Deloitte: Αυτό είναι το πραγματικό εμπόδιο που «κολλάει» η Τεχνητή Νοημοσύνη στις επιχειρήσεις

Η έκθεση «The State of AI in the Enterprise» της Deloitte: GenAI και Agentic AI αλλάζουν τις απαιτήσεις και δημιουργούν νέο χάσμα απόδοσης

Η Τεχνητή Νοημοσύνη έχει πλέον περάσει από τη φάση του «πρέπει να τη δοκιμάσουμε» στη φάση του «πρέπει να δουλέψει παντού». Κι όμως, σύμφωνα με την έκθεση του Deloitte AI Institute «The State of AI in the Enterprise: The Untapped Edge» για το 2026, το μεγαλύτερο εμπόδιο για τις επιχειρήσεις δεν είναι η απόφαση να επενδύσουν στην ΤΝ, αλλά η μετάβαση από τα πιλοτικά έργα σε συστηματική, κλιμακούμενη ενσωμάτωση που να αντέχει σε πραγματικές συνθήκες λειτουργίας.

Το σήμα της αγοράς είναι διπλό. Από τη μία, η πρόσβαση των εργαζομένων σε εγκεκριμένα εργαλεία ΤΝ αυξάνεται θεαματικά, σε επίπεδα κοντά στο 60%, με άνοδο περίπου 50% μέσα σε έναν χρόνο. Από την άλλη, η αξία δεν «ξεκλειδώνει» αυτόματα, γιατί η ΤΝ απαιτεί αλλαγές σε διαδικασίες, δεδομένα, αρχιτεκτονική, κυβερνοασφάλεια και, κυρίως, στη διοίκηση και στη λήψη αποφάσεων.

Αυτοπεποίθηση στη στρατηγική, κενά στην ετοιμότητα

Η έκθεση βασίζεται σε έρευνα σε περισσότερα από 3.000 ανώτερα στελέχη που συμμετέχουν άμεσα στις πρωτοβουλίες AI των οργανισμών τους, με πεδίο κάλυψης πολλών χωρών και κλάδων.

Εδώ αναδεικνύεται μια κρίσιμη ασυμμετρία: πολλές επιχειρήσεις δηλώνουν ότι «στρατηγικά είναι έτοιμες», όμως όταν η συζήτηση πηγαίνει σε υποδομές, διαχείριση δεδομένων και ανθρώπινο δυναμικό, η επιχειρησιακή ωριμότητα δεν ακολουθεί στον ίδιο ρυθμό. Η εικόνα αυτή εξηγεί γιατί η ΤΝ «λάμπει» στα εργαστήρια, αλλά δυσκολεύεται να σταθεί στο πεδίο.

Το μεγάλο χάσμα: Από τον πειραματισμό… στην παραγωγή

Το βασικό σημείο τριβής είναι η κλιμάκωση. Στα πιλοτικά έργα, οι επιχειρήσεις συνήθως δουλεύουν με καθαρά δεδομένα, περιορισμένο scope και ελεγχόμενο περιβάλλον. Στην παραγωγή, όμως, εμφανίζονται οι πραγματικές απαιτήσεις: διασύνδεση με legacy συστήματα, πολιτικές πρόσβασης και δικαιώματα δεδομένων, έλεγχοι ασφαλείας και συμμόρφωσης, παρακολούθηση απόδοσης, συντήρηση μοντέλων, καθώς και μηχανισμοί διακυβέρνησης που να αποτρέπουν λάθη ή κακή χρήση.

Σε αυτό το πλαίσιο, η έκθεση καταγράφει ότι μόνο ένα μειοψηφικό ποσοστό οργανισμών έχει καταφέρει να μεταφέρει σημαντικό μέρος των πειραμάτων ΤΝ σε παραγωγή, ενώ ταυτόχρονα πολλοί δηλώνουν ότι θα το πετύχουν σύντομα. Το κενό αυτό λειτουργεί ως δείκτης υπερεκτίμησης της «ταχύτητας υλοποίησης» σε σχέση με το πραγματικό οργανωσιακό κόστος της κλιμάκωσης.

Οι «τρεις ταχύτητες» της ΤΝ: Εργαλείο κόστους ή μηχανή νέων εσόδων;

Η Deloitte περιγράφει, στην πράξη, τρία επίπεδα αξιοποίησης. Υπάρχουν επιχειρήσεις που χρησιμοποιούν την ΤΝ επιφανειακά, χωρίς να αγγίζουν τις βασικές διαδικασίες. Υπάρχουν οργανισμοί που επανασχεδιάζουν κρίσιμες ροές γύρω από την ΤΝ, αλλά κρατούν το επιχειρηματικό μοντέλο σχεδόν ίδιο. Και υπάρχει μια μικρότερη ομάδα που μετασχηματίζει βαθιά τη λειτουργία της, δημιουργώντας νέα προϊόντα, αλλάζοντας δομικά διαδικασίες και επαναχαράσσοντας το μοντέλο ανάπτυξης.

Ακριβώς εκεί, σύμφωνα με τη λογική της έκθεσης, «ανοίγει» και η διαφορά απόδοσης στην αγορά: οι πρωτοπόροι δεν αντιμετωπίζουν την ΤΝ ως «εργαλείο παραγωγικότητας», αλλά ως πυρήνα στρατηγικής που δημιουργεί νέες γραμμές εσόδων και ανταγωνιστικό πλεονέκτημα.

GenAI, Agentic AI και η νέα πρόκληση της διακυβέρνησης

Η Generative AI έχει αλλάξει την εξίσωση. Όπως καταγράφεται, οι νέες περιπτώσεις χρήσης μετατοπίζονται σε μεγάλο βαθμό προς GenAI, πράγμα που πιέζει υποδομές και δεξιότητες: οι παλαιές αρχιτεκτονικές δεδομένων που σχεδιάστηκαν για παραδοσιακό analytics και machine learning δεν αρκούν για real-time εφαρμογές και ασφαλή κλιμάκωση σε cloud περιβάλλοντα.

Ακόμη πιο έντονη είναι η πρόκληση στο Agentic AI, δηλαδή σε συστήματα που δεν περιορίζονται σε «προτάσεις», αλλά μπορούν να σχεδιάζουν και να εκτελούν ενέργειες για την επίτευξη στόχων. Η έκθεση καταγράφει ότι ένα πολύ μεγάλο ποσοστό επιχειρήσεων σχεδιάζει να αναπτύξει agentic εφαρμογές εντός διετίας, ωστόσο μόνο περίπου 1 στις 5 δηλώνει ότι διαθέτει σήμερα ώριμο μοντέλο διακυβέρνησης για αυτόνομους πράκτορες. Το πρόβλημα είναι προφανές: η τεχνολογία τρέχει πιο γρήγορα από τα guardrails.

Physical AI και Sovereign AI: Το επόμενο κύμα εκτός οθόνης

Η έκθεση φωτίζει επίσης την ταχεία ενσωμάτωση του Physical AI, δηλαδή ρομποτικών και αυτόνομων συστημάτων (cobots, drones, αυτοματισμοί logistics, digital twins), με την υιοθέτηση να εμφανίζει ισχυρή δυναμική διεθνώς. Η εξέλιξη αυτή μεταφέρει το AI από τις ψηφιακές λειτουργίες στην «πραγματική οικονομία» της παραγωγής και της εφοδιαστικής αλυσίδας, δημιουργώντας νέο πεδίο ανταγωνισμού.

Παράλληλα, ανεβαίνει η σημασία του Sovereign AI, καθώς ολοένα και περισσότερες επιχειρήσεις αξιολογούν τη χώρα προέλευσης προμηθευτών και επιδιώκουν μεγαλύτερο έλεγχο σε δεδομένα και υποδομές. Η ΤΝ μετατρέπεται έτσι και σε ζήτημα ανθεκτικότητας, όχι μόνο αποδοτικότητας.

Η ΤΝ είναι οργανωσιακό project, όχι απλή αγορά τεχνολογίας

Το βασικό συμπέρασμα που αναδύεται από την εικόνα της Deloitte είναι ότι το «εμπόδιο» του 2026 δεν βρίσκεται στα εργαλεία. Βρίσκεται στη μετάφραση της τεχνολογίας σε λειτουργικό μοντέλο: σε δεδομένα, αρχιτεκτονική, ανθρώπους, διακυβέρνηση, διαδικασίες και, τελικά, σε αποφάσεις που αλλάζουν τον τρόπο που δουλεύει ο οργανισμός.

Με άλλα λόγια, η αγορά περνά από την εποχή του experimentation στην εποχή του activation. Και εκεί, οι νικητές δεν θα είναι όσοι «τρέχουν τα περισσότερα pilots», αλλά όσοι κάνουν την ΤΝ δομικό στοιχείο της παραγωγής αξίας.

Διαβάστε επίσης: Τεχνητή Νοημοσύνη χωρίς έλεγχο; Ο ΟΗΕ απαντά με νέα διεθνή αρχιτεκτονική εποπτείας

Σχετικά άρθρα:

Η βιομηχανία παίρνει «ανάσα»: 200 εκατ. ευρώ για φθηνότερη ενέργεια και επενδύσεις ΕΦΚΑ-ΔΥΠΑ: Ποιοι πληρώνονται αυτή την εβδομάδα – Αναλυτικά τα ποσά – FinanceNews.gr Τζόκερ: Αυτοί είναι οι τυχεροί αριθμοί για το €1.000.000 Γιώργος Αλεξανδράτος: Επανεκλέγεται Πρόεδρος του Ναυτικού Επιμελητηρίου Ελλάδος