Η Τεχνητή Νοημοσύνη ως η βασικότερη τεχνολογία αιχμής στην 4η Βιομηχανική Επανάσταση είναι αποτέλεσμα της έκρηξης της νέας γενιάς δικτύων και του 5G. Εξελίσσεται σε τεχνολογία στρατηγικής σημασίας καθώς και σε βασικό μοχλό ανταγωνιστικότητας των επιχειρήσεων αλλά και αναβάθμισης των υπηρεσιών του δημόσιου τομέα. Σύμφωνα με τον
ΣΕΒ, τα συστήματα Τεχνητής Νοημοσύνης έχουν σημαντικά οφέλη για τις επιχειρήσεις που τα υιοθετούν, προσφέρουν λύσεις σε σύγχρονες κοινωνικές προκλήσεις και βελτιώνουν την ποιότητα των υπηρεσιών προς τους πολίτες. Η διάχυση της Τεχνητής Νοημοσύνης στην Ελλάδα μπορεί να αυξήσει αθροιστικά το ΑΕΠ κατά περίπου 200 δισ. ευρώ σε 15 χρόνια. Η ίδια ανάλυση δείχνει ότι οι επενδύσεις σε Τεχνητή Νοημοσύνη μπορούν να ενισχύσουν τα έσοδα των επιχειρήσεων έως 30%, μέσα σε 4 χρόνια, με ανάλογη τόνωση της διεθνούς ανταγωνιστικότητας και της αποδοτικότητας. Επιπλέον, η ανάπτυξη της συγκεκριμένης τεχνολογίας στη χώρα μας θα συνδράμει καθοριστικά στον περιορισμό της διαρροής των νέων με υπόβαθρο STEM στο εξωτερικό. Στον δημόσιο τομέα, η ενσωμάτωση λύσεων Τεχνητής Νοημοσύνης προσφέρει βελτίωση της ποιότητας των υπηρεσιών προς τον πολίτη με αδιάλειπτη εξυπηρέτηση αλλά και αυτοματοποίηση των χρονοβόρων εργασιών.
Θετικές επιδράσεις στο σύνολο της οικονομίας
Στην ανάλυσή του ο ΣΕΒ επισημαίνει πως οι επιχειρήσεις που υιοθετούν λύσεις ΤΝ εμφανίζουν περιθώρια κέρδους έως 17% καλύτερα από τον ανταγωνισμό τους. Αναλυτικά:
Στη βιομηχανία
- 3-5% βελτίωση της αποδοτικότητας της παραγωγής,
- 10% τουλάχιστον μείωση του χρόνου time to market,
- 13% βελτίωση των κερδών προ τόκων και φόρων (ΚΠΤΦ) με τη χρήση μηχανικής μάθησης (machine learning) για την πρόβλεψη πηγών εσόδων και τη βελτιστοποίηση των πωλήσεων.
Στο λιανικό εμπόριο
- 20% μείωση αποθεμάτων μέσω τεχνικών Deep Learning για την πρόβλεψη ζήτησης στο ηλεκτρονικό εμπόριο,
- 2 εκατ. λιγότερες επιστροφές προϊόντων τον χρόνο,
- 30% μείωση του χρόνου αποθεματοποίησης με τη χρήση αυτόνομων οχημάτων στις αποθήκες,
- 30% αύξηση των online πωλήσεων μέσω δυναμικής τιμολόγησης και προσαρμογής ανά κατηγορία πελατών.
Στην παροχή ηλεκτρικής ενέργειας
- 20% αύξηση της παραγωγής ενέργειας με τεχνικές Machine Learning και αισθητήρες για τη βελτιστοποίηση της απόδοσης του συστήματος,
- 10%-20% βελτίωση των ΚΠΤΦ μέσω μηχανικής μάθησης (machine learning) για την ενίσχυση της προληπτικής συντήρησης, της πρόβλεψης σφαλμάτων και την αύξηση της παραγωγικότητας.
Τα παραδείγματα ανά κλάδο αποτυπώνουν τις θετικές επιδράσεις στα περιθώρια κέρδους των επιχειρήσεων (σε σχέση με τον μέσο όρο του κλάδου):
- Υπηρεσίες υγείας: +17 π.μ.
- Χρηματοοικονομικές υπηρεσίες: +12,5 π.μ.
- Εκπαίδευση: +9 π.μ.
- Λιανικό εμπόριο: +8,5 π.μ.
- Αυτοκινητοβιομηχανία: +8 π.μ.
- Μεταφορές & logistics: +5,5 π.μ.
- Δομικά υλικά & κατασκευές: +4,5 π.μ.
- Καταναλωτικά συσκευασμένα προϊόντα: +4 π.μ.
- Τουρισμός: +2 π.μ.
Στον δημόσιο τομέα, η ενσωμάτωση λύσεων ΤΝ σε δομές και υπηρεσίες μπορεί να βελτιώσει τόσο την εσωτερική λειτουργία όσο και για τις υπηρεσίες προς τους πολίτες:
- Εξυπηρέτηση 24/7 και προσαρμογή των υπηρεσιών ανάλογα με τις ανάγκες ομάδων πολιτών.
- Αυτοματοποίηση χρονοβόρων εργασιών για εξοικονόμηση χρόνου και πόρων.
- Βελτίωση του σχεδιασμού πολιτικών, μέσω προσομοίωσης σύνθετων συστημάτων που επιτρέπουν δοκιμές με διαφορετικές επιλογές πολιτικής και αξιολόγηση τυχόν ανεπιθύμητων συνεπειών πριν από την εφαρμογή ενός μέτρου.
- Αύξηση της ασφάλειας με σύγχρονες λύσεις κυβερνοπροστασίας.
Στον τομέα της υγείας, ενδεικτικά οφέλη περιλαμβάνουν: 30%-50% βελτίωση παραγωγικότητας του νοσηλευτικού προσωπικού, 5%-9% μείωση των δαπανών υγείας με τη χρήση machine learning για την εξατομίκευση της φροντίδας και περίθαλψης
Δράσεις και στόχοι
Για να γίνει όμως αυτό πραγματικότητα είναι απαραίτητες οι επενδύσεις για τη δημιουργία δικτύων 5G. Ο ΣΕΒ δίνει το πλαίσιο των δράσεων που περιλαμβάνουν την ολοκλήρωση της συγκρότησης του εθνικού στρατηγικού πλάνου για τα δίκτυα 5G, την υιοθέτηση στρατηγικής για τη δημοπράτηση πολυετούς φάσματος συχνοτήτων (ζώνη 3400-3800 ΜΗz) για δοκιμαστική ή εμπορική χρήση, την αναπροσαρμογή του θεσμικού πλαισίου για την αδειοδότηση των 5G κεραιών, τον σχεδιασμό και την υλοποίηση ενημερωτικής εκστρατείας για τα οφέλη του 5G για την κοινωνία. Βασικό βήμα στον σχεδιασμό και εφαρμογή στρατηγικής Τεχνητής Νοημοσύνης πρέπει να είναι η δημιουργία ενός μηχανισμού διακυβέρνησης, με σύμπραξη δημόσιου και ιδιωτικού τομέα. Από την πλευρά του ΣΕΒ προτείνεται η σύσταση Εθνικής Επιτροπής Τεχνητής Νοημοσύνης για τον συντονισμό, τη συνεργασία με τα εμπλεκόμενα υπουργεία, τη διαμόρφωση του ρυθμιστικού πλαισίου και του κώδικα δεοντολογίας και την αξιολόγηση των αποτελεσμάτων. Μέχρι στιγμής μόλις το 3% των επιχειρήσεων στην Ελλάδα αξιοποιούν τέτοιες λύσεις, έναντι 45% παγκοσμίως. Οι επενδύσεις σε τεχνολογίες πληροφοριών και επικοινωνίας (ΤΠΕ) είναι μεν διαρκείς στην Ελλάδα, ωστόσο συχνά δεν αφορούν τεχνολογίες αιχμής. Η Τεχνητή Νοημοσύνη, δυστυχώς, δεν περιλαμβάνεται ακόμα στις επενδυτικές προτεραιότητες των επιχειρήσεων της χώρας. Επίσης η χώρα μας βρίσκεται σε στάδιο προετοιμασίας ενός εθνικού σχεδίου, χωρίς ωστόσο κάποια δομημένη διαβούλευση με τις επιχειρήσεις και την ερευνητική κοινότητα. Η Ελλάδα είναι στην 23η θέση του σχετικού δείκτη της Ε.Ε. (Government AI Readiness Index). 16 χώρες της Ε.Ε. ήδη υλοποιούν προγράμματα μεγάλης κλίμακας, ενώ 5 είναι σε τελικό στάδιο σχεδιασμού της εθνικής στρατηγικής.
Η πρόταση του ΣΕΒ εστιάζει σε επτά στόχους:
- Επιτάχυνση ιδιωτικών επενδύσεων σε Τεχνητή Νοημοσύνη και ειδικά σε αύξηση της υπολογιστικής ισχύος στις επιχειρήσεις.
- Ανάπτυξη ψηφιακών δεξιοτήτων, ειδικά σε θέματα Τεχνητής Νοημοσύνης.
- Διεύρυνση δημόσιων επενδύσεων με συστήματα Τεχνητής Νοημοσύνης για την παροχή σύγχρονων υπηρεσιών που θα βελτιώσουν το επίπεδο εξυπηρέτησης των πολιτών.
- Κατασκευή στην Ελλάδα εξοπλισμού υψηλής υπολογιστικής ισχύος και τηλεπικοινωνιακών υποδομών.
- Δημιουργία κέντρων αριστείας εντός των πανεπιστημίων όπου αναπτύσσονται καινοτόμες προτάσεις Τεχνητής Νοημοσύνης, που ανταποκρίνονται όμως στις εμπορικές ανάγκες της βιομηχανίας εντός Ελλάδας αλλά και διεθνώς.
- Ανοιχτή πρόσβαση στα δημόσια δεδομένα, τα οποία είναι αναγκαία στην «εκμάθηση» των συστημάτων Τεχνητής Νοημοσύνης. Κανόνες δεοντολογίας, με σεβασμό στα θεμελιώδη δικαιώματα και τους νόμους.
- Κανόνες δεοντολογίας με σεβασμό στα θεμελιώδη δικαιώματα και τους νόμους.
