Γράφει ο John D. Pappas
- Οι πρόσφατες ακυρωτικές αποφάσεις του Συμβουλίου της Επικρατείας (ΣτΕ 1167-1172/2026) δεν αποτελούν απλώς δικαστική ανατροπή στο τοπίο των ιδιωτικών πανεπιστημίων. Αναδεικνύουν ένα ευρύτερο θεσμικό πρόβλημα: τι συμβαίνει όταν ένα σύστημα αδειοδότησης απαιτεί εκτενείς φακέλους από τους αξιολογουμένους ή ελεγχομένους αλλά δεν καθορίζει με επαρκή σαφήνεια τα συγκεκριμένα, ποσοτικά και ποιοτικά κριτήρια με τα οποία θα αξιολογηθεί ή ελεγχθεί η ουσιαστική ακαδημαϊκή επάρκεια;
Στην εποχή της Παραγωγικής Τεχνητής Νοημοσύνης (Generative AI), ένα ασαφές κανονιστικό ζητούμενο μπορεί να μετατραπεί ταχύτατα σε εκατοντάδες σελίδες πειστικού κειμένου από ένα Μεγάλο Γλωσσικό Μοντέλο (LLM), όπως το ChatGPT ή το Gemini. Έτσι, ένας φάκελος προς αξιολόγηση ή έλεγχο μπορεί να εμφανίζει τυπική πληρότητα σε γλώσσα, δομή και τεκμηρίωση, χωρίς αυτή να αποδεικνύει την πραγματική ακαδημαϊκή επάρκεια.
Το θεσμικό κενό
Η αφετηρία του σημερινού φιάσκου με τα ιδιωτικά πανεπιστήμια βρίσκεται στην κανονιστική απόφαση 48136/17.12.2024 της ΕΘΑΑΕ, κατ’ εξουσιοδότηση του «Νόμου Πιερρακάκη» (ν. 5094/2024), για την αξιολόγηση των προπτυχιακών προγραμμάτων των Νομικών Προσώπων Πανεπιστημιακής Εκπαίδευσης (ΝΠΠΕ).
Δεν είναι ακριβές ότι η ΕΘΑΑΕ δεν θέσπισε κανονιστικό πλαίσιο. Το κρίσιμο είναι αν τα κριτήρια ήσαν αρκετά συγκεκριμένα, μετρήσιμα και ελέγξιμα ώστε να επιτρέπουν ουσιαστική αξιολόγηση.
Κατά την άποψή μου, η ίδια η κανονιστική απόφαση της ΕΘΑΑΕ εμφανίζει δομικά χαρακτηριστικά συμβατά με βιαστική αλγοριθμική σύνταξη από εφαρμογή ΑΙ: τυποποιημένη γενίκευση, απουσία αντικειμενικών δεικτών και συγκεκριμένων ορίων, ισομερή ανάπτυξη όλων των ενοτήτων και μεταφραστικά κατάλοιπα αγγλοσαξονικής ακαδημαϊκής ορολογίας. Αντί για σαφή κριτήρια αξιολόγησης, παρέχει ουσιαστικά μια θεματική λίστα αυτοαξιολόγησης, δηλαδή θέματα που τα ίδια τα ΝΠΠΕ καλούνται να αναπτύξουν στους σχετικούς φακέλους αδειοδότησης.
Πριν από τα LLM, η σύνταξη τέτοιου αυτοαναφορικού φακέλου απαιτούσε μήνες ή και χρόνια. Σήμερα, τα ζητούμενα μπορούν να μετατραπούν σε prompts και να παραχθούν, σχεδόν ακαριαία, εκτενείς περιγραφές προγραμμάτων, διαδικασιών ποιότητας και οργανωτικών δομών.
Δεν υποστηρίζω ότι όλοι οι συγκεκριμένοι φάκελοι των ΝΠΠΕ συντάχθηκαν με εργαλεία ΑΙ. Όσο όμως γενικότερα και ασαφέστερα είναι τα κριτήρια, τόσο ευκολότερα ένα LLM μπορεί να δημιουργήσει κείμενο που μοιάζει να τα ικανοποιεί. Δημιουργείται έτσι ένας «αλγοριθμικός αντικατοπτρισμός» (ΑΙ feedback loop):
ΑΙ κανονιστικό κείμενο → prompts → AI-παραγόμενο κείμενο → φάκελος υποψηφίου → αξιολόγηση με το ίδιο λεξιλόγιο.
Ως συνέπεια κάθε τέτοιου φαινομένου «συνθετικής πληρότητας», ένα κείμενο φακέλου προς αδειοδότηση εμφανίζεται πλήρες επειδή περιέχει τα απαιτούμενα λεκτικά στοιχεία των θεσμοθετημένων προδιαγραφών, χωρίς όμως αυτό να αποδεικνύει ότι υφίστανται οι πραγματικές υποδομές, το προσωπικό και η ερευνητική δυνατότητα που περιγράφονται.
ΣτΕ: ΟΧΙ στη φαινομενική πληρότητα
Εδώ βρίσκεται, κατά τη γνώμη μου, η βαθύτερη σημασία των αποφάσεων του ΣτΕ. Το Δικαστήριο δεν αρκέστηκε στην επιφανειακή πληρότητα των φακέλων, αλλά εξέτασε το κανονιστικό θεμέλιο της πιστοποίησης. Όπως αναφέρει, τα στοιχεία της κανονιστικής απόφασης της ΕΘΑΑΕ «δεν συνιστούν συγκεκριμένα ποσοτικά και ποιοτικά κριτήρια» προς τα οποία οφείλουν να συμμορφώνονται τα προγράμματα σπουδών των ΝΠΠΕ.
Η διάκριση είναι θεμελιώδης: ένας φάκελος μπορεί να περιγράφει, αλλά η διοίκηση πρέπει να μπορεί να αξιολογήσει με συγκεκριμένα κριτήρια. Η AI δεν δημιουργεί το θεσμικό κενό· απλώς το εκμεταλλεύεται.
Γι’ αυτό η αντιμετώπιση της υπόθεσης ως απλού «τεχνικού ζητήματος» εγγράφων είναι ανεπαρκής. Αν το πρόβλημα ήταν ελλείψεις σε «χαρτιά», μια νέα υποβολή μερικών εγγράφων θα μπορούσε να τις θεραπεύσει. Αν όμως, όπως έκρινε το ΣτΕ, το πρόβλημα βρίσκεται στο ίδιο το κανονιστικό πλαίσιο, περισσότερες σελίδες δεν διορθώνουν την αδυναμία.
Ανθρωποκεντρική μεταρρύθμιση της ΕΘΑΑΕ
Συγκεκριμένα, στις τρεις από τις έξι ακυρωτικές αποφάσεις του, το ΣτΕ επισημαίνει ότι «τα στοιχεία, που περιέχονται στο Παράρτημα της 41836/17.12.2024 απόφασης της ΕΘΑΑΕ, με βάση τα οποία έλαβε χώρα η πιστοποίηση των προγραμμάτων σπουδών, δεν συνιστούν συγκεκριμένα ποσοτικά και ποιοτικά κριτήρια, προς τα οποία οφείλουν να συμμορφώνονται τα προγράμματα σπουδών των ΝΠΠΕ».
Αυτό σημαίνει, ή μάλλον υπονοεί, ότι αυτή τη φορά οι επιστημονικοί συνεργάτες της ΕΘΑΑΕ ενδείκνυται να μη χρησιμοποιήσουν υπέρ το δέον είτε εφαρμογές Τεχνητής Νοημοσύνης, είτε συναφή «ετοιματζίδικα» κείμενα της ΕΕ—όπως των European Stadards and Guidelines for Quality Assurance in the European Higher Education Area (ESG)—ώστε να αποφύγουν το ναρκοπέδιο της «δημιουργικής ασάφειας», των γενικολογιών ή και των ανώδυνων αερολογιών, αμφοτέρων.
Δηλαδή αυτή τη φορά οι της ΕΘΑΑΕ πρέπει να επενδύσουν σημαντικό χρόνο και φαιά ουσία, ώστε να συντάξουν πρωτογενή κείμενα, που θα ανταποκρίνονται πλήρως στις απαιτήσεις των εξουσιοδοτικών διατάξεων του ν. 5094/2024. Αν μη τι άλλο, πληρώνονται αδρά ακριβώς για να κάνουν αυτή τη δουλειά (και όχι copy-paste): έναν βασικό μηνιαίο μισθό τη… μέρα (830 €), ως «έξοδα παραστάσεως», ήτοι μέχρι 17.000 € το μήνα.
Επίσης ενδείκνυται η ΕΘΑΑΕ αυτή τη φορά να προμηθευτεί κατάλληλο λογισμικό που θα ελέγχει εάν και κατά πόσον οι φάκελοι των ΝΠΠΕ έχουν συνταχθεί από εφαρμογή Τεχνητής Νοημοσύνης—όπως κάνουν τα κορυφαία ακαδημαϊκά journals για να ελέγχουν τη συγγραφική αυθεντικότητα και την ακαδημαϊκή ακεραιότητα των σε αυτά υποβαλλομένων επιστημονικών άρθρων προς δημοσίευση.
Το διεθνές μάθημα
Η υπόθεση αφορά τελικά όχι μόνο την Ελλάδα αλλά όλα τα συστήματα πιστοποίησης στην εποχή της Generative AI. Η ποσότητα, η δομή και η γλωσσική ποιότητα της τεκμηρίωσης δεν αρκούν. Οι αρχές πρέπει να ελέγχουν την πραγματικότητα πίσω από το κείμενο. Διότι η Τεχνητή Νοημοσύνη μπορεί να γράψει έναν άριστο φάκελο. Δεν μπορεί όμως, μόνο με λέξεις, να δημιουργήσει ένα έγκριτο πανεπιστήμιο.
Πτυχιούχος του Columbia University στην Επιστήμη των Ηλεκτρονικών Υπολογιστών (Computer Science).
