Η Τεχνητή Νοημοσύνη «καίει» κεφάλαια ή παράγει κέρδη;
Shutterstock
Shutterstock

Η Τεχνητή Νοημοσύνη «καίει» κεφάλαια ή παράγει κέρδη;

Στο επιχειρηματικό σκηνικό του 2026, η Τεχνητή Νοημοσύνη (AI) έχει αναχθεί στο απόλυτο «ιερό δισκοπότηρο» της εταιρικής ανάπτυξης. Όμως, πίσω από τον θόρυβο της αγοράς, τις εντυπωσιακές παρουσιάσεις και τις παραβολικές αποδόσεις των μετοχών, αναδύεται μια όχι τόσο ιδανική πραγματικότητα. Η πρόσφατη έρευνα της Bain & Company, με τίτλο «Automation and AI Pathfinder Survey 2026», που κάλυψε 951 επιχειρήσεις και οργανισμούς, ρίχνει φως σε ένα σκοτεινό φάσμα που θα έπρεπε να προκαλεί έντονη ανησυχία όχι μόνο στις διοικήσεις των εταιρειών, αλλά σε ολόκληρο το οικοσύστημα της ΑΙ. Το συμπέρασμα είναι ότι οι επενδύσεις σε AI αυξάνονται με γεωμετρική πρόοδο, αλλά η παραγωγικότητα ως αποτέλεσμα παραμένει σχεδόν στάσιμη.

Η έρευνα της Bain αποκαλύπτει ένα νούμερο που αποτελεί «καμπανάκι» για κάθε εταιρεία. Το 40% των στελεχών που έχουν επωμιστεί την διαχείριση και τον έλεγχο των δαπανών που κατευθύνονται προς το ευρύτερο οικοσύστημα της τεχνητής νοημοσύνης, διαπίστωσαν ότι τα οφέλη από την εξοικονόμηση κόστους μέσω της AI, ανήλθαν σε λιγότερο από 10%. Αυτό έρχεται σε πλήρη αντίθεση με τις αρχικές προσδοκίες, όπου πολλοί αναλυτές πίστευαν ότι η τεχνολογία θα μπορούσε να αποφέρει εξοικονόμηση της τάξης του 20% ή ακόμα και παραπάνω. Και πάνω σε αυτήν την παραδοχή είχαν κτίσει τα στελέχη υψηλές προσδοκίες για τις εταιρείες και οι επενδυτές προσδοκίες για τις μετοχές. 

Το πιο παράδοξο στοιχείο της έρευνας δεν είναι η απουσία θετικών και χειροπιαστών αποτελεσμάτων, αλλά η αντίδραση των επιχειρήσεων σε αυτήν την αναποτελεσματικότητα. Παρά το γεγονός ότι το 90% των επιχειρήσεων και οργανισμών των οποίων οι πρωτοβουλίες ως προς την υιοθέτηση εφαρμογών AI «υποαπέδωσαν», σχεδιάζουν να αυξήσουν τους προϋπολογισμούς τους προς την ίδια κατεύθυνση μέσα στο επόμενο έτος.

Οι εταιρείες μοιάζουν να είναι εγκλωβισμένες μέσα σε έναν φαύλο κύκλο απώλειας κεφαλαίων. Όσο μεγαλύτερη είναι η αποτυχία, τόσο περισσότερα χρήματα διοχετεύουν στην ίδια κατεύθυνση με τον ίδιο τρόπο, ελπίζοντας ότι η επόμενη αναβάθμιση του μοντέλου θα επιλύσει το πρόβλημα.

Χωρίς κανείς να αρνείται στην ευρύτερη συμβολή της Τεχνητής Νοημοσύνης στον κόσμο, οι εταιρικές επενδύσεις  προς αυτήν την κατεύθυνση δείχνουν πως «αιμορραγούν». Και αυτό εμφανίζεται και στον βασικό οικονομικό δείκτη απόδοσης των επενδύσεων ROI (return on investment) στις οποίες προβαίνουν οι εταιρείες.

Κατά πρώτον στις λογιστικές καταστάσεις των εταιρειών καταγράφεται μια ασύμμετρη αύξηση του κόστους. Δηλαδή ενώ το κόστος των πόρων που διοχετεύονται  στην υπολογιστική ισχύ και στις άδειςe χρήσης των εφαρμογών τεχνητής νοημοσύνης έχουν εκτοξευθεί, τα οφέλη της βελτίωσης της παραγωγικότητας είναι χαμηλά, παρά τις αρχικές θεωρητικές υποσχέσεις. Η τεχνολογία της ΑΙ, δεν είναι πλέον φθηνή και η αυξανόμενη χρήση της εντός των επιχειρήσεων απαιτεί επενδύσεις που προς το παρόν συχνά ξεπερνούν την αξία που παράγουν.  

Κατά δεύτερον σε πολλές εταιρείες και οργανισμού κυριαρχεί το φαινόμενο του περίφημου «Workslop». Δηλαδή της παραγωγής μιας γυαλιστερής εικόνας περιεχομένου ΑΙ το οποίο αφενός είναι ιδιαίτερα χαμηλής ποιότητας και αφετέρου στερείται ουσίας. Οι εργαζόμενοι, προσπαθώντας να δείξουν ότι αυξάνουν την παραγωγικότητα τους μέσω των νέων εργαλείων και ότι προσαρμόζονται χωρίς φόβο στην εισβολή της ΑΙ, παράγουν όγκο εργασίας που απαιτεί περισσότερο χρόνο για αξιολόγηση, έλεγχο και διόρθωση, παρά για την αρχική δημιουργία του.

Οπότε η εποχή της «αφειδούς» και της «αφελούς» χρηματοδότησης των εφαρμογών τεχνητής νοημοσύνης από την πλευρά των εταιρειών – χρηστών, δείχνει να μένει πίσω μας. Σε πρόσφατη ανάλυση της Pitchbook, καταγράφεται ριζική αλλαγή στη στάση των αναλυτών. Ενώ το 2025 στις ενημερώσεις των χρηματιστηριακών αναλυτών, η ΑΙ αντιμετωπιζόταν ως η λύση σε όλα τα προβλήματα, το 2026 τα πράγματα έχουν αλλάξει και το 90% των αναλυτών είναι επικριτικοί, όσον αφορά την εφαρμογή της ΑΙ στη λειτουργία των εταιρειών.

Οι αναλυτές πλέον δεν στέκονται σε ερωτήσεις του τύπου: «ποια μοντέλα χρησιμοποιείτε». Αλλά ζητούν απαντήσεις για το «πώς αυτά τα μοντέλα μειώνουν το OPEX» και το «ποιο είναι το καθαρό οικονομικό όφελος».

Το παράδειγμα της Uber είναι ενδεικτικό. Η εταιρία δαπάνησε ολόκληρο τον ετήσιο προϋπολογισμό της για AI, μέσα στους πρώτους τέσσερις μήνες του 2026. Αποτελώντας έτσι ένα προειδοποιητικό αρνητικό παράδειγμα για το πώς η έλλειψη αυστηρής εταιρικής πολιτικής μπορεί να οδηγήσει σε οικονομική αφαίμαξη της εταιρείας.

Κι έτσι οι εταιρείες αλλάζοντας τις προτεραιότητες τους, δεν αντιμετωπίζουν πλέον την ΑΙ ως ένα τοτέμ και ως μια οριζόντια απάντηση που θα λύσει τα πάντα, μέσω της προσέγγισης «AI-First». Αλλά σαν μια εφαρμογή που θα προσδώσει αξία, μέσω της προσέγγισης «Value-First». Επομένως η στροφή προς την τεχνητή νοημοσύνη παύει να είναι αυτοσκοπός, αλλά μετατρέπεται σε εργαλείο παραγωγικότητας και αύξησης κερδών. 

Αλλάζοντας λοιπόν τις προτεραιότητες, οι εταιρείες δεν προσπαθούν να εφαρμόσουν την ΑΙ στο σύνολο των δραστηριοτήτων και λειτουργιών τους. Επιλέγουν συγκεκριμένες ροές εργασίας, τα γνωστά «workflows» όπου  μπορεί να υπάρχει μετρήσιμο και ακριβές αποτέλεσμα, όπως είναι για παράδειγμα η αυτοματοποίηση ενός προγραμματιστικού κώδικα ή η διαχείριση ασύνδετων μεταξύ τους βάσεων δεδομένων, ώστε η μια να μπορεί να «διαβάζει» τα στοιχεία της άλλης. Και αξιολογούν ψηλά την πραγματική παραγωγικότητα που δεν αφορά τον αριθμό των emails ή των reports που παράγονται μέσω ΑΙ, αλλά την εξοικονόμηση του χρόνου στη διαδικασία λήψης αποφάσεων «υψηλής αξίας».   

Η οικονομική πραγματικότητα στέλνει ένα ξεκάθαρο μήνυμα, τόσο στις επιχειρήσεις και στους οργανισμούς που χρησιμοποιούν ΑΙ, όσο και στους επενδυτές. Η «περίοδο εντυπωσιασμού» για την ΑΙ έχει περάσει. Η «περίοδος χάριτος» για την AI έχει τελειώσει. Οι εταιρείες που θα επιβιώσουν και θα αναπτυχθούν δεν είναι εκείνες που θα επενδύσουν τα περισσότερα, αλλά εκείνες που θα «αναγκάσουν» τις επενδύσεις τους να προσδώσουν αξία τους στον ισολογισμό. Η πρόκληση για το 2027 δεν θα είναι το «πόση AI» θα χρησιμοποιήσουμε και «πόση υπολογιστική ισχύ» θα καταναλώσουμε. Αλλά το πώς θα κάνουμε την AI να υπηρετεί και να υποστηρίζει ουσιαστικά την επιχειρηματική πραγματικότητα και όχι την εταιρική φαντασία και την επενδυτική προσδοκία.