Πού βλέπει η Morgan Stanley ευκαιρία 1,1 τρισ. δολαρίων
Το μεγάλο επενδυτικό στοίχημα γύρω από την τεχνητή νοημοσύνη αλλάζει πίστα. Έπειτα από δύο χρόνια κατά τα οποία το ενδιαφέρον των αγορών επικεντρώθηκε κυρίως σε ημιαγωγούς, data centers, cloud και ενεργειακές υποδομές, η Morgan Stanley εκτιμά ότι η επόμενη μεγάλη ευκαιρία μπορεί να βρίσκεται στις εταιρείες που δεν κατασκευάζουν την υποδομή του AI, αλλά γνωρίζουν πώς να την αξιοποιήσουν.
Και τα ποσά που εξακολουθούν να κατευθύνονται στην υποδομή είναι τεράστια. Η Morgan Stanley Research υπολογίζει ότι οι κεφαλαιουχικές δαπάνες που σχετίζονται με το AI θα φτάσουν περίπου τα 800 δισ. δολάρια το 2026 και θα αυξηθούν στα 1,1 τρισ. δολάρια το 2027. Αυτό δεν σημαίνει ότι το επενδυτικό story των υποδομών τελειώνει. Σημαίνει, όμως, ότι αρχίζει να αναδύεται ένα δεύτερο και ενδεχομένως πολύ ευρύτερο πεδίο δημιουργίας αξίας.
Σύμφωνα με τα στοιχεία που επικαλείται η Morgan Stanley, το Stanford AI Index 2026 τοποθετεί την οργανωτική υιοθέτηση του AI στο 88%. Ωστόσο, μελέτη σε επίπεδο επιχειρήσεων του S&P 500 έδειξε ότι το 2025 μόλις περίπου μία στις πέντε εταιρείες είχε περάσει στο επόμενο στάδιο, έχοντας AI σε παραγωγική λειτουργία ή βαθιά ενσωματωμένο στις επιχειρηματικές διαδικασίες.
Εκεί ακριβώς εντοπίζεται η διαφορά μεταξύ του «χρησιμοποιώ AI» και του «κερδίζω από το AI». Η μετάβαση απαιτεί επενδύσεις που η Morgan Stanley περιγράφει ως «intangible capex», δηλαδή κεφαλαιουχικές επενδύσεις σε άυλα στοιχεία. Σε αυτές περιλαμβάνονται η προετοιμασία και οργάνωση των δεδομένων, η κυβερνοασφάλεια, η εταιρική διακυβέρνηση, η εκπαίδευση των εργαζομένων και, κυρίως, ο επανασχεδιασμός των ίδιων των workflows.
Ένας βιομηχανικός όμιλος, για παράδειγμα, μπορεί να χρησιμοποιήσει AI για προληπτική συντήρηση μηχανημάτων, έλεγχο ποιότητας και καλύτερο προγραμματισμό της παραγωγής. Μια ενεργειακή εταιρεία μπορεί να προβλέπει τη ζήτηση και να βελτιώνει τη διαχείριση του δικτύου, ενώ μια αεροπορική μπορεί να χρησιμοποιεί την τεχνολογία για τιμολόγηση, στελέχωση, εξυπηρέτηση πελατών και περιορισμό λειτουργικών bottlenecks.
Η «J-curve» της τεχνητής νοημοσύνης
Τα οικονομικά αποτελέσματα, πάντως, δεν εμφανίζονται απαραίτητα αμέσως. Η Morgan Stanley παραπέμπει στη λεγόμενη «J-curve» της παραγωγικότητας, ένα μοτίβο που έχει παρατηρηθεί και σε προηγούμενα μεγάλα τεχνολογικά κύματα. Οι επιχειρήσεις δαπανούν αρχικά χρήματα και χρόνο για να αναδιοργανώσουν διαδικασίες, να καθαρίσουν και να οργανώσουν δεδομένα και να εκπαιδεύσουν το προσωπικό τους. Το κόστος επομένως προηγείται, ενώ η αύξηση της παραγωγικότητας και των κερδών μπορεί να εμφανιστεί αργότερα.
Αντίστοιχα, οι επιπτώσεις στην απασχόληση δεν περιορίζονται στην απλή αντικατάσταση εργαζομένων από μηχανές. Έρευνες AlphaWise της Morgan Stanley μεταξύ πιο προχωρημένων χρηστών AI δείχνουν ευρύτερη αναδιάρθρωση του εργατικού δυναμικού, με επανεκπαίδευση εργαζομένων, κατάργηση ορισμένων ρόλων αλλά και νέες προσλήψεις.
Για τους επενδυτές, το σημαντικότερο ίσως στοιχείο είναι ότι οι πρώτες μετρήσιμες αποδόσεις έχουν αρχίσει να εμφανίζονται.
Αναλυτές της Morgan Stanley εξέτασαν περισσότερα από 10.000 εταιρικά αποτελέσματα και conference transcripts και διαπίστωσαν ότι, έως τον Ιούλιο του 2026, περίπου το 25% των εταιρειών του S&P 500 είχε αναφέρει τουλάχιστον μία ποσοτικοποιημένη επίδραση από τη χρήση AI. Το αντίστοιχο ποσοστό ήταν 15% το τρίτο τρίμηνο του 2025.
Η αύξηση αυτή αποτελεί ένδειξη ότι η συζήτηση αρχίζει σταδιακά να μετακινείται από τις ανακοινώσεις, τα πειραματικά projects και τα pilots σε αποτελέσματα που μπορούν να αποτυπωθούν στους αριθμούς μιας επιχείρησης.
Και αυτό ακριβώς θεωρεί η Morgan Stanley ότι θα πρέπει να αναζητούν πλέον οι επενδυτές, όχι απλώς ποια εταιρεία δηλώνει ότι «κάνει AI», αλλά ποια μπορεί να αποδείξει ότι η τεχνολογία μειώνει πραγματικά το κόστος, αυξάνει την παραγωγικότητα ή βελτιώνει τα περιθώρια κέρδους.
Μέχρι σήμερα, τα πιο εμφανή οφέλη έχουν συγκεντρωθεί στην τεχνολογία και στις υπηρεσίες επικοινωνίας. Η Morgan Stanley εκτιμά, ωστόσο, ότι καθώς η υιοθέτηση ωριμάζει, οι μετρήσιμες επιδράσεις μπορούν να εξαπλωθούν σε πολύ περισσότερους κλάδους.
Στις χρηματοοικονομικές υπηρεσίες, τράπεζες, ασφαλιστικές και εταιρείες asset και wealth management διαθέτουν μεγάλο όγκο εργασιών που βασίζονται σε έγγραφα και δεδομένα, όπου το AI μπορεί να αυτοματοποιήσει διαδικασίες και να υποστηρίξει σύνθετες αποφάσεις.
Στην υγεία, η τεχνολογία μπορεί να περιορίσει το διοικητικό βάρος, να βελτιώσει την κλινική τεκμηρίωση και να επιταχύνει διαδικασίες όπως η ανάπτυξη φαρμάκων. Και στο λιανεμπόριο, οι μεγάλοι retailers διαθέτουν τεράστιες βάσεις δεδομένων πελατών και πολύπλοκες εφοδιαστικές αλυσίδες. Η αξιοποίηση του AI μπορεί να επηρεάσει από το merchandising και το marketing μέχρι τη διαχείριση αποθεμάτων, τα logistics και την εξυπηρέτηση πελατών.
ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:
- Γιατί το AI «απολύει» τους junior εργαζόμενους;
- Γιατί το ντίζελ «χτυπά» την Ευρώπη πιο σκληρά από τη βενζίνη
- Drive Your Legacy #TheAllies: Τι σημαίνει να είσαι σύμμαχος;
- Το «κρυφό» κόστος της βενζίνης – Οι φόροι ξεπερνούν την αξία του καυσίμου
- Στις 9 Οκτωβρίου το πρώτο Fortune Greece & Cyprus Roundtable στη Λευκωσία
