McKinsey: Χαμηλές οι επιδόσεις της Ελλάδας στην υιοθέτηση AI εργαλείων

McKinsey: Χαμηλές οι επιδόσεις της Ελλάδας στην υιοθέτηση AI εργαλείων
Οι ελληνικές επιχειρήσεις έχουν ακόμα αρκετή απόσταση να διανύσουν, παρά την αξιόλογη πρόοδο που έχουν κάνει.

Αν το 2023 θεωρήθηκε η χρονιά που η τεχνολογία της τεχνητής νοημοσύνης έγινε γνωστή στο ευρύ κοινό, το 2024 αποτελεί ορόσημο για την πρακτική ενσωμάτωσή της στην καθημερινή λειτουργία των επιχειρήσεων. Το παραπάνω συμπέρασμα προκύπτει, μεταξύ άλλων, από την πρόσφατη μελέτη «State of AI in early 2024: Gen AI adoption spikes and starts to generate value» της Quantum Black AI, by McKinsey.

Ενδεικτικά, σε διάστημα μόλις 10 μηνών, η υιοθέτηση της παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ) φέρεται να έχει διπλασιαστεί, με τις επιχειρήσεις που την εμπιστεύτηκαν πρώτες, να καταγράφουν ήδη βελτιωμένα οικονομικά στοιχεία. Εντούτοις, περίπου 9 στα 10 έργα που ξεκινούν στο πεδίο της Τεχνητής Νοημοσύνης δεν καταφέρνουν να ξεπεράσουν το πιλοτικό στάδιο και να φτάσουν στην πλήρη υλοποίηση. Γεγονός που καταδεικνύει και την περιπλοκότητα της υιοθέτησης τέτοιων συστημάτων σε ευρεία κλίμακα.

Στο ταξίδι αυτό οι ελληνικές επιχειρήσεις έχουν ακόμα αρκετή απόσταση να διανύσουν, παρά την αξιόλογη πρόοδο που έχουν κάνει. Όπως επεσήμαναν εχθές, στο πλαίσιο ενημερωτικής εκδήλωσης, στελέχη της McKinsey, η Ελλάδα βρίσκεται πολύ πιο πίσω σε σχέση με τον διεθνή μέσο όρο ως προς την υιοθέτηση της τεχνητής νοημοσύνης, ωστόσο μπορεί να αποκομίσει μεγάλα οφέλη εκμεταλλευόμενη το υψηλό επίπεδο ταλέντου και έρευνας.

Όπως ανέφερε χαρακτηριστικά ο Χριστόφορος Αναγνωστόπουλος partner της McKinsey και επικεφαλής της Quantum Black, που αποτελεί εξειδικευμένο τμήμα της McKinsey για το AI, «η στιγμή είναι πολύ κρίσιμη για την Ελλάδα και τις ελληνικές επιχειρήσεις καθώς τα περιθώρια στενεύουν». Οι επιχειρήσεις, σύμφωνα με τον ίδιο, πρέπει να δράσουν άμεσα και να εκμεταλλευτούν την «έκρηξη» της τεχνητής νοημοσύνης σε μια περίοδο κατά την οποία η χρήση των εργαλείων gen ΑΙ από τις επιχειρήσεις καταγράφει κατακόρυφη αύξηση, σε παγκόσμιο επίπεδο.

ΔΙΑΒΑΣΤΕ ΑΚΟΜΑ

Η διείσδυση της τεχνητής νοημοσύνης στις επιχειρήσεις

Στην Ελλάδα, η διείσδυση της τεχνητής νοημοσύνης αλλά και του ίδιου του ψηφιακού μετασχηματισμού ο οποίος αποτελεί σε μεγάλο βαθμό προϋπόθεσή της, εξακολουθεί να υστερεί κατά περίπου 50% σε σχέση με τον ευρωπαϊκό μέσο όρο, σε όλες τις επιχειρήσεις ανεξαρτήτως μεγέθους. Εντούτοις, το ποσοστό των εταιρειών που εξετάζουν την υιοθέτηση συστημάτων τεχνητής νοημοσύνης διπλασιάστηκε από το 2021 μέχρι το 2023.

Σε παγκόσμιο επίπεδο, το 72% των επιχειρήσεων υιοθετούν τεχνολογίες τεχνητής νοημοσύνης, ανατρέποντας μια στασιμότητα έξι ετών κατά την οποία η χρήση τέτοιων τεχνολογιών είχε μείνει αμετάβλητη, περίπου στο 50%. Η πλειοψηφία των εταιρειών δηλώνει ότι στρέφεται στην τεχνητή νοημοσύνη με στόχο να καλυφθούν ταυτόχρονες ανάγκες σε πολλαπλούς τομείς, με πιο συνήθεις το marketing, τις πωλήσεις, την ανάπτυξη προϊόντων και το ΙΤ.

Σήμερα, η παραγωγική τεχνητή νοημοσύνη (gen ΑΙ) διεισδύει και στην καθημερινότητα των ιδίων των στελεχών, γεγονός που δεν παρατηρούνταν στον ίδιο βαθμό με παλαιότερες μορφές ΤΝ. Συγκεκριμένα, το 56% των διοικητικών στελεχών (CxOs) αναφέρουν ότι χρησιμοποιούν συχνά εργαλεία παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ) εντός ή/και εκτός εργασιακού περιβάλλοντος.

Εντούτοις, αξίζει να σημειωθεί πως το ποσοστό στελεχών μεσαίας ή υψηλής βαθμίδας που δηλώνουν τακτικοί χρήστες εργαλείων τεχνητής νοημοσύνης εντός εργασιακού περιβάλλοντος ανέρχεται στο 32% στην Ευρώπη, ένα ποσοστό αισθητά μικρότερο σε σχέση με άλλες περιοχές του πλανήτη, με την μεγαλύτερη εξοικείωση να καταγράφεται στην Κίνα, όπου το ίδιο ποσοστό ανέρχεται στο 46%.

Οι τομείς στους οποίους η χρήση τεχνητής νοημοσύνης εντός εργασιακού περιβάλλοντος έχει τη μεγαλύτερη διείσδυση είναι οι τηλεπικοινωνίες, ο χώρος της τεχνολογίας, και ο κλάδος των επαγγελματικών υπηρεσιών.

Σε επίπεδο επιχειρήσεων, σύμφωνα με τα ευρήματα της έρευνας, η συχνή χρήση της παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ) στο εργασιακό περιβάλλον έχει αυξηθεί σημαντικά σε σχέση με το 2023:

  • Μέσα και Επικοινωνίες: 45% (από 21%)
  • Τεχνολογία: 54% (από 39%)
  • Επιχειρήσεις, νομικές και συμβουλευτικές υπηρεσίες: 57% (από 23%)
  • Ενέργεια: 35% (από 11%)
  • Προηγμένες βιομηχανίες: 27% (από 20%)
  • Καταναλωτικά αγαθά και λιανική: 33% (από 18%)
  • Χρηματοοικονομικές υπηρεσίες: 26% (από 24%)
  • Υγεία: 31% (από 16%)

Η παραγωγική τεχνητή νοημοσύνη (gen ΑΙ) έχει πλέον καθιερωθεί ως ένα αποτελεσματικό εργαλείο για τις επιχειρήσεις, προσφέροντας σημαντικά οφέλη. Αναγνωρίζοντας την αξία της και τα οφέλη της, περίπου το 33% των ερωτηθέντων επιχειρήσεων προορίζει τουλάχιστον το 5% του προϋπολογισμού που αφορά στον ψηφιακό τους μετασχηματισμό, στην ενσωμάτωση και τη διεύρυνση των λύσεων και των εργαλείων παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ). Το αντίστοιχο ποσοστό των ερωτηθέντων που σκοπεύουν να επενδύσουν αντίστοιχα σε εργαλεία «παραδοσιακής» τεχνητής νοημοσύνης ανέρχεται στο 39%, πράγμα που επιβεβαιώνει την εκτίμηση της McKinsey πως οι παλαιότερες μορφές τεχνητής νοημοσύνης εξακολουθούν να αποτελούν κύριο πυλώνα δημιουργίας αξίας στις περισσότερες επιχειρήσεις. Σε κάθε περίπτωση, με τις επιχειρήσεις να διακρίνουν σημαντικά περιθώρια βελτίωσης των οικονομικών τους δεικτών μέσα από την αξιοποίηση παραγωγικής Τεχνητής Νοημοσύνης (gen ΑΙ), η επόμενη τριετία αναμένεται να χαρακτηριστεί από ισχυρή αύξηση των επενδύσεων στον τομέα αυτόν.

ΔΙΑΒΑΣΤΕ ΑΚΟΜΑ

Οι τομείς με τον μεγαλύτερο θετικό αντίκτυπο

Οι πέντε τομείς στους οποίους αναμένεται να έχει τον μεγαλύτερο θετικό αντίκτυπο παγκοσμίως η διείσδυση των συστημάτων τεχνητής νοημοσύνης είναι αυτοί της τεχνολογίας και πληροφορικών συστημάτων, της εκπαίδευσης, των τηλεπικοινωνιών, των επιστημών υγείας, και του τραπεζικού και ασφαλιστικού τομέα. Πολλοί από αυτούς τους τομείς είναι ενεργοί και στον ελληνικό χώρο, γεγονός ελπιδοφόρο για το συνολικό πιθανό αντίκτυπο της τεχνητής νοημοσύνης στην εγχώρια οικονομία.

Σύμφωνα με τα διαθέσιμα στοιχεία, μόνο 1 στα 10 έργα τεχνητής νοημοσύνης καταφέρνει να ξεπεράσει το πιλοτικό στάδιο και να χρησιμοποιηθεί σε ευρεία κλίμακα. Έχει λοιπόν ενδιαφέρον να γίνει κατανοητό πώς διαφέρουν εκείνες οι επιχειρήσεις που καταφέρνουν υψηλές επιδόσεις στον χώρο αυτό από τις υπόλοιπες. Η έρευνα της McKinsey επικεντρώθηκε στο μικρό εκείνο ποσοστό (~5%) των επιχειρήσεων που μπορούν να αποδώσουν το 10% του ΕΒΙΤ τους στην χρήση της παραγωγικής τεχνητής νοημοσύνης (genAI) (και διαθέτουν παρομοίως υψηλές επιδόσεις και στη χρήση παραδοσιακής τεχνητής νοημοσύνης). Αυτές οι εταιρείες τείνουν να χρησιμοποιούν ΤΝ σε περισσότερες εσωτερικές λειτουργίες τους, από marketingκαι πωλήσεις μέχρι τις νομικές τους υπηρεσίες και το Complianceτους. Επίσης, διαθέτουν πιο οργανωμένη αντιμετώπιση στα ρίσκα που ενέχει η χρήση Τεχνητής Νοημοσύνης, και σαφέστερη στρατηγική επί του θέματος. Οι δύο μεγαλύτερες προκλήσεις που συναντούν οι επιχειρήσεις αυτές παγκοσμίως είναι στο χώρο της διαχείρισης δεδομένων, καθώς και στο θέμα της ασφαλούς και ηθικής χρήσης της ΤΝ.

Σε σχέση με αυτές της επιχειρήσεις υψηλών επιδόσεων, οι ελληνικές επιχειρήσεις λειτουργούν σε ένα λιγότερο φιλικό περιβάλλον για την συγκεκριμένη τεχνολογία, με έλλειψη σχετικών τεχνικών υποδομών (με την Ελλάδα να έρχεται 58η από 62 χώρες στην σχετική έρευνα της Tortoise Global AIindex) και έλλειψη πλαισίου διακυβέρνησης, οργανωτικού και λειτουργικού μοντέλου (51η από 62 χώρες). Οι ελληνικές επιχειρήσεις δυσκολεύονται επίσης να βρουν ανθρώπινο δυναμικό με την κατάλληλη κατάρτιση, παρότι σε χώρους επαγγελματικής δικτύωσης όπως το LinkedIn, η διείσδυση των δεξιοτήτων Ελλήνων επαγγελματιών σε τεχνητή νοημοσύνη και επιστήμη δεδομένων παρουσιάζεται υψηλότατη. Σε δεύτερη ανάγνωση αυτό δεν αποτελεί παράδοξο, καθώς η Ελλάδα είναι επίσης ένας από τους μεγαλύτερους (ποσοστιαία) εξαγωγείς ταλέντου στο συγκεκριμένο τομέα, πράγμα που υποδηλώνει πως το ΑΙ braindrain αποτελεί ένα από τα μεγαλύτερα πλήγματα στην ανάπτυξη της ελληνικής οικονομίας.

Κάποιοι από τους κινδύνους που απασχολούν τις επιχειρήσεις παγκοσμίως είναι η ασφαλής διαχείριση δεδομένων, η παραβίαση πνευματικής ιδιοκτησίας, ιδιωτικότητας, η ασφάλεια και η ηθική χρήση, αλλά και η ανακριβής ή αναληθής παραγωγή περιεχομένου, με το τελευταίο αυτό ζήτημα να θεωρείται το πιο φλέγον και το 23% συνολικά των ερωτηθέντων να δηλώνουν ότι τους επηρέασε αρνητικά. Εντούτοις, μόνο το 1/3 των ερωτηθέντων κρίνουν πως η επίγνωση των κινδύνων αυτών αποτελεί απαραίτητη δεξιότητα για το ανθρώπινο δυναμικό που είναι τεχνικά υπεύθυνο για την δημιουργία και συντήρηση τέτοιων συστημάτων.

Ιδιαίτερη ανησυχία προκαλεί επίσης το ενδεχόμενο μαζικής αντικατάστασης ανθρώπινου δυναμικού από την αυτοματοποίηση που επιτρέπουν τα συστήματα τεχνητής νοημοσύνης. Σε σχετική μελέτη, η McKinsey ανέδειξε πως η χρονική στιγμή στην οποία αναμένεται η αυτοματοποίηση να φτάσει το 50% του συνολικού χρόνου εργασίας πιθανόν να έχει μετατεθεί δέκα χρόνια νωρίτερα λόγω της άφιξης της παραγωγικής τεχνητής νοημοσύνης (genAI), από το ~2055 στο 2045. Το εργατικό δυναμικό της Ελλάδας δηλώνει ιδιαίτερα ανήσυχο ως προς αυτό το ενδεχόμενο, δηλώνοντας σε ποσοστό ~24% πως φοβάται για την ανεργία που δύναται να προκαλέσει η άφιξη της τεχνητής νοημοσύνης, παρουσιάζει όμως ταυτόχρονα και ένα από τα μεγαλύτερα ελλείμματα εκπαίδευσης και κατάρτισης σε θέματα τεχνητής νοημοσύνης.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ: