Σε κάθε περίπτωση, η συζήτηση γύρω από την Τεχνητή Νοημοσύνη έχει πλέον ξεπεράσει το στάδιο της τεχνολογικής «μόδας» και μετατρέπεται σε κρίσιμο ζήτημα παραγωγικότητας, ανταγωνιστικότητας και οικονομικής ανάπτυξης. Ο ανταγωνισμός σε διεθνές επίπεδο είναι τόσο μεγάλος που τα αποτελέσματα του θα αλλάξουν τον τρόπο που ζούμε, δουλεύουμε και επικοινωνούμε, όπως υποστηρίζουν οι αναλυτές.
Σε τελευταία χρήσιμα στοιχεία που παρουσιάστηκαν στο πλαίσδιο εκδήλωσης του ΣΕΒ με τίτλο «AI First Enterprise: Επιχειρησιακός Μετασχηματισμός με Τεχνητή Νοημοσύνη», η Ελλάδα φαίνεται πως βρίσκεται μπροστά σε ένα παράθυρο ευκαιρίας, αλλά και σε έναν υπαρκτό κίνδυνο καθυστέρησης.
Σύμφωνα με τις εκτιμήσεις που παρουσιάστηκαν, η Τεχνητή Νοημοσύνη μπορεί να ενισχύσει την ετήσια εθνική παραγωγικότητα κατά 1% έως 1,5%, ενώ η ευρεία υιοθέτηση της Παραγωγικής ΤΝ θα μπορούσε να αυξήσει το ελληνικό ΑΕΠ κατά 6% έως 8% μέσα στην επόμενη δεκαετία.
Πρόκειται για ποσοστά που, σε μια οικονομία όπως η ελληνική, μεταφράζονται σε δισεκατομμύρια ευρώ πρόσθετης οικονομικής δραστηριότητας, νέες επενδύσεις και ισχυρότερη εξωστρέφεια.
Το πιο ανησυχητικό στοιχείο, ωστόσο, είναι ότι σήμερα μόλις το 9% των ελληνικών επιχειρήσεων αξιοποιεί εφαρμογές ΤΝ. Η εικόνα αυτή δείχνει ότι η εγχώρια αγορά εξακολουθεί να κινείται με αργούς ρυθμούς, τη στιγμή που διεθνώς οι μεγάλες επιχειρήσεις επενδύουν επιθετικά σε αυτοματοποίηση, data analytics και generative AI. Δεν είναι τυχαία η επισήμανση ότι κάθε χρόνος αδράνειας κοστίζει περίπου 0,5% δυνητικής ανάπτυξης για την οικονομία.
Η πραγματική πρόκληση, πάντως, δεν είναι απλώς η αγορά νέων εργαλείων ή λογισμικών. Όπως αναδείχθηκε στην εκδήλωση, η Τεχνητή Νοημοσύνης απαιτεί συνολικό επιχειρησιακό μετασχηματισμό: αλλαγή κουλτούρας, επανασχεδιασμό διαδικασιών, επένδυση σε δεδομένα και ανάπτυξη νέων δεξιοτήτων. Αυτό εξηγεί γιατί πολλές επιχειρήσεις διεθνώς δυσκολεύονται να μετατρέψουν πιλοτικά projects σε ουσιαστική επιχειρηματική αξία.
Ιδιαίτερο ενδιαφέρον παρουσιάζουν και τα στοιχεία της Accenture, σύμφωνα με τα οποία οι επιχειρήσεις που πρωτοπορούν στην υιοθέτηση της ΤΝ εμφανίζουν 2,5 φορές υψηλότερη αύξηση εσόδων, 2,4 φορές μεγαλύτερη παραγωγικότητα και έως 7 φορές ταχύτερη ανάπτυξη επιχειρησιακής αξίας. Τα δεδομένα αυτά επιβεβαιώνουν ότι η Τεχνητή Νοημοσύνη δεν αποτελεί απλώς εργαλείο μείωσης κόστους, αλλά μοχλό δημιουργίας νέων εσόδων και νέων επιχειρηματικών μοντέλων.
Εξίσου αποκαλυπτικό είναι το γεγονός ότι το 35% των εργαζομένων στην Ελλάδα χρησιμοποιεί ήδη εργαλεία ΤΝ στην εργασία του, κυρίως με προσωπική πρωτοβουλία. Η αγορά, δηλαδή, κινείται ήδη πιο γρήγορα από πολλούς οργανισμούς. Αυτό δημιουργεί μια νέα πραγματικότητα, όπου οι επιχειρήσεις καλούνται να οργανώσουν στρατηγικά μια αλλαγή που ήδη συμβαίνει «από τα κάτω».
«Γιατί κάποιοι αποτυγχάνουν – δεν είναι μια απλή ενσωμάτωση τεχνολογικών εργαλειών»
«Βρισκόμαστε σε ένα κρίσιμο σημείο όπου η Τεχνητή Νοημοσύνη (ΤΝ) περνά από την υπόσχεση στην πράξη. Για τις επιχειρήσεις, το ζητούμενο δεν είναι πλέον «αν» θα αξιοποιήσουν την ΤΝ, αλλά «πώς» θα τη μετατρέψουν σε μετρήσιμη αξία, ήτοι σε υψηλότερη παραγωγικότητα, καλύτερη εμπειρία πελάτη, ισχυρότερη ανθεκτικότητα και νέες πηγές ανάπτυξης.
Ωστόσο, όπως αποτυπώνεται διεθνώς, πολλά εγχειρήματα είτε παραμένουν σε πιλοτικό στάδιο είτε στην πλειοψηφία των περιπτώσεων αποτυγχάνουν. Αυτό συμβαίνει διότι η υιοθέτηση της ΤΝ απαιτεί πολλά περισσότερα από την απλή ενσωμάτωση τεχνολογικών εργαλείων.
Απαιτεί επανασχεδιασμό διαδικασιών, κατάλληλη αρχιτεκτονική και δεδομένα, σαφή διακυβέρνηση και κυρίως έναν οργανισμό έτοιμο να αλλάξει, καθώς δημιουργούνται οι προϋποθέσεις για ριζικό μετασχηματισμό των περισσότερων επιχειρησιακών τομέων. Για το λόγο αυτό, η διαχείριση της αλλαγής αποτελεί τον καθοριστικό παράγοντα μεταξύ επιτυχίας και αποτυχίας.
Ως ΣΕΒ πιστεύουμε ότι η Ελλάδα έχει τη δυνατότητα να αξιοποιήσει την ΤΝ ως επιταχυντή ανταγωνιστικότητας, ενισχύοντας την καινοτομία σε κρίσιμους κλάδους και αναβαθμίζοντας δεξιότητες σε όλο το εύρος της οικονομίας. Η επιτυχία θα κριθεί από τη συνεργασία επιχειρήσεων, φορέων και ανθρώπων, με κοινό στόχο να δημιουργήσουμε λύσεις που είναι ασφαλείς και ωφέλιμες για όλους», τονίζει ο Δρ. Κυριάκος Σαμπατακάκης Πρόεδρος & Διευθύνων Σύμβουλος, Accenture Συμπροεδρεύων Επιτροπής Τεχνολογίας & Ψηφιακού Μετασχηματισμού.
Η γνώμη των ειδικών – προβλήματα, λάθη και εμπειρίες
Εμπειρογνώμονες από εταιρείες-μέλη του ΣΕΒ που έχουν ξεκινήσει ολιστικά προγράμματα μετασχηματισμού με ΤΝ, μοιράστηκαν τα βήματα που ακολούθησαν, τα προβλήματα που αντιμετώπισαν, τα λάθη που έκαναν και τα μαθήματα που πήραν.
Ο Group COO της Εθνικής Τράπεζας της Ελλάδος, κ. Χρήστος Μολυβιάτης, ανέφερε ότι η εφαρμογή της ΤΝ σε υφιστάμενες διαδικασίες προϋποθέτει τον θεμελιώδη επανασχεδιασμό τους, υπογραμμίζοντας συγχρόνως τη σημασία της προσέγγισης του ανθρώπινου παράγοντα: «Η υιοθέτηση της ΤΝ απαιτεί πρόγραμμα διαχείρισης της αλλαγής και εσωτερική επικοινωνία. Μια από τις μεγαλύτερες προκλήσεις αποδείχθηκε η διασφάλιση της ομαλής συνεργασίας με το ανθρώπινο δυναμικό. Η διοίκηση επικοινώνησε στον οργανισμό ότι η ΤΝ ήρθε για να μείνει και να μετασχηματίσει τον τρόπο εργασίας. Επομένως, όλοι πρέπει να γίνουν κοινωνοί της αλλαγής και να προσαρμοστούν στα νέα εργασιακά τους αντικείμενα».
Ο κ. Νίκος Μωραϊτάκης, co-founder & CEO της Workable, υπογράμμισε ότι η υιοθέτηση της ΤΝ πρέπει να ξεκινήσει από την ηγεσία. «Η ίδια η διοίκηση οφείλει, μέσα από προσωπικό πειραματισμό, να κατανοήσει τη χρήση των νέων εργαλείων και να οραματιστεί πώς μπορούν να αλλάξουν τον τρόπο λειτουργίας της επιχείρησης. Να «χτίσει» ένα momentum και να ηγηθεί της προσπάθειας, μέσα από μια αρχικά ολιγομελή ομάδα managers. Βεβαίως, στην πορεία μετασχηματισμού είναι δεδομένο ότι θα «σπάσουν και κάποια αυγά», κάτι απαραίτητο προκειμένου να αρχίσει να αλλάζει ο τρόπος δουλειάς και οι συνήθειες χρόνων».
Τέλος, ο κ. Ανδρέας Τζεραβίνης, Head of Cloud & Mobile Applications της Motor Oil, υπογράμμισε ότι «Η AI First επιχείρηση δεν υιοθετεί την ΤΝ αδιακρίτως. Επανασχεδιάζει τις διαδικασίες της από μηδενική βάση, αξιοποιεί AI agents για αυτοματοποίηση, ανάλυση και υποστήριξη αποφάσεων, διατηρεί το ρόλο του ανθρώπου στα κρίσιμα σημεία και παρακολουθεί συστηματικά την απόδοση όλων των δράσεων με KPIs, και όλα αυτά, πάντα εντός πλαισίου κανονιστικής συμμόρφωσης». Περιγράφοντας το ψηφιακό ταξίδι της Motor Oil, πρόσθεσε: «Οι επιχειρήσεις δεν πρέπει να αντιμετωπίζουν την ΤΝ ως ένα απομονωμένο πείραμα, αλλά να επενδύουν συστηματικά σε πλατφόρμες, δεδομένα, αυτοματισμούς και δεξιότητες. Κρίσιμο βήμα είναι η δημιουργία μιας μικρής ομάδας AI ambassadors, οι οποίοι θα λειτουργήσουν ως φορείς αλλαγής εντός του οργανισμού».
Τι αναφέρει ο πρακτικός οδηγός επιχειρησιακού μετασχηματισμού με Τεχνητή Νοημοσύνη του ΣΕΒ
Σύμφωνα με τον Οδηγό του ΣΕΒ, η Τεχνητή Νοημοσύνη έχει αναδειχθεί σε κορυφαία προτεραιότητα για τις επιχειρήσεις παγκοσμίως. Σχεδόν όλοι οι οργανισμοί πειραματίζονται με εφαρμογές ΤΝ, ενώ σύμφωνα με τη Gartner οι παγκόσμιες επενδύσεις σε ΤΝ αναμένεται να διαμορφωθούν στα 2-2,5 τρισεκατομμύρια δολάρια το 2026.
Όμως πίσω από αυτούς τους εντυπωσιακούς αριθμούς κρύβεται μια διαφορετική πραγματικότητα: η συντριπτική πλειοψηφία των επιχειρήσεων αδυνατεί να μετατρέψει τα πιλοτικά προγράμματα ΤΝ σε πραγματική επιχειρηματική αξία σε κλίμακα.
Πιο αναλυτικά, τα στοιχεία δείχνουν πως:
- 95% των πιλοτικών έργων παραγωγικής ΤΝ δεν καταφέρνουν να αποδείξουν μετρήσιμο οικονομικό αποτέλεσμα (ROI / P&L)
- 13% των στελεχών δηλώνει ότι οι πρωτοβουλίες ΤΝ έχουν δημιουργήσει μετρήσιμη επιχειρηματική αξία σε επίπεδο οργανισμού (Accenture, 2025)
- 2/3 των οργανισμών παραμένουν εγκλωβισμένοι στο pilot mode, ανίκανοι να κλιμακώσουν τα αποτελέσματα McKinsey, 2025
