Άλλο πράγμα η διείσδυση, άλλο πράγμα η απόδοση. Αυτή είναι η πιο κρίσιμη διάκριση για να διαβάσει κανείς ψύχραιμα τα δεδομένα γύρω από την έκρηξη της τεχνητής νοημοσύνης το 2025 και το 2026. Η AI έχει μπει δυναμικά στις εταιρικές παρουσιάσεις, στα προϊόντα, στις στρατηγικές και στο καθημερινό λεξιλόγιο σχεδόν κάθε κλάδου. Δεν έχει όμως περάσει με τον ίδιο ρυθμό στην πραγματική παραγωγή αξίας.
Εδώ αρχίζει το φαινόμενο του AI washing. Δεν σημαίνει πάντα ότι μια εταιρεία λέει ψέματα. Συχνά σημαίνει ότι μεγεθύνει επικοινωνιακά μια περιορισμένη χρήση. Ένα chatbot στην εξυπηρέτηση πελατών, ένα γλωσσικό μοντέλο LLM που παράγει σύντομα κείμενα για το marketing ή ένας αυτοματισμός σε ένα τμήμα μπορεί να παρουσιάζονται ως πλήρης μετασχηματισμός. Στην πράξη όμως, η απόσταση ανάμεσα στο «χρησιμοποιώ AI» και στο «παράγω περισσότερο χάρη στην AI» παραμένει μεγάλη.
Η διείσδυση μετρά πόσες επιχειρήσεις έχουν βάλει κάποια μορφή τεχνητής νοημοσύνης στη λειτουργία τους. Η απόδοση μετρά τι αλλάζει εξαιτίας της. Μειώνεται το κόστος; Αυξάνεται η παραγωγικότητα ανά εργαζόμενο; Βελτιώνεται η ταχύτητα εξυπηρέτησης; Περιορίζονται τα λάθη; Δημιουργούνται νέα προϊόντα ή νέες πηγές εσόδων; Χωρίς τέτοιες απαντήσεις, η AI μπορεί να υπάρχει μέσα στην επιχείρηση, αλλά να μη λειτουργεί ακόμη ως πραγματικό οικονομικό πλεονέκτημα.
Το ευρύ ποσοτικό χάσμα πίσω από τους δείκτες
Η μεγάλη αντίφαση της AI βρίσκεται σήμερα ακριβώς σε αυτή τη διαφορά. Από τη μία πλευρά, η τεχνητή νοημοσύνη μπαίνει όλο και πιο γρήγορα στις επιχειρήσεις. Σύμφωνα με τη Eurostat, το 2025 περίπου 20% των επιχειρήσεων της ΕΕ με τουλάχιστον 10 εργαζομένους χρησιμοποιούσε τεχνολογίες AI, από 13,5% το 2024. Στις μεγάλες επιχειρήσεις, το ποσοστό έφτανε το 55,03%. Δηλαδή, στην κορυφή της αγοράς, η AI δεν είναι πια περιθωριακό εργαλείο, αλλά τεχνολογικό πλέγμα που υιοθετείται από την πλειοψηφία.
Από την άλλη πλευρά, όταν η συζήτηση μεταφέρεται από τη χρήση στην παραγωγικότητα, η εικόνα γίνεται πολύ πιο συγκρατημένη. Ο Daron Acemoglu, καθηγητής στο MIT και νομπελίστας Οικονομικών, εκτιμά ότι η επίδραση της AI στη συνολική παραγωγικότητα των συντελεστών παραγωγής δεν θα ξεπεράσει το 0,71% συνολικά σε ορίζοντα δεκαετίας, δηλαδή περίπου 0,07% ετησίως. Ο OΟΣΑ, σε πιο θετικό σενάριο, υπολογίζει πιθανή συμβολή 0,25 έως 0,6% στην ετήσια αύξηση της συνολικής παραγωγικότητας στις ΗΠΑ, ενώ η McKinsey εκτιμά ότι η generative AI μπορεί να προσθέσει 0,1% έως 0,6% ετησίως στην παραγωγικότητα εργασίας έως το 2040.
Αυτή η απόσταση είναι η ουσία του AI washing. Τα νούμερα διείσδυσης μπορεί να φαίνονται εντυπωσιακά, ειδικά στις μεγάλες επιχειρήσεις, όμως το παραγωγικό αποτύπωμα παραμένει ακόμη μικρό, διάσπαρτο και δύσκολα μετρήσιμο σε μακροοικονομικό επίπεδο. Με απλά λόγια, η AI έχει περάσει πολύ πιο γρήγορα στη γλώσσα των επιχειρήσεων, στις παρουσιάσεις και στις πιλοτικές εφαρμογές απ’ ό,τι έχει περάσει στους δείκτες παραγωγικότητας. Το 20% ή το 55% στη χρήση δεν μεταφράζεται αυτόματα σε 20% ή 55% περισσότερη παραγωγή. Μεταφράζεται, προς το παρόν, σε πολύ μικρότερα νούμερα απόδοσης, συνήθως κάτω από 1% στις βασικές μακροοικονομικές εκτιμήσεις.
Από τα εύκολα λόγια στο καθαρό οικονομικό αποτέλεσμα
Αυτό δεν ακυρώνει τα θετικά της τεχνητής νοημοσύνης. Δείχνει όμως ότι η οικονομία βρίσκεται ακόμη στο δύσκολο ενδιάμεσο στάδιο ανάμεσα στην υιοθέτηση και στην ενσωμάτωση. Η υιοθέτηση μπορεί να γίνει γρήγορα, με χαμηλό μηνιαίο κόστος και μια συνδρομή. Η ενσωμάτωση ωστόσο απαιτεί δεδομένα, υποδομές, εκπαίδευση, νέες δεξιότητες, αλλαγές στις διαδικασίες και εξειδίκευση από τα άτομα που γνωρίζουν ποιο πρόβλημα καλούνται να λύσουν.
Αυτό είναι και το σημείο στο οποίο κρίνεται αν μια επιχείρηση χρησιμοποιεί την AI ουσιαστικά ή απλώς ακολουθεί το hype. Δεν αρκεί να υπάρχει ένα εργαλείο τεχνητής νοημοσύνης σε κάποιο τμήμα. Πρέπει να συνδέεται με συγκεκριμένο επιχειρησιακό στόχο.
Το 2026 μπορεί να γίνει η χρονιά του ξεκαθαρίσματος. Δεν θα αρκεί πλέον μια εταιρεία να λέει ότι «ενσωματώνει AI». Θα πρέπει στα PowerPoint slides να δείχνει πού την τοποθετεί, ποιο κόστος μειώνει, ποιον χρόνο εξοικονομεί και ποιο αποτέλεσμα φέρνει. Η αγορά θα αρχίσει να ξεχωρίζει τις επιχειρήσεις που χρησιμοποιούν την τεχνητή νοημοσύνη ως εργαλείο παραγωγικότητας από εκείνες που τη χρησιμοποιούν πρόχειρα ως επικοινωνιακό αφήγημα.
