Τεχνητή Νοημοσύνη: Επένδυση σε αξία ή... βαρέλι χωρίς πάτο;

Γιατί αποτυγχάνει το 80% των έργων ΑΙ και ποια στρατηγική οδηγεί στην επιτυχία. Η σκληρή αλήθεια για το κόστος. Πώς πρέπει να κινηθεί μια επιχείρηση. Γράφει ο ιδρυτής και CEO της Witside Xρ. Παπαδόπουλος.

Τεχνητή Νοημοσύνη: Επένδυση σε αξία ή... βαρέλι χωρίς πάτο;
  • Του Χρήστου Παπαδόπουλου*

Όταν ο Φαέθων πήρε στα χέρια του τα ηνία από το άρμα του Ήλιου, η φιλοδοξία του υπερίσχυσε της ικανότητας και η γη άρχισε να φλέγεται. Χωρίς την παρέμβαση του Δία, ο κόσμος θα είχε καταστραφεί. Σήμερα καίγονται δισεκατομμύρια ευρώ στο βωμό της τεχνητής νοημοσύνης και ο Δίας φαίνεται να έχει… «άλλες δουλειές».

Πίσω από το θέαμα με την «ωραία ατμόσφαιρα», κρύβεται η σκληρή πραγματικότητα των αριθμών. Σύμφωνα με μελέτες έγκριτων οργανισμών, όπως το MIT, η McKinsey, η Gartner κ.ά.:

  • 70–80% των έργων ΤΝ αποτυγχάνουν να περάσουν στην παραγωγή ή να αποδώσουν το αναμενόμενο ROI.
  • 90–95% των πιλοτικών έργων Generative AI καταλήγουν στο κενό.
  • Λιγότερο από το 50% των πιλοτικών εφαρμογών καταφέρνει τελικά να επιβιώσει στη δοκιμασία της παραγωγικής λειτουργίας.

Η επιθυμία για καινοτομία δεν υπήρξε ποτέ ικανή συνθήκη για το αποτέλεσμα. Με τις εκτιμήσεις να προβλέπουν αύξηση 70% των δαπανών για ΤΝ μέσα στο 2026 και διατήρηση υψηλών ρυθμών επενδύσεων για τα επόμενα χρόνια, η πρόκληση είναι σαφής: Αν δεν αλλάξουμε τακτική, τα δισεκατομμύρια που καταλήγουν στο «πηγάδι» θα συνεχίσουν να αυξάνονται εκθετικά.

Για την αποτυχία αυτή δεν φταίει η τεχνολογία —οι αλγόριθμοι είναι πλέον ώριμοι και η υπολογιστική ισχύς διαθέσιμη. Φταίει η απουσία στρατηγικής ηγεσίας που θα μετατρέψει τις τεχνολογικές δυνατότητες σε ανταγωνιστικό πλεονέκτημα.

Η απουσία στρατηγικής και το αδιέξοδο του «pilot purgatory»

Πολλές επιχειρήσεις ξεκινούν την πορεία τους στην Τεχνητή Νοημοσύνη με πειραματισμούς: ένα chatbot για την εξυπηρέτηση πελατών, μια εφαρμογή πρόβλεψης πωλήσεων ή ένα εργαλείο δημιουργίας περιεχομένου. Αυτές οι πρωτοβουλίες συχνά ξεκινούν με ενθουσιασμό, αλλά σπάνια καταλήγουν σε πλήρη εφαρμογή.


Οι αναλυτές περιγράφουν αυτή την κατάσταση ως pilot purgatory: οργανισμοί με δεκάδες πιλοτικά έργα να αιωρούνται στο χώρο αλλά να μην προσθέτουν ουσιαστική αξία στην επιχείρηση.

Η βασική αιτία είναι ότι τα έργα ξεκινούν από την τεχνολογία και όχι από το επιχειρηματικό πρόβλημα που καλούνται να λύσουν. Η Τεχνητή Νοημοσύνη δεν δημιουργεί αξία από μόνη της. Δημιουργεί αξία όταν εντάσσεται σε μια σαφή στρατηγική για την επιχείρηση, που αναγνωρίζει την υφιστάμενη κατάσταση, προσδιορίζει την επιθυμητή κλιμάκωση (scalability) και συγκλίνει σε έναν σκοπό από την πρώτη μέρα.

Όπως έγραφε ο Sun Tzu στην «Τέχνη του Πολέμου», «η τακτική χωρίς στρατηγική είναι ο θόρυβος πριν από την ήττα». Στον κόσμο της Τεχνητής Νοημοσύνης, ο θόρυβος αυτός είναι τα εργαλεία που εντυπωσιάζουν σε παρουσιάσεις αλλά δεν περνούν τις εξετάσεις της επιχειρησιακής πραγματικότητας.

Δεδομένα: Ο πρωταγωνιστής πίσω από την κουρτίνα

Αν η Τεχνητή Νοημοσύνη είναι η μηχανή, τα δεδομένα είναι το καύσιμο. Χωρίς αξιόπιστα δεδομένα, ακόμη και τα πιο εξελιγμένα μοντέλα αποτυγχάνουν.

Στην πράξη, πολλές επιχειρήσεις ανακαλύπτουν ότι το μεγαλύτερο μέρος της προσπάθειας ενός έργου AI δεν αφορά την ανάπτυξη αλγορίθμων αλλά την προετοιμασία των δεδομένων. Καθαρισμός, ενοποίηση, διακυβέρνηση και πρόσβαση προσεγγίζουν συχνά το 80% των εργασιών ενός έργου.

Παρά το γεγονός αυτό, αρκετοί οργανισμοί συνεχίζουν να αντιμετωπίζουν τα δεδομένα ως τεχνικό θέμα του τμήματος πληροφορικής και όχι ως στρατηγικό asset. Η πραγματικότητα είναι ότι χωρίς μια ισχυρή «Data Foundation» – χωρίς ενιαία αρχιτεκτονική δεδομένων και σαφείς κανόνες διακυβέρνησης – η Τεχνητή Νοημοσύνη δεν μπορεί να κλιμακωθεί.

Τα δεδομένα, είναι το σημαντικότερο περιουσιακό στοιχείο της νέας εποχής. Οι εταιρείες που καταφέρνουν να αξιοποιήσουν επιτυχώς την ΤΝ είναι συνήθως εκείνες που έχουν επενδύσει πρώτα σε μια συνεκτική στρατηγική δεδομένων.

Η σκληρή αλήθεια για το κόστος: Το φθηνό είναι ακριβό

Ένας από τους μεγαλύτερους μύθους γύρω από την Τεχνητή Νοημοσύνη είναι ότι αποτελεί μια φθηνή λύση αυτοματισμού. Η πραγματικότητα είναι διαφορετική.

Σύμφωνα με τη Gartner, οι οργανισμοί που υποτιμούν το κόστος ενσωμάτωσης κατά 50% ή περισσότερο, είναι εκείνοι που εγκαταλείπουν την προσπάθεια πρόωρα, έχοντας ήδη σπαταλήσει σημαντικούς πόρους.

Στον αντίποδα, βρίσκουμε το ένα τρίτο των οργανισμών με υψηλή απόδοση να δαπανά περισσότερο από το 20% των ψηφιακών προϋπολογισμών του στην Τεχνητή Νοημοσύνη (McKinsey - Νοέμβριος 2025).

Οι επιτυχημένες εφαρμογές απαιτούν σημαντικές επενδύσεις: σε υπολογιστική ισχύ, υποδομές cloud, εργαλεία δεδομένων, αλλά κυρίως σε ανθρώπινο ταλέντο. Οι επαγγελματίες που μπορούν να γεφυρώσουν την τεχνολογία με τη στρατηγική – data scientists, machine learning engineers και AI architects – συγκαταλέγονται σήμερα στους πιο περιζήτητους ειδικούς της αγοράς.

Εξίσου σημαντικό είναι το κόστος οργανωτικής αλλαγής. Η Τεχνητή Νοημοσύνη δεν ενσωματώνεται απλώς σε υπάρχουσες διαδικασίες· συχνά απαιτεί τον επανασχεδιασμό τους. Αυτό σημαίνει επενδύσεις σε εκπαίδευση, αλλαγή ρόλων και νέες μορφές συνεργασίας μεταξύ τεχνολογικών και επιχειρησιακών ομάδων.

Με άλλα λόγια, η ΤΝ είναι περισσότερο μια στρατηγική επένδυση κεφαλαίου (CAPEX) και όχι μια αναλώσιμη τεχνολογική δαπάνη.

Συνεργασία ανθρώπου – μηχανής: Η κουλτούρα χτίζεται στο δρόμο!

Συχνά, ακούμε στελέχη επιχειρήσεων να μας λένε: «Θα περιμένουμε να διαμορφώσουμε κουλτούρα πριν ξεκινήσουμε». Στην πράξη, η κουλτούρα δεν διαμορφώνεται από τις σκέψεις, αλλά από τα βήματά μας. Την εμπειρία και τον θετικό αντίκτυπο των ενεργειών.

Η ΤΝ αποδίδει καλύτερα όταν λειτουργεί ως «συν-οδηγός» (Co-pilot) του ανθρώπου. Οι αλγόριθμοι μπορούν να επεξεργαστούν τεράστιους όγκους δεδομένων και να εντοπίσουν πρότυπα που θα ήταν δύσκολο να αντιληφθεί ένας αναλυτής. Η τελική κρίση όμως παραμένει ανθρώπινη.

Χρειάζεται μια διττή προσέγγιση:

  • Quick Wins: Υλοποίηση λύσεων με άμεσο και ορατό όφελος.
  • Proof of Concept: Αυτές οι «νίκες», απαλλάσσουν εργαζόμενους από εργασίες ρουτίνας και προσφέρουν κίνητρα για οργανικό μετασχηματισμό της κουλτούρας.

Οι οργανισμοί που κατανοούν αυτή τη σχέση δημιουργούν ένα νέο μοντέλο εργασίας και διαδικασίες όπου άνθρωποι και συστήματα Τεχνητής Νοημοσύνης λειτουργούν συμπληρωματικά. Αυτό απαιτεί όχι μόνο τεχνολογική υποδομή αλλά και οργανωτική ωριμότητα.

Από τον πειραματισμό στην κλιμάκωση

Όταν μια εφαρμογή ΤΝ επιχειρεί να περάσει σε παραγωγική λειτουργία, προκύπτουν ζητήματα που δεν ήταν εμφανή στο πιλοτικό στάδιο: ενσωμάτωση με υφιστάμενα συστήματα, διαχείριση δεδομένων σε πραγματικό χρόνο, ασφάλεια, κανονιστική συμμόρφωση και συνεχής παρακολούθηση των μοντέλων.

Οι άκαμπτες ή ευκαιριακές προσεγγίσεις δε συνάδουν με την εκθετική ανάπτυξη της τεχνολογίας και τις μεταβαλλόμενες ανάγκες της αγοράς. Τα επιτυχημένα έργα προϋποθέτουν ευέλικτη και αρθρωτή (modular) αρχιτεκτονική. Δεν αντιμετωπίζονται ως μεμονωμένα πειράματα, αλλά ως μέρος ενός κλιμακούμενου σχεδίου που μπορεί να υποστηρίξει πολλαπλές εφαρμογές.

Οδηγός δράσης για επιτυχή εφαρμογή και υιοθέτηση

  1. Ξεκινήστε από το πρόβλημα, όχι από την τεχνολογία: Μην ρωτάτε «τι κάνει το AI;», αλλά «ποιο επιχειρηματικό πρόβλημα λύνουμε;».
  2. Τα Δεδομένα είναι το σημαντικότερο πάγιο της εταιρίας: Επενδύστε στην ποιότητα και τη διακυβέρνηση των δεδομένων σας σήμερα. Είναι το μόνο περιουσιακό στοιχείο που δεν απαξιώνεται.
  3. Μην κάνετε εκπτώσεις στον προϋπολογισμό: Η ΤΝ απαιτεί σοβαρή οικονομική δέσμευση. Η υποχρηματοδότηση οδηγεί σε 100% απώλεια κεφαλαίου.
  4. Σκεφτείτε στρατηγικά - κινηθείτε μεθοδικά: Ξεκινήστε μικρά, σκεφτείτε μεγάλα, κλιμακώστε γρήγορα. Τα επιτυχημένα έργα σχεδιάζονται εξαρχής με προοπτική επέκτασης.
  5. Διατηρείτε στο κέντρο τον Άνθρωπο: Αντιμετωπίστε την ΤΝ ως συνοδηγό των εργαζομένων, όχι ως αντικαταστάτη. Επενδύστε στους ανθρώπους και εξασφαλίστε την ενεργή εμπλοκή της διοίκησης.

Το ερώτημα της εποχής

Σε εποχές βίαιης μετάβασης όπως η σημερινή, η αλήθεια έρχεται από τα παραμύθια «χρειάζεται να τρέχεις όσο πιο γρήγορα μπορείς για να μείνεις στην ίδια θέση. Αν θέλεις να πας κάπου αλλού, πρέπει να τρέξεις τουλάχιστον δύο φορές πιο γρήγορα» λέει και η Κόκκινη Βασίλισσα στην Αλίκη του Lewis Caroll.

Η Τεχνητή Νοημοσύνη δεν είναι το «μαγικό ραβδί» που θα λύσει τα προβλήματα μιας κακής στρατηγικής. Είναι ένας πολλαπλασιαστής ισχύος.

Οι μετοχές των πρωτοπόρων εταιρών στη χρήση ΤΝ (Digital Leaders) αποδίδουν 2 έως 6 φορές περισσότερο από τους ουραγούς (Laggards).


Τα δεδομένα δείχνουν ακόμη ότι οι εταιρείες που επενδύουν σε ουσιαστικές αλλαγές, μπορούν να αυξήσουν τα κέρδη προ φόρων και τόκων (EBIT) κατά 10 έως 20% στους στοχευμένους τομείς τους σε δύο έως τρία χρόνια.

Εσείς θα επιλέξετε το δρόμο της στρατηγικής επένδυσης ή την τύχη του Φαέθωνα;

 

* Ο Χρήστος Παπαδόπουλος είναι ιδρυτής και CEO της Witside, εταιρείας Data & AI

 


Oι απόψεις που διατυπώνονται σε ενυπόγραφο άρθρο γνώμης ανήκουν στον συγγραφέα και δεν αντιπροσωπεύουν αναγκαστικά, μερικώς ή στο σύνολο, απόψεις του Euro2day.gr.

ΣΧΟΛΙΑ ΧΡΗΣΤΩΝ

blog comments powered by Disqus
v
Απόρρητο