Η ΤΝ ως εργαλείο παραγωγικότητας

18:35 1/10/2026 - Πηγή: Τα Νεα

Οι μικρομεσαίες επιχειρήσεις (ΜμΕ) αποτελούν διαχρονικά βασικό πυλώνα της ελληνικής οικονομίας. Συνδέονται άμεσα με την απασχόληση, την περιφερειακή ανάπτυξη, την παραγωγική βάση και, τελικά, με την ανταγωνιστικότητα της χώρας. Γι’ αυτό και η αξιοποίηση της τεχνητής νοημοσύνης (ΤΝ) από τις ΜμΕ δεν είναι ένα επιμέρους τεχνολογικό ζήτημα. Είναι ζήτημα παραγωγικού μετασχηματισμού.

Το κρίσιμο σημείο είναι ότι η υιοθέτηση της ΤΝ δεν πρέπει να ξεκινά από το εργαλείο, αλλά από το επιχειρηματικό πρόβλημα: διαδικασίες που δεσμεύουν ανθρώπινο

δυναμικό χωρίς αντίστοιχο αποτέλεσμα, καθυστερούν, κοστίζουν περισσότερο απ’ όσο θα έπρεπε, αφήνουν αναξιοποίητα τα δεδομένα που παράγουν ή οδηγούν σε αναξιόπιστες προβλέψεις. Αυτό είναι το σημείο από το οποίο ξεκινά ο σχεδιασμός χρήσης της ΤΝ: ένας σαφής στόχος, τα κατάλληλα δεδομένα και ένα αποτέλεσμα που μπορεί να μετρηθεί και να δημιουργήσει αξία.

Για τις ΜμΕ υπάρχουν ουσιαστικά δύο επίπεδα αξιοποίησης. Το πρώτο αφορά την ενσωμάτωση της ΤΝ στις υφιστάμενες λειτουργίες της επιχείρησης. Στόχοι εδώ είναι η αύξηση της παραγωγικότητας, η εξοικονόμηση πόρων και η βελτίωση της λήψης αποφάσεων, μέσα από την αυτοματοποίηση επαναλαμβανόμενων εργασιών και την υποστήριξη πιο σύνθετων διαδικασιών, όπως η εξυπηρέτηση πελατών, η επεξεργασία εγγράφων, η ανάλυση δεδομένων και η πρόβλεψη ζήτησης. Το δεύτερο αφορά την ανάπτυξη νέων προϊόντων και υπηρεσιών που βασίζονται στην ΤΝ. Στην πρώτη περίπτωση η επιχείρηση χρησιμοποιεί την ΤΝ για να κάνει καλύτερα αυτό που ήδη κάνει. Στη δεύτερη, τη χρησιμοποιεί για να δημιουργήσει κάτι νέο και να παράγει πρόσθετη επιχειρηματική αξία.

Η ύπαρξη μιας καλής ιδέας, όμως, δεν αρκεί. Η πρώτη δοκιμή έχει κόστος, απαιτεί εξειδικευμένη τεχνογνωσία και το αποτέλεσμά της δεν είναι εκ των προτέρων δεδομένο. Σε αυτό ακριβώς το σημείο αποκτά ιδιαίτερη σημασία η πρόσβαση των ΜμΕ στο οικοσύστημα καινοτομίας της χώρας. Πανεπιστήμια, ευρωπαϊκοί και εθνικοί κόμβοι καινοτομίας, χώροι ασφαλούς πειραματισμού (sandboxes), ερευνητικές υποδομές και άλλες δημόσιες ή ιδιωτικές πρωτοβουλίες μπορούν να λειτουργήσουν ως σημεία ενιαίας πρόσβασης σε συμβουλευτική, τεχνογνωσία, προηγμένες υπολογιστικές υποδομές και κατάρτιση, μειώνοντας το κόστος και το ρίσκο για τις επιχειρήσεις.

Με τη λογική της δοκιμής πριν την επένδυση (test before invest), η επιχείρηση μπορεί να δοκιμάσει μια λύση στην πράξη, να αναπτύξει μια πρώτη λειτουργική εκδοχή της και να αξιολογήσει την αξία της, πριν δεσμεύσει σημαντικούς πόρους.

Το κρίσιμο, επομένως, δεν είναι κάθε ΜμΕ να διαθέτει εσωτερικά όλη την απαιτούμενη τεχνογνωσία, αλλά να αποκτήσει πρόσβαση σε ένα οικοσύστημα που θα την υποστηρίξει στον σχεδιασμό και θα της προσφέρει τις δεξιότητες, τις υποδομές και τις συνέργειες που χρειάζεται για να αξιοποιήσει την ΤΝ με ασφάλεια και αποτελεσματικότητα.

Η επόμενη φάση της ανταγωνιστικότητας θα κριθεί ακριβώς εκεί: στο αν η τεχνητή νοημοσύνη θα περάσει από την υπόσχεση στην πράξη και θα γίνει πραγματικό εργαλείο παραγωγικότητας, επένδυσης και δημιουργίας νέας αξίας για τις επιχειρήσεις που αποτελούν τη ραχοκοκαλιά της ελληνικής οικονομίας.

Η Κλειώ Σγουροπούλου είναι καθηγήτρια Πανεπιστημίου Δυτικής Αττικής, μέλος Συμβουλίου Διοίκησης ΠΑΔΑ, ιδρύτρια του UNIWA AI InnoHub, μέλος ΔΣ ΕΔΥΤΕ (GRNET)

Διαβάστε ολόκληρο το άρθρο >>

Keywords