Τεχνητή Νοημοσύνη στις ελληνικές ΜμΕ: 1 στις 2 επιχειρήσεις επενδύει – Πειραματισμός σε κλίμακα, ωριμότητα σε έλλειμμα
Η τεχνητή νοημοσύνη κερδίζει έδαφος στην ελληνική επιχειρηματικότητα, όμως η μετάβαση από τον πειραματισμό στον ουσιαστικό μετασχηματισμό αποδεικνύεται σύνθετη. Σχεδόν το 45% των επιχειρήσεων έχει ήδη υιοθετήσει ή δοκιμάσει λύσεις ΑΙ, ωστόσο μόλις το 9% διαθέτει οργανωμένη δομή διακυβέρνησης και θεσμοθετημένο ρόλο για τον ψηφιακό μετασχηματισμό.
Η εικόνα αποτυπώνει μια μεταβατική φάση, όπου η τεχνολογία βρίσκεται «μέσα» στις επιχειρήσεις, αλλά όχι ακόμη στον πυρήνα της στρατηγικής τους. Το ενδιαφέρον είναι υπαρκτό και αυξανόμενο, όμως η επιχειρησιακή ωριμότητα παραμένει περιορισμένη.
Το μεγαλύτερο εμπόδιο δεν είναι η τεχνολογία, αλλά οι δεξιότητες
Το 50% των επιχειρήσεων αναγνωρίζει ως βασικό εμπόδιο την έλλειψη γνώσεων και εμπειρίας στην τεχνητή νοημοσύνη, ενώ το 28% δηλώνει ότι δεν διαθέτει εξειδικευμένο προσωπικό. Μόλις το 21% έχει συμμετάσχει σε οργανωμένες εκπαιδευτικές δράσεις σχετικές με την ΤΝ.
Το κενό δεξιοτήτων δεν επηρεάζει μόνο την τεχνική υλοποίηση, αλλά και τη λήψη αποφάσεων. Χωρίς σαφή κατανόηση του κόστους, των κινδύνων, των νομικών υποχρεώσεων και των δεικτών απόδοσης, πολλές επιχειρήσεις περιορίζονται σε εργαλεία χαμηλής πολυπλοκότητας και άμεσης χρήσης.
Επιπλέον, η πληροφόρηση παραμένει αποσπασματική. Η πλειονότητα ενημερώνεται κυρίως από τα μέσα ενημέρωσης και το διαδίκτυο, ενώ η συστηματική συμβουλευτική ή η εκπαίδευση από εξειδικευμένους φορείς είναι σαφώς λιγότερο διαδεδομένη.
Η ΤΝ μένει στο μάρκετινγκ, δεν περνά στον επιχειρησιακό πυρήνα
Η υιοθέτηση της τεχνητής νοημοσύνης συγκεντρώνεται κυρίως σε δραστηριότητες που σχετίζονται με τον πελάτη. Εφαρμογές στο μάρκετινγκ, στην ανάλυση δεδομένων και στην εξυπηρέτηση πελατών εμφανίζουν τα υψηλότερα ποσοστά χρήσης, όπως και εργαλεία παραγωγικής ΤΝ, ψηφιακοί βοηθοί και chatbots.
Αντίθετα, η αξιοποίηση σε πιο κρίσιμες λειτουργίες, όπως η παραγωγή, η οικονομική διαχείριση και το ανθρώπινο δυναμικό, παραμένει περιορισμένη. Εκεί απαιτείται βαθύτερος ανασχεδιασμός διαδικασιών, καλύτερη ποιότητα δεδομένων και ισχυρότερη οργανωτική υποστήριξη.
Η εικόνα αυτή καταδεικνύει ότι η τεχνητή νοημοσύνη έχει ενσωματωθεί κυρίως ως εργαλείο βελτιστοποίησης και όχι ως μοχλός δομικού μετασχηματισμού.
Χρηματοδότηση και κλίμακα: Το διαρθρωτικό βάρος των ΜμΕ
Το 71% των επιχειρήσεων που συμμετείχαν στην έρευνα έχει κύκλο εργασιών κάτω του 1 εκατ. ευρώ. Το μέγεθος αυτό καθιστά κάθε τεχνολογική επένδυση πιο προσεκτικά σταθμισμένη. Το 26% αναφέρει το κόστος ως βασικό εμπόδιο, ενώ μόλις ένα μικρό ποσοστό θεωρεί ότι τα υφιστάμενα χρηματοδοτικά εργαλεία αποτελούν επαρκές κίνητρο.
Παράλληλα, πάνω από το ένα τρίτο δηλώνει ότι στοχευμένες επιδοτήσεις ή ειδικά χρηματοδοτικά σχήματα θα μπορούσαν να επιταχύνουν σημαντικά την υιοθέτηση της ΤΝ.
Εμπιστοσύνη και ανθρώπινη εποπτεία
Παρότι το 58% των επιχειρήσεων θεωρεί την τεχνητή νοημοσύνη εργαλείο ενίσχυσης της εργασίας και μόλις ένα μικρό ποσοστό την αντιλαμβάνεται ως απειλή, η εμπιστοσύνη δεν είναι δεδομένη. Σημαντικό μέρος των ερωτηθέντων εκφράζει επιφυλάξεις ως προς την ικανότητα της ΤΝ να αντικαταστήσει την ανθρώπινη κρίση ή να λειτουργήσει πλήρως αυτόνομα.
Η ανάγκη για «human-in-the-loop» προσέγγιση αναδεικνύεται ως κρίσιμη προϋπόθεση για την αποδοχή και τη βιώσιμη ενσωμάτωση της τεχνολογίας, ιδίως σε ευαίσθητες λειτουργίες που αφορούν δεδομένα, πνευματικά δικαιώματα και εταιρική φήμη.
Το «χάσμα υλοποίησης» και το εθνικό Playbook
Παρά τα εμπόδια, η διάθεση για περαιτέρω αξιοποίηση είναι εμφανής. Σχεδόν οι μισές επιχειρήσεις δηλώνουν ότι σκοπεύουν να επεκτείνουν τη χρήση της ΤΝ τον επόμενο χρόνο, ενώ τα πρώτα αποτελέσματα αξιολογούνται θετικά από την πλειονότητα.
Ωστόσο, χωρίς οργανωτική δομή, σαφείς ρόλους, δείκτες απόδοσης και ανασχεδιασμό διαδικασιών, οι επιμέρους επιτυχίες δεν μετατρέπονται σε συστηματική επιχειρησιακή αξία. Έτσι διαμορφώνεται το «χάσμα υλοποίησης»: η τεχνολογία υπάρχει, η πρόθεση υπάρχει, αλλά η κλίμακα και η σταθερότητα απουσιάζουν.
Η πρόταση για ένα εθνικό AI Playbook για τις μικρομεσαίες επιχειρήσεις επιχειρεί να καλύψει ακριβώς αυτό το κενό, προσφέροντας πρακτικό οδηγό μετάβασης από τον πειραματισμό στον μετασχηματισμό, με έμφαση σε υποδομές δεδομένων, ανάπτυξη δεξιοτήτων, οργανωτική αναβάθμιση και πλαίσιο υπεύθυνης χρήσης.
Το στρατηγικό διακύβευμα
Σε μια οικονομία όπου η πλειονότητα των επιχειρήσεων είναι μικρού μεγέθους και η παραγωγικότητα παραμένει διαχρονικό ζητούμενο, η τεχνητή νοημοσύνη μπορεί να λειτουργήσει ως επιταχυντής. Όχι όμως αυτόματα.
Η μετάβαση απαιτεί επένδυση σε ανθρώπινο κεφάλαιο, θεσμική υποστήριξη και κουλτούρα αλλαγής. Η Ελλάδα δεν στερείται ενδιαφέροντος ούτε διάθεσης. Το στοίχημα είναι αν θα καταφέρει να μετατρέψει τον ενθουσιασμό για την ΤΝ σε διατηρήσιμη ανταγωνιστικότητα.
Διαβάστε επίσης; Τεχνητή Νοημοσύνη και παραγωγικότητα: Νέο καθεστώς 150 εκατ. ευρώ για ΜμΕ από το Υπ. Ανάπτυξης
Μ.Η.Τ. 242183