Καθώς η τεχνητή νοημοσύνη ενσωματώνεται σταδιακά στις διαδικασίες λήψης αποφάσεων, οι εταιρείες οφείλουν να βρουν τη σωστή ισορροπία μεταξύ των τεχνολογικών υποσχέσεων, των λειτουργικών περιορισμών, της διαχείρισης κινδύνων και της δημιουργίας αξίας. Ποιότητα δεδομένων, διακυβέρνηση, πράκτορες τεχνητής νοημοσύνης, ανθρώπινη τεχνογνωσία: ανακαλύψτε βασικές καινοτομίες και στρατηγικές που θα μετασχηματίσουν ριζικά τον οργανισμό σας τα επόμενα χρόνια.
Μετατρέποντας τις αρχικές εφαρμογές σε μακροπρόθεσμη προστιθέμενη αξία για τον οργανισμό
Η τεχνητή νοημοσύνη –που βρίσκεται στο επίκεντρο της συζήτησης και είναι παρούσα σε κάθε πτυχή της καθημερινότητάς μας, από τις πιο απλές έως τις πιο σύνθετες δραστηριότητες– έχει περάσει (οριστικά) το στάδιο του πειραματισμού. Για τους οργανισμούς, το ερώτημα δεν είναι πλέον αν θα υιοθετήσουν την τεχνητή νοημοσύνη, αλλά πώς μπορούν να την κλιμακώσουν με αξιόπιστο και βιώσιμο τρόπο. Ωστόσο, εξακολουθεί να υφίσταται ένα σημαντικό χάσμα ανάμεσα στον ενθουσιασμό που προκαλούν οι δυνατότητές της και στην πραγματικότητα του αντικτύπου της εντός των επιχειρήσεων: ενώ η τεχνητή νοημοσύνη κατέχει κεντρική θέση στις δηλωμένες στρατηγικές των εταιρειών, στην πράξη είναι πολύ λιγότερο (ή ανεπαρκώς) ενσωματωμένη στις διαδικασίες λήψης αποφάσεων.
Η πιο πρόσφατη έκδοση του «Data & AI Barometer 2026» της Coface, η οποία εκπονήθηκε σε συνεργασία με την Les Echos Etudes και αφορούσε 900 στελέχη που λαμβάνουν αποφάσεις, αποκαλύπτει σημαντικές διαφορές στο επίπεδο ωριμότητας ανάλογα με το μέγεθος της εταιρείας: όσο μεγαλύτερη είναι μια επιχείρηση, τόσο πιο αναπόσπαστο ρόλο διαδραματίζει η τεχνητή νοημοσύνη (AI) στη διαδικασία λήψης αποφάσεων. Σήμερα, το ένα τρίτο των μεσαίων και μεγάλων επιχειρήσεων θεωρεί ότι βρίσκεται σε προχωρημένο στάδιο όσον αφορά τη χρήση της τεχνητής νοημοσύνης, σε σύγκριση με μία στις δέκα μικρομεσαίες επιχειρήσεις (ΜΜΕ). Παράλληλα, ενώ τα δύο τρίτα των υπευθύνων λήψης αποφάσεων εμπιστεύονται τα δεδομένα τους, το ένα τρίτο θεωρεί ότι αυτά δεν είναι επαρκώς ευθυγραμμισμένα με τις επιχειρηματικές ανάγκες, καθώς και με τα εργαλεία που χρησιμοποιούνται για τη διαχείριση κινδύνων και τη λήψη αποφάσεων.
Η ποιότητα των δεδομένων είναι, περισσότερο από ποτέ, ο βασικός παράγοντας για την επιτυχή βιομηχανοποίηση της Τεχνητής Νοημοσύνης σε μια εταιρεία, επιτρέποντάς της να κινείται ταχύτερα και να επιτυγχάνει κέρδη αποδοτικότητας.
Οι πόροι, οι δεξιότητες και η ικανότητα δομής έργων Δεδομένων και Τεχνητής Νοημοσύνης φαίνεται να ευνοούν τους μεγάλους οργανισμούς. Αυτό ενέχει τον κίνδυνο το χάσμα να γίνει ολοένα και πιο δύσκολο για τις μικρές επιχειρήσεις να γεφυρώσουν καθώς οι εφαρμογές Τεχνητής Νοημοσύνης γίνονται πιο δομημένες,
Nesrin Gonin, Business Information Director - Coface, Δυτική Ευρώπη και Αφρική.
Χωρίς διακυβέρνηση δεδομένων, δεν υπάρχει αποτελεσματική τεχνητή νοημοσύνη
Για κάθε εταιρεία, ανεξάρτητα από το μέγεθος ή τον κλάδο της, η δυνατότητα κλιμάκωσης και η προστιθέμενη αξία της τεχνητής νοημοσύνης (AI) εξαρτώνται σε μεγάλο βαθμό από την ποιότητα των διαθέσιμων δεδομένων: όσο ισχυρό κι αν είναι ένα μοντέλο τεχνητής νοημοσύνης, δεν μπορεί ποτέ να αντισταθμίσει, σε βιώσιμη βάση, πληροφορίες που είναι παρωχημένες, κατακερματισμένες ή ελλιπώς καθορισμένες. Ωστόσο, το 60% των εταιρειών που συμμετείχαν σε έρευνα της Coface εξακολουθούν να χρησιμοποιούν τεχνητή νοημοσύνη χωρίς να διαθέτουν ένα επίσημο πλαίσιο. Σε αυτή την κρίσιμη καμπή για τους οργανισμούς, και καθώς η χρήση της τεχνητής νοημοσύνης διαδίδεται όλο και περισσότερο, το ζήτημα της διαχείρισής της καθίσταται επιτακτικό. Κι όμως, στη συντριπτική πλειονότητα των εταιρειών, η διακυβέρνηση δεδομένων δεν έχει ακόμη εφαρμοστεί: ακριβώς εδώ εντοπίζονται γρήγορα οι περιορισμοί, γεγονός που, τις περισσότερες φορές, οδηγεί σε απογοητευτικά αποτελέσματα για την εταιρεία και τις επιχειρησιακές της ομάδες.
Η διακυβέρνηση δεδομένων βασίζεται σε αξιόπιστα δεδομένα, τα οποία ενημερώνονται σε πραγματικό χρόνο και εστιάζουν στις επιχειρηματικές ανάγκες, καθώς και στη δημιουργία ενός κοινού σημασιολογικού επιπέδου: δηλαδή, στην υιοθέτηση κοινών ορισμών για κάθε δείκτη και ενός κοινού πλαισίου χρήσης. Στην πράξη, τα ίδια δεδομένα μπορούν να αντικατοπτρίζουν διαφορετικές πραγματικότητες, ανάλογα με το αν χρησιμοποιούνται από τις ομάδες Διαχείρισης Κινδύνων, Οικονομικών, Προμηθειών ή Πωλήσεων.
Η Τεχνητή Νοημοσύνη λειτουργεί ως καταλύτης: ενισχύει τόσο την ποιότητα των δεδομένων όσο και τις αδυναμίες τους. Καθώς εξαπλώνεται σε ολόκληρο τον οργανισμό, η θέσπιση σαφών κανόνων σχετικά με τα δεδομένα, τη χρήση και τις ευθύνες καθίσταται απαραίτητη.
Η διακυβέρνηση δεδομένων δεν αποτελεί πλέον δευτερεύον ζήτημα: αποτελεί προϋπόθεση για τη δημιουργία βιώσιμης αξίας με την Τεχνητή Νοημοσύνη,
Samia Boujatioui, Group Head of Data Management – Coface Data Office.
Ευθυγράμμιση με τις επιχειρηματικές ανάγκες, τεχνολογικές καινοτομίες: λήψη αποφάσεων ταχύτερα και, ταυτόχρονα, καλύτερα
Η επόμενη σημαντική εξέλιξη για την πλήρη υιοθέτηση της Τεχνητής Νοημοσύνης (AI) στους οργανισμούς θα μπορούσε να προέλθει από πράκτορες AI (AI agents) που είναι συνδεδεμένοι με τα εταιρικά δεδομένα. Οι δυνατότητές τους είναι απτές:
απευθείας ερώτημα σε ένα χαρτοφυλάκιο πελατών,
να εντοπίζουν εταιρείες των οποίων το προφίλ κινδύνου έχει επιδεινωθεί,
εξηγήστε μια τάση ή αναδείξτε συγκρίσιμες επιχειρηματικές ευκαιρίες.
Η εξέλιξη αυτή καλύπτει μια πολύ πρακτική ανάγκη. Σχεδόν ένας στους δύο λήψεις αποφάσεων επιθυμεί να αντλεί, μέσω της τεχνητής νοημοσύνης, σαφή συμπεράσματα που μπορούν να αξιοποιηθούν άμεσα – ακόμη και αν ο στόχος δεν είναι η τυφλή ανάθεση της λήψης αποφάσεων σε μια μηχανή. Τα τμήματα οικονομικών, για παράδειγμα, επιδιώκουν να ενισχύσουν τον εντοπισμό απάτης και να προβλέπουν αποτελεσματικότερα τους κινδύνους που σχετίζονται με τους πελάτες, ενώ οι ομάδες πωλήσεων αναζητούν όλο και περισσότερο νέες αγορές.
Στο μέλλον, το πλεονέκτημα δεν θα βρίσκεται απαραίτητα στην εταιρεία που συγκεντρώνει τον μεγαλύτερο όγκο δεδομένων, αλλά σε εκείνη που θα είναι σε θέση να ευθυγραμμίσει τις πραγματικές ανάγκες των επιχειρησιακών ομάδων με την ισχύ και την ασφάλεια της τεχνολογίας, διασφαλίζοντας παράλληλα μια εναρμονισμένη διακυβέρνηση σε κάθε επίπεδο του οργανισμού.
Αυτό που θα διαφοροποιήσει μια εταιρεία η οποία έχει ολοκληρώσει επιτυχώς τον μετασχηματισμό της στον τομέα των Δεδομένων και της Τεχνητής Νοημοσύνης, είναι η ικανότητά της να μετατρέπει τα δεδομένα της σε συγκεκριμένες, ταχύτερες και αποτελεσματικότερες αποφάσεις, δημιουργώντας έτσι ένα ουσιαστικό επιχειρηματικό πλεονέκτημα.
Nesrin Gonin.
Μείνετε ένα βήμα μπροστά και λάβετε αποφάσεις με απόλυτη αυτοπεποίθηση
> Κι αν η διαχείριση κινδύνου αποτελούσε έναν τρόπο να παραμένετε ανοιχτοί σε ευκαιρίες; Μάθετε περισσότερα από τη διεθνή έρευνα και αποκτήστε πρόσβαση στον οδικό χάρτη «Open Advantage» και στις πέντε στρατηγικές του για τη μετατροπή του κινδύνου σε μοχλό ανάπτυξης.
