Η τεχνητή νοημοσύνη περνά από την εποχή των μεγάλων προσδοκιών στην οικονομική αξιολόγηση, με επενδύσεις δισεκατομμυρίων και την παραγωγικότητα στο επίκεντρο.
Η τεχνητή νοημοσύνη (AI) εισέρχεται σε μια νέα φάση, καθώς οι χρηματοπιστωτικές αγορές και οι επιχειρήσεις στρέφουν σταδιακά την προσοχή τους από τις τεχνολογικές δυνατότητες των νέων συστημάτων στη μετρήσιμη οικονομική τους απόδοση. Με τις επενδύσεις σε υποδομές να αυξάνονται εντυπωσιακά, το κρίσιμο ζήτημα είναι πλέον κατά πόσο η τεχνολογική πρόοδος μπορεί να μεταφραστεί σε υψηλότερη παραγωγικότητα, αυξημένα έσοδα και βιώσιμη κερδοφορία.
Τη μετατόπιση αυτή αναδεικνύουν σε κοινή ανάλυσή τους οι καθηγητές Νικόλαος Γεωργικόπουλος, του Rutgers Business School, και Γιώργος Σαμακοβίτης, με εξειδίκευση στη χρηματοοικονομική τεχνολογία. Όπως επισημαίνουν, η επόμενη μεγάλη δοκιμασία της AI θα πραγματοποιηθεί στους ισολογισμούς των επιχειρήσεων, όπου οι τεχνολογικές επενδύσεις θα πρέπει να δικαιολογήσουν τις προσδοκίες που έχουν δημιουργήσει.
Η πρόσφατη μεταβλητότητα των αμερικανικών τεχνολογικών μετοχών ενισχύει τον προβληματισμό για τις αποτιμήσεις των επιχειρήσεων που πρωταγωνιστούν στην ανάπτυξη της AI. Οι επενδυτές αρχίζουν να εξετάζουν με μεγαλύτερη αυστηρότητα τις μελλοντικές χρηματοροές, το κόστος των υποδομών και τον χρόνο απόσβεσης των επενδύσεων.
Γιατί η τεχνολογική υπεροχή δεν εγγυάται χρηματιστηριακά κέρδη
Μια από τις σημαντικότερες διακρίσεις αφορά τη διαφορά μεταξύ τεχνολογικής αξίας και χρηματιστηριακής αποτίμησης. Μια καινοτομία μπορεί να μετασχηματίσει ουσιαστικά την οικονομία, χωρίς αυτό να σημαίνει ότι οι μετοχές όλων των επιχειρήσεων που δραστηριοποιούνται στον συγκεκριμένο τομέα είναι εύλογα αποτιμημένες.
Η αξία μιας εταιρείας εξαρτάται από τις μελλοντικές χρηματοροές που αναμένεται να δημιουργήσει, τον χρόνο πραγματοποίησής τους και τους κινδύνους που τις συνοδεύουν. Όταν η χρηματιστηριακή τιμή ενσωματώνει ήδη ιδιαίτερα αισιόδοξες προβλέψεις, ακόμη και μια ισχυρή αύξηση εσόδων μπορεί να απογοητεύσει τους επενδυτές, εφόσον υπολείπεται των προσδοκιών.
Στην περίπτωση της AI, το ζήτημα αποκτά ιδιαίτερη σημασία λόγω της ταχύτητας με την οποία αναπτύσσεται η τεχνολογία και του μεγέθους των κεφαλαίων που κατευθύνονται στον κλάδο.
Οι επιχειρήσεις καλούνται πλέον να αποδείξουν ότι η τεχνολογική υπεροχή τους μπορεί να εξασφαλίσει διατηρήσιμα περιθώρια κέρδους και ανταγωνιστικά πλεονεκτήματα, ακόμη και όταν αντίστοιχες δυνατότητες καθίστανται διαθέσιμες σε περισσότερους ανταγωνιστές.
Πάνω από 500 δισ. δολάρια για υποδομές AI το 2026
Παρά τον ψηφιακό της χαρακτήρα, η ανάπτυξη της τεχνητής νοημοσύνης απαιτεί τεράστιες επενδύσεις σε υλικές εγκαταστάσεις και εξοπλισμό. Προηγμένοι επεξεργαστές, διακομιστές, συστήματα αποθήκευσης, τηλεπικοινωνιακά δίκτυα, κέντρα δεδομένων και εγκαταστάσεις ψύξης αποτελούν βασικές προϋποθέσεις για τη λειτουργία των νέων μοντέλων.
Σύμφωνα με την εταιρεία ερευνών International Data Corporation (IDC), οι παγκόσμιες δαπάνες για υποδομές τεχνητής νοημοσύνης προβλέπεται να φτάσουν τα 521 δισ. δολάρια το 2026.
Η πρόβλεψη αυτή αναθεωρήθηκε ανοδικά στις 6 Νοεμβρίου, από την προηγούμενη εκτίμηση των 497 δισ. δολαρίων, λόγω της ισχυρότερης ζήτησης και του αυξημένου κόστους εξαρτημάτων. Για το 2029, η IDC εκτιμά ότι η συγκεκριμένη αγορά θα ανέλθει σε 1,17 τρισ. δολάρια.
Η διαρκής αύξηση των επενδυτικών δαπανών ενισχύει την ανάγκη αξιολόγησης της απόδοσής τους. Όσο περισσότερα κεφάλαια δεσμεύονται για την ανάπτυξη υποδομών, τόσο μεγαλύτερη σημασία αποκτούν η πραγματική χρήση των συστημάτων και τα οικονομικά οφέλη που παράγουν.
Το ενδιαφέρον μετατοπίζεται, επομένως, από το μέγεθος των τεχνολογικών δυνατοτήτων στην απόδοση του επενδεδυμένου κεφαλαίου.
Η ενεργειακή πρόκληση και οι φυσικοί περιορισμοί
Η επέκταση της AI δημιουργεί παράλληλα σημαντικές απαιτήσεις σε ηλεκτρική ενέργεια, δίκτυα μεταφοράς, εγκαταστάσεις ψύξης και διαθέσιμες εκτάσεις.
Σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας (IEA), τα κέντρα δεδομένων κατανάλωσαν περίπου 415 τεραβατώρες ηλεκτρικής ενέργειας το 2024, ποσότητα που αντιστοιχεί στο 1,5% της παγκόσμιας κατανάλωσης ηλεκτρισμού.
Η αυξανόμενη υπολογιστική ισχύς απαιτεί πρόσθετες επενδύσεις στην ενεργειακή παραγωγή και στις υποδομές μεταφοράς ηλεκτρισμού. Η δυνατότητα εξασφάλισης αξιόπιστης, οικονομικά προσιτής και βιώσιμης ενέργειας αναδεικνύεται έτσι σε παράγοντα που μπορεί να επηρεάσει την ταχύτητα ανάπτυξης της AI.
Ο περιορισμός δεν αφορά αποκλειστικά την επάρκεια προηγμένων επεξεργαστών. Η χωρητικότητα ενός ηλεκτρικού δικτύου, οι χρόνοι αδειοδότησης, το κόστος χρηματοδότησης και η κατασκευή νέων εγκαταστάσεων μπορούν επίσης να καθυστερήσουν ή να καταστήσουν ακριβότερα μεγάλα επενδυτικά σχέδια.
Η ανάπτυξη της ψηφιακής οικονομίας συνδέεται επομένως ολοένα στενότερα με τις δυνατότητες της ενεργειακής και βιομηχανικής υποδομής.
Παραγωγικότητα: Το πραγματικό οικονομικό κριτήριο
Για τις επιχειρήσεις, η αποτελεσματικότητα της τεχνητής νοημοσύνης θα αξιολογείται όλο και περισσότερο με βάση συγκεκριμένους οικονομικούς δείκτες.
Η ενσωμάτωσή της αποκτά ουσιαστική σημασία όταν οδηγεί σε μείωση του λειτουργικού κόστους, αύξηση εσόδων, βελτίωση της ποιότητας, ταχύτερη ολοκλήρωση εργασιών ή ανάπτυξη νέων προϊόντων και υπηρεσιών.
Από μακροοικονομική σκοπιά, το ζητούμενο είναι η επίδραση στην παραγωγικότητα της εργασίας και, κατ' επέκταση, στις παραγωγικές δυνατότητες μιας χώρας.
Η απλή ανακοίνωση ότι μια εταιρεία χρησιμοποιεί AI δεν επαρκεί πλέον για να τεκμηριώσει τη δημιουργία οικονομικής αξίας. Οι επενδυτές αναζητούν στοιχεία για το ποσοστό αύξησης των εσόδων, τη μείωση του μοναδιαίου κόστους, τον χρόνο απόσβεσης των δαπανών και τη δυνατότητα διατήρησης των ανταγωνιστικών πλεονεκτημάτων.
Στο πλαίσιο αυτό, οι Γεωργικόπουλος και Σαμακοβίτης εκτιμούν ότι η επόμενη περίοδος θα χαρακτηρίζεται από μεγαλύτερη έμφαση στην οικονομική αποτελεσματικότητα των εφαρμογών, αντί της αποκλειστικής προβολής των τεχνολογικών τους επιδόσεων.
Ελλάδα: Το 47% των επιχειρήσεων χρησιμοποιεί AI
Η πρόκληση αποκτά ιδιαίτερη σημασία για την ελληνική επιχειρηματικότητα, καθώς η χρήση τεχνητής νοημοσύνης αυξάνεται, χωρίς να συνοδεύεται πάντοτε από αντίστοιχο μετασχηματισμό των παραγωγικών διαδικασιών.
Σύμφωνα με έρευνα της Strand Partners, που πραγματοποιήθηκε για λογαριασμό της Amazon Web Services (AWS), το 47% των ελληνικών επιχειρήσεων που συμμετείχαν δήλωσε ότι χρησιμοποιεί εργαλεία AI, έναντι 34% έναν χρόνο νωρίτερα.
Μεταξύ των επιχειρήσεων που έχουν υιοθετήσει την τεχνολογία, το 88% ανέφερε βελτιώσεις στην παραγωγικότητα και το 56% επιτάχυνση των διαδικασιών καινοτομίας.
Ωστόσο, τα στοιχεία δείχνουν ότι η πλειονότητα βρίσκεται ακόμη στα αρχικά στάδια αξιοποίησης.
Ειδικότερα, το 61% των επιχειρήσεων που χρησιμοποιούν AI επικεντρώνεται κυρίως σε εφαρμογές αυτοματοποίησης καθημερινών εργασιών και βελτίωσης της λειτουργικής αποτελεσματικότητας. Αντίθετα, μόλις το 17% έχει προχωρήσει σε προηγμένες μορφές ενσωμάτωσης, αναπτύσσοντας εξειδικευμένα συστήματα ή αξιοποιώντας πολλαπλά μοντέλα τεχνητής νοημοσύνης.
Η διαφορά αυτή αναδεικνύει την απόσταση ανάμεσα στην υιοθέτηση της τεχνολογίας και στον ουσιαστικό παραγωγικό μετασχηματισμό.
Στην πρώτη περίπτωση, μια επιχείρηση χρησιμοποιεί νέα ψηφιακά εργαλεία για να εκτελεί ταχύτερα υφιστάμενες εργασίες. Στη δεύτερη, ανασχεδιάζει τον τρόπο λειτουργίας της, οργανώνει διαφορετικά τις διαδικασίες της και αξιοποιεί την AI για να δημιουργήσει πρόσθετη οικονομική αξία.
Η μετάβαση απαιτεί συντονισμένες επενδύσεις σε ψηφιακές υποδομές, δεδομένα, εκπαίδευση προσωπικού και οργανωτικές αλλαγές.
Το έλλειμμα δεξιοτήτων και το ανταγωνιστικό πλεονέκτημα
Ένα από τα σημαντικότερα εμπόδια για τις ελληνικές επιχειρήσεις είναι η έλλειψη κατάλληλα εκπαιδευμένου προσωπικού.
Στην ίδια έρευνα, το 48% των επιχειρήσεων ανέφερε την ανεπάρκεια σχετικών δεξιοτήτων ως παράγοντα που δυσχεραίνει την ευρύτερη υιοθέτηση της τεχνητής νοημοσύνης.
Η πρόκληση αφορά τόσο την εξεύρεση εξειδικευμένων επιστημόνων όσο και την ικανότητα των εργαζομένων και των διοικήσεων να χρησιμοποιούν αποτελεσματικά τα διαθέσιμα εργαλεία.
Καθώς η πρόσβαση σε εφαρμογές AI διευρύνεται, η απόκτηση ενός τεχνολογικού συστήματος καθίσταται λιγότερο ικανή να εξασφαλίσει από μόνη της διαρκές ανταγωνιστικό πλεονέκτημα.
Μεγαλύτερη σημασία αποκτά η ποιότητα των δεδομένων, η κατάλληλη διαχείρισή τους, η τεχνογνωσία των εργαζομένων και η δυνατότητα της διοίκησης να εντοπίζει τις δραστηριότητες στις οποίες η τεχνητή νοημοσύνη μπορεί να έχει τη μεγαλύτερη οικονομική συμβολή.
Για τις ελληνικές επιχειρήσεις, επομένως, η αξιολόγηση των επενδύσεων θα πρέπει να συνδέεται με μετρήσιμους στόχους, όπως το κόστος παραγωγής, ο χρόνος εξυπηρέτησης πελατών, η ποιότητα προϊόντων και υπηρεσιών, οι λειτουργικές χρηματοροές και η απόδοση κεφαλαίου.
Το δίδαγμα της φούσκας των dot-com
Η έντονη άνοδος των επενδύσεων στην AI έχει επαναφέρει τις συγκρίσεις με τη χρηματιστηριακή φούσκα των εταιρειών του διαδικτύου στα τέλη της δεκαετίας του 1990.
Η ιστορική εμπειρία δείχνει ότι μια τεχνολογία μπορεί να επιφέρει βαθιές και διαρκείς αλλαγές στην οικονομία, ακόμη και όταν οι αποτιμήσεις ορισμένων επιχειρήσεων αποδεικνύονται υπερβολικές.
Το διαδίκτυο μετασχημάτισε την επιχειρηματικότητα, τις επικοινωνίες και το εμπόριο, αλλά πολλές εταιρείες που είχαν προσελκύσει σημαντικά επενδυτικά κεφάλαια δεν κατάφεραν να δημιουργήσουν βιώσιμα επιχειρηματικά μοντέλα.
Αντίστοιχα, στην περίπτωση της τεχνητής νοημοσύνης, η τεχνολογική πρόοδος δεν διασφαλίζει ότι όλες οι επιχειρήσεις του κλάδου θα επιτύχουν τις οικονομικές αποδόσεις που προεξοφλούν σήμερα οι αγορές.
Καθοριστικός παράγοντας θα είναι η δυνατότητα μετατροπής της καινοτομίας σε σταθερά έσοδα, επαρκή περιθώρια κέρδους και μακροχρόνια ανταγωνιστικότητα.
Το στοίχημα για την ελληνική οικονομία
Πέρα από τις επιδόσεις μεμονωμένων επιχειρήσεων, η τεχνητή νοημοσύνη δημιουργεί ευρύτερες προκλήσεις για την παραγωγική αναδιάρθρωση της ελληνικής οικονομίας.
Η στρατηγική σημασία της δεν περιορίζεται στην ταχύτερη υιοθέτηση ψηφιακών εφαρμογών. Συνδέεται με τη δυνατότητα ανάπτυξης δραστηριοτήτων υψηλότερης προστιθέμενης αξίας, την ενίσχυση της ανταγωνιστικότητας και τη βελτίωση της παραγωγικότητας σε περισσότερους κλάδους.
Για τα πανεπιστήμια, αυτό προϋποθέτει επενδύσεις στην έρευνα, στη διεπιστημονική συνεργασία και στην ανάπτυξη ανθρώπινου κεφαλαίου. Για τη δημόσια διοίκηση, απαιτείται αξιοποίηση των νέων τεχνολογιών με στόχο τη βελτίωση των υπηρεσιών και την αποτελεσματικότερη διαχείριση των διαθέσιμων πόρων.
Σε επίπεδο οικονομικής πολιτικής, η ενσωμάτωση της AI συνδέεται με τη χρηματοδότηση επενδύσεων, τη διάδοση της τεχνογνωσίας και τη δημιουργία κατάλληλων συνθηκών για την ανάπτυξη καινοτόμων επιχειρήσεων.
Η τεχνητή νοημοσύνη αντιμετωπίζεται πλέον ως τεχνολογία γενικού σκοπού, με δυνατότητες εφαρμογής σε μεγάλο μέρος της οικονομικής δραστηριότητας. Ο Διεθνής Οργανισμός Ενέργειας έχει μάλιστα παραλληλίσει τη δυνητική εμβέλειά της με εκείνη του ηλεκτρισμού.
Η τελική οικονομική της επίδραση, ωστόσο, θα εξαρτηθεί από την αποτελεσματικότητα με την οποία επιχειρήσεις και κράτη θα αξιοποιήσουν αυτές τις δυνατότητες.
Για την Ελλάδα, η σημαντικότερη πρόκληση είναι να μετατρέψει την αυξανόμενη χρήση της AI σε διατηρήσιμη παραγωγικότητα, υψηλότερη προστιθέμενη αξία και ισχυρότερη διεθνή ανταγωνιστικότητα.
Η επόμενη φάση της τεχνητής νοημοσύνης θα κριθεί, συνεπώς, από το οικονομικό αποτέλεσμα των επενδύσεων: πόση πρόσθετη αξία δημιουργείται για κάθε μονάδα κεφαλαίου και κατά πόσο αυτή μπορεί να διατηρηθεί σε βάθος χρόνου.
