Η τεχνητή νοημοσύνη έχει περάσει μέσα σε λίγα χρόνια από τα ερευνητικά εργαστήρια στην καθημερινή λειτουργία των επιχειρήσεων. Εταιρείες σε όλο τον κόσμο χρησιμοποιούν πλέον εργαλεία AI για την εξυπηρέτηση πελατών, την ανάλυση δεδομένων, το μάρκετινγκ, τον προγραμματισμό και την αυτοματοποίηση εργασιών.
Το βασικό ερώτημα, όμως, έχει αλλάξει. Δεν είναι πλέον μόνο εάν οι επιχειρήσεις θα χρησιμοποιήσουν την τεχνολογία, αλλά εάν μπορούν να μετατρέψουν τη χρήση της σε μετρήσιμα οικονομικά αποτελέσματα.
Πρόσφατες διεθνείς έρευνες στελεχών δείχνουν ότι η χρήση της AI διευρύνεται, χωρίς όμως οι οικονομικές αποδόσεις να εμφανίζονται με την ίδια ένταση σε όλες τις επιχειρήσεις. Πρόκειται για απαντήσεις και εκτιμήσεις των συμμετεχόντων και όχι για ανεξάρτητο έλεγχο των οικονομικών καταστάσεων των εταιρειών. Παρ’ όλα αυτά, τα ευρήματα αποτυπώνουν ένα σαφές χάσμα μεταξύ των οργανισμών που παραμένουν σε πιλοτικές εφαρμογές και εκείνων που έχουν εντάξει την AI ουσιαστικά στη λειτουργία τους.
Η χρήση επεκτείνεται, όχι όμως και οι αποδόσεις με τον ίδιο ρυθμό
Στην παγκόσμια έρευνα της McKinsey για το 2026, το ποσοστό των ερωτηθέντων που δήλωσε ότι ο οργανισμός του χρησιμοποιεί AI σε τρεις ή περισσότερες επιχειρηματικές λειτουργίες αυξήθηκε από 51% σε 56%.
Η τεχνολογία, επομένως, δεν περιορίζεται αναγκαστικά σε ένα chatbot ή σε ένα πειραματικό πρόγραμμα ενός τμήματος. Σε αρκετούς οργανισμούς χρησιμοποιείται σε περισσότερα σημεία της λειτουργίας τους.
Η ευρύτερη χρήση, ωστόσο, δεν ισοδυναμεί αυτομάτως με αντίστοιχη αύξηση των συνολικών κερδών. Η McKinsey αναφέρει ότι ακόμη και ερωτηθέντες οι οποίοι δεν διαπιστώνουν επίδραση της AI στα συνολικά κέρδη προ τόκων και φόρων του οργανισμού τους καταγράφουν οικονομική επίδραση σε επιμέρους λειτουργίες. Μειώσεις δαπανών αναφέρονται συχνότερα στη διαχείριση της εφοδιαστικής αλυσίδας, στις λειτουργίες παροχής υπηρεσιών και στη μεταποίηση.
Ένα εργαλείο μπορεί, δηλαδή, να μειώνει τον χρόνο ή τις απαιτούμενες δαπάνες σε μια συγκεκριμένη διαδικασία, χωρίς το όφελος να είναι ακόμη αρκετά μεγάλο ώστε να αλλάξει αισθητά τη συνολική κερδοφορία της επιχείρησης.
Οι περισσότεροι CEOs δεν βλέπουν ακόμη σημαντικό οικονομικό όφελος
Παρόμοια εικόνα παρουσιάζει η 29η Παγκόσμια Έρευνα Διευθυνόντων Συμβούλων της PwC, η οποία βασίστηκε σε απαντήσεις 4.454 CEOs από 95 χώρες και περιοχές.
Σύμφωνα με την έρευνα, το 12% των CEOs δήλωσε ότι η AI απέφερε στον οργανισμό του οφέλη τόσο στα έσοδα όσο και στις δαπάνες κατά τους προηγούμενους 12 μήνες. Συνολικά, το 33% ανέφερε όφελος σε τουλάχιστον έναν από τους δύο τομείς, ενώ το 56% δήλωσε ότι δεν είχε διαπιστώσει σημαντικό οικονομικό όφελος μέχρι τότε.
Τα ποσοστά αποτελούν τις εκτιμήσεις των CEOs που συμμετείχαν και δεν αποδεικνύουν από μόνα τους ότι η AI προκάλεσε τις μεταβολές. Δείχνουν, όμως, ότι η ευρεία συζήτηση γύρω από την τεχνολογία δεν έχει ακόμη μεταφραστεί σε σημαντική οικονομική απόδοση για την πλειονότητα του συγκεκριμένου δείγματος.
Το 20% συγκεντρώνει το μεγαλύτερο μέρος της αναφερόμενης αξίας
Το χάσμα αποτυπώνεται εντονότερα σε ξεχωριστή μελέτη της PwC για την απόδοση της AI. Η μελέτη βασίστηκε σε συνεντεύξεις με 1.217 ανώτερα στελέχη, κυρίως μεγάλων εισηγμένων εταιρειών, από 25 κλάδους.
Σύμφωνα με τη μεθοδολογία και τα αποτελέσματά της, το 20% των οργανισμών του δείγματος συγκεντρώνει το 74% της οικονομικής αξίας από την AI που κατέγραψε η μελέτη.
Το εύρημα δεν αφορά το σύνολο των επιχειρήσεων παγκοσμίως και δεν σημαίνει ότι το υπόλοιπο 80% δεν αποκομίζει κανένα όφελος. Δείχνει ότι, μεταξύ των οργανισμών που εξετάστηκαν, η αναφερόμενη οικονομική αξία είναι ιδιαίτερα συγκεντρωμένη.
Κατά την PwC, οι οργανισμοί που προηγούνται δεν εφαρμόζουν απλώς περισσότερα εργαλεία. Αξιοποιούν την AI για ανάπτυξη και νέες ευκαιρίες εσόδων, ενώ επενδύουν παράλληλα στα δεδομένα, στη διακυβέρνηση και στην εμπιστοσύνη που απαιτούνται για την εφαρμογή της σε μεγαλύτερη κλίμακα.
Η AI έχει και τον δικό της λειτουργικό λογαριασμό
Η τεχνητή νοημοσύνη μπορεί να μειώσει τον χρόνο εκτέλεσης εργασιών, αλλά η εφαρμογή της δεν είναι δωρεάν. Μια επιχείρηση μπορεί να χρειαστεί να πληρώσει για λογισμικό, χρήση μοντέλων, υπολογιστική ισχύ, αποθήκευση και προετοιμασία δεδομένων, ενσωμάτωση στα υφιστάμενα συστήματα, κυβερνοασφάλεια και εκπαίδευση προσωπικού.
Απαιτούνται επίσης διαδικασίες ελέγχου, ιδιαίτερα όταν τα συστήματα χρησιμοποιούν προσωπικά ή εμπιστευτικά δεδομένα, επηρεάζουν πελάτες ή μπορούν να πραγματοποιήσουν ενέργειες χωρίς συνεχή ανθρώπινη παρέμβαση.
Στην έρευνα της McKinsey, περίπου ένας στους πέντε ερωτηθέντες ανέφερε ότι οι λειτουργικές δαπάνες —περιλαμβανομένων των χρεώσεων που συνδέονται με τη χρήση των μοντέλων— περιόρισαν την αξιοποίηση της AI στον οργανισμό του.
Το ζήτημα αποκτά μεγαλύτερη σημασία με την ανάπτυξη των λεγόμενων «πρακτόρων AI», δηλαδή συστημάτων που μπορούν να εκτελούν πολλαπλά βήματα στο πλαίσιο μιας εργασίας με μεγαλύτερο βαθμό αυτονομίας. Όσο περισσότερες ενέργειες μπορεί να πραγματοποιήσει ένα σύστημα, τόσο σημαντικότερες γίνονται οι δικλίδες ασφαλείας, τα όρια πρόσβασης και η ανθρώπινη εποπτεία.
Τι δείχνουν τα στοιχεία για τις θέσεις εργασίας
Οι μέχρι σήμερα απαντήσεις των επιχειρήσεων δεν επιβεβαιώνουν τις πιο απόλυτες προβλέψεις για άμεση και γενικευμένη αντικατάσταση εργαζομένων.
Στην έρευνα της McKinsey, το 14% των ερωτηθέντων από οργανισμούς που χρησιμοποιούν AI δήλωσε ότι η τεχνολογία συνέβαλε σε μείωση του συνολικού αριθμού εργαζομένων κατά το προηγούμενο έτος. Στην έρευνα του 2025, το 32% ανέμενε ότι η AI θα οδηγούσε σε μείωση του προσωπικού του οργανισμού του μέσα στον επόμενο χρόνο. Η McKinsey σημειώνει ότι η πραγματική μείωση που αναφέρθηκε το 2026 ήταν επομένως χαμηλότερη από την προηγούμενη προσδοκία.
Παράλληλα, περίπου τα δύο τρίτα των ερωτηθέντων ανέφεραν μικρή ή καμία μεταβολή στο συνολικό προσωπικό του οργανισμού τους εξαιτίας της AI κατά το προηγούμενο έτος.
Αυτό δεν σημαίνει ότι δεν αλλάζουν συγκεκριμένα επαγγέλματα, καθήκοντα ή ανάγκες σε δεξιότητες. Τα στοιχεία αφορούν το συνολικό μέγεθος του προσωπικού στους οργανισμούς του δείγματος και όχι την επίδραση σε κάθε επάγγελμα ή χώρα. Δείχνουν, ωστόσο, ότι η μέχρι τώρα εικόνα είναι πιο σύνθετη από μια γενικευμένη αντικατάσταση ανθρώπων από μηχανές.
Από το πιλοτικό πρόγραμμα στο επιχειρηματικό αποτέλεσμα
Η σημαντικότερη πρόκληση φαίνεται να είναι η μετάβαση από τη δοκιμή στην εφαρμογή μεγάλης κλίμακας. Ένα εργαλείο μπορεί να λειτουργεί καλά σε μια επίδειξη, χωρίς να είναι αρκετά αξιόπιστο, ασφαλές ή οικονομικά βιώσιμο για καθημερινή χρήση σε ολόκληρο τον οργανισμό.
Η ουσιαστική αξιολόγηση δεν μπορεί να βασίζεται στον αριθμό των εργαλείων που χρησιμοποιούνται. Χρειάζεται να εξετάζεται εάν μειώθηκε ο χρόνος ολοκλήρωσης μιας εργασίας, περιορίστηκαν τα λάθη, βελτιώθηκε η εξυπηρέτηση, αυξήθηκαν τα έσοδα ή δημιουργήθηκε ένα νέο προϊόν ή υπηρεσία.
Χωρίς συγκεκριμένο πρόβλημα, κατάλληλα δεδομένα, σαφείς δείκτες απόδοσης και ανθρώπινη ευθύνη, ακόμη και ένα προηγμένο σύστημα κινδυνεύει να παραμείνει ένα ακριβό πείραμα.
MoneyMatters Insight
Οι διεθνείς έρευνες δεν δείχνουν ότι η τεχνητή νοημοσύνη στερείται οικονομικής αξίας. Δείχνουν, όμως, ότι η αξία αυτή δεν προκύπτει αυτόματα και δεν κατανέμεται ομοιόμορφα.
Οι επιχειρήσεις που φαίνεται να αποδίδουν καλύτερα δεν είναι απλώς εκείνες που υιοθετούν περισσότερα εργαλεία, αλλά εκείνες που συνδέουν την AI με συγκεκριμένους επιχειρηματικούς στόχους και διαθέτουν τις κατάλληλες υποδομές, δεδομένα και ελέγχους.
Η επόμενη φάση της τεχνητής νοημοσύνης θα κριθεί λιγότερο από τις εντυπωσιακές παρουσιάσεις και περισσότερο από τα μετρήσιμα αποτελέσματα. Καθώς ο αρχικός ενθουσιασμός υποχωρεί, διοικήσεις και επενδυτές θα ζητούν απάντηση σε μια απλή ερώτηση: τι άλλαξε πραγματικά για την επιχείρηση;
The post Η τεχνητή νοημοσύνη πέρασε από τον ενθουσιασμό στον λογαριασμό: Αποδίδουν τελικά οι επενδύσεις των επιχειρήσεων; appeared first on moneymatters.cy.
