Η γυναικεία επιχειρηματικότητα στην εποχή της τεχνητής νοημοσύνης: Τι δείχνουν τα δεδομένα

Λίγα θέματα συγκεντρώνουν τόσα δεδομένα και τόσο λίγη συμφωνία στην ερμηνεία τους όσο η γυναικεία επιχειρηματικότητα. Τα τελευταία χρόνια, μια σειρά ερευνών από έγκυρους φορείς — από την Grant Thornton μέχρι την Ευρωπαϊκή Επιτροπή — έχουν χαρτογραφήσει με ακρίβεια πού βρίσκονται οι γυναίκες που επιχειρούν: πόσες φτάνουν στην ηγεσία, πόσα κεφάλαια προσελκύουν, πόσο αξιοποιούν τα νέα τεχνολογικά εργαλεία. Τα νούμερα είναι σχετικά σαφή. Η ερμηνεία τους, αρκετά λιγότερο.

Στο επίκεντρο της σημερινής συζήτησης βρίσκεται μια αμφισημία. Η τεχνητή νοημοσύνη, ο ισχυρότερος πολλαπλασιαστής παραγωγικότητας της γενιάς μας, μπορεί να λειτουργήσει είτε ως εξισωτής — δίνοντας σε μικρές ομάδες δυνατότητες που παλιότερα είχαν μόνο οι μεγάλες — είτε ως νέος άξονας ανισότητας, αν η υιοθέτησή της παραμείνει άνιση. Ποια από τις δύο εκδοχές θα επικρατήσει δεν είναι, όπως θα δούμε, προδιαγεγραμμένο.

Δύο αναγνώσεις της εξουθένωσης

Στην κουλτούρα της υψηλής απόδοσης, η εξάντληση συχνά εξιδανικεύεται: όσο περισσότερες ώρες, τόσο πιο «αφοσιωμένοι». Όμως η εξίσωση «περισσότερη δουλειά ίσον καλύτερα αποτελέσματα» δεν στέκει πέρα από ένα σημείο· εκεί αρχίζουν η φθίνουσα απόδοση, τα λάθη και η κόπωση που υπονομεύει τη δημιουργικότητα. Για το burnout των γυναικών που επιχειρούν προτείνονται, χονδρικά, δύο αναγνώσεις.

Η πρώτη το διαβάζει ως δομικό ζήτημα. Πολλές γυναίκες διαχειρίζονται παράλληλα την επιχείρηση και ένα δυσανάλογο μερίδιο της αόρατης εργασίας στο σπίτι, ενώ λειτουργούν με λιγότερα κεφάλαια — άρα με μικρότερα περιθώρια να αναθέσουν ή να «αγοράσουν» χρόνο. Υπό αυτό το πρίσμα, η εξάντληση δεν είναι ατομική αδυναμία, αλλά λειτουργικό κόστος μιας ανισότητας στους πόρους.

Η δεύτερη ανάγνωση δίνει μεγαλύτερο βάρος στις ατομικές επιλογές και προτεραιότητες: σε ποιον ρυθμό ανάπτυξης επιλέγει κανείς να κινηθεί, πόσο ρίσκο αναλαμβάνει, πώς θέτει όρια. Οι δύο αναγνώσεις δεν είναι αμοιβαία αποκλειόμενες — πιθανότατα ισχύουν ταυτόχρονα, σε διαφορετικό βαθμό για κάθε περίπτωση. Αυτό που έχει σημασία πρακτικά είναι ότι ένα μέρος του προβλήματος είναι σύστημα, και το σύστημα δεν διορθώνεται με περισσότερη θέληση.

Τι δείχνουν τα στοιχεία για την ηγεσία και τη χρηματοδότηση

Στην ηγεσία, η εικόνα είναι μετρήσιμη. Σύμφωνα με την έκθεση «Women in Business 2026» της Grant Thornton, οι γυναίκες κατέχουν το 32,9% των ανώτερων διοικητικών θέσεων στις μεσαίες επιχειρήσεις παγκοσμίως — ποσοστό που υποχώρησε κατά μία περίπου μονάδα σε σχέση με την προηγούμενη χρονιά. Με τον σημερινό ρυθμό, η ίδια έρευνα εκτιμά ότι η πλήρης ισοτιμία στην ηγεσία δεν θα επιτευχθεί πριν από το 2051. Και όσο πιο κοντά στην κορυφή πλησιάζει κανείς, τόσο αραιώνει η γυναικεία παρουσία: μόλις το 23,8% των θέσεων διευθύνοντος συμβούλου ανήκει σε γυναίκες.

Στη χρηματοδότηση το χάσμα είναι οξύτερο. Μελέτη που εκπονήθηκε για λογαριασμό της Ευρωπαϊκής Επιτροπής και του European Innovation Council κατέγραψε ότι, μεταξύ 2020 και 2025, οι νεοφυείς επιχειρήσεις με τουλάχιστον μία γυναίκα στην ιδρυτική ομάδα προσέλκυσαν το 12% του συνολικού επιχειρηματικού κεφαλαίου στην Ευρώπη και αντιστοιχούσαν στο 14,4% των γύρων χρηματοδότησης. Για τις ομάδες που απαρτίζονται αποκλειστικά από γυναίκες, οι εκτιμήσεις είναι ακόμη χαμηλότερες και ποικίλλουν ανάλογα με τον ορισμό και τη μέθοδο μέτρησης.

Η ίδια η ευρωπαϊκή μελέτη επισημαίνει ότι ένας καθοριστικός παράγοντας βρίσκεται στην πλευρά της κατανομής: μόνο περίπου το 16% όσων αποφασίζουν πού πηγαίνουν τα κεφάλαια στην Ευρώπη είναι γυναίκες. Αξίζει εδώ μια νηφάλια σημείωση: τα χαμηλά ποσοστά δεν αποδίδονται σε διαφορά ικανότητας ή ζήτησης - αρκετές αναλύσεις δείχνουν ότι οι γυναικείες ομάδες παρουσιάζουν χαμηλότερο ρυθμό «καύσης» κεφαλαίων και αξιοπρεπείς αποδόσεις. Πρόκειται περισσότερο για ζήτημα πρόσβασης και δικτύων παρά επιδόσεων.

Το ελληνικό τοπίο: μικρή κλίμακα, μεγάλη ανθεκτικότητα

Στην Ελλάδα, η εικόνα ακολουθεί την ίδια λογική με ντόπια απόχρωση. Η γυναικεία επιχειρηματικότητα είναι έντονα συγκεντρωμένη σε κλάδους υπηρεσιών — εκπαίδευση, υγεία και ευεξία, λιανικό εμπόριο, τουρισμός και εστίαση — και πιο υποεκπροσωπούμενη στη βιομηχανία και τις τεχνολογικές υπηρεσίες, δηλαδή εκεί όπου δημιουργείται υψηλότερη προστιθέμενη αξία και προσελκύεται το «έξυπνο» κεφάλαιο.

Η ελληνική επιχειρηματικότητα στηρίζεται, εξάλλου, συντριπτικά σε πολύ μικρές και οικογενειακές μονάδες. Αυτό προσδίδει στις γυναικείες επιχειρήσεις αξιοσημείωτη σταθερότητα και ανθεκτικότητα — συχνά επιλέγουν μια πιο σταδιακή, λιγότερο ριψοκίνδυνη πορεία — αλλά ταυτόχρονα δυσχεραίνει το άλμα σε μεγαλύτερη κλίμακα, ιδίως όταν η πρόσβαση σε τραπεζικό δανεισμό και επενδυτικά δίκτυα παραμένει περιορισμένη. Δεν πρόκειται, αναγκαστικά, για ελάττωμα· είναι και στρατηγική επιλογή χαμηλότερου ρίσκου, που έχει το δικό της κόστος ευκαιρίας.

Το χάσμα στην τεχνητή νοημοσύνη — και οι διαφορετικές ερμηνείες του

Σε αυτό το τοπίο εισέρχεται τώρα η τεχνητή νοημοσύνη, και εδώ τα δεδομένα είναι εντυπωσιακά συνεπή. Μια ευρεία μετα-ανάλυση ερευνητών από το Χάρβαρντ και το Στάνφορντ, που συγκέντρωσε στοιχεία από δεκαοκτώ μελέτες και πάνω από 140.000 ανθρώπους, διαπίστωσε ότι οι γυναίκες είναι περίπου 20% λιγότερο πιθανό από τους άνδρες να χρησιμοποιούν εργαλεία γενετικής τεχνητής νοημοσύνης. Αντιπροσωπεύουν περίπου το 42% των χρηστών των δημοφιλέστερων εφαρμογών και γύρω στο 27% των εγκαταστάσεων στο κινητό. Το χάσμα παραμένει ακόμη και όταν εξισώνεται η πρόσβαση στα εργαλεία.

Πώς ερμηνεύεται όμως αυτό; Η πιο διαδεδομένη ανάγνωση το βλέπει ως έλλειμμα προς διόρθωση: λιγότερη έκθεση στην τεχνολογία στους κλάδους όπου δραστηριοποιούνται περισσότερες γυναίκες, στενότερα δίκτυα όπου διαδίδεται η πρακτική γνώση, λιγότερος αδιάθετος χρόνος για πειραματισμό. Υπάρχει, ωστόσο, και μια δεύτερη ανάγνωση που αξίζει να ακουστεί.

Ερευνητές του Harvard Business School υποστηρίζουν ότι μέρος της επιφυλακτικότητας δεν είναι παθητικό «μένω πίσω», αλλά ενεργητική στάση: αρκετές γυναίκες διερωτώνται αν είναι δεόντως αξιόπιστο ή ηθικό να στηρίζονται σε ένα τέτοιο εργαλείο, ιδίως σε περιβάλλοντα όπου κρίνονται αυστηρότερα για το αν «κατέχουν» πραγματικά τη δουλειά τους. Υπό αυτό το πρίσμα, η χαμηλότερη χρήση δεν είναι κατ' ανάγκη «λάθος επιλογή» που πρέπει να διορθωθεί· είναι ενίοτε μια εύλογη επιφύλαξη απέναντι σε μια τεχνολογία που ακόμη δοκιμάζεται. Η χρήσιμη ερώτηση, λοιπόν, δεν είναι μόνο «πώς θα πείσουμε τις γυναίκες να υιοθετήσουν την AI», αλλά και «τι μας λένε με τη στάση τους».

Όποια ανάγνωση κι αν προκρίνει κανείς, ένα πρακτικό συμπέρασμα παραμένει: στον βαθμό που η AI εξελίσσεται σε βασικό επιταχυντή της παραγωγικότητας, μια επίμονη διαφορά στη χρήση μπορεί να μεταφραστεί σε διαφορά αποτελεσμάτων. Επιπλέον, υπάρχει ένας πιο τεχνικός μηχανισμός ανατροφοδότησης: τα μοντέλα μαθαίνουν από όσους τα χρησιμοποιούν, και μια ανισόρροπη βάση χρηστών τείνει να παράγει εργαλεία λιγότερο προσαρμοσμένα στις ανάγκες των υποεκπροσωπούμενων ομάδων.

Εξυπνότερα, όχι σκληρότερα: πρακτικές εφαρμογές

Πέρα από τη συζήτηση για τα χάσματα, η τεχνητή νοημοσύνη προσφέρει συγκεκριμένα, έμφυλα ουδέτερα εργαλεία που μπορούν να ελαφρύνουν τον φόρτο κάθε μικρής επιχείρησης. Η λογική είναι να χτίζονται συστήματα αντί να ανταγωνίζεται κανείς τον εαυτό του σε ώρες. Στην πράξη, τέσσερις περιοχές ξεχωρίζουν.

Αυτοματοποίηση των επαναλήψεων. Σύνταξη αναφορών, καταχώριση δεδομένων, διαχείριση emails, δημιουργία και προγραμματισμός περιεχομένου: εργασίες αναγκαίες αλλά «χαμηλής αξίας», που όταν ανατεθούν σε ένα έξυπνο σύστημα ελευθερώνουν χρόνο και νοητική ενέργεια.

Μείωση της γνωστικής επιβάρυνσης. Η σύνοψη μακροσκελών κειμένων σε δευτερόλεπτα, η μετατροπή προφορικών σκέψεων σε δομημένο κείμενο, η αυτόματη ιεράρχηση προτεραιοτήτων στοχεύουν στην περιττή κόπωση — εκείνη που προκαλούν η κακή οργάνωση και ο κατακερματισμός της προσοχής, όχι η ουσία της δουλειάς.

Αποφάσεις με δεδομένα, όχι μόνο με ένστικτο. Για μια επιχείρηση χωρίς τμήμα ανάλυσης, η δυνατότητα να «διαβάσει» γρήγορα την αγορά και τη συμπεριφορά των πελατών της είναι ουσιαστική. Η AI δεν αντικαθιστά την κρίση· της δίνει καλύτερο υπόβαθρο.

Ετοιμότητα απέναντι στους επενδυτές. Από ρεαλιστικές οικονομικές προβλέψεις μέχρι την προετοιμασία ενός πειστικού pitch και την προσομοίωση πιθανών ερωτήσεων, η τεχνολογία μπορεί να βοηθήσει μια ιδρύτρια να μπει πιο προετοιμασμένη εκεί όπου, όπως είδαμε, οι πιθανότητες είναι ήδη άνισες.

Το καθαρό αποτέλεσμα είναι ότι μια μικρή ομάδα μπορεί να λειτουργήσει με ευελιξία και εμβέλεια που παλιότερα ήταν προνόμιο των μεγάλων, με τον επαγγελματία να μετατοπίζεται από εκτελεστής σε ενορχηστρωτή των εργαλείων.

Μια τεχνολογία που δεν είναι ουδέτερη

Θα ήταν, ωστόσο, αφελές να μιλάμε για την AI σαν να είναι ένας ουδέτερος βοηθός. Τα συστήματα αυτά είναι ταχύτατα στον εντοπισμό μοτίβων, αλλά εξίσου ικανά να αναπαράγουν τις προκαταλήψεις που υπάρχουν στα δεδομένα εκπαίδευσής τους. Ένα μοντέλο που έμαθε από έναν κόσμο όπου οι γυναίκες χρηματοδοτούνται λιγότερο, μπορεί να «θεωρήσει» ότι αυτό είναι το αναμενόμενο. Γι' αυτό και η ευρύτερη συμμετοχή — γυναικών και άλλων υποεκπροσωπούμενων ομάδων — στη χρήση και τον σχεδιασμό αυτών των εργαλείων δεν είναι μόνο ζήτημα δικαιοσύνης, αλλά και ποιότητας και αξιοπιστίας του ίδιου του προϊόντος.

Γιατί τα εργαλεία, μόνα τους, δεν αρκούν

Ένα συμπέρασμα προκύπτει με σχετική ασφάλεια από τα στοιχεία: η ίση διαθεσιμότητα δεν φέρνει αυτόματα ίση χρήση. Ένα εργαλείο που υπάρχει αλλά δεν αξιοποιείται μένει ανενεργό. Όποια κι αν είναι η σωστή ερμηνεία του χάσματος, η γεφύρωσή του απαιτεί κάτι παραπάνω από διαθεσιμότητα.

Στους παράγοντες που συνήθως αναφέρονται περιλαμβάνονται η εκπαίδευση που χτίζει αυτοπεποίθηση αντί για άγχος, τα δίκτυα και το mentoring — αφού η γνώση, όπως και τα κεφάλαια, ταξιδεύει μέσα από ανθρώπινες σχέσεις — και η ύπαρξη ορατών προτύπων, καθώς είναι δυσκολότερο να φιλοδοξήσει κανείς κάτι που δεν έχει δει να συμβαίνει. Τέλος, παραμένει ανοιχτό το ερώτημα του πώς ορίζεται η ίδια η «επιτυχία»: αν ο μόνος δείκτης είναι η ταχύτατη μεγέθυνση με κάθε κόστος, ο κίνδυνος της εξάντλησης απλώς επιστρέφει.

Τι δείχνουν, λοιπόν, συνολικά τα δεδομένα; Ότι οι γυναίκες που επιχειρούν κινούνται σε ένα τοπίο με επίμονα χάσματα — στην ηγεσία, στη χρηματοδότηση, στην πρόσβαση σε δίκτυα — και ότι η τεχνητή νοημοσύνη εισέρχεται σε αυτό το τοπίο ως αμφίσημη δύναμη. Μπορεί να πολλαπλασιάσει τον χρόνο και τις δυνατότητες μιας μικρής ομάδας· μπορεί όμως και να βαθύνει τις υπάρχουσες αποστάσεις, αν η υιοθέτησή της παραμείνει άνιση.

Καμία από τις δύο εκβάσεις δεν είναι προδιαγεγραμμένη. Τα δεδομένα δεν περιγράφουν ένα πεπρωμένο, αλλά ένα σταυροδρόμι. Το ποιος δρόμος θα επικρατήσει θα εξαρτηθεί λιγότερο από την ίδια την τεχνολογία και περισσότερο από πρακτικές αποφάσεις — για την εκπαίδευση, τα δίκτυα, την πρόσβαση σε κεφάλαια και τον τρόπο με τον οποίο ορίζουμε την απόδοση. Και αυτές οι αποφάσεις, ευτυχώς, παραμένουν ανθρώπινες.

Πηγές

• Grant Thornton, «Women in Business 2026». Ποσοστό γυναικών σε ανώτερες διοικητικές θέσεις μεσαίων επιχειρήσεων (32,9%), ποσοστό γυναικών CEO (23,8%) και πρόβλεψη για επίτευξη ισοτιμίας στην ηγεσία γύρω στο 2051.
• Ευρωπαϊκή Επιτροπή & European Innovation Council (EIC), μελέτη για το έμφυλο επενδυτικό χάσμα (Gender Investment Gap), 2025. 12% του επιχειρηματικού κεφαλαίου και 14,4% των γύρων χρηματοδότησης σε νεοφυείς με τουλάχιστον μία γυναίκα ιδρύτρια· περίπου 16% γυναίκες μεταξύ όσων κατανέμουν κεφάλαια. Διασταύρωση: Euronews, Sifted, Female Foundry (Female Innovation Index).
• Atomico, «State of European Tech». Μερίδιο κεφαλαίων προς ομάδες αποκλειστικά γυναικών. Σημείωση: τα ποσοστά διαφέρουν μεταξύ πηγών ανάλογα με τον ορισμό της «γυναικείας» επιχείρησης και τη μέθοδο μέτρησης.
• Μετα-ανάλυση Πανεπιστημίων Χάρβαρντ & Στάνφορντ (Berkeley Haas / Harvard Digital Data Design Institute). 18 μελέτες, 140.000+ άτομα: οι γυναίκες ~20% λιγότερο πιθανό να χρησιμοποιούν generative AI (~42% των χρηστών, ~27% των εγκαταστάσεων σε κινητό), με το χάσμα να παραμένει και με ίση πρόσβαση.
• Harvard Business School (έρευνα R. Koning κ.ά.). Εναλλακτική ανάγνωση του χάσματος: μέρος της χαμηλότερης χρήσης αποδίδεται σε ηθικούς και επαγγελματικούς προβληματισμούς, και όχι αποκλειστικά σε έλλειψη πρόσβασης ή γνώσης.