογισμικού.

Το Claude θα αποτελέσει βασικό στοιχείο του νέου, «AI-first» περιβάλλοντος ανάπτυξης (IDE) της IBM, το οποίο έχει σχεδιαστεί για τον εκσυγχρονισμό και την αυτοματοποίηση επιχειρησιακών εφαρμογών. Η λύση υποστηρίζει πολλαπλές γλώσσες προγραμματισμού και επιτρέπει στους προγραμματιστές να δημιουργούν, να δοκιμάζουν και να συντηρούν λογισμικό με αυξημένη αποδοτικότητα. Σύμφωνα με την IBM, περισσότεροι από 6.000 εργαζόμενοί της έχουν ήδη δοκιμάσει το IDE, καταγράφοντας αύξηση παραγωγικότητας κατά 45%, χωρίς υποβάθμιση της ποιότητας ή των προτύπων ασφαλείας.

Η εταιρεία επιδιώκει να προσφέρει στις επιχειρήσεις εργαλεία AI που ενσωματώνονται απρόσκοπτα στις υφιστάμενες υποδομές τους, διατηρώντας υψηλά επίπεδα ελέγχου και διαφάνειας. «Η IBM γνωρίζει τι απαιτείται για την υλοποίηση λύσεων σε μεγάλη κλίμακα και κρίσιμα περιβάλλοντα», δήλωσε ο Dinesh Nirmal, Senior Vice President Software της εταιρείας. «Η συνεργασία αυτή ενισχύει το χαρτοφυλάκιό μας με τεχνητή νοημοσύνη που προσαρμόζεται στις ανάγκες των επιχειρήσεων, χωρίς να δημιουργεί νέους κινδύνους».

Από την πλευρά της Anthropic, ο Chief Product Officer Mike Krieger τόνισε ότι οι επιχειρήσεις «αναζητούν λύσεις AI στις οποίες μπορούν να εμπιστευτούν τον κώδικα, τα δεδομένα και τις καθημερινές λειτουργίες τους». Υπογράμμισε επίσης πως η συνεργασία με την IBM θα επεκτείνει τη διαθεσιμότητα του Claude σε περισσότερα επιχειρησιακά περιβάλλοντα, με κοινή προσήλωση στην ασφάλεια και την αξιοπιστία.

Το νέο IDE της IBM ενσωματώνει λειτουργίες όπως αυτοματοποιημένο εκσυγχρονισμό εφαρμογών, ευφυή δημιουργία και αξιολόγηση κώδικα, ολιστική ενορχήστρωση του κύκλου ανάπτυξης και προσέγγιση “security-first” με έμφαση σε σαρώσεις ευπαθειών και υποστήριξη κβαντικά ασφαλούς κρυπτογράφησης.

Παράλληλα, οι δύο εταιρείες παρουσίασαν τον οδηγό “Architecting Secure Enterprise AI Agents with MCP”, που καθορίζει ένα νέο πλαίσιο (ADLC – Agent Development Lifecycle) για τον σχεδιασμό και τη διαχείριση επιχειρηματικών πρακτόρων τεχνητής νοημοσύνης. Ο οδηγός περιγράφει βέλτιστες πρακτικές, πρότυπες αρχιτεκτονικές και ανοικτά πρότυπα μέσω της κοινότητας Model Context Protocol (MCP), επιτρέποντας ασφαλή και τυποποιημένη ανάπτυξη AI agents σε ρυθμιζόμενους κλάδους.

Η IBM εξετάζει ήδη την επέκταση της ενσωμάτωσης του Claude σε πρόσθετα προϊόντα της, ενισχύοντας τη στρατηγική της για ενοποιημένες λύσεις AI. Η συνεργασία με την Anthropic σηματοδοτεί ένα σημαντικό βήμα προς την κατεύθυνση της αξιόπιστης και διαφανούς επιχειρησιακής τεχνητής νοημοσύνης, που στοχεύει όχι μόνο στην αποδοτικότητα αλλά και στη μακροπρόθεσμη αξία για τους πελάτες και την κοινωνία.

Η Meta ανακοίνωσε ότι από τις 16 Δεκεμβρίου 2025 θα αρχίσει να αξιοποιεί δεδομένα από τις αλληλεπιδράσεις των χρηστών με τα προϊόντα τεχνητής νοημοσύνης της —όπως συνομιλίες κειμένου και φωνής— ώστε να προσωποποιεί προτάσεις περιεχομένου και στοχευμένες διαφημίσεις στο Facebook και το Instagram. Η αλλαγή θα κοινοποιηθεί στους χρήστες από τις 7 Οκτωβρίου και δεν θα υπάρχει δυνατότητα εξαίρεσης (opt-out), πέρα από το να μην χρησιμοποιεί κανείς τα AI χαρακτηριστικά. Πηγή της είδησης είναι το TechCrunch.

Σημαντικό είναι ότι η πολιτική δεν αφορά τις end-to-end κρυπτογραφημένες (E2EE) συνομιλίες στο WhatsApp και στο Messenger. Η Meta διευκρινίζει ότι εκεί οι συνομιλίες παραμένουν ιδιωτικές και δεν χρησιμοποιούνται για διαφημιστική στόχευση. Αντίθετα, η αξιοποίηση δεδομένων αφορά το οικοσύστημα των «AI προϊόντων» της Meta, δηλαδή κάθε υπηρεσία ή συσκευή που συνδέεται με το Meta AI μέσω του ίδιου λογαριασμού.

Σύμφωνα με τη Meta, τα νέα σήματα θα προστίθενται στα ήδη υπάρχοντα (likes, follows) ώστε να ενισχυθεί η προσωποποίηση. Ενδεικτικά, αν ένας χρήστης συνομιλεί με το Meta AI για ορειβασία, είναι πιθανό να δει στη συνέχεια προτεινόμενο περιεχόμενο ή διαφήμιση σχετική με εξοπλισμό πεζοπορίας. Από τις «ευαίσθητες» κατηγορίες (θρησκευτικές/πολιτικές πεποιθήσεις, υγεία, σεξουαλικός προσανατολισμός, φυλή/εθνικότητα, φιλοσοφικές πεποιθήσεις, συνδικαλιστική ιδιότητα) εξαιρείται η στοχευμένη διαφήμιση· σε όλες τις υπόλοιπες (χόμπι, lifestyle, καταναλωτικά ενδιαφέροντα) τα δεδομένα χρησιμοποιούνται κανονικά.

Το μέτρο θα εφαρμοστεί διεθνώς, με εξαίρεση προς το παρόν την Ε.Ε., το Ηνωμένο Βασίλειο και τη Νότια Κορέα λόγω κανονισμών. Η Meta αφήνει ανοιχτό το ενδεχόμενο μελλοντικής διάθεσης σε αυτές τις περιοχές «μετά τις συνήθεις ρυθμιστικές ενημερώσεις».

Ερωτήματα παραμένουν για το εύρος των δεδομένων που θα αξιοποιούνται. Αν και το ρεπορτάζ αναφέρει ότι προϊόντα όπως τα Ray-Ban Meta γυαλιά, το εργαλείο εικόνων Imagine και το feed Vibes υπάγονται στη νέα πολιτική, δεν είναι απολύτως σαφές αν οι ίδιες οι εικόνες ή τα βίντεο θα τροφοδοτούν απευθείας τη διαφήμιση ή αν η αξιοποίηση θα περιοριστεί στην «ανάλυση περιεχομένου» μέσω AI. Το βέβαιο είναι ότι οποιαδήποτε χρήση των AI προϊόντων υπό τον ίδιο λογαριασμό συνεισφέρει στο προφίλ διαφημιστικής στόχευσης.

Η Meta υποστηρίζει ότι προς το παρόν δεν θα προβάλλει διαφημίσεις μέσα στις ίδιες τις AI υπηρεσίες. Ωστόσο, η ένταξη των AI δεδομένων στο οικοσύστημα στόχευσης αναδεικνύεται σε νέο πυλώνα για το διαφημιστικό της μοντέλο, που παραμένει η κύρια πηγή εσόδων της.

Για τους χρήστες στην Ε.Ε. —και επομένως στην Ελλάδα— δεν υπάρχει άμεση αλλαγή, αφού η εφαρμογή εξαιρείται. Ωστόσο, το ενδεχόμενο επέκτασης παραμένει ανοιχτό. Προς το παρόν, το μόνο βέβαιο «opt-out» διεθνώς είναι η αποφυγή χρήσης των AI λειτουργιών της Meta.

Η φετινή κατάταξη του IEEE Spectrum ανοίγει με ένα ερώτημα που ξεπερνά τον «πίνακα πρωταθλητών»: μήπως η τεχνητή νοημοσύνη κάνει την ίδια την έννοια της «δημοτικότητας γλωσσών» άνευ αντικειμένου; Η συντακτική ομάδα σημειώνει ότι ο τρόπος που γράφεται πια λογισμικό αλλάζει τόσο ριζικά, ώστε «τα πράγματα μπορεί να γίνουν πολύ παράξενα». Δεν είναι μόνο ότι η Python κρατά την κορυφή· είναι ότι το υπόστρωμα των μετρήσεων μετακινείται. Το κρίσιμο σημείο είναι η «ιδιωτικοποίηση» των σημάτων ενδιαφέροντος. Εκεί που μετρούσαμε Google αναζητήσεις, ερωτήσεις στο Stack Exchange, GitHub δραστηριότητα, σήμερα οι προγραμματιστές ρωτούν κατ’ ιδίαν ένα μεγάλο γλωσσικό μοντέλο (LLM) και παίρνουν έτοιμο κώδικα από βοηθούς τύπου Cursor ή ChatGPT. Αποτέλεσμα: το 2025 οι εβδομαδιαίες ερωτήσεις στο Stack Exchange έπεσαν στο 22% του επιπέδου του 2024 — ένα υπαρξιακό πρόβλημα για κάθε κατάταξη που στηρίζεται σε δημόσια σήματα. 

Μέσα σε αυτή τη μετατόπιση εμφανίζεται και το «vibe coding» (προγραμματισμός με οδηγό την περιγραφή/πρόθεση): αντί να γράφεις εντολές, περιγράφεις τι θέλεις και ο πράκτορας ΑΙ παράγει τον κώδικα. Ο όρος, που δημοσιοποιήθηκε από τον Andrej Karpathy νωρίτερα φέτος, συνδέεται ήδη με πρακτικές παραγωγής web, κάτι που το IEEE επικαλείται για να εξηγήσει και την πτώση του JavaScript στη φετινή λίστα.  Αν η ΑΙ παίρνει σταδιακά πάνω της τη συντακτική «αγγαρεία», ο ρόλος του ανθρώπου μετατοπίζεται από το «πώς γράφεται μια for» στο «πώς σχεδιάζεται το σύστημα». Η γλώσσα γίνεται τεχνική λεπτομέρεια, όπως σήμερα σπάνια σκεφτόμαστε το instruction set του CPU. Το IEEE εκτιμά ότι η αξία μεταφέρεται στην αρχιτεκτονική, την επιλογή αλγορίθμων και την ενορχήστρωση σύνθετων συστημάτων — δεξιότητες πιο κοντά στην επιστήμη υπολογιστών παρά στη μνήμη συντακτικών κανόνων.

Εδώ βρίσκεται και η πιο ανησυχητική διάσταση: η «παγίωση» των σημερινών πρωταγωνιστών. Νέες γλώσσες παραδοσιακά γεννιούνται από μικρές κοινότητες, βιβλία, talks και δείγματα κώδικα. Όμως τα LLM χρειάζονται μάζα δεδομένων για να αποδίδουν· σε λιγότερο διαδεδομένες γλώσσες δίνουν χειρότερα αποτελέσματα, άρα ανατροφοδοτούν την κυριαρχία των ήδη μεγάλων. Το IEEE φοβάται ότι έτσι θα δυσκολέψει η ανάδυση νέων γλωσσών — μια «κατάψυξη» της οικολογίας. Πρόσφατες ακαδημαϊκές εργασίες επισημαίνουν επίσης προκαταλήψεις επιλογής γλωσσών/βιβλιοθηκών από τα LLM, με προφανείς συνέπειες για ποιότητα και ασφάλεια.

Τα στοιχεία συμπληρώνονται από τη συμπεριφορά των ίδιων των developers: σύμφωνα με τη φετινή έρευνα της Stack Overflow, το 84% ήδη χρησιμοποιεί ή σχεδιάζει να χρησιμοποιήσει εργαλεία ΑΙ στην ανάπτυξη, αλλά οι καθαρά «θετικές» κρίσεις για την ακρίβεια παραμένουν μειοψηφία — περισσότεροι δηλώνουν δυσπιστία (46%) απ’ όσους εμπιστοσύνη (33%). Η ΑΙ μπαίνει παντού, αλλά η εμπιστοσύνη δεν ακολουθεί αντίστοιχα. Τι σημαίνουν όλα αυτά για μετρήσεις και στρατηγική; Πρώτον, οι κλασικοί δείκτες ζήτησης/ενδιαφέροντος «θολώνουν», άρα τα rankings χρειάζονται νέα εργαλεία — το IEEE παραδέχεται ότι θα ψάξει διαφορετικές μετρικές μέσα στους επόμενους 12 μήνες. Δεύτερον, σε ένα πιθανό μέλλον «από prompt σε ενδιάμεση αναπαράσταση» χωρίς αναγνώσιμο source code, η διαφάνεια και η διαδικασία ποιοτικού ελέγχου θα γίνουν πιο κρίσιμες από την ίδια τη γλώσσα. Τρίτον, η εκπαίδευση και το επαγγελματικό προφίλ μετατοπίζονται: λιγότερη έμφαση στη συντακτική ευχέρεια, περισσότερη σε θεμέλια, testing, αξιοπιστία και ασφάλεια.

Η ουσία, όπως τη διαβάζουμε στο φετινό IEEE Spectrum, δεν είναι ότι «τελείωσαν» οι γλώσσες· είναι ότι ο διαχωρισμός ανάμεσα σε γλώσσες, εργαλεία και διαδικασίες χάνει βάρος όταν ο ενδιάμεσος «γράφων» είναι η ΑΙ. Από εδώ και πέρα η σημαντική πρόκληση δεν θα είναι «ποια γλώσσα να μάθω», αλλά πώς σχεδιάζω, ελέγχω και κυβερνώ συστήματα όπου μεγάλα κομμάτια κώδικα γράφονται ή ξαναγράφονται αυτόματα. Αυτό, και όχι οι μικρομετακινήσεις στον πίνακα κατάταξης, είναι το μήνυμα της χρονιάς.