|
Με
άλλα λόγια, θα υπάρξει
μοιραία “ξεκαθάρισμα”
στις εταιρείες και τις
εισηγμένες, όπως υπήρξε
και στην περίοδο της
dot.com
Τεχνητή Νοημοσύνη: Από
την «υιοθέτηση» στην
πραγματική ενσωμάτωση
Η
AI βρίσκεται ήδη σχεδόν
παντού. Το Stanford AI
Index καταγράφει χρήση
AI σε 88% των
οργανισμών, ενώ περίπου
70% χρησιμοποιούν
generative AI
τουλάχιστον σε μία
επιχειρηματική
λειτουργία.
Παρόλα αυτά, σε δεύτερη
ανάγνωση, μόλις 7% των
επιχειρήσεων αυτών είχαν
κλιμακώσει πλήρως την AI
σε επίπεδο οργανισμού,
πράγμα που σημαίνει ότι
υπάρχει ακόμα “πολύς
δρόμος” για την πλήρη
αξιοποίηση αυτής.
Αυτή είναι ίσως η
βασικότερη επενδυτική
διάκριση των επόμενων
ετών. Διότι άλλο μια
τράπεζα που δίνει στους
υπαλλήλους της ένα
chatbot
και άλλο μια τράπεζα που
επανασχεδιάζει ολόκληρη
τη διαδικασία χορήγησης
δανείου, ώστε
AI
agents
να συγκεντρώνουν
έγγραφα, να ελέγχουν
δεδομένα, να εντοπίζουν
ασυνέπειες, να
υποστηρίζουν το
risk
assessment
και να αφήνουν στον
άνθρωπο τις κρίσιμες
αποφάσεις.
Το ίδιο ισχύει
παντού.Ενδεικτικά, στο
λιανεμπόριο, η
πραγματική αξία
βρίσκεται στη σύνδεση
της
AI
με
pricing,
προμήθειες, αποθέματα,
logistics
και
marketing˙
στη βιομηχανία, με
predictive
maintenance,
quality
control
και προγραμματισμό
παραγωγής˙ στην υγεία,
με κλινική τεκμηρίωση,
διαχείριση δεδομένων και
ανάπτυξη φαρμάκων.
Εξάλλου, σχεδόν οι μισές
επιχειρήσεις σε
παγκόσμιο επίπεδο έχουν
εισαγάγει
AI
χωρίς ουσιαστικό
επανασχεδιασμό εργασιών
ή ρόλων, ενώ μόνο 12%
δηλώνουν ότι έχουν
προχωρήσει σε
redesign
μεγάλης κλίμακας.
Επομένως, επιβεβαιώνεται
ότι
ο επανασχεδιασμός των
workflows
είναι από τους
παράγοντες με τη
μεγαλύτερη συσχέτιση με
πραγματική επίδραση στη
λειτουργική κερδοφορία.
Το κρυφό κόστος πριν
εμφανιστεί η απόδοση
Εδώ βρίσκεται και ο
λόγος που οι επιπτώσεις
της
AI
στα εταιρικά
αποτελέσματα μπορεί να
αργήσουν περισσότερο από
όσο περιμένει η αγορά.
Μια επιχείρηση
χρειάζεται δεδομένα
κατάλληλης ποιότητας,
κυβερνοασφάλεια,
governance,
νέα συστήματα ελέγχου,
εκπαίδευση προσωπικού
και αλλαγή διαδικασιών.
Πρόκειται ουσιαστικά για
«άυλο
capex»:
επενδύσεις που αρχικά
αυξάνουν το κόστος χωρίς
να εμφανίζουν άμεσα
ισόποση αύξηση κερδών.
Έτσι δημιουργείται μια
μορφή
J-curve
παραγωγικότητας.
Διότι πρώτα
πραγματοποιείται η
επένδυση και
αναδιοργανώνεται η
επιχείρηση, ενώ αργότερα
εμφανίζονται οι
οικονομίες κόστους και η
βελτίωση της
παραγωγικότητας.
Αυτό σημαίνει ότι η
αύξηση παραγωγικότητας
από μόνη της δεν αρκεί.
Εάν ένας εργαζόμενος
ολοκληρώνει μια εργασία
σε δύο ώρες αντί για
τέσσερις, η εξοικονόμηση
γίνεται κέρδος μόνο
εφόσον οι δύο ώρες που
απελευθερώθηκαν
μετατραπούν σε
μεγαλύτερη παραγωγή,
χαμηλότερο προσωπικό
κόστος ή δραστηριότητα
υψηλότερης αξίας. ‘Αρα,
η πρόσθετη δυναμικότητα
χρειάζεται ενεργή
ανακατανομή.
Τι πρέπει να ψάχνει
πλέον ο επενδυτής
Το επόμενο μεγάλο
AI
trade
ίσως να είναι πολύ
λιγότερο προφανές από το
πρώτο.
Οι εταιρείες με τη
μεγαλύτερη δυνατότητα να
επωφεληθούν μπορεί να
βρίσκονται σε τράπεζες,
ασφαλιστικές,
healthcare,
retail,
βιομηχανία και ενέργεια,
δηλαδή σε κλάδους με
μεγάλους όγκους
δεδομένων,
επαναλαμβανόμενες
διαδικασίες και
σημαντικά λειτουργικά
κόστη.
Άρα το επόμενο φίλτρο
του επενδυτή χρειάζεται
να γίνει αυστηρότερο.
Οι αναφορές σε «AI
strategy»
και τα δεκάδες πιλοτικά
προγράμματα έχουν
περιορισμένη αξία από
μόνα τους.
Μεγαλύτερη σημασία έχουν
μείωση cost-to-income,
αύξηση παραγωγικότητας
ανά εργαζόμενο, βελτίωση
μικτών ή λειτουργικών
περιθωρίων, χαμηλότερα
inventories, ταχύτερη
ανάπτυξη προϊόντων και
τελικά υψηλότερο ROIC
και ελεύθερες ταμειακές
ροές.
Η
πρώτη φάση της AI
αφορούσε κυρίως το ποιος
κατασκευάζει την
υποδομή.
Η
δεύτερη θα κριθεί από το
ποιος μπορεί να
μετατρέψει αυτή την
υποδομή σε κέρδος.
Και
εκεί πιθανότατα θα
αρχίσει η πραγματική
διαφοροποίηση μεταξύ των
εταιρειών.
Ο Συμεών Μαυρουδής είναι
Διαχειριστής Α/Κ και
ιδιωτικών χαρτοφυλακίων
στη Fast
Finance ΑΕΠΕΥ
|
