Επιχειρήσεις και AI: Οι επενδύσεις αυξάνονται, η εφαρμογή δυσκολεύει –

Επιχειρήσεις και AI: Οι επενδύσεις αυξάνονται, η εφαρμογή δυσκολεύει - Οικονομικός Ταχυδρόμος

Ανακαλύψτε περισσότερα άρθρα
στα αποτελέσματα αναζήτησης

Πρόσθεσε το formedia.gr στη Google

Οι επιχειρήσεις διαθέτουν αυξανόμενους πόρους στην τεχνητή νοημοσύνη, χωρίς όμως να έχουν επιλύσει τις δυσκολίες που χωρίζουν ένα επιτυχημένο πιλοτικό έργο από την καθημερινή επιχειρησιακή χρήση. Αυτό είναι ένα από τα βασικά συμπεράσματα της έρευνας που παρουσίασαν η Omdia και η Schneider Electric στη διαδικτυακή εκδήλωση «The State of Enterprise AI Adoption 2026», αναδεικνύοντας ως κρίσιμους παράγοντες την εξειδικευμένη τεχνογνωσία, την καταλληλότητα των υποδομών και τον έλεγχο των δεδομένων.

Η εικόνα που διαμορφώνεται δεν είναι εκείνη μιας αγοράς που διστάζει να επενδύσει, αλλά μιας αγοράς που αναζητεί τον τρόπο να μετατρέψει τη χρηματοδότηση σε μετρήσιμο επιχειρηματικό αποτέλεσμα. Οι οργανισμοί επιδιώκουν, παράλληλα, μεγαλύτερο έλεγχο στα μοντέλα και στις τεχνολογικές υποδομές τους, με την προστασία των δεδομένων, τις κανονιστικές απαιτήσεις και την ψηφιακή κυριαρχία να επηρεάζουν τις επιλογές εγκατάστασης και λειτουργίας της AI.

Αυξανόμενοι προϋπολογισμοί, περιορισμένη ακόμη κλιμάκωση

Σύμφωνα με τα στοιχεία της Omdia, περίπου το ένα τρίτο των ερωτηθέντων διαθέτει ετήσιο προϋπολογισμό τουλάχιστον 1 εκατ. δολαρίων για την τεχνητή νοημοσύνη το 2026. Επιπλέον, το 24% τοποθετεί τις σχετικές δαπάνες μεταξύ 500.000 και 999.999 δολαρίων. Η χρηματοδότηση δεν αφορά πλέον ένα περιφερειακό κομμάτι της πληροφορικής: σχεδόν το ένα τέταρτο κατευθύνει πάνω από το μισό του προϋπολογισμού IT στην AI.

Η τάση αναμένεται να συνεχιστεί. Όπως ανέφερε στην παρουσίασή της η Maxine Holt, Vice President, Enterprise & Channels της Omdia, το 57% των οργανισμών αναμένει αύξηση άνω του 10% στον προϋπολογισμό AI την επόμενη χρονιά, ενώ μόλις το 6% προβλέπει μείωση.

Παρά την επενδυτική δυναμική, η ευρεία επιχειρησιακή αξιοποίηση βρίσκεται ακόμη σε πρώιμο στάδιο. Πολλές επιχειρήσεις εξετάζουν εφαρμογές, εκτελούν πιλοτικά προγράμματα ή έχουν θέσει σε λειτουργία περιορισμένες χρήσεις, χωρίς να έχουν προχωρήσει σε ανάπτυξη μεγάλης κλίμακας. Η αύξηση της παραγωγικότητας αναδεικνύεται στον κυριότερο στόχο, με ποσοστό 35%, και όχι η μείωση προσωπικού ως βασική επιδίωξη.

Maxine Holt, Vice President, Enterprise & Channels της Omdia

Τα εμπόδια ανάμεσα στη δοκιμή και την παραγωγή

Η μετάβαση από τα έργα απόδειξης σκοπιμότητας, τα  proof of concept, στην πλήρη παραγωγική λειτουργία παραμένει σύνθετη. Σύμφωνα με την παρουσίαση της έρευνας, το 47% των ερωτηθέντων αναφέρει ότι τουλάχιστον το 21% των πιλοτικών έργων του περνά στην παραγωγή, ενώ το 24% τοποθετεί το αντίστοιχο ποσοστό μεταξύ 11% και 20%.

Στην κορυφή των εμποδίων βρίσκεται η έλλειψη εσωτερικής τεχνογνωσίας για την υποστήριξη της εγκατάστασης, την οποία αναφέρει το 33%. Ακολουθούν η δυσκολία ενσωμάτωσης στις υπάρχουσες υποδομές και η αρχιτεκτονική πολυπλοκότητα με 32%, οι ανησυχίες συμμόρφωσης και δεοντολογίας με 29%, η υποεκτίμηση του απαιτούμενου προϋπολογισμού με 28% και τα προβλήματα με το επιλεγμένο μοντέλο με 23%.

Όπως επισήμανε η Maxine Holt, η AI δεν μπορεί απλώς να προστεθεί πάνω σε ένα υφιστάμενο σύστημα χωρίς ουσιαστική ενσωμάτωση. Παράλληλα, η επιλογή των μεγαλύτερων και ακριβότερων μοντέλων δεν είναι αναγκαία για κάθε εφαρμογή και μπορεί να επιβαρύνει το κόστος χωρίς αντίστοιχο όφελος.

YouTube thumbnailYouTube thumbnail

Μετρήσιμες αποδόσεις, αλλά όχι για όλους με τον ίδιο τρόπο

Παρά τις δυσκολίες, η έρευνα καταγράφει ενδείξεις επιχειρηματικής αξίας. Μεταξύ των ερωτηθέντων που έχουν έργα AI σε εξέλιξη, το 47% δηλώνει ότι η απόδοση της επένδυσης ανταποκρίνεται στις προσδοκίες και το 13% ότι τις υπερβαίνει.

Ενδιαφέρον παρουσιάζουν και τα στοιχεία για όσους μπορούν να ποσοτικοποιήσουν την απόδοση του πιο επιτυχημένου ολοκληρωμένου έργου τους. Σε αυτή την ομάδα, το 29% αναφέρει απόδοση δύο έως πέντε φορές την επένδυση και το 17% απόδοση πέντε έως δέκα φορές. Τα μεγέθη αφορούν το πιο επιτυχημένο έργο των συγκεκριμένων ερωτηθέντων και όχι το σύνολο των επενδύσεών τους στην τεχνητή νοημοσύνη.

Ο έλεγχος των δεδομένων οδηγεί σε υβριδικές επιλογές

Η επιθυμία διατήρησης του ελέγχου δεν μεταφράζεται σε αποκλειστική επιλογή ιδιόκτητων υποδομών. Το 47% προτιμά έναν συνδυασμό υποδομών που διαθέτει το ίδιο και υποδομών τρίτων. Παράλληλα, το 55% δηλώνει ότι τα δεδομένα του φιλοξενούνται σε κέντρα δεδομένων που κατέχει και λειτουργεί, έναντι 45% σε εγκαταστάσεις συνεγκατάστασης, ή colocation.

Η Omdia συνδέει την προτίμηση για εσωτερικό έλεγχο με την ιδιωτικότητα, τη συμμόρφωση και τις πιέσεις για ψηφιακή κυριαρχία. Η προσέγγιση, ωστόσο, παραμένει πρακτική: οι επιχειρήσεις συνδυάζουν ιδιόκτητους πόρους και εξωτερικές υπηρεσίες ανάλογα με τις ανάγκες τους.

Στο πεδίο των AI agents, η διαχείριση δεδομένων και η ασφάλεια αναδεικνύονται σε κυρίαρχη ανησυχία. Σε ξεχωριστές σύντομες δημοσκοπήσεις της Omdia, τον Σεπτέμβριο του 2025 και τον Ιούνιο του 2026, το ποσοστό που τις αναφέρει ως τη μεγαλύτερη πρόκληση για την υλοποίηση λύσεων agentic AI στους πελάτες του αυξήθηκε από 15% σε 49%.

Ο Steven Carlini, Chief Advocate of Data Centers and AI της Schneider Electric

Η AI δοκιμάζει τις αντοχές των υφιστάμενων data centers

Το πέρασμα στην παραγωγική χρήση δεν είναι μόνο ζήτημα λογισμικού. Ο Steven Carlini, Chief Advocate of Data Centers and AI της Schneider Electric, εστίασε στις φυσικές απαιτήσεις της εγκατάστασης συστημάτων AI στις επιχειρήσεις: συμβατότητα των racks, επάρκεια ηλεκτρικής τροφοδοσίας, δυνατότητες διανομής ισχύος και κατάλληλη αρχιτεκτονική ψύξης.

Η βασική αρχή που ανέπτυξε είναι ότι το μέγεθος του μοντέλου και της υποδομής πρέπει να αντιστοιχεί στην εφαρμογή. Μια εξειδικευμένη λειτουργία μπορεί να εξυπηρετείται από έναν ή δύο servers, ενώ ευρύτερες επιχειρηματικές χρήσεις απαιτούν περισσότερους πόρους. Στο άλλο άκρο βρίσκονται τα μεγάλα μοντέλα και οι εφαρμογές υψηλής ζήτησης, που προϋποθέτουν συστοιχίες πολλών racks και πολύ υψηλότερη ενεργειακή πυκνότητα.

Ακόμη και μικρότερες εγκαταστάσεις μπορούν να απαιτήσουν αναβαθμίσεις. Ο Carlini ανέφερε ότι ένας server με πολλαπλές GPU μπορεί να φτάνει σε κατανάλωση τα 20 kW, δημιουργώντας ανάγκη επανεξέτασης της ψύξης του χώρου. Στις μεγαλύτερες διαμορφώσεις, η υδρόψυξη και οι μονάδες διανομής ψυκτικού υγρού αποτελούν βασικά στοιχεία της αρχιτεκτονικής.

Η Schneider Electric παρουσίασε λύσεις που εκτείνονται από υποδομές μικρών εγκαταστάσεων έως προκατασκευασμένα αρθρωτά συστήματα μεγάλης κλίμακας. Στο υλικό περιλαμβάνονται σχέδια αναφοράς RapidScale για φορτίο IT 1 MW, αλλά και διαμορφώσεις 10–20 MW με racks AI ισχύος έως 227 kW.

Ευκαιρία 347 δισ. δολαρίων για το οικοσύστημα συνεργατών

Το έλλειμμα εξειδίκευσης στις επιχειρήσεις ενισχύει τον ρόλο των εξωτερικών συνεργατών. Το 59% των ερωτηθέντων βασίζεται σε εξωτερικούς φορείς για τη διαμόρφωση της στρατηγικής AI και το 67% για την υλοποίησή της.

Η Omdia προβλέπει ότι η δαπάνη τελικών χρηστών στις επιχειρήσεις για υπηρεσίες AI που παρέχονται μέσω συνεργατών θα αυξηθεί από 85 δισ. δολάρια το 2026 σε 347 δισ. δολάρια το 2031, με μέσο ετήσιο ρυθμό ανάπτυξης περίπου 32,5%. Η πρόβλεψη αφορά τη συγκεκριμένη αγορά υπηρεσιών μέσω συνεργατών και όχι το σύνολο της παγκόσμιας αγοράς τεχνητής νοημοσύνης.

Για τους παρόχους τεχνολογίας και τους integrators, η ευκαιρία συνοδεύεται από απαιτήσεις: εξειδίκευση στην AI και στην ασφάλεια, γνώση επιμέρους κλάδων, λύσεις με σαφή κριτήρια απόδοσης και υποστήριξη της οργανωτικής αλλαγής. Το επόμενο στάδιο θα κριθεί λιγότερο από τον αριθμό των δοκιμών και περισσότερο από την ικανότητα των επιχειρήσεων και των συνεργατών τους να τις μετατρέψουν σε αξιόπιστες, αποδοτικές εφαρμογές καθημερινής χρήσης.

Πηγή: ot.gr

Facebook
Twitter
Telegram
WhatsApp
Email

ΔΙΑΒΑΣΤΕ ΕΠΙΣΗΣ