Οι πραγματικές δυνατότητες της Τεχνητής Νοημοσύνης για την ανάπτυξη των ελληνικών επιχειρήσεων
H ενσωμάτωση λύσεων αιχμής όπως η τεχνητή νοημοσύνη στις επιχειρήσεις συνοδεύεται από οφέλη που έχουν ήδη γίνει ορατά, διαπιστώνει ο ΣΕΒ, στις πρόσφατες αναλύσεις του σχετικά με την εφαρμογή της μεγάλης γκάμας των δυνατοτήτων που προσφέρουν οι τεχνολογίες Τεχνητής Νοημοσύνης για τις επιχειρήσεις. «Οι μετρήσεις του Παρατηρητηρίου Ψηφιακού Μετασχηματισμού του ΣΕΒ επιβεβαιώνει ότι οι επιχειρήσεις που επενδύουν συστηματικά σε λύσεις ΤΝ εμφανίζουν περιθώρια κέρδους έως και 17% υψηλότερα από τον ανταγωνισμό», διαπιστώνει, μιλώντας στο Fortune Greece, ο Δρ. Γιώργος Ξηρογιάννης, Αναπληρωτής Γενικός Διευθυντής ΣΕΒ. Με τη σειρά της, η Διευθύντρια Τομέα Καινοτομίας ΣΕΒ, Μάγκυ Αθανασιάδη, τονίζει το πόσο σημαντικό είναι για τις επιχειρήσεις να προχωρήσουν στην ταχύτερη ενσωμάτωση των τεχνολογιών αιχμής, υπογραμμίζοντας ότι μια από τις πιο ωφέλιμες τακτικές αποτελεί η συνεργασία με ερευνητικές ομάδες και startups.
Ποιες δυνατότητες προσφέρει η τεχνητή νοημοσύνη, το machine learning και η ανάλυση δεδομένων στις επιχειρήσεις;
Γ.Ξ.: Η πρόοδος στις τεχνολογίες αιχμής έχει οδηγήσει στη διαθεσιμότητα πολυάριθμων λύσεων, εύκολα προσαρμόσιμων στις ανάγκες κάθε επιχείρησης. Τα εργαλεία αυτά προσφέρουν εξαιρετικά χρήσιμες δυνατότητες στις επιχειρήσεις, όπως το να προβλέπουν με μεγάλη ακρίβεια τη ζήτηση των προϊόντων τους, να βελτιώνουν την παραγωγή τους, να μειώνουν το κόστος και το χρόνο συντήρησης, να τοποθετούν έγκαιρα τα προϊόντα στην αγορά, να προσωποποιούν την εμπειρία που προσφέρουν στους πελάτες, να προσαρμόζουν την ποσότητα παραγωγής βάσει της ζήτησης, να βελτιστοποιούν το μείγμα πωλήσεων ανά κανάλι προώθησης και να λαμβάνουν επενδυτικές αποφάσεις βασισμένες σε μεγάλο όγκο δεδομέων. Όλα αυτά φυσικά βοηθούν τις επιχειρήσεις να ενισχύουν τον κύκλο εργασιών και να βελτιώνουν τα περιθώρια κέρδους.
Σε ποιο επίπεδο βρίσκονται σήμερα οι επιχειρήσεις στην Ελλάδα όσον αφορά αυτές τις τεχνολογίες;
Γ.Ξ.: Οι αναλύσεις του Παρατηρητηρίου Ψηφιακού Μετασχηματισμού του ΣΕΒ δείχνουν ότι οι επενδύσεις των ελληνικών επιχειρήσεων, συνήθως εστιάζουν σε τεχνολογικά συστήματα ξεπερασμένων δυνατοτήτων (χαρακτηριστικό είναι ότι στα συστήματα ERP η Ελλάδα κατατάσσεται στην 11η θέση της ΕΕ). Ως αποτέλεσμα, η χρήση τεχνολογιών αιχμής, όπως η Τεχνητή Νοημοσύνη, παραμένει περιορισμένη. Ενδεικτικά, μέχρι πρόσφατα, μόνο το 3% των επιχειρήσεων της χώρας μας αξιοποιούσε συστήματα Τεχνητής Νοημοσύνης, έναντι 40% στις υπόλοιπες αναπτυγμένες χώρες. Η χρήση εργαλείων ανάλυσης μεγάλου όγκου δεδομένων είναι καλύτερη, με το 13% των ελληνικών επιχειρήσεων να έχει αποκτήσει σχετικά εργαλεία και την Ελλάδα να βρίσκεται κοντά στον ευρωπαϊκό μέσο όρο του 14%. Ωστόσο, η χρήση τους παραμένει περιστασιακή, καθώς μόνο το 39% των επιχειρήσεων διαθέτει κουλτούρα και διαδικασίες λήψης διοικητικών αποφάσεων που βασίζονται σε ανάλυση δεδομένων. Μάλιστα, τα 2/3 των επιχειρήσεων περιορίζουν τη συλλογή και ανάλυση δεδομένων σε μια πολύ μικρή ομάδα εργαζομένων, ενώ το 67% των ανώτερων διοικήσεων στους μεγαλύτερους οργανισμούς δεν επικροτεί την ροή δεδομένων μεταξύ διαφορετικών μονάδων εντός της επιχείρησης. Σε μελέτη της Accenture, ως κυριότερα εμπόδια και προκλήσεις που δυσχεραίνουν την ανάπτυξη των τεχνολογιών τεχνητής νοημοσύνης στην Ελλάδα, αναφέρονται η έλλειψη δεξιοτήτων και γενικότερης εμπειρίας (68%), οι ελλιπείς υποδομές ΙΤ (49%) και η χαμηλή ποιότητα δεδομένων (37%).
Πoία είναι τα βήματα που πρέπει να ακολουθήσουν περισσότερο οι επιχειρήσεις για να ενσωματώσουν τεχνολογίες αιχμής;
Γ.Ξ.: Οι επιχειρήσεις πρέπει αρχικά να προσδιορίσουν ποιο είναι το πρόβλημα που επιθυμούν να ανατρέψουν, ή ποιες διαδικασίες επιδιώκουν να βελτιώσουν. Φυσικά, κάτι τέτοιο πρέπει να είναι συναφές με τη συνολική επιχειρησιακή στρατηγική. Ακολούθως, απαραίτητο βήμα είναι ο προσδιορισμός των πηγών των δεδομένων, τα οποία θα χρησιμοποιηθούν για την «εκπαίδευση» και λειτουργία των συστημάτων τεχνητής νοημοσύνης. Τα δεδομένα πρέπει να συλλεχθούν, να έρθουν σε κατάλληλη μορφή και γενικά να διασφαλιστεί η ποιότητα, αξιοπιστία και προστασία τους. Ταυτόχρονα, βασική προϋπόθεση αποτελεί η βαθιά γνώση του τεχνολογικού περιβάλλοντος, ώστε η διοίκηση να γνωρίζει ποια συστήματα και εργαλεία ανάλυσης μπορούν να καλύψουν τις ανάγκες της επιχείρησης, τόσο σήμερα όσο και σε μεσοπρόθεσμο ορίζοντα, αλλά και ποια στρατηγική προμηθειών είναι κατάλληλη (π.χ. προμήθεια ως υπηρεσία, έτοιμο λογισμικό, πιλοτική εφαρμογή, κ.λπ.). Φυσικά, πρέπει να καθοριστεί η οργανωτική δομή και να κατανεμηθούν ρόλοι και αρμοδιότητες των εμπλεκομένων στη λειτουργία των συστημάτων τεχνητής νοημοσύνης, καθώς και στις διαδικασίες συλλογής και αξιοποίησης δεδομένων. Επιπλέον, πρέπει να υπάρχει ξεκάθαρη εικόνα για το αν υπάρχουν οι κατάλληλλες δεξιότητες εντός επιχείρησης, και αν όχι πώς θα αποκτηθούν. Τέλος, οι οργανωτικές δομές, συμπεριλαμβανομένης και της ανώτερης διοίκησης, και οι διαδικασίες λήψης αποφάσεων, οφείλουν να μετασχηματιστούν ανάλογα, ώστε να αξιοποιείται σε καθημερινή βάση η ανάλυση δεδομένων.
Μ.Α.: Για την ταχύτερη ενσωμάτωση τεχνολογιών αιχμής από τις επιχειρήσεις σημαντική είναι η ανάπτυξη συνεργασιών με ερευνητικές ομάδες και startups. Ο ΣΕΒ για το σκοπό αυτό έχει δημιουργήσει την επιτυχημένη πρωτοβουλία Innovation Ready, μέσω της οποίας καλλιεργούνται τέτοιου είδους συνεργασίες. Έτσι, οι νεοσύστατες εταιρείες μπορούν να αποκτήσουν πρόσβαση σε ανεκτίμητους πόρους, εγκαταστάσεις και πληροφορίες για την αγορά, που θα τους βοηθήσουν να αναπτυχθούν. Οι εδραιωμένες εταιρείες από την άλλη, μέσα από τέτοιες συνεργασίες υιοθετούν ταχύτερα καινοτόμες λύσεις, ενώ παράλληλα εκσυγχρονίζουν την κουλτούρα και τον τρόπο λειτουργίας τους.
Ποια είναι τα πιο πρόσφατα στοιχεία που διαθέτει ο ΣΕΒ όσον αφορά τα οφέλη των τεχνολογιών αυτών για τις επιχειρήσεις;
Γ.Ξ.: H ενσωμάτωση λύσεων αιχμής, όπως η Τεχνητή Νοημοσύνη στις επιχειρήσεις, συνοδεύεται από οφέλη που έχουν ήδη γίνει ορατά, ενισχύοντας σημαντικά κύκλο εργασιών και περιθώρια κέρδους. Οι μετρήσεις του Παρατηρητηρίου Ψηφιακού Μετασχηματισμού του ΣΕΒ επιβεβαιώνει ότι οι επιχειρήσεις που επενδύουν συστηματικά σε λύσεις ΤΝ εμφανίζουν περιθώρια κέρδους έως και 17% υψηλότερα από τον ανταγωνισμό, έχουν υψηλότερη απόδοση επένδυσης κατά 5-7 μονάδες αλλά και μείωση των δαπανών Ε&Α κατά 10-25%. Ειδικά οι βιομηχανίες μπορούν να βελτιώσουν την αποδοτικότητα παραγωγής έως 5%, να μειώσουν το χρόνο μέχρι τη διάθεση προϊόντων (time to market) τουλάχιστον 10%, και να αυξήσουν την κερδοφορία κατά 13%. Ομοίως, οι επιχειρήσεις λιανικού εμπορίου μειώνουν τα αποθέματά τους κατά 20%, έχουν 2εκ. λιγότερες επιστροφές προϊόντων το χρόνο, μειώνουν το χρόνο αποθεματοποίησης κατά 30% και αυξάνουν τις online πωλήσεις τους κατά 30%.
Μ.Α.:H ίδρυση του Κέντρου Τεχνητής Νοημοσύνης «Αρχιμήδης» από την Επιτροπή «Ελλάδα 2021» και το Ερευνητικό Κέντρο «Αθηνά» δημιουργεί σημαντικές προοπτικές στη χώρα μας για την ανάπτυξη εφαρμογών τεχνητής νοημοσύνης. Μέσα από συνεργασίες με Ελληνικά αλλά και ξένα πανεπιστημιακά ιδρύματα και ερευνητικά κέντρα, θα δημιουργήσει τις προϋποθέσεις για την ανάπτυξη επιστημονικής έρευνας παγκόσμιου επιπέδου, αλλά και την προσέλκυση και τον επαναπατρισμό ταλέντων στη χώρα μας. Ο ΣΕΒ θα συνεργαστεί με το Κέντρο Τεχνητής Νοημοσύνης «Αρχιμήδης» προκειμένου να συμβάλει στην αξιοποίηση των αποτελεσμάτων της έρευνας και την προώθησή τους στην αγορά.
Μέρος των συνεντεύξεων δημοσιεύονται στο νέο τεύχος του Fortune που κυκλοφορεί.
