Το παράδοξο της AI: Οι εργαζόμενοι γίνονται πιο παραγωγικοί, αλλά οι εταιρείες δεν κερδίζουν περισσότερο

• Έρευνες δείχνουν ότι η AI μπορεί να αυξήσει την παραγωγικότητα συγκεκριμένων εργασιών κατά 15%-30% σε πραγματικές συνθήκες εργασίας, όμως το όφελος δεν περνά αυτομάτως στα οικονομικά αποτελέσματα των επιχειρήσεων.
• Μόλις 37% των στελεχών που συμμετείχαν σε έρευνα της McKinsey μπόρεσαν να συνδέσουν τη χρήση AI με κάποια επίδραση στα λειτουργικά κέρδη της επιχείρησής τους.
• Οι εταιρείες που θέλουν να μετατρέψουν την ατομική παραγωγικότητα σε πραγματική ανάπτυξη χρειάζονται νέες ροές εργασίας, επαναχρησιμοποιήσιμα εργαλεία και μεγαλύτερη δυναμικότητα στα σημεία όπου δημιουργούνται νέα bottlenecks.

Το 1987, ο νομπελίστας οικονομολόγος Robert Solow είχε διατυπώσει μία από τις πιο γνωστές παρατηρήσεις για την τεχνολογία: «Μπορείς να δεις την εποχή των υπολογιστών παντού, εκτός από τις στατιστικές παραγωγικότητας».

Σχεδόν τέσσερις δεκαετίες αργότερα, η τεχνητή νοημοσύνη φαίνεται να δημιουργεί μια νέα εκδοχή του ίδιου παραδόξου.

Σε επίπεδο εργαζομένου, τα οφέλη είναι ήδη εμφανή.

Έρευνες που επικαλείται το Fast Company δείχνουν ότι η χρήση AI μπορεί να αυξήσει την παραγωγικότητα σε συγκεκριμένες εργασίες κατά περίπου 15%-30% σε πραγματικές συνθήκες εργασίας και κατά 20%-60% σε ελεγχόμενες μελέτες.

Παράλληλα, σύμφωνα με την έρευνα State of AI 2026 της McKinsey, περίπου οκτώ στους δέκα επαγγελματίες δηλώνουν ότι η τεχνητή νοημοσύνη τους έχει κάνει πιο παραγωγικούς.

Στο επίπεδο της επιχείρησης, όμως, η εικόνα αλλάζει δραματικά.

Οι εργαζόμενοι κερδίζουν χρόνο – οι εταιρείες όχι πάντα χρήματα

Στην ίδια έρευνα της McKinsey, μόλις 37% των ερωτηθέντων δήλωσαν ότι μπορούν να συνδέσουν τη χρήση AI με κάποια επίδραση στα EBIT, δηλαδή στα κέρδη προ τόκων και φόρων.

Το ποσοστό είναι ουσιαστικά αμετάβλητο σε σχέση με έναν χρόνο νωρίτερα.

Ακόμη πιο ενδεικτικά είναι τα στοιχεία που επικαλείται το National Bureau of Economic Research.

Παρότι 69% των επιχειρήσεων χρησιμοποιούσαν AI, το 89% των στελεχών δήλωσε ότι δεν είχε διαπιστώσει επίδραση στην παραγωγικότητα τα προηγούμενα τρία χρόνια.

Αντίστοιχα, στην Global CEO Survey 2026 της PwC, περισσότεροι από τους μισούς CEOs δήλωσαν ότι η AI δεν είχε οδηγήσει ούτε σε υψηλότερα έσοδα ούτε σε χαμηλότερο κόστος κατά το προηγούμενο έτος.

Το βασικό πρόβλημα, επομένως, είναι σαφές: τα οφέλη που απολαμβάνει ο μεμονωμένος εργαζόμενος δεν αθροίζονται αυτόματα σε όφελος για ολόκληρη την επιχείρηση.

Από τα εργαλεία στα συστήματα

Το λάθος πολλών επιχειρήσεων είναι ότι αντιμετωπίζουν την AI απλώς ως ένα επιπλέον εργαλείο.

Ένας εργαζόμενος γράφει γρηγορότερα ένα email, δημιουργεί μια παρουσίαση σε λιγότερο χρόνο ή παράγει περισσότερο κώδικα.

Αυτό όμως δεν σημαίνει ότι έχει αλλάξει ο τρόπος με τον οποίο λειτουργεί ολόκληρος ο οργανισμός.

Η ιστορία της ηλεκτρικής ενέργειας προσφέρει ένα χαρακτηριστικό παράδειγμα.

Όταν τα πρώτα εργοστάσια άρχισαν να χρησιμοποιούν ηλεκτρικούς κινητήρες, οι ιδιοκτήτες απλώς τους πρόσθεταν πάνω στην υπάρχουσα υποδομή, χωρίς να αλλάζουν τον σχεδιασμό των εργοστασίων.

Η μεγάλη αύξηση παραγωγικότητας ήρθε αργότερα, όταν τα εργοστάσια επανασχεδιάστηκαν γύρω από την ηλεκτρική ενέργεια.

Το ίδιο, υποστηρίζει το Fast Company, πρέπει να συμβεί και με την AI.

1. Όχι μόνο εξοικονόμηση – αλλά νέες δυνατότητες

Οι περισσότερες επιχειρήσεις ξεκινούν από το ερώτημα: «Πού μπορεί η AI να μας εξοικονομήσει χρόνο ή χρήματα;».

Η προσέγγιση αυτή έχει αξία, αλλά έχει και όρια.

Σύμφωνα με την έρευνα State of AI in the Enterprise 2026 της Deloitte, 66% των στελεχών ανέφεραν βελτίωση σε αποδοτικότητα και παραγωγικότητα, αλλά μόλις 20% δήλωσαν ότι η AI βοηθά την επιχείρηση να βελτιώσει προϊόντα, υπηρεσίες ή να καινοτομήσει.

Το μεγαλύτερο όφελος μπορεί επομένως να βρίσκεται όχι σε όσα η AI κάνει φθηνότερα, αλλά σε όσα κάνει για πρώτη φορά οικονομικά εφικτά.

Έργα που παλαιότερα απορρίπτονταν επειδή απαιτούσαν πολύ χρόνο ή κεφάλαιο μπορούν πλέον να επανεξεταστούν.

Η βασική αρχή είναι απλή:

Μην ρωτάς μόνο τι μπορεί να μειώσει η AI. Ρώτα και τι μπορεί πλέον να κάνει δυνατό.

2. Δημιουργία επαναχρησιμοποιήσιμων assets

Η δεύτερη πρόκληση είναι ότι η AI καθιστά τόσο φθηνή τη δημιουργία νέου περιεχομένου, ώστε οι εργαζόμενοι συχνά ξεκινούν από το μηδέν κάθε φορά.

Ένα νέο deck, ένα νέο κείμενο, ένας νέος κώδικας ή μια νέα ανάλυση παράγονται γρήγορα, χρησιμοποιούνται μία φορά και στη συνέχεια εγκαταλείπονται.

Το αποτέλεσμα είναι τεράστιος όγκος παραγωγής, αλλά περιορισμένη συσσώρευση αξίας.

Η εναλλακτική είναι η δημιουργία επαναχρησιμοποιήσιμων components.

Το Fast Company αναφέρει ως παράδειγμα τη Unilever, η οποία έχει δημιουργήσει digital twins των προϊόντων της.

Τα ψηφιακά αυτά αντίγραφα συγκεντρώνουν διαφορετικές εκδοχές προϊόντων, ετικέτες, συσκευασίες και γλώσσες σε ένα ενιαίο αρχείο και στη συνέχεια μπορούν να επαναχρησιμοποιούνται για τη δημιουργία υλικού σε διαφορετικά κανάλια πωλήσεων και marketing.

Η λογική είναι να δημιουργείται κάτι μία φορά και να παράγει αξία επανειλημμένα.

3. Το bottleneck απλώς μετακινείται

Η AI μπορεί να επιταχύνει εντυπωσιακά την παραγωγή εργασίας, αλλά αυτό συχνά δημιουργεί νέο πρόβλημα στο επόμενο στάδιο.

Αν παράγεται περισσότερο περιεχόμενο, κώδικας ή ανάλυση, τότε κάποιος πρέπει να τα ελέγξει, εγκρίνει, δοκιμάσει και ενσωματώσει.

Έρευνα σε open-source software projects μετά την εμφάνιση του GitHub Copilot έδειξε ότι η παραγωγή κώδικα αυξήθηκε, αλλά αυξήθηκε παράλληλα και το rework.

Οι πιο έμπειροι developers χρειάστηκε να ελέγχουν περισσότερο κώδικα, με αποτέλεσμα ο δικός τους χρόνος για παραγωγή νέου κώδικα να μειωθεί.

Παρόμοιο μοτίβο έχει καταγράψει και το πρόγραμμα DORA της Google: ο χρόνος που κερδίζεται στη συγγραφή κώδικα συχνά καταναλώνεται ξανά στον έλεγχο.

Το πρόβλημα, συνεπώς, δεν είναι ότι η AI δεν λειτουργεί.

Λειτουργεί τόσο καλά, ώστε δημιουργεί μεγαλύτερη ροή εργασίας από αυτή που μπορεί να απορροφήσει το υπάρχον σύστημα.

Τέσσερις κινήσεις που μπορούν να κάνουν οι επιχειρήσεις τώρα

Η μετάβαση από την ατομική παραγωγικότητα στην οργανωτική ανάπτυξη απαιτεί πιο συστηματική προσέγγιση.

1. Επανεξέταση παλαιών projects

Οι εταιρείες μπορούν να επιστρέψουν σε projects που είχαν εγκαταλείψει τα προηγούμενα χρόνια επειδή ήταν πολύ ακριβά ή απαιτούσαν υπερβολικό χρόνο.

Με τη βοήθεια της AI, η οικονομική εξίσωση μπορεί πλέον να είναι διαφορετική.

2. Δημιουργία βιβλιοθήκης επαναχρησιμοποιήσιμων στοιχείων

Frameworks, έρευνες, templates, εγκεκριμένα κείμενα και κώδικας μπορούν να οργανωθούν σε κοινές βιβλιοθήκες.

Η βασική αρχή: πριν δημιουργηθεί κάτι νέο, πρέπει πρώτα να εξετάζεται αν υπάρχει ήδη κάτι που μπορεί να επαναχρησιμοποιηθεί.

3. Εντοπισμός του νέου bottleneck

Οι επιχειρήσεις πρέπει να εξετάζουν μία AI-enabled ροή εργασίας από την αρχή μέχρι το τέλος και να εντοπίζουν πού συσσωρεύεται η δουλειά.

Εκεί μπορεί να απαιτείται περισσότερη ανθρώπινη δυναμικότητα.

4. Αλλαγή των KPIs

Η εξοικονόμηση κόστους δεν αρκεί ως βασικό μέτρο επιτυχίας.

Οι εταιρείες μπορούν να παρακολουθούν και δείκτες όπως:

• νέα προϊόντα που λανσαρίστηκαν,
• projects που κατέστησαν για πρώτη φορά βιώσιμα,
• νέες αγορές που ανοίχθηκαν,
• νέες υπηρεσίες που δημιουργήθηκαν.

Το σύστημα είναι το πραγματικό ανταγωνιστικό πλεονέκτημα

Η ηλεκτρική ενέργεια χρειάστηκε δεκαετίες μέχρι να μεταφραστεί σε θεαματική αύξηση παραγωγικότητας, επειδή οι επιχειρήσεις χρειάστηκε πρώτα να ανασχεδιάσουν ολόκληρα εργοστάσια γύρω από αυτή.

Η AI μπορεί να βρίσκεται σήμερα σε αντίστοιχο σημείο.

Η τεχνολογία έχει ήδη αποδείξει ότι μπορεί να αυξήσει σημαντικά την παραγωγικότητα του ατόμου.

Το ερώτημα είναι αν οι οργανισμοί θα καταφέρουν να ανασχεδιάσουν τις διαδικασίες, τις δομές και τα συστήματά τους ώστε να μετατρέψουν αυτή την επιπλέον παραγωγική ικανότητα σε πραγματική ανάπτυξη.

Για τις επιχειρήσεις που θα το πετύχουν, το ανταγωνιστικό πλεονέκτημα δεν θα είναι απλώς ότι χρησιμοποιούν καλύτερα εργαλεία AI.

Θα είναι ότι έχουν χτίσει καλύτερο σύστημα γύρω από αυτά.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:

• Πλήρωναν υπέρογκα ποσά για ρεύμα και τα έπαιρναν πίσω – Το κόλπο για το «ξέπλυμα» μαύρου χρήματος
• Ο πραγματικός λόγος που οι ελληνικές ΜμΕ μένουν πίσω στην Τεχνητή Νοημοσύνη
• Συνταξιούχοι: Τι αλλάζει σε αυξήσεις, προσωπική διαφορά και ενίσχυση 400 ευρώ