Ο ρυθμός υιοθέτησης της Τεχνητής Νοημοσύνης αυξάνεται ραγδαία, αλλά η εντατική χρήση που οδηγεί στον μετασχηματισμό και δημιουργεί μακροοικονομικά οφέλη παραμένει σπάνια, υποστηρίζει η ΕΚΤ, τονίζοντας ότι η απλή υιοθέτηση δεν εγγυάται μετρήσιμες βελτιώσεις στην αποδοτικότητα των επιχειρήσεων.
Blog της Ευρωπαϊκής Κεντρικής Τράπεζας που υπογράφουν οι David Chaloupka, Tibor Lalinský and Paloma Lopez-Garcia, διερευνά τι διαφοροποιεί τους χρήστες εντατικής Τεχνητής Νοημοσύνης και τι χρειάζονται οι εταιρείες για να ενσωματώσουν σε βάθος την Τεχνητή Νοημοσύνη στις διαδικασίες παραγωγής τους.
Η έλευση της Τεχνητής Νοημοσύνης έχει χαιρετιστεί ευρέως ως κινητήρια δύναμη για την αύξηση της παραγωγικότητας. Ωστόσο, όπως τονίζουν οι συντάκτες, η απλή υιοθέτηση της Τεχνητής Νοημοσύνης δεν εγγυάται μετρήσιμες βελτιώσεις στην αποδοτικότητα των επιχειρήσεων.
«Αυτό που έχει σημασία είναι για ποιο σκοπό χρησιμοποιούν τη νέα τεχνολογία. Οι επιχειρήσεις που εφαρμόζουν την Τεχνητή Νοημοσύνη σε βασικές διαδικασίες τείνουν να παράγουν μεγαλύτερη αξία από εκείνες που περιορίζουν τη χρήση της σε περιφερειακές ή συνήθεις εργασίες. Η εντατική χρήση, που σημαίνει χρήση που υπερβαίνει τα σπάνια ή μέτρια επίπεδα, ιδίως όταν συνδέεται με την καινοτομία και την επέκταση προϊόντων και υπηρεσιών, είναι πιο πιθανό να ενισχύσει την παραγωγικότητα και να υποστηρίξει την οικονομική ανάπτυξη», τονίζεται.
Η εμβάθυνση απαιτεί χρόνο
Όπως δείχνουν έρευνα της ΕΚΤ σε πάνω από 5.000 εταιρείες σε χώρες της ευρωζώνης και άλλες πρόσφατες μελέτες, η διάδοση της Τεχνητής Νοημοσύνης αυξάνεται ραγδαία. Το τελευταίο τρίμηνο του 2025, περισσότερο από το 70% των εταιρειών ανέφεραν ότι χρησιμοποιούν Τεχνητή Νοημοσύνη, μια τάση που φαίνεται ότι θα συνεχιστεί. Σχεδόν οι μισές από τις εταιρείες που δεν χρησιμοποιούσαν Τεχνητή Νοημοσύνη το 2025 σχεδιάζουν να επενδύσουν σε αυτήν το 2026.
Ταυτόχρονα, οι περισσότερες εταιρείες αναφέρουν ότι χρησιμοποιούν Τεχνητή Νοημοσύνη μόνο σπάνια ή μέτρια, με μόνο το 7% των εταιρειών της ζώνης του ευρώ να αναφέρουν εντατική χρήση. Υπάρχουν, ωστόσο, σημαντικές διαφορές μεταξύ χωρών, τομέων και εταιρειών.
Ενώ η πιθανότητα υιοθέτησης της Τεχνητής Νοημοσύνης αυξάνεται με το μέγεθος της εταιρείας, η εντατική χρήση είναι σχετικά πιο συχνή μεταξύ των μικρών εταιρειών. Οι εταιρείες που δραστηριοποιούνται για λιγότερο από δέκα χρόνια αναφέρουν επίσης εντατική χρήση πιο συχνά από τις παλαιότερες εταιρείες.
Η εντατική χρήση είναι ιδιαίτερα διαδεδομένη στις υπηρεσίες, ειδικά σε υπηρεσίες υψηλής τεχνολογίας και έντασης γνώσης, όπως ο τομέας της πληροφορίας και των επικοινωνιών (ΤΠΕ). Αυτοί οι τομείς περιλαμβάνουν προγραμματιστές και παρόχους εργαλείων Τεχνητής Νοημοσύνης, οι οποίοι τείνουν να είναι σε μεγάλο βαθμό ψηφιοποιημένοι.
Οι εταιρείες σε πρώιμο στάδιο υιοθέτησης συχνά αναφέρουν τη μείωση του κόστους και τις βελτιώσεις στην επιχειρησιακή αποδοτικότητα ως τους κύριους λόγους για τη χρήση της. Αντίθετα, οι εταιρείες με εντατική χρήση παρακινούνται συχνότερα από την ανάπτυξη και την καινοτομία.
Εντατική χρήση λόγω πίεσης
Πέρα από τους παράγοντες που αφορούν τις επιχειρήσεις και τους τομείς, τα αποτελέσματα των ερευνών δείχνουν ότι η ανταγωνιστική πίεση, αποτελεί βασικό παράγοντα εντατικής χρήσης της Τεχνητής Νοημοσύνης. Όταν οι επιχειρήσεις βλέπουν τους ανταγωνιστές τους να επενδύουν στην Τεχνητή Νοημοσύνη, φοβούνται ένα πιθανό ανταγωνιστικό μειονέκτημα και ως εκ τούτου αισθάνονται την ανάγκη να χρησιμοποιούν την τεχνολογία πιο εντατικά.
Το φαινόμενο της πίεσης είναι πιο έντονο στις ΤΠΕ και στις επαγγελματικές υπηρεσίες.
Η εντατική χρήση της Τεχνητής Νοημοσύνης απαιτεί ευρύτερη χρηματοδότηση
Σύμφωνα με τα στοιχεία της ΕΚΤ, περισσότερο από το 84% των εταιρειών που αναφέρουν εντατική χρήση της Τεχνητής Νοημοσύνης έχουν επενδύσει στην τεχνολογία. Ωστόσο, μόνο το 33% με μέτρια χρήση το έχουν πράξει.
Η ανάπτυξη εξατομικευμένων λύσεων ή η αναβάθμιση της ψηφιακής υποδομής, συχνά συνεπάγεται μεγαλύτερη και μακροπρόθεσμη αναδιάρθρωση, τονίζεται.
«Αυτές οι επενδύσεις δεν μπορούν εύκολα να χρηματοδοτηθούν μέσω βραχυπρόθεσμων μέσων όπως εμπορικές πιστώσεις ή ίδια κεφάλαια» αναφέρεται.
Η ανάλυση που συγκρίνει εταιρείες στον ίδιο κλάδο και χώρα, και παρόμοιου μεγέθους και ηλικίας, δείχνει ότι οι εταιρείες που χρησιμοποιούν εντατικά την Τεχνητή Νοημοσύνη είναι πιο πιθανό να συνδυάσουν διάφορες πηγές χρηματοδότησης. Στην ευρωζώνη, οι εταιρείες έχουν λιγότερους τρόπους να αντλήσουν χρήματα απευθείας από επενδυτές ή χρηματοπιστωτικές αγορές, επομένως εξαρτώνται περισσότερο από τραπεζικά δάνεια για τη χρηματοδότηση επενδύσεων στην Τεχνητή Νοημοσύνη.
Τι μπορεί να βοηθήσει τις επιχειρήσεις;
Όπως τονίζουν οι συντάκτες, ο μακροοικονομικός αντίκτυπος της Τεχνητής Νοημοσύνης θα εξαρτηθεί από το αν οι επιχειρήσεις προχωρήσουν πέρα από τον αρχικό πειραματισμό και αρχίσουν να χρησιμοποιούν την τεχνολογία εντατικά στις βασικές τους δραστηριότητες
Τα αποτελέσματα της έρευνας υποδηλώνουν ότι οι τεχνολογικοί παράγοντες έχουν σημασία. Οι επιχειρήσεις αναφέρουν συχνότερα ελλείψεις δεξιοτήτων που σχετίζονται με την Τεχνητή Νοημοσύνη (40%), περιορισμένη χρησιμότητα των τρεχουσών τεχνολογιών Τεχνητής Νοημοσύνης για τις επιχειρηματικές τους ανάγκες (28%) και ασυμβατότητα με τα υπάρχοντα συστήματα (26%).
«Η στοχευμένη πολιτική υποστήριξη θα μπορούσε να βοηθήσει στην αντιμετώπιση ορισμένων από αυτά τα ζητήματα. Συγκεκριμένα, θα μπορούσε να βοηθήσει τις μικρές και μεσαίες επιχειρήσεις να εντείνουν τις προσπάθειές τους», αναφέρεται.
Η προώθηση της ανταλλαγής επιτυχημένων περιπτώσεων χρήσης θα μπορούσε, για παράδειγμα, να βοηθήσει στην ευαισθητοποίηση σχετικά με τις δυνατότητες της Τεχνητής Νοημοσύνης.
Επιπλέον, τα εφαρμοσμένα προγράμματα κατάρτισης για διευθυντές, υπαλλήλους και ειδικούς πληροφορικής, μαζί με επιδοτούμενες συμβουλευτικές υπηρεσίες, θα μπορούσαν επίσης να βοηθήσουν τις επιχειρήσεις να ενισχύσουν τις δεξιότητες που απαιτούνται για την αποτελεσματική εφαρμογή της Τεχνητής Νοημοσύνης.
