Σε έξι σημαντικές διαπιστώσεις συμπυκνώνονται τα ευρήματα της έρευνας «The State of AI in the Enterprise» για το 2026 του Deloitte ΑΙ Institute.
Η έρευνα, στην οποία συμμετείχαν περισσότερα από 3.000 ανώτερα στελέχη που εμπλέκονται άμεσα στις πρωτοβουλίες ΑΙ των εταιρειών τους, αποκαλύπτει μια αναντιστοιχία μεταξύ στρατηγικής αυτοπεποίθησης και επιχειρησιακής ετοιμότητας.
Καθοριστικής σημασίας είναι η διαπίστωση ότι η διαφορά μεταξύ πρόσβασης και ουσιαστικής υιοθέτησης της Τεχνητής Νοημοσύνης αποτελεί σήμερα το βασικό εμπόδιο στη δημιουργία επιχειρηματικής αξίας.
Παρότι το 60% των εργαζομένων έχει πλέον πρόσβαση σε εγκεκριμένα εργαλεία Τεχνητής Νοημοσύνης — αύξηση 50% μέσα σε μόλις έναν χρόνο — «η πραγματική πρόκληση δεν είναι η υιοθέτηση της Τεχνητής Νοημοσύνης σε ένα οργανισμό, αλλά η ενσωμάτωσή της με τρόπο που να λειτουργεί συστηματικά και σε ευρεία κλίμακα.» αναφέρει η έρευνα.
»Οι οργανισμοί οφείλουν να αντιμετωπίσουν την ΤΝ ως δομικό στοιχείο του επιχειρησιακού τους μοντέλου. Οι πιο επιτυχημένοι δεν θα είναι όσοι έχουν τα περισσότερα έργα ΤΝ ή θα διαθέτουν τους μεγαλύτερους προϋπολογισμούς, αλλά όσοι ενσωματώνουν την ΤΝ στα θεμέλια του τρόπου με τον οποίο λειτουργούν, ανταγωνίζονται και αναπτύσσονται.»
Ακολουθούν οι σημαντικότερες διαπιστώσεις:
Η απόδοση της ΤΝ ως πυρήνας στρατηγικής ή μείωσης κόστους;
Στην αγορά διαμορφώνεται μια διευρυνόμενη διαφορά απόδοσης ανάμεσα στις εταιρείες που αντιμετωπίζουν την ΤΝ ως πυρήνα της στρατηγικής τους και εκείνες που τη θεωρούν απλώς εργαλείο μείωσης κόστους. Οι πρωτοπόροι οργανισμοί επενδύουν σημαντικά στην αξιοποίηση της ΤΝ για να αναδιαμορφώσουν τις λειτουργίες τους και να δημιουργήσουν νέες πηγές εσόδων.
Η διαφορά είναι ουσιαστική. Το 37% χρησιμοποιεί την ΤΝ σε επιφανειακό επίπεδο, χωρίς αλλαγές στις βασικές επιχειρησιακές διαδικασίες. Το 30% επανασχεδιάζει κρίσιμες διαδικασίες γύρω από την ΤΝ, διατηρώντας τα επιχειρηματικά μοντέλα ως έχουν. Μόνο όμως το 34% μετασχηματίζει βαθιά τις επιχειρήσεις του — δημιουργώντας νέα προϊόντα, επανασχεδιάζοντας τις βασικές διαδικασίες και μετασχηματίζοντας θεμελιωδώς τα επιχειρηματικά τους μοντέλα.
Αυτή η τρίτη ομάδα εστιάζει στην ενεργοποίηση και όχι μόνο στην πρόσβαση, επιδιώκοντας στρατηγική ανανέωση και όχι απλή αύξηση αποτελεσματικότητας.
Η πραγματικότητα της μετάβασης από την πιλοτική ανάπτυξη στην παραγωγή
Οι οργανισμοί που πειραματίζονται με την ΤΝ συχνά βλέπουν θετικά αποτελέσματα σε ελεγχόμενες συνθήκες, με καθαρά δεδομένα και σε απομονωμένα περιβάλλοντα. Ωστόσο, η μετάβαση σε περιβάλλον παραγωγής αποκαλύπτει μια διαφορετική πραγματικότητα. Η ανάπτυξη σε παραγωγή απαιτεί επενδύσεις σε υποδομές, διασύνδεση με υφιστάμενα συστήματα, ελέγχους ασφάλειας και συμμόρφωσης, συστήματα παρακολούθησης και συνεχή συντήρηση — όλα προϋποθέτουν σημαντικά περισσότερους πόρους και συντονισμό.
Αυτή η απόκλιση εξηγεί γιατί μόνο το 25% των εταιρειών έχει μεταφέρει το 40% ή περισσότερο των πειραμάτων ΤΝ σε παραγωγή, παρότι το 54% αναμένει να φτάσει σε αυτό το επίπεδο εντός τριών έως έξι μηνών.
Οι επιτυχημένες εταιρείες αναγνωρίζουν αυτή την πρόκληση από νωρίς. Σχεδιάζουν για ανάπτυξη σε παραγωγή εξαρχής, ενσωματώνοντας ζητήματα διασύνδεσης συστημάτων, δικαιωμάτων δεδομένων και επιχειρησιακής αξιοπιστίας ήδη από τη φάση του πιλοτικού έργου.
Στρατηγική ετοιμότητα vs. επιχειρησιακή υποδομή: Η Generative AI αλλάζει το παιχνίδι
Το 42% των εταιρειών θεωρεί ότι είναι στρατηγικά έτοιμο για ΤΝ, αλλά τα ποσοστά ετοιμότητας μειώνονται σε σχέση με πέρυσι όταν πρόκειται για τις τεχνικές υποδομές (43%), τη διαχείριση δεδομένων (40%) και το ανθρώπινο δυναμικό (20%) του οργανισμού.
Επιπλέον, πολλοί οργανισμοί είχαν προετοιμαστεί για ένα μέλλον βασισμένο στην παραδοσιακή ΤΝ και το machine learning. Όμως η GenAI άλλαξε τα δεδομένα. Πλέον, το 80–90% των νέων περιπτώσεων χρήσης αφορά την GenAI, που απαιτεί διαφορετικές υποδομές και δεξιότητες.
Οι παλαιές αρχιτεκτονικές δεδομένων και υποδομών δεν μπορούν να υποστηρίξουν την πραγματικού χρόνου ΤΝ. Οι οργανισμοί που θέλουν να μεγιστοποιήσουν την αξία της πρέπει να εκσυγχρονίσουν τις βάσεις τους. Επίσης να χρησιμοποιούν σύγχρονες πλατφόρμες λογισμικού σχεδιασμένες για το cloud με ανεξάρτητα, διακριτά modules που συνδέουν, διαχειρίζονται και ενσωματώνουν με ασφάλεια όλους τους τύπους δεδομένων, προάγοντας τον γρήγορο πειραματισμό και την ομαλή κλιμάκωση.
Η αυτονομία χωρίς διακυβέρνηση είναι ρίσκο
Το Agentic AI -AI που σχεδιάζει, αποφασίζει και ενεργεί για την επίτευξη στόχων- παρουσιάζει ισχυρή δυναμική. Το 74% των εταιρειών σχεδιάζει να αναπτύξει Agentic AI εντός δύο ετών. Ωστόσο, μόλις το 21% δηλώνει ότι διαθέτει σήμερα ώριμο μοντέλο διακυβέρνησης για αυτόνομους πράκτορες.
Η διακυβέρνηση του Agentic AI απαιτεί νέες προσεγγίσεις. Σε αντίθεση με τα παραδοσιακά συστήματα ΤΝ που παρέχουν συστάσεις, το Agentic AI αναλαμβάνει δράση — πραγματοποιεί αγορές, αποστέλλει επικοινωνίες ή τροποποιεί συστήματα. Αυτό απαιτεί σαφή όρια αυτονομίας, συστήματα παρακολούθησης σε πραγματικό χρόνο και ιχνηλάτηση των ενεργειών.
Physical AI: Το επόμενο κύμα — Ήδη παρόν
Το Physical AI -ρομπότ, αυτόνομες συσκευές, collaborative robots και άλλα φυσικά συστήματα με AI- εντάσσεται ταχύτατα στις επιχειρησιακές λειτουργίες παγκοσμίως, με τους κλάδους της
μεταποίησης, της εφοδιαστικής αλυσίδας και της άμυνας να πρωτοστατούν. Στην περιοχή Ασίας-Ειρηνικού, το 71% αναφέρει τουλάχιστον ελάχιστη χρήση, έναντι 56% στην Αμερική και στην περιοχή Ευρώπης, Μέσης Ανατολής και Αφρικής. Ήδη πάντως, το 58% των επιχειρήσεων παγκοσμίως αξιοποιεί τέτοιες τεχνολογίες, με την υιοθέτησή τους να αναμένεται να αγγίξει το 80% εντός της επόμενης διετίας, σηματοδοτώντας το επόμενο μεγάλο κύμα βιομηχανικού αυτοματισμού.
Οι δημοφιλέστερες εφαρμογές εστιάζουν στο intelligent security (21%), στα collaborative robots (20%) και στα digital twins (19%).
Sovereign AI: Η νέα στρατηγική επιταγή
Η επιχειρηματική ανθεκτικότητα ενισχύεται μέσω του Sovereign AI -AI με πλήρη έλεγχο δεδομένων και υποδομών. Η στροφή προς την τεχνολογική αυτονομία είναι σαφής, με το 77% των επιχειρήσεων να αξιολογεί στρατηγικά τη χώρα προέλευσης των προμηθευτών, ενώ σχεδόν 3 στις 5 επιχειρήσεις επιλέγουν τοπικούς παρόχους για τη διαμόρφωση των ΑΙ υποδομών τους. Αυτό δείχνει ότι το Sovereign AI γίνεται βασικός παράγοντας λήψης αποφάσεων και πηγή ανταγωνιστικού πλεονεκτήματος για εταιρείες που επιδιώκουν απόλυτο έλεγχο στα δεδομένα και τις υποδομές τους.
Σε σχέση με τα συμπεράσματα της έρευνας, ο Νίκος Χριστοδούλου, Partner, Technology and Transformation Leader, Deloitte Ελλάδος υπογραμμίζει ότι: «Τα ευρήματα δείχνουν ότι η μετάβαση από τον πειραματισμό στην παραγωγική αξιοποίηση συνιστά πρωτίστως ζήτημα οργανωσιακής ωριμότητας. Η generative AI επιταχύνει τον ρυθμό και διευρύνει το φάσμα των εφαρμογών, ωστόσο, χωρίς συνεκτική ευθυγράμμιση υποδομών, δεδομένων και μηχανισμών διακυβέρνησης, η κλιμάκωση παραμένει αποσπασματική και η δημιουργία αξίας περιορισμένη».
Παράλληλα, σύμφωνα με την Κατερίνα Γλαβά, Partner, Engineering, AI & Data Leader, Deloitte Ελλάδος: «Η αξία του ΑΙ δεν περιορίζεται στην αύξηση της παραγωγικότητας. Οι οργανισμοί που ξεχωρίζουν είναι εκείνοι που το χρησιμοποιούν για να επανασχεδιάσουν κρίσιμες διαδικασίες, να αξιοποιήσουν δεδομένα με πιο έξυπνο τρόπο και να δημιουργήσουν νέα επιχειρησιακά μοντέλα. Η μετάβαση αυτή απαιτεί ένα στιβαρό πλαίσιο ελέγχου και διακυβέρνησης, τεχνολογική ωριμότητα και επένδυση στις δεξιότητες και την κουλτούρα του ανθρώπινου δυναμικού».
Σχετικά με τη μελέτη «The State of AI in the Enterprise»
Η έκθεση «The State of AI in the Enterprise» διεξάγεται εδώ και επτά χρόνια. Η τρέχουσα έκδοση βασίζεται στις προηγούμενες τριμηνιαίες έρευνες της Deloitte, «State of Generative AI in the Enterprise», οι οποίες παρακολουθούν τη ραγδαία υιοθέτηση του GenAI από τον επιχειρηματικό κόσμο.
Η έρευνα διεξήχθη το διάστημα Αυγούστου – Σεπτεμβρίου 2025 με τη συμμετοχή 3.235 στελεχών διοίκησης και πληροφορικής. Το δείγμα καλύπτει 24 χώρες και έξι κλάδους: καταναλωτικά αγαθά, ενέργεια, φυσικούς πόρους και βιομηχανία, χρηματοοικονομικές υπηρεσίες, βιοεπιστήμες και υγειονομική περίθαλψη, τεχνολογία, μέσα ενημέρωσης και τηλεπικοινωνίες, καθώς και τον δημόσιο τομέα.