«Πειραματίζονται» οι μικρομεσαίες επιχειρήσεις με το ΑΙ ή έχει και οικονομικό αποτέλεσμα;

Δίχως αμφιβολία, η Τεχνητή Νοημοσύνη αρχίζει να αποκτά σταθερή θέση στην καθημερινότητα των ελληνικών μικρομεσαίων επιχειρήσεων, χωρίς αυτό να σημαίνει ότι έχει μετατραπεί σε πραγματικό μοχλό παραγωγικότητας για το σύνολο της αγοράς. Η μετάβαση από την περιέργεια και τους πρώτους πειραματισμούς στην επιχειρηματική χρήση επιταχύνεται, όμως η ενσωμάτωση της τεχνολογίας στις βασικές λειτουργίες των εταιρειών εξακολουθεί να αποτελεί ένα δύσκολο στοίχημα.

Αυτή είναι η εικόνα που προκύπτει από το AI Readiness Index 2026, τη δεύτερη ετήσια πανελλαδική έρευνα της ENTERSOFTONE (ES1) σε συνεργασία με το Εργαστήριο ELTRUN του Οικονομικού Πανεπιστημίου Αθηνών. 

Ο δείκτης ετοιμότητας αυξήθηκε κατά 33% μέσα σε έναν χρόνο, από τις 15 στις 20 μονάδες σε κλίμακα 100 βαθμών, αποτυπώνοντας την επιτάχυνση της υιοθέτησης του AI.

Ωστόσο πρέπει να αναφερθεί πως μπορεί σχεδόν μία στις δύο ελληνικές ΜμΕ χρησιμοποιεί πλέον εργαλεία AI σε επιχειρηματικό επίπεδο, αλλά η απόσταση από την πλήρη αξιοποίησή τους παραμένει μεγάλη. Η πρόκληση δεν είναι πλέον μόνο η πρόσβαση στην τεχνολογία, αλλά η δυνατότητα των επιχειρήσεων να τη μετατρέψουν σε μετρήσιμο οικονομικό και λειτουργικό αποτέλεσμα.

Κοντολογίς, μόλις το 10% έχει περάσει στην ουσιαστική επιχειρηματική αξιοποίησή της, με τις ελλείψεις δεξιοτήτων, την προστασία των δεδομένων και τη χαμηλή ενσωμάτωση στα εταιρικά συστήματα να «φρενάρουν» την επόμενη ημέρα.

Από την προσωπική χρήση στην επιχειρηματική εφαρμογή

Η εξοικείωση των στελεχών με την Τεχνητή Νοημοσύνη αποτελεί το πρώτο βήμα αυτής της μετάβασης. Σύμφωνα με την έρευνα, το 76% των επιχειρηματιών και στελεχών δηλώνει ότι έχει ήδη χρησιμοποιήσει εφαρμογές AI, έναντι 72% το 2025. Παράλληλα, το ποσοστό όσων σχεδιάζουν να τις αξιοποιήσουν αυξήθηκε από 10% σε 13%, ενώ εκείνοι που απλώς εκδηλώνουν ενδιαφέρον χωρίς να έχουν προχωρήσει σε χρήση μειώθηκαν από 17% σε 10%.

Η προσωπική εξοικείωση, ωστόσο, δεν συνεπάγεται αυτόματα και εταιρική αξιοποίηση. Το ποσοστό των ΜμΕ που χρησιμοποιούν AI σε επιχειρησιακό επίπεδο διαμορφώθηκε στο 47%, από 39% έναν χρόνο νωρίτερα. Την ίδια στιγμή, το 29% εξακολουθεί να περιορίζεται στη χρήση εργαλείων από ιδιοκτήτες και στελέχη, χωρίς αυτά να έχουν ενσωματωθεί στις οργανωμένες λειτουργίες της επιχείρησης.

Το εύρημα αναδεικνύει μια ουσιαστική αδυναμία καθώς εργαζόμενοι και επιχειρηματίες μπορεί να αξιοποιούν καθημερινά ψηφιακούς βοηθούς για να συντάξουν κείμενα, να οργανώσουν πληροφορίες ή να επιταχύνουν εργασίες, αλλά η γνώση αυτή δεν μεταφέρεται απαραίτητα στο σύνολο του οργανισμού. Χωρίς κοινές διαδικασίες, κανόνες χρήσης και σύνδεση με τα πληροφοριακά συστήματα, η τεχνολογία παραμένει συχνά ένα ατομικό εργαλείο και όχι μια οργανωμένη επιχειρησιακή δυνατότητα.

Διπλασιάστηκε η ουσιαστική αξιοποίηση, αλλά από χαμηλή βάση

Σύμφωνα με τα στοιχεία, το ποσοστό των επιχειρήσεων που δεν έχουν ασχοληθεί με το AI ούτε σχεδιάζουν να το κάνουν μειώθηκε από 28% σε 23%, ενώ όσες βρίσκονται ακόμη στο στάδιο της διερεύνησης υποχώρησαν από 29% σε 26%.

Αντίθετα, το 37% βρίσκεται πλέον σε πιλοτικό στάδιο, από 34% το 2025. Οι επιχειρήσεις που έχουν περάσει στην κανονική λειτουργία αυξήθηκαν από 4% σε 7%, ενώ εκείνες που δηλώνουν ότι έχουν επιτύχει μετρήσιμο επιχειρηματικό αντίκτυπο ενισχύθηκαν από 1% σε 3%.

Η ουσιαστική επιχειρηματική αξιοποίηση διπλασιάστηκε, φθάνοντας στο 10% από 5%. Πρόκειται για θετική εξέλιξη, η οποία δείχνει ότι ορισμένες εταιρείες αρχίζουν να περνούν από τη δοκιμή στη συστηματική χρήση. Ωστόσο, η βάση παραμένει περιορισμένη και η συνολική εικόνα δείχνει ότι οι περισσότερες ΜμΕ δεν έχουν ακόμη κατακτήσει το επόμενο επίπεδο ωριμότητας.

Όπως σημείωσε ο Γιάννης Σαλίχος, CTPO της ENTERSOFTONE, οι ελληνικές ΜμΕ δεν αναρωτιούνται πλέον αν το AI τις αφορά, αλλά πώς μπορούν να το αξιοποιήσουν ουσιαστικά για να βελτιώσουν την παραγωγικότητα και την ανταγωνιστικότητά τους. Το επόμενο βήμα είναι η μετατροπή του σε εργαλείο καθημερινής λειτουργίας και λήψης αποφάσεων με μετρήσιμο αντίκτυπο στην ανάπτυξη.

Από την πλευρά του, ο Γεώργιος Δουκίδης, καθηγητής στο Πανεπιστήμιο Λευκωσίας UNIC - Athens και ιδρυτής του ELTRUN/ΟΠΑ, επισημαίνει ότι ενώ μία στις δύο ΜμΕ χρησιμοποιεί AI, μόλις μία στις δέκα το αξιοποιεί με εμφανή επιχειρηματικά οφέλη. Στο επίκεντρο βρίσκονται πλέον η χαμηλή παραγωγικότητα, οι καθυστερήσεις στις διαδικασίες και η σταδιακή στροφή προς πιο πελατοκεντρικές εφαρμογές και αποφάσεις βασισμένες σε δεδομένα.

Το ChatGPT προηγείται, η ανάλυση δεδομένων ακολουθεί από απόσταση

Η εικόνα των επιμέρους εργαλείων επιβεβαιώνει ότι οι ελληνικές επιχειρήσεις ξεκινούν από εφαρμογές με άμεση πρόσβαση και σχετικά χαμηλές απαιτήσεις ενσωμάτωσης.

Τα εργαλεία παραγωγής κειμένου, όπως το ChatGPT και το Gemini, παραμένουν στην πρώτη θέση, με την τακτική χρήση τους να αυξάνεται από 51% σε 60%. Αντίστοιχα, η τακτική χρήση εργαλείων δημιουργίας εικόνας και βίντεο ενισχύθηκε από 16% σε 25%, ενώ σχεδόν διπλασιάστηκε η συστηματική χρήση εφαρμογών για προγραμματισμό και παραγωγή κώδικα, από 5% σε 9%.

Η χρήση εργαλείων ήχου και φωνής βρίσκεται επίσης σε ανοδική πορεία, με τις δοκιμές να αυξάνονται από 25% σε 32% και την τακτική χρήση να φθάνει στο 8%.

Αντίθετα, η ανάλυση δεδομένων και η μηχανική μάθηση παραμένουν σε χαμηλά επίπεδα, με τακτική χρήση μόλις 4%. Η απόκλιση είναι ενδεικτική της δυσκολίας που αντιμετωπίζουν οι ΜμΕ όταν χρειάζεται να περάσουν από την παραγωγή περιεχομένου στην αξιοποίηση των δεδομένων τους για πιο σύνθετες αποφάσεις.

Ακόμη πιο πρώιμη είναι η υιοθέτηση εφαρμογών που ενσωματώνουν AI σε συστήματα ERP και CRM, καθώς και λύσεων Agentic AI, με τα ποσοστά τακτικής χρήσης να διαμορφώνονται μόλις στο 3% για καθεμία από τις δύο κατηγορίες. Οι αυτοματισμοί ροών εργασίας μέσω AI φθάνουν στο 6%.

Τι έχει δηλαδή επιχειρηματική σημασία; Ουσιαστικά, η δημιουργία ενός κειμένου ή μιας εικόνας μπορεί να προσφέρει άμεσα ορατό όφελος, χωρίς μεγάλες αλλαγές στην καθημερινή λειτουργία. Αντίθετα, η αυτοματοποίηση παραγγελιών, η πρόβλεψη ζήτησης ή η σύνδεση διαφορετικών συστημάτων απαιτούν αξιόπιστα δεδομένα, τεχνική υποδομή και ανασχεδιασμό διαδικασιών.

Μάρκετινγκ και περιεχόμενο πρωταγωνιστούν

Το μάρκετινγκ αναδεικνύεται ως το πιο ώριμο πεδίο εφαρμογής της Τεχνητής Νοημοσύνης στις ελληνικές ΜμΕ. Η αυτόματη δημιουργία προωθητικού υλικού, όπως άρθρα, newsletters και περιγραφές προϊόντων, συγκεντρώνει ποσοστό υιοθέτησης 22%, αυξημένο κατά πέντε ποσοστιαίες μονάδες, ενώ το 66% των επιχειρήσεων θεωρεί ότι η αυτοματοποίηση αυτής της λειτουργίας έχει υψηλή σημασία.

Ακολουθεί η βελτιστοποίηση διαφημιστικών καμπανιών και η εξατομικευμένη στόχευση, με αναγκαιότητα 60% και υιοθέτηση 17%. Η παραγωγή και επεξεργασία εικόνας και βίντεο συγκεντρώνει αντίστοιχα 49% ως προς τη σημασία και 18% ως προς την εφαρμογή.

Συνολικά, η δημιουργία κειμένων, παρουσιάσεων και αναφορών αποτελεί τη δημοφιλέστερη μεμονωμένη επιχειρησιακή εφαρμογή AI, με υιοθέτηση 24% και ετήσια αύξηση δέκα ποσοστιαίων μονάδων. Παράλληλα, το 65% θεωρεί ότι η συγκεκριμένη λειτουργία έχει υψηλή σημασία για αυτοματοποίηση.

Η εξήγηση βρίσκεται στην αμεσότητα του αποτελέσματος. Οι επιχειρήσεις μπορούν να παράγουν περιεχόμενο ταχύτερα, να μειώσουν τον χρόνο προετοιμασίας υλικού και να υποστηρίξουν τις εμπορικές τους δραστηριότητες χωρίς να χρειάζεται να αναδιοργανώσουν εξαρχής την τεχνολογική τους υποδομή.

Ωστόσο, η επόμενη φάση δεν θα κριθεί μόνο από το πόσο γρήγορα δημιουργείται ένα κείμενο ή μια διαφημιστική καμπάνια. Το ζητούμενο είναι κατά πόσο αυτές οι εφαρμογές συνδέονται με πραγματικά επιχειρηματικά αποτελέσματα, όπως η αύξηση των πωλήσεων, η βελτίωση της εμπειρίας πελάτη και η αποτελεσματικότερη αξιοποίηση των διαθέσιμων πόρων.

Πελάτες, παραγωγή και οικονομικές λειτουργίες: το μεγάλο χάσμα

Πέρα από το μάρκετινγκ, η έρευνα καταγράφει σημαντική απόσταση μεταξύ των αναγκών των επιχειρήσεων και της πραγματικής χρήσης AI.

Στην εξυπηρέτηση πελατών, το 40% θεωρεί ιδιαίτερα σημαντική τη χρήση ψηφιακών βοηθών μέσω συνομιλίας ή φωνής, ενώ το 37% αναγνωρίζει την αξία της αυτόματης δημιουργίας και αποστολής απαντήσεων σε ηλεκτρονικά μηνύματα. Παρ' όλα αυτά, η υιοθέτηση διαμορφώνεται σε μόλις 8% και 10% αντίστοιχα. Αντίστοιχα, οι εφαρμογές πρόβλεψης αποχώρησης πελατών και υποστήριξης των πωλήσεων βρίσκονται ακόμη σε πολύ χαμηλά επίπεδα.

Ακόμη μεγαλύτερη είναι η απόσταση στις επιχειρησιακές διαδικασίες. Η προσομοίωση και βελτιστοποίηση της παραγωγής θεωρείται σημαντική από το 54% των επιχειρήσεων, αλλά η υιοθέτηση AI περιορίζεται στο 5%. Η αυτόματη καταχώριση παραγγελιών σε συστήματα ERP, η πρόβλεψη βλαβών και η βελτιστοποίηση αποθεμάτων εμφανίζουν ποσοστά χρήσης μόλις 1%-2%.

Ανάλογη εικόνα καταγράφεται στα χρηματοοικονομικά. Η αυτόματη κατηγοριοποίηση τιμολογίων συγκεντρώνει 59% ως προς την αναγκαιότητα, ο έλεγχος λογιστικών εγγραφών για φορολογική και κανονιστική συμμόρφωση 55% και η πρόβλεψη ταμειακών ροών 54%. Ωστόσο, η εφαρμογή σχετικών λύσεων παραμένει μεταξύ 1% και 5%.

Οι επιχειρήσεις αναγνωρίζουν, επομένως, πού θα μπορούσε να προσφέρει αξία η τεχνολογία, αλλά δυσκολεύονται να την εντάξουν στις διαδικασίες τους. Η έλλειψη κατάλληλων δεδομένων, η πολυπλοκότητα των πληροφοριακών συστημάτων και η ανάγκη εξειδικευμένων λύσεων λειτουργούν ως ανασταλτικοί παράγοντες.

Το ανθρώπινο δυναμικό και η κυβερνοασφάλεια στο επίκεντρο

Το σημαντικότερο εμπόδιο για την ευρύτερη αξιοποίηση του AI παραμένει η έλλειψη δεξιοτήτων. Το 88% των ερωτώμενων θεωρεί ότι η ανεπάρκεια γνώσεων αποτελεί βασική δυσκολία, ενώ το 69% εκφράζει ανησυχίες για την κυβερνοασφάλεια και την προστασία των δεδομένων.

Παρά τη διαδεδομένη προσωπική χρήση εργαλείων AI, μόλις μία στις δέκα επιχειρήσεις έχει ήδη υλοποιήσει πρόγραμμα εκπαίδευσης, ενώ μία στις τέσσερις σχεδιάζει να προχωρήσει σε σχετικές δράσεις μέσα στον επόμενο χρόνο.

Η εικόνα αυτή αναδεικνύει την ανάγκη για οργανωμένη κατάρτιση των εργαζομένων, σαφείς κανόνες χρήσης και μηχανισμούς ελέγχου. Η εισαγωγή της τεχνολογίας χωρίς αντίστοιχη προετοιμασία μπορεί να δημιουργήσει νέους κινδύνους, από τη διαρροή ευαίσθητων πληροφοριών έως την παραγωγή ανακριβούς περιεχομένου ή τη λήψη αποφάσεων με βάση ανεπαρκή δεδομένα.

Στο ανθρώπινο δυναμικό, η υποστήριξη της μισθοδοσίας και ο αυτόματος έλεγχος υπολογισμών θεωρούνται σημαντικές ανάγκες από το 51% των επιχειρήσεων. Ωστόσο, η χρήση AI σε σχετικές εφαρμογές παραμένει χαμηλή, όπως συμβαίνει και με την αξιολόγηση εργαζομένων ή την αυτοματοποίηση διοικητικών εργασιών.

Διαφορετικές ταχύτητες ανά κλάδο

Η υιοθέτηση της Τεχνητής Νοημοσύνης δεν εξελίσσεται με τον ίδιο τρόπο σε όλους τους κλάδους. Στις υπηρεσίες, η μεγαλύτερη διείσδυση αφορά τη δημιουργία κειμένων, παρουσιάσεων και αναφορών, με ποσοστό 28%, ενώ η εξαγωγή πληροφορίας και η ανάλυση δεδομένων για τη λήψη αποφάσεων φθάνουν στο 17%.

Στο εμπόριο, το 25% χρησιμοποιεί AI για την παραγωγή προωθητικού υλικού, ενώ στον τουρισμό και την εστίαση το αντίστοιχο ποσοστό ανέρχεται στο 24%. Οι επιχειρήσεις αυτών των κλάδων αξιοποιούν επίσης εργαλεία δημιουργίας περιεχομένου και βελτιστοποίησης διαφημιστικών καμπανιών, επιδιώκοντας να προσεγγίσουν αποτελεσματικότερα τους πελάτες τους σε ένα ανταγωνιστικό περιβάλλον.

Στη μεταποίηση, η ανάλυση δεδομένων για τη λήψη αποφάσεων και η βελτιστοποίηση της παραγωγής συγκεντρώνουν μεγαλύτερο ενδιαφέρον, με ποσοστά υιοθέτησης 17% και 14% αντίστοιχα. Εδώ, όμως, η αξιοποίηση της τεχνολογίας συνδέεται περισσότερο με τη διαθεσιμότητα κατάλληλων δεδομένων και την ύπαρξη εξειδικευμένων συστημάτων.

Η επόμενη πρόκληση είναι η παραγωγικότητα

Σύμφωνα με τα ευρήματα της ίδιας έρευνας, η χαμηλή παραγωγικότητα αναδεικνύεται ως η σημαντικότερη επιχειρηματική πρόκληση για το 83% των επιχειρήσεων που συμμετείχαν στην έρευνα. Το στοιχείο αυτό εξηγεί γιατί η Τεχνητή Νοημοσύνη συγκεντρώνει αυξανόμενο ενδιαφέρον, αλλά και γιατί η μέχρι σήμερα πρόοδος δεν αρκεί.

Το ζητούμενο για τις ελληνικές ΜμΕ είναι να περάσουν από τη χρήση μεμονωμένων εργαλείων σε ένα πιο ολοκληρωμένο μοντέλο λειτουργίας. Αυτό προϋποθέτει επένδυση σε δεξιότητες, καλύτερη οργάνωση των δεδομένων, αναβάθμιση των πληροφοριακών συστημάτων και σαφή προσδιορισμό των επιχειρηματικών στόχων κάθε εφαρμογής.