Πριν από λίγες εβδομάδες, η Capital Economics είχε επισημάνει ότι η Ευρώπη μένει πίσω από τις ΗΠΑ στην κούρσα της τεχνητής νοημοσύνης, ειδικά στον τομέα της καινοτομίας και της ανάπτυξης νέων τεχνολογιών. Ωστόσο, οι αναλυτές τονίζουν ότι πιο κρίσιμος παράγοντας για την παραγωγικότητα δεν είναι μόνο η καινοτομία, αλλά κυρίως ο βαθμός διάχυσης της τεχνητής νοημοσύνης στην πραγματική οικονομία. Σε αυτό το σημείο, αν και υπάρχουν σημάδια βελτίωσης, η πρόοδος παραμένει άνιση.

Τα στοιχεία της Eurostat δείχνουν ότι το ποσοστό των επιχειρήσεων στην ΕΕ που χρησιμοποιούν τεχνητή νοημοσύνη αυξήθηκε από 8% το 2021 σε 14% το 2024. Παράλληλα, μια διαφορετική έρευνα της Ευρωπαϊκής Τράπεζας Επενδύσεων καταγράφει ότι το 37% των ευρωπαϊκών επιχειρήσεων κάνει ήδη χρήση γενετικής AI. Η σύγκριση αυτών των δεδομένων επιβεβαιώνει ότι οι ελληνικές επιχειρήσεις βρίσκονται στον «πάτο» της ευρωπαϊκής κατάταξης.

Η Capital Economics σημειώνει ότι η κλαδική δομή κάθε χώρας συμβάλλει στη διαφορά υιοθέτησης. Κλάδοι όπως η πληροφορική, οι επικοινωνίες και οι επιστημονικές υπηρεσίες εμφανίζουν τα υψηλότερα επίπεδα χρήσης AI, ενώ οι κατασκευές, τα καταλύματα και η βιομηχανία τροφίμων παρουσιάζουν χαμηλή ενσωμάτωση τεχνολογίας.

Παρότι η τεχνητή νοημοσύνη βρίσκεται ακόμη σε σχετικά πρώιμο στάδιο και θα απαιτηθεί χρόνος για την πλήρη ενσωμάτωσή της στις επιχειρησιακές διαδικασίες, υπάρχουν ήδη ενδείξεις ότι αυξάνει την παραγωγικότητα όσων εταιρειών την χρησιμοποιούν. Στις ΗΠΑ, για παράδειγμα, παρατηρείται μειωμένη ζήτηση εργασίας σε τομείς όπως ο προγραμματισμός, χωρίς όμως να επιβεβαιώνονται οι πιο ακραίες προβλέψεις περί «κατάρρευσης» της απασχόλησης.

Η Capital Economics εκτιμά ότι είναι θέμα χρόνου η τεχνητή νοημοσύνη να αρχίσει να ενισχύει σημαντικά την παραγωγικότητα σε συνολικό επίπεδο, δημιουργώντας όμως ταυτόχρονα τον κίνδυνο να βαθύνουν οι ανισότητες εντός της Ευρώπης εάν ο Νότος δεν επιταχύνει την υιοθέτησή της.