Παραπάνω από 35 εφαρμογές ΑΙ έχουν αναπτύξει οι ελληνικές εταιρείες την τελευταία πενταετία.
της Νατάσας Φραγκούλη
Tα Ελληνικά Πετρέλαια χρησιμοποιούν αλγορίθμους machine learning για να βελτιστοποιήσουν το μείγμα αργού στα διυλιστήριά τους. Η ναυτιλιακή Signal Maritime πετυχαίνει αύξηση εσόδων κατά ένα εκατομμύριο ευρώ ανά καράβι ετησίως.
Πρόκειται για δύο μόνο παραδείγματα εφαρμογών τεχνητής νοημοσύνης (Artificial Intelligence -AI), τις οποίες «τρέχουν» με επιτυχία και σημαντικά οφέλη επιχειρήσεις επί ελληνικού εδάφους. Συνολικά, παραπάνω από 35 εφαρμογές ΑΙ έχουν αναπτύξει οι ελληνικές εταιρείες ιδίως την τελευταία πενταετία, μπαίνοντας σταδιακά στον κόσμο της τεχνητής νοημοσύνης.
Μάλιστα, οι επιδράσεις της χρήσης της τεχνητής νοημοσύνης στις εγχώριες επιχειρήσεις δείχνουν να είναι θετικές στα πεδία εφαρμογής από τους πρώτους κιόλας μήνες. Tα παραδείγματα προέρχονται από σχεδόν όλους τους τομείς της ελληνικής οικονομίας και μάλιστα η κινητικότητα που αναπτύσσεται τελευταία βαίνει αυξανόμενη.
Πάντως, οι περισσότεροι οργανισμοί στην Ελλάδα βρίσκονται ακόμη στα πρώτα τους βήματα σχετικά με το ΑΙ, αναδεικνύοντας τις μεγάλες προοπτικές περαιτέρω ανάπτυξης. Τα παραπάνω διαπιστώνει κοινή έρευνα των Boston Consulting Group και Microsoft, η οποία χαρτογραφεί την εφαρμογή της τεχνητής νοημοσύνης στην Ελλάδα.
Όπως διαπιστώνει η μελέτη, τα τελευταία χρόνια, η τεχνητή νοημοσύνη παράγει όλο και περισσότερες εφαρμογές στον επιχειρηματικό κόσμο. Σύμφωνα με εκτιμήσεις της IDC, οι επενδύσεις στο ΑΙ παγκοσμίως θα πλησιάσουν τα 100 δισ. δολ. το 2023.
ΑΙ και COVID-19
Ειδικά σε περιόδους αναταραχής, όπως αυτή που διανύει σήμερα η τεχνητή νοημοσύνη εξαιτίας της πανδημίας, το ΑΙ μπορεί να βοηθήσει στην λήψη αποφάσεων, δίνοντας τη δυνατότητα στις επιχειρήσεις να προβλέπουν, να προλαμβάνουν και να μετριάζουν κινδύνους, αξιοποιώντας την δύναμη των δεδομένων.
Η μελέτη «Harnessing the Power of AI in Greece. Embarking on the path to value»/ Αξιοποιώντας την δύναμη της τεχνητής νοημοσύνης στην Ελλάδα επισημαίνει ότι για την επιτυχία των εφαρμογών AI, απαιτείται μια ολοκληρωμένη προσέγγιση, σε τρεις κύριους άξονες: την κατάρτιση ενός χαρτοφυλακίου εφαρμογών σε ενιαίο σχέδιο, τη συστηματική προετοιμασία και εκτέλεση των εφαρμογών AI και τη δημιουργία των αναγκαίων υποστηρικτικών υποδομών.
Κρίσιμες υποδομές αποτελούν οι πλατφόρμες cloud – βασικό εργαλείο αποτελεσματικής εφαρμογής του ΑΙ -, η σωστή δομή και διαχείριση των διαθέσιμων δεδομένων αλλά και οι τεχνικές δεξιότητες του ανθρώπινου δυναμικού.
Παράγοντες επιτυχίας
Στο μεταξύ, η μελέτη επισημαίνει και τους βασικούς παράγοντες για την επιτυχημένη εφαρμογή της τεχνητής νοημοσύνης. Ενδεικτικά:
-Η τεχνητή νοημοσύνη πρέπει να συνοδεύεται πάντα από business case. Δεν είναι αυτοσκοπός.
-Δεν είναι απαραίτητη η ολοκλήρωση των υποστηρικτικών δομών πριν την υλοποίηση εφαρμογών τεχνητής νοημοσύνης. Χρειάζεται επιχειρηματική διάθεση για δοκιμασία καινοτόμων προσεγγίσεων, εφαρμογής use cases και εμπειρική βελτίωση των εφαρμογών (agile test & learn).
-Υποστηρικτικές υποδομές όπως η τεχνολογία και το ανθρώπινο δυναμικό θα πρέπει να αναπτυχθούν σταδιακά και να αποφευχθούν εμπροσθοβαρείς επενδύσεις ώστε να μεγιστοποιηθεί η απόδοση αυτών των επενδύσεων μεσοπρόθεσμα.
-Η επένδυση σε ανθρώπινο δυναμικό με τις κατάλληλες τεχνικές δεξιότητες και η συμμετοχή του σε πολυσυλλεκτικές ομάδες στελεχών ποικίλων επιχειρηματικών και τεχνολογικών γνώσεων και δεξιοτήτων, δημιουργεί τεράστιες συνέργειες και μεγάλη προστιθέμενη αξία για την επιχείρηση.
