Για αιώνες οι οικονομίες του κόσμου κινούνταν με παρόμοιους αργούς ρυθμούς. Η «Μεγάλη Απόκλιση» ήρθε με τη Βιομηχανική Επανάσταση, όταν οι χώρες που βιομηχανοποιήθηκαν απογειώθηκαν σε παραγωγικότητα και εισόδημα, αφήνοντας τις υπόλοιπες να κυνηγούν. Η τεχνητή νοημοσύνη (AI) παρουσιάζεται πλέον ως τεχνολογία αντίστοιχου μεγέθους: όχι απλώς ένα ακόμη κύμα ψηφιοποίησης, αλλά ένας επιταχυντής που μπορεί να αλλάξει την ίδια τη μηχανή της ανάπτυξης. Και εδώ είναι το «ζουμί»: ήδη υπάρχουν καθαροί πρωταθλητές σε επενδύσεις, επιδόσεις και υιοθέτηση. Αν αυτό το μοτίβο παγιωθεί, δεν μιλάμε για απλό τεχνολογικό ανταγωνισμό, αλλά για δεύτερη «Μεγάλη Απόκλιση» – με γεωπολιτικές και κοινωνικές συνέπειες που θα μετρηθούν σε δεκαετίες.
Γιατί η AI μετράει στην οικονομία: παραγωγικότητα ή τίποτα
Στον πυρήνα της μακροχρόνιας ανάπτυξης βρίσκεται η παραγωγικότητα, ειδικά η συνολική παραγωγικότητα συντελεστών (TFP) – δηλαδή πόσο καλύτερα μια οικονομία μετατρέπει εργασία και κεφάλαιο σε προϊόν. Για ώριμες πλούσιες οικονομίες, η αύξηση της TFP είναι σχεδόν το μοναδικό «καύσιμο» που κάνει πραγματική διαφορά στα εισοδήματα. Η AI «πουλάει» ακριβώς αυτό: υπόσχεται να αυξήσει την αποδοτικότητα σε κλάδους υπηρεσιών όπου παραδοσιακά η παραγωγικότητα σέρνεται.
Υπάρχει όμως μια παγίδα που οι οικονομολόγοι ξέρουν καλά: οι τεχνολογικές επαναστάσεις δεν γράφουν αμέσως στατιστική. Το ίδιο συνέβη με τους υπολογιστές – η περίφημη παρατήρηση του Solow ότι «βλέπεις την εποχή των υπολογιστών παντού, εκτός από τα στατιστικά παραγωγικότητας» δεν ήταν αστείο, ήταν προειδοποίηση. Η AI μπορεί να χρειαστεί χρόνο για να «κάτσει» σε διαδικασίες, οργανωτικά μοντέλα και δεξιότητες. Γι’ αυτό η εικόνα σήμερα αποτυπώνεται καλύτερα σε προπορευόμενους δείκτες: επενδύσεις, υποδομές, επιδόσεις μοντέλων, κόστος χρήσης και διάχυση στην αγορά εργασίας.
Πόσο μπορεί να ανεβάσει το ΑΕΠ: οι αριθμοί είναι μεγάλη διακύμανση, αλλά όχι αστείο
Οι εκτιμήσεις για την επίδραση της AI στο επίπεδο του ΑΕΠ απλώνονται από «σχεδόν τίποτα» έως «σεισμός». Το εύρος είναι εντυπωσιακό: από περίπου 1% έως και πάνω από 45% σε βάθος δεκαετίας, ανάλογα με υποθέσεις για το πόσο υποκαθιστά εργασία, πόσο αυξάνει παραγωγικότητα και πόσο γρήγορα υιοθετείται. Αυτό δεν σημαίνει ότι «κανείς δεν ξέρει». Σημαίνει ότι η AI είναι τεχνολογία γενικής χρήσης και η τελική της επίδραση εξαρτάται από το πώς θα περάσει σε κάθε κλάδο.
Υπάρχει όμως ένα στοιχείο που βάζει «πάτωμα» στη συζήτηση: μόνο στο πρώτο μισό του 2025, οι AI-σχετικές επενδύσεις εκτιμάται ότι αύξησαν το ΑΕΠ με ετήσιο ρυθμό της τάξης του 1,3%, μέγεθος που θυμίζει – ως τάξη μεγέθους – τις μεγάλες επενδυτικές εκρήξεις ιστορικών μετασχηματισμών. Με απλά λόγια: ακόμη κι αν η παραγωγικότητα αργήσει να φανεί, η ίδια η επενδυτική φρενίτιδα ήδη γράφει στο ΑΕΠ.
Η «μηχανή» που τρέχει: compute, χρήμα και κλίμακα που διπλασιάζει με ρυθμούς σοκαριστικούς
Αν θέλεις να καταλάβεις την AI, πρέπει να κοιτάξεις την ταχύτητα. Η υπολογιστική ισχύς που δαπανάται για την εκπαίδευση κορυφαίων μοντέλων δεν απλώς αυξάνεται – από το 2010 αυξάνεται κατά μέσο όρο περίπου 4 φορές τον χρόνο, ενώ από το 2012 η σωρευτική αύξηση στο training compute περιγράφεται ως άλμα πάνω από ένα δισεκατομμύριο φορές. Αυτά δεν είναι «αναβαθμίσεις λογισμικού». Είναι βιομηχανική κλιμάκωση.
Το χρήμα που πέφτει είναι αντίστοιχα βαρύ. Η παγκόσμια εταιρική επένδυση σε AI αναφέρεται ότι έφτασε περίπου τα 252 δισ. δολάρια το 2024, με τη γενετική AI να ανεβαίνει στα 34 δισ. και να τρέχει ανοδικά. Και εδώ αρχίζει η πολιτική οικονομία: η συγκέντρωση είναι έντονη στις ΗΠΑ, είτε το μετρήσεις ως περίπου 94 δισ. δολάρια ιδιωτικών επενδύσεων σε ένα σύνολο δεδομένων, είτε ως περίπου 109 δισ. σε άλλο – διαφορετικές πηγές, ίδια εικόνα: οι ΗΠΑ είναι σε άλλη κατηγορία.
Η Ευρώπη σε καθοδική τροχιά: από παγκόσμιο κέντρο βάρους σε «ουραγός» της AI
Η Ευρωπαϊκή Ένωση κουβαλάει ήδη μια ιστορία σταδιακής υποχώρησης. Το μερίδιό της στο παγκόσμιο ΑΕΠ (σε όρους PPP) φέρεται να έχει πέσει από 27% το 1980 σε 14% το 2025. Δεν είναι μόνο ότι οι αναδυόμενες οικονομίες μεγάλωσαν. Είναι ότι μεγάλα ευρωπαϊκά κράτη, με πρώτη τη Γερμανία, δείχνουν δομικά χαμηλότερους ρυθμούς ανάπτυξης από άλλες προηγμένες οικονομίες.
Το ίδιο μοτίβο εμφανίζεται στην AI, αλλά πιο «ωμό». Σε σωρευτικούς όρους ιδιωτικών επενδύσεων (2013–2024), οι ΗΠΑ ξεπερνούν τα 470 δισ. δολάρια, ενώ όλες οι χώρες της ΕΕ μαζί κινούνται γύρω στα 50 δισ. Το χάσμα δεν είναι λεπτομέρεια. Αν η AI λειτουργήσει όπως οι προηγούμενες τεχνολογίες γενικής χρήσης, αυτό το επενδυτικό προβάδισμα θα μεταφραστεί σε καλύτερα μοντέλα, χαμηλότερο κόστος, μεγαλύτερη υιοθέτηση, περισσότερα έσοδα, και τελικά σε ισχυρότερη παραγωγικότητα. Δηλαδή σε αυτοτροφοδοτούμενο κύκλο απόκλισης.
Η αγορά εργασίας δεν «τελειώνει», αλλά αλλάζει βίαια: το παράδοξο του Jevons και οι χαμένοι της μετάβασης
Το ερώτημα «θα πάρει η AI τις δουλειές;» είναι λάθος όπως τίθεται. Το σωστό είναι: ποιες δουλειές, ποια στάδια καριέρας και ποια επίπεδα δεξιοτήτων πιέζονται πρώτα.
Τα πρώτα εμπειρικά σήματα είναι μικτά. Υπάρχουν ευρήματα που δείχνουν πτώση απασχόλησης για νεότερους εργαζόμενους σε επαγγέλματα με υψηλή έκθεση (π.χ. κώδικας, customer service). Άλλες αναλύσεις δεν βρίσκουν καθαρή συσχέτιση με την ανεργία συνολικά. Και υπάρχει και η αντίθετη δυναμική: σε κλάδους που «κουμπώνουν» πάνω στις δυνατότητες της AI, η έκθεση μπορεί να αυξάνει την απασχόληση. Στο μεταξύ, η συνολική ανεργία στις ΗΠΑ αναφέρεται γύρω στο 4,4% στα τέλη του 2025 – άρα δεν μιλάμε (ακόμη) για μαζικό ξεριζωμό.
Το κλειδί εδώ είναι το παράδοξο του Jevons: όταν μια τεχνολογία κάνει μια εργασία πιο αποδοτική και άρα φθηνότερη, μπορεί να αυξήσει τη συνολική ζήτηση τόσο πολύ, ώστε τελικά να αυξηθεί και η συνολική χρήση του πόρου (εργασία). Αυτό όμως δεν «σώζει» αυτόματα τους πάντες. Ακόμη και σε σενάριο όπου η συνολική απασχόληση αυξάνεται, μπορεί να υπάρξει άγρια ανακατανομή: νέοι κλάδοι να τρέχουν και παλιές ειδικότητες να συμπιέζονται.
Γιατί η διάχυση θα επιταχυνθεί: τα μοντέλα βελτιώνονται και το κόστος καταρρέει
Η διάχυση της AI δεν θα γίνει επειδή «είναι μόδα». Θα γίνει επειδή γίνεται φθηνότερη και ικανότερη.
Στις επιδόσεις, βλέπουμε αυτό που οι τεχνικοί λένε «benchmark saturation»: μοντέλα που από τη μια χρονιά στην άλλη εκτοξεύουν αποτελέσματα σε δοκιμές (π.χ. άλματα σε benchmarks κώδικα). Αλλά το πιο αποκαλυπτικό μέτρο δεν είναι ένα τεστ. Είναι η διάρκεια έργου που μπορεί να ολοκληρώσει ένας agent με αξιοπρεπή πιθανότητα επιτυχίας – και εκεί η πρόοδος περιγράφεται ως διπλασιασμός περίπου κάθε 7 μήνες τα τελευταία χρόνια. Αυτό δείχνει γιατί «agentic AI» δεν είναι buzzword: είναι το σημείο όπου η AI αρχίζει να συνδέει βήματα, να κρατάει στόχους και να ολοκληρώνει μεγαλύτερες ακολουθίες ενεργειών.
Στο κόστος, η εικόνα είναι ακόμη πιο επιθετική: οι τιμές ανά «token» (δηλαδή ανά μονάδα κειμένου/υπολογισμού) αναφέρονται ότι πέφτουν τουλάχιστον 9 φορές τον χρόνο – και σε ορισμένες περιπτώσεις έως και 900 φορές τον χρόνο. Σε τέτοιους ρυθμούς, η AI παύει να είναι «εργαλείο για λίγους» και γίνεται commodity.
Η πραγματική υιοθέτηση: από τα labs στο γραφείο, και από το γραφείο στην παραγωγή
Τα στοιχεία διάχυσης δείχνουν ότι η AI έχει ήδη περάσει την πόρτα των οργανισμών. Η χρήση AI από οργανισμούς αναφέρεται ότι ανέβηκε από 55% το 2023 σε 78% το 2024. Ακόμη πιο ουσιαστικό: η χρήση AI στην ίδια την παραγωγή αγαθών και υπηρεσιών στις ΗΠΑ ανεβαίνει από κάτω του 4% των επιχειρήσεων το 2023 σε περίπου 10% έως τον Σεπτέμβριο του 2025. Και το «βαθύ» adoption, δηλαδή οι επιχειρήσεις που πληρώνουν συνδρομές AI, ανεβαίνει από 7% στις αρχές του 2023 σε περίπου 45% «σήμερα» (στο χρόνο αναφοράς της μελέτης). Στους εργαζόμενους, η χρήση γενετικής AI στη δουλειά προσεγγίζει το 40%.
Αυτά τα ποσοστά δεν σημαίνουν ότι «όλοι έγιναν AI-first». Σημαίνουν όμως ότι η τεχνολογία έχει γίνει ορατή σε πραγματικές ροές εργασίας. Και από εκεί και πέρα, η καμπύλη υιοθέτησης τείνει να γίνεται εκθετική.
Ποιοι προηγούνται διεθνώς: ΗΠΑ πρώτες, Κίνα δεύτερη, ΕΕ τρίτη – και η υποδομή κρίνει τα πάντα
Στην AI, η «υποδομή» είναι ισχύς. Και οι ΗΠΑ εμφανίζονται να κατέχουν περίπου το 74% της παγκόσμιας υπολογιστικής ικανότητας για AI (με βάση μετρήσεις GPU clusters, στα μέσα του 2025). Παράλληλα, ένα κρίσιμο γεωοικονομικό στοιχείο είναι ότι μεγάλο μέρος του παγκόσμιου hardware είναι αμερικανικής προέλευσης – και χαρακτηριστικά αναφέρεται πως σχεδόν όλα τα κινεζικά μοντέλα εκπαιδεύονται σε αμερικανικό hardware. Αυτό δεν είναι απλώς «τεχνολογικό». Είναι μοχλός πολιτικής και εμπορικής ισχύος.
Στις «μεγάλες» εγκαταστάσεις και συστήματα (large-scale AI systems), οι ΗΠΑ εμφανίζονται να έχουν περίπου 154 σε κλίμακα ανάλογη του GPT-3, περίπου το μισό του παγκόσμιου συνόλου. Κι όμως, το ενδιαφέρον twist είναι ότι το «χάσμα απόδοσης» μεταξύ των καλύτερων μοντέλων ανά χώρα περιγράφεται ως σχετικά μικρό χρονικά – τάξης μηνών. Αυτό σημαίνει πως η κούρσα δεν θα κριθεί μόνο από το ποιος έχει το καλύτερο μοντέλο σήμερα, αλλά από το ποιος μπορεί να βάζει συνεχώς ρεύμα, data centers, chips, κεφάλαιο και ταλέντο στο σύστημα.
Οι «αχίλλειοι πτέρνες»: ενέργεια και κρίσιμα ορυκτά
Η AI δεν τρέχει στον αέρα. Θέλει ρεύμα και υλικά. Στα κρίσιμα ορυκτά, η μελέτη τονίζει πως πέρα από το πυρίτιο, μέταλλα όπως το γάλλιο και το γερμάνιο είναι κομβικά. Και η εκτίμηση που σοκάρει είναι ότι ως το 2030, μόνο τα data centers θα μπορούσαν να απαιτούν πάνω από το 10% της σημερινής παγκόσμιας προσφοράς γαλλίου. Αν αυτό δεν είναι προειδοποίηση για νέες εξαρτήσεις, τότε τι είναι;
Στην ενέργεια, η πρόβλεψη είναι ακόμη πιο «βαριά»: τα AI data centers στις ΗΠΑ εκτιμάται ότι μπορεί να ανέβουν από περίπου 4% της ζήτησης ηλεκτρισμού το 2023 σε 7% έως 12% μέχρι το 2028. Αυτή η κλίμακα μετατρέπει το ενεργειακό δίκτυο από τεχνική υποδομή σε στρατηγικό όπλο.
Η πολιτική απάντηση των ΗΠΑ: επενδυτικά κίνητρα, data centers fast track και «εξαγωγή τεχνολογίας»
Η μελέτη περιγράφει μια στρατηγική που δεν ντύνεται με διπλωματικές κορδέλες: στόχος είναι η αμερικανική κυριαρχία στην AI μέσω ταχύτερης και φθηνότερης κατασκευής υποδομών, επιτάχυνσης της καινοτομίας και διεθνούς επιβολής μέσω εξαγωγών τεχνολογίας.
Στο σκέλος των επενδύσεων, αναφέρεται ο νόμος One Big Beautiful Bill Act (Public Law 119-21, 4 Ιουλίου 2025), που επαναφέρει και επεκτείνει άμεσες αποσβέσεις/δαπάνες επένδυσης και ειδικά 100% bonus depreciation για IT υποδομές και εξοπλισμό data centers. Η εκτίμηση είναι ότι το πλαίσιο αυτό μπορεί να ανεβάσει την επένδυση συνολικά κατά 7%–10%, ενώ η ανάλυση αποδίδει επίδραση άνω του 1% ετησίως στην ανάπτυξη για τα πρώτα χρόνια και αύξηση πραγματικών μισθών ανά εργαζόμενο χιλιάδων δολαρίων (4.000–7.200).
Στο ρυθμιστικό, το AI Action Plan του 2025 βάζει ως προτεραιότητα την ταχεία ανάπτυξη data centers, μεταξύ άλλων με προτάσεις για νέες κατηγορίες εξαιρέσεων στο NEPA ώστε να «τρέχουν» οι αδειοδοτήσεις. Παράλληλα, προβλέπει Centers of Excellence με γρήγορη δοκιμή και ανάπτυξη εργαλείων, και ένα πλαίσιο δημόσιων συμβάσεων που απαιτεί – κατά τη διατύπωση του κειμένου – αντικειμενικότητα και απουσία «ιδεολογικής προκατάληψης» στα μοντέλα.
Και επειδή η AI είναι αλυσίδα εφοδιασμού, το διεθνές σκέλος έχει καθαρό εμπορικό αποτύπωμα: στις εμπορικές συμφωνίες, αναφέρεται δέσμευση της ΕΕ για αγορές αμερικανικών AI chips 40 δισ. δολαρίων, ενώ αναφέρεται και κατεύθυνση τεράστιων επενδυτικών δεσμεύσεων από τα ΗΑΕ προς τομείς όπου η AI είναι κεντρική.
Τι σημαίνει αυτό για την Ευρώπη και την Ελλάδα: η AI ως «νέα ισοτιμία ισχύος»
Η νέα απόκλιση δεν θα φανεί σε ένα τρίμηνο. Θα φανεί στο ποιος θα έχει τις εταιρείες, τις πλατφόρμες, τα data centers, τις αλυσίδες chip, τις δεξιότητες και – κυρίως – το κόστος ανά μονάδα AI που θα επιτρέπει να «κουμπώνει» η τεχνολογία παντού.
Για την Ευρώπη, το μήνυμα είναι σκληρό: αν παραμείνει πίσω σε επενδύσεις και υποδομή, θα αγοράζει τεχνολογία, δεν θα την εξάγει. Και όποιος αγοράζει την τεχνολογία του άλλου, αγοράζει και τους όρους χρήσης της – οικονομικούς και πολιτικούς. Για την Ελλάδα ειδικά, η πρόκληση είναι διπλή: από τη μια να μη χαθεί το κύμα παραγωγικότητας σε δημόσιο, υπηρεσίες, τουρισμό, logistics, ενέργεια. Από την άλλη, να μην εγκλωβιστεί σε ρόλο καθαρού καταναλωτή εργαλείων χωρίς δική της ικανότητα προσαρμογής, δεδομένων, δεξιοτήτων και – όπου είναι ρεαλιστικό – υποδομής.
Το συμπέρασμα που βγαίνει είναι απλό και καθόλου ρομαντικό: η AI δεν είναι «μόδα της Silicon Valley». Είναι το νέο πεδίο όπου θα κριθεί ποιος ανεβαίνει και ποιος κατεβαίνει στον παγκόσμιο καταμερισμό ισχύος. Όσοι μπουν πρώτοι και βαριά – σε κεφάλαιο, ενέργεια, data centers, ανθρώπινο δυναμικό – θα κλειδώσουν πλεονέκτημα. Οι υπόλοιποι θα τρέχουν πίσω από μια τεχνολογία που γίνεται φθηνότερη, ικανότερη και πιο πανταχού παρούσα κάθε λίγους μήνες.