Συστηματική υποβοήθηση νεοφυών επιχειρήσεων με χρήση τεχνικών τεχνητής νοημοσύνης: θεωρητική τεκμηρίωση, εργαλεία και εφαρμογές

Abstract

This dissertation examines the use of Artificial Intelligence to support and assess early-stage start-ups through systematic methodologies. Early-stage ventures operate under high uncertainty, limited financial and human resources, and unequal access to specialised mentoring and assessment capabilities. Traditional support mechanisms, such as consultancy services, incubators and accelerator programmes, provide valuable knowledge and guidance; however, they are constrained by cost, availability and scalability. At the same time, the increasing use of Generative Artificial Intelligence (GenAI) and Large Language Models (LLMs) has created new potential for providing entrepreneurial support on demand. Nevertheless, GenAI does not automatically address the underlying problem. When used as mentors or autonomous evaluators, general-purpose models remain prone to hallucinations, rely on static training data, demonstrate sycophancy towards user assumptions, exhibit unstable scoring and often fail to adapt to the development stage and business context of the start-up being assessed. The objective of this dissertation is to design, develop and empirically evaluate an integrated computational artefact, Evaluator.GR, which provides systematic support to a start-up from initial idea formulation and validation to funding preparation and investor readiness. Artificial Intelligence is viewed not as a wholesale replacement for human mentors, evaluators or investors, but as a supportive infrastructure that can automate or support selected tasks while augmenting human judgement, with emphasis on evidence-based decision-making, explainability and responsible use. Design Science Research (DSR) was selected as the primary methodological framework. The study was structured around three interrelated cycles: Relevance, Design and Rigor. During the Relevance Cycle, a Systematic Rapid Evidence Assessment was conducted to examine how Generative AI is applied in start-up mentoring and evaluation and to identify recurring limitations. The research gaps identified at this stage were translated into functional and architectural requirements for Evaluator.GR during the Design Cycle. During the Rigor Cycle, the artefact was evaluated through a comparative study against Gemini 3 and ChatGPT 5.2 and through a pilot implementation involving Pre-seed and Seed-stage start-ups. The developmental process resulted in Evaluator.GR, a modular platform supporting start-up evaluation, strategic analysis and the production of entrepreneurial deliverables. Its architecture combines a system-level Mixture of Experts, a Triple Reviewer configuration and a Meta-Judge mechanism. It also uses stage-adaptive evaluation rubrics, Retrieval-Augmented Generation and web-search augmentation. Human oversight is incorporated through a triple-layer Human-in-the-Loop framework. These features were developed to reduce reliance on a single general-purpose language model, improve the grounding and traceability of generated outputs and maintain human accountability for critical decisions. The artefact was also developed according to compliance-by-design principles and informed by relevant requirements and risk-management practices derived from the EU AI Act and the NIST AI Risk Management Framework. The study drew on three complementary sources of evidence. The Systematic Rapid Evidence Assessment included 34 final records published between 2022 and 2025. The comparative study involved 139 evaluators, with 52 participants in the Greek-language group and 87 in the English-language group, who assessed Evaluator.GR, Gemini 3 and ChatGPT 5.2 across 14 dimensions. In addition, a 30-day pilot study was conducted with ten Pre-seed and Seed-stage start-ups. Evaluator.GR received an overall mean rating of 4.51 out of 5, compared with 3.64 for Gemini 3 and 2.37 for ChatGPT 5.2. Within the specific sample and evaluation framework, these findings suggest that Evaluator.GR achieved higher perceived quality, evidence grounding, business utility and reliability than the two general-purpose models. Qualitative findings from the pilot further indicated that the system could identify material business or technical weaknesses across the examined use cases and provide context-sensitive recommendations. They also identified cases in which human intervention, reconsideration or recalibration of the generated results remained necessary.The dissertation makes theoretical, methodological, technical and practical contributions. It connects research on GenAI-assisted start-up mentoring, LLM-as-a-Judge systems and Responsible AI through the Mentor–Evaluator Stack; integrates evidence synthesis, artefact development and empirical evaluation within Design Science Research; and presents a multi-agent, stage-adaptive and knowledge-augmented architecture for supporting human judgement in start-up evaluation. The findings, however, concern perceived quality, usefulness and reliability within the examined setting. They do not establish a causal relationship between the use of Evaluator.GR and subsequent funding, survival or long-term growth. Additional limitations include the short duration and limited scale of the pilot, reliance on specific model releases, rubric versions and available datasets, and the additional operational and cognitive burden introduced by structured human oversight.

Η παρούσα διδακτορική διατριβή εξετάζει το πρόβλημα της συστηματικής υποβοήθησης και αξιολόγησης νεοφυών επιχειρήσεων (startups) με τη χρήση τεχνικών Τεχνητής Νοημοσύνης. Οι νεοφυείς επιχειρήσεις πρώιμου σταδίου (early stage startups) λειτουργούν υπό συνθήκες αυξημένης αβεβαιότητας, περιορισμένων οικονομικών και ανθρώπινων πόρων και άνισης πρόσβασης σε εξειδικευμένη καθοδήγηση. Οι παραδοσιακοί μηχανισμοί υποστήριξης, όπως οι σύμβουλοι, οι θερμοκοιτίδες και οι επιταχυντές, παρέχουν σημαντική εμπειρογνωμοσύνη, αλλά περιορίζονται ως προς το κόστος, τη διαθεσιμότητα και τη δυνατότητα κλιμάκωσης. Παράλληλα όμως, η διάδοση της Παραγωγικής Τεχνητής Νοημοσύνης και των Μεγάλων Γλωσσικών Μοντέλων (LLMs) δημιουργεί αναντίλεκτα νέες δυνατότητες για παροχή καθοδήγησης κατά απαίτηση, χωρίς όμως να επιλύει αυτομάτως το πρόβλημα. Η χρήση μοντέλων γενικού σκοπού (LLMs) σε ρόλο συμβούλου ή αυτόνομου αξιολογητή συνοδεύεται, λόγω του τρόπου λειτουργίας τους, από παραισθήσεις (hallucinations), εξάρτηση από στατικά δεδομένα, τάση συγκατάβασης προς τις υποθέσεις του χρήστη (sycophancy), αστάθεια της βαθμολόγησης και περιορισμένη προσαρμογή τόσο στο στάδιο ανάπτυξης όσο και στο επιχειρηματικό πλαίσιο κάθε startup. Σκοπός της διατριβής είναι ο σχεδιασμός, η υλοποίηση και η εμπειρική αξιολόγηση ενός ολοκληρωμένου υπολογιστικού τεχνουργήματος, του Evaluator.GR, το οποίο υποστηρίζει συστηματικά τη διαδρομή μιας νεοφυούς επιχείρησης από τη διαμόρφωση και την επικύρωση της αρχικής ιδέας έως την προετοιμασία για χρηματοδότηση και την επενδυτική ετοιμότητα. Η έρευνα δεν αντιμετωπίζει την Τεχνητή Νοημοσύνη ως συνολικό υποκατάστατο του ανθρώπινου μέντορα, αξιολογητή ή επενδυτή, αλλά ως υποδομή υποστήριξης της ανθρώπινης κρίσης και αυτοματοποίησης επιμέρους εργασιών, με έμφαση στην αξιοπιστία, στην τεκμηρίωση, στην επεξηγησιμότητα και στην υπεύθυνη χρήση. Ως κύριο μεθοδολογικό πλαίσιο υιοθετήθηκε η Έρευνα Επιστήμης Σχεδιασμού (Design Science Research), μέσω των αλληλοτροφοδοτούμενων Κύκλων Συνάφειας, Σχεδιασμού και Αυστηρότητας. Στον Κύκλο Συνάφειας πραγματοποιήθηκε Συστηματική Ταχεία Αξιολόγηση Τεκμηρίων, η οποία χαρτογράφησε τις εφαρμογές, τις συνθήκες απόδοσης και τους περιορισμούς της Παραγωγικής Τεχνητής Νοημοσύνης (generative AI) στην καθοδήγηση και αξιολόγηση startups. Τα αναγνωρισμένα ερευνητικά κενά μετασχηματίστηκαν, στον Κύκλο Σχεδιασμού, σε λειτουργικές και αρχιτεκτονικές απαιτήσεις του Evaluator.GR. Στον Κύκλο Αυστηρότητας, το τεχνούργημα αξιολογήθηκε μέσω συγκριτικής μελέτης έναντι μοντέλων γενικού σκοπού και μέσω πιλοτικής εφαρμογής σε πραγματικές νεοφυείς επιχειρήσεις.Το υπολογιστικό τεχνούργημα (artifact) που αναπτύχθηκε είναι το Evaluator.GR, μια πολυαρθρωτή πλατφόρμα αξιολόγησης, στρατηγικής υποστήριξης και παραγωγής επιχειρηματικών παραδοτέων. Η αρχιτεκτονική του συνδυάζει Μίξη Ειδικών σε επίπεδο συστήματος (System-Level Mixture of Experts), τριπλό αξιολογητή και επιπροσθέτως μηχανισμό Μετα-Αξιολογητή (Meta-Judge). Παράλληλα όμως, χρησιμοποιεί σταδιο-προσαρμοστικές ρουμπρίκες (rubrics), παραγωγή με ενίσχυση ανάκτησης (Retrieval-Augmented Generation) και αναζήτηση στον Παγκόσμιο Ιστό (world wide web). Η ανθρώπινη εποπτεία ενσωματώνεται λοιπόν σε τρία (3) επίπεδα. Οι μηχανισμοί αυτοί σχεδιάστηκαν ώστε να περιορίζουν την εξάρτηση από έναν μεμονωμένο LLM γενικού σκοπού, να ενισχύουν τη γείωση και την τεκμηρίωση των αποτελεσμάτων και να διατηρούν την τελική ευθύνη στον άνθρωπο. Παράλληλα, η πλατφόρμα αναπτύχθηκε με αρχές Συμμόρφωσης βάσει Σχεδιασμού, σε ευθυγράμμιση με το EU AI Act και το NIST AI Risk Management Framework. Τα δεδομένα αξιολόγησης προήλθαν από τρεις συμπληρωματικές πηγές. Η Συστηματική Ταχεία Αξιολόγηση Τεκμηρίων περιέλαβε τριάντα τέσσερα (34) τελικά τεκμήρια της περιόδου 2022–2025. Η συγκριτική μελέτη πραγματοποιήθηκε με 139 αξιολογητές, 52 στην ελληνόφωνη και 87 στην αγγλόφωνη ομάδα, οι οποίοι αξιολόγησαν το Evaluator.GR, το Gemini 3 και το ChatGPT 5.2 σε δεκατέσσερις (14) διαστάσεις. Επιπλέον, υλοποιήθηκε πιλοτική εφαρμογή διάρκειας 30 ημερών με 10 νεοφυείς επιχειρήσεις στα στάδια Pre-seed και Seed. Στη συγκριτική αξιολόγηση, το Evaluator.GR έλαβε συνολικό μέσο όρο 4,51/5, έναντι 3,64/5 για το Gemini 3 και 2,37/5 για το ChatGPT 5.2. Τα ποιοτικά ευρήματα του πιλοτικού προγράμματος έδειξαν ότι το σύστημα μπορούσε να εντοπίζει ουσιώδεις επιχειρηματικές ή τεχνικές αδυναμίες και να παρέχει προσαρμοσμένες συστάσεις, ανέδειξαν όμως και περιπτώσεις στις οποίες απαιτήθηκαν ανθρώπινη παρέμβαση, επανεξέταση ή βαθμονόμηση των αποτελεσμάτων. Η συνεισφορά της διατριβής είναι θεωρητική, μεθοδολογική, τεχνική και πρακτική. Συνδέει τη βιβλιογραφία για την υποστήριξη startups με GenAI, το LLM-as-a-judge και την Υπεύθυνη Τεχνητή Νοημοσύνη (Responsible AI) με το πλαίσιο Mentor–Evaluator Stack, ενσωματώνει τη βιβλιογραφική σύνθεση, την κατασκευή και την εμπειρική αξιολόγηση στο πλαίσιο της DSR και προτείνει μια πολυπρακτορική, σταδιο-προσαρμοστική και ελεγχόμενη αρχιτεκτονική υποστήριξης της ανθρώπινης κρίσης. Τα αποτελέσματα, ωστόσο, αφορούν την αντιλαμβανόμενη ποιότητα, χρησιμότητα και αξιοπιστία στο συγκεκριμένο πλαίσιο αξιολόγησης. Δεν τεκμηριώνουν αιτιώδη επίδραση στη χρηματοδότηση, στην επιβίωση ή στη μακροχρόνια ανάπτυξη των startups. Πρόσθετοι περιορισμοί είναι η μικρή διάρκεια και κλίμακα του πιλοτικού προγράμματος, η εξάρτηση από συγκεκριμένες εκδόσεις μοντέλων, ρουμπρίκες και διαθέσιμα δεδομένα, καθώς και η λειτουργική επιβάρυνση που εισάγουν οι μηχανισμοί ανθρώπινης εποπτείας.