THE BULLET POINT "PREVIEW"
Η τεχνητή νοημοσύνη μειώνει το κόστος πρόσβασης σε έρευνα, ανάλυση, περιεχόμενο και ανάπτυξη λογισμικού για τις μικρότερες ομάδες.
Το 65% των ΜμΕ που χρησιμοποιούν generative AI αναφέρει βελτίωση της απόδοσης, αλλά η πρόσβαση από μόνη της δεν εγγυάται μεγαλύτερα κέρδη.
Η μικρότερη ιεραρχία διευκολύνει τη σύνδεση της χρήσης του AI με μετρήσιμο αποτέλεσμα, αρκεί να υπάρχουν οργάνωση και καθαρές διαδικασίες.
Για δεκαετίες, το μέγεθος εξασφάλιζε στις επιχειρήσεις στρατηγικό προβάδισμα. Οι μεγάλοι όμιλοι συντηρούσαν τμήματα έρευνας, ανάλυσης δεδομένων, μάρκετινγκ και τεχνολογίας, ενώ οι μικρότεροι ανταγωνιστές αγόραζαν ακριβότερα τις ίδιες υπηρεσίες ή λειτουργούσαν χωρίς αυτές. Η τεχνητή νοημοσύνη (AI) μεταβάλλει αυτή την ισορροπία, επειδή δυνατότητες που απαιτούσαν επιπλέον προσωπικό και κεφάλαιο είναι πλέον ευρέως διαθέσιμες σε μια ολιγομελή ομάδα.
Αυτό δεν σημαίνει ότι κάθε μικρή επιχείρηση αποκτά αυτομάτως πλεονέκτημα. Σημαίνει ότι ένας αφοσιωμένος επαγγελματίας που θέλει να δημιουργήσει και να παράξει έχει περισσότερα εφόδια. Έρευνα του ΟΟΣΑ σε περισσότερες από 5.000 μικρομεσαίες επιχειρήσεις επτά χωρών έδειξε ότι το 31% χρησιμοποιούσε εργαλεία generative AI ήδη από το 2024. Μεταξύ των χρηστών, το 65% ανέφερε βελτίωση της απόδοσης, το 45% εξοικονόμηση χρημάτων και το 29% μεγαλύτερη ικανότητα να ανταγωνιστεί μεγάλες εταιρείες. Τα στοιχεία αποτυπώνουν οφέλη, χωρίς να αποδεικνύουν ότι η πρόσβαση στην τεχνολογία μετατρέπεται πάντοτε σε μεγαλύτερα κέρδη.
Περισσότερη παραγωγή από μικρότερες ομάδες
Για μια μικρή επιχείρηση, η μεγάλη αλλαγή βρίσκεται στο κόστος εισόδου. Η έρευνα αγοράς, η επεξεργασία πωλήσεων, η δημιουργία περιεχομένου και η ανάπτυξη απλού λογισμικού μπορούν να γίνουν ταχύτερα και με μικρότερη εξάρτηση από εξωτερικούς συνεργάτες. Ο ΟΟΣΑ διαπίστωσε ότι το 14% των χρηστών περιόρισε αυτή την εξάρτηση. Τα εργαλεία αυξάνουν το εύρος των εργασιών που μπορεί να αναλάβει ένας επαγγελματίας και συντομεύουν την απόσταση ανάμεσα στην ιδέα και στην πρώτη εφαρμογή της.
Το πώς μεταφράζεται η πρόσβαση σε τεχνολογικά εργαλεία και δεδομένα σε πραγματικό ανταγωνισμό φαίνεται στο λιανεμπόριο. Η Circana περιγράφει μικρά και μεσαία brands που αποκτούν συχνότερη εικόνα για τα αποθέματα, τις πωλήσεις και την απόδοση ανά κατάστημα. Μπορούν να εντοπίζουν μια έλλειψη πριν χαθούν πωλήσεις και να παρουσιάζουν στους αγοραστές των αλυσίδων στοιχεία για να προστατεύσουν τη θέση τους στο ράφι. Δεν διαθέτουν περισσότερα δεδομένα από τους μεγάλους ανταγωνιστές. Έχουν όμως αρκετή εικόνα ώστε να ενεργούν προτού ένα μικρό πρόβλημα αποκτήσει μεγάλο κόστος.
Η πρόσβαση, ωστόσο, δεν αρκεί. Η αγορά ενός εργαλείου δεν διορθώνει μια επιχείρηση με ασύνδετα αρχεία, ασαφείς αρμοδιότητες και διαδικασίες που αλλάζουν άρδην ανάλογα με το ποιος διοικεί την εκάστοτε περίοδο. Χωρίς καθαρά δεδομένα και συγκεκριμένο σημείο ένταξης στην καθημερινή εργασία, η AI παράγει περισσότερα προσχέδια, όχι περισσότερο οικονομικό αποτέλεσμα. Χρειάζονται σαφής καταμερισμός εργασίας, ανθρώπινος έλεγχος και μέτρηση του χρόνου, του κόστους ή των εσόδων που πράγματι μεταβάλλονται.
Η απόσταση ανάμεσα στη χρήση και στην απόδοση είναι ήδη ορατή. Σε έρευνα της Bpifrance το 2026, το 77% των επικεφαλής γαλλικών επιχειρήσεων μεσαίου μεγέθους δήλωσε ότι χρησιμοποιεί generative AI, αλλά μόνο το 17% είχε διαπιστώσει εξοικονόμηση χρόνου. Η McKinsey διαπίστωσε ότι το μεγαλύτερο οικονομικό αποτέλεσμα εμφανίζεται όταν οι επιχειρήσεις αλλάζουν τον τρόπο εκτέλεσης της εργασίας, αντί να προσθέτουν απλώς εργαλεία AI στις υπάρχουσες διαδικασίες. Μόνο το 21% είχε προχωρήσει σε τέτοιες αλλαγές.
Η χρήση δεν ισοδυναμεί με αποτέλεσμα
Στους μεγάλους οργανισμούς εμφανίζεται και ένας διαφορετικός κίνδυνος. Η υιοθέτηση της AI μπορεί να λειτουργήσει ως απόδειξη εκσυγχρονισμού προς τη διοίκηση, τους επενδυτές ή την αγορά, χωρίς να είναι σαφές ποια εργασία βελτιώθηκε. Όσο αυξάνονται τα διοικητικά επίπεδα, οι ομάδες και οι εφαρμογές, τόσο δυσκολότερα ελέγχεται ποιος χρησιμοποιεί τι και πού παράγεται πραγματική εξοικονόμηση. Η ίδια έρευνα της McKinsey έδειξε ότι περισσότεροι από οκτώ στους δέκα οργανισμούς δεν έβλεπαν ακόμη απτή επίδραση της generative AI στα συνολικά λειτουργικά κέρδη. Η χρήση μπορεί να επεκτείνεται ταχύτερα από το παραγωγικό της αποτέλεσμα.
Σε μια μικρότερη εταιρεία η απόσταση ανάμεσα στο εργαλείο, στον εργαζόμενο και στο αποτέλεσμα είναι μικρότερη. Η διοίκηση μπορεί ευκολότερα να γνωρίζει εάν εξοικονομήθηκαν ώρες, εξυπηρετήθηκαν περισσότεροι πελάτες ή κυκλοφόρησε γρηγορότερα ένα προϊόν. Η μικρότερη ιεραρχία μπορεί να γίνει πλεονέκτημα, εφόσον συνοδεύεται από οργάνωση και ταχύτητα στη λήψη αποφάσεων.
Οι μεγάλοι όμιλοι εξακολουθούν να υπερέχουν στα ιδιόκτητα δεδομένα, στη χρηματοδότηση, στην κυβερνοασφάλεια, στα δίκτυα διανομής και στα αναγνωρίσιμα εμπορικά σήματα. Η Eurostat κατέγραψε το 2025 χρήση AI από το 55% των μεγάλων επιχειρήσεων στην Ευρωπαϊκή Ένωση, έναντι 30% των μεσαίων και 17% των μικρών. Το χάσμα παραμένει μεγάλο, αλλά δεν είναι πλέον αδιαπέραστο.
Η AI δεν εξισώνει τις επιχειρήσεις και δεν χαρίζει σε κανέναν παραγωγικότητα. Δίνει περισσότερα εφόδια στους επαγγελματίες που θέλουν να παράξουν και στις ομάδες που μπορούν να εντάξουν τα εργαλεία σε πραγματικές διαδικασίες. Θα κερδίσουν όσοι χρησιμοποιούν την AI για να παράγουν απέναντι σε εκείνους που αρκούνται στο να αποδεικνύουν ότι τη χρησιμοποιούν.
GOOD TO KNOW
Το 83% των ΜμΕ που χρησιμοποιούν generative AI δεν κατέγραψε μεταβολή στις συνολικές ανάγκες προσωπικού. Μόνο το 6% ανέφερε αύξηση και το 9% μείωση, ένδειξη ότι προς το παρόν αλλάζει περισσότερο ο τρόπος εργασίας παρά ο αριθμός των εργαζομένων.
Μόνο το 29% των μικρομεσαίων επιχειρήσεων που χρησιμοποιούν generative AI το έχει εντάξει στις βασικές του δραστηριότητες. Η χρήση παραμένει συχνότερη σε περιφερειακές, απλές ή περιστασιακές εργασίες, γεγονός που περιορίζει το πραγματικό οικονομικό αποτέλεσμα.
Στην Ευρωπαϊκή Ένωση, το 34,7% των επιχειρήσεων που αξιοποιούν AI το χρησιμοποιεί στο μάρκετινγκ και στις πωλήσεις και το 31,1% στη διοίκηση. Στα logistics το αντίστοιχο ποσοστό περιορίζεται στο 6,1%.
