Στρατηγικές επενδύσεις σε ΑΙ στην Ευρώπη- Ανάγκη επιτάχυνσης για να μειωθεί το χάσμα με τις ΗΠΑ

Πηγή Φωτογραφίας: Pixabay//Στρατηγικές επενδύσεις σε ΑΙ στην Ευρώπη- Ανάγκη επιτάχυνσης για να μειωθεί το χάσμα με τις ΗΠΑ
Η Ευρώπη αντιμετωπίζει μια αυξανόμενη πρόκληση παραγωγικότητας, με τους εργαζομένους να φτάνουν μόνο το 76% της παραγωγικότητας των Αμερικανών εργαζομένων, κυρίως λόγω της υποεπένδυσης στην τεχνολογία.
Αυτό είναι ένα μόνο από τα ευρήματα της μελέτης «Europe’s AI reckoning: Reinventing industries for a new era» της Accenture, η οποία εξετάζει τις προκλήσεις αλλά και τις ευκαιρίες για τις ευρωπαϊκές επιχειρήσεις όσον αφορά την υιοθέτηση της τεχνητής νοημοσύνης (AI) για την ενίσχυση της παραγωγικότητας και της ανταγωνιστικότητας.
Σύμφωνα με τη μελέτη, πάνω από το ήμισυ (56%) των μεγάλων ευρωπαϊκών οργανισμών δεν έχουν επεκτείνει τις μετασχηματιστικές επενδύσεις σε τεχνητή νοημοσύνη. Επιπλέον, η τεχνητή νοημοσύνη μπορεί να βελτιώσει την αποδοτικότητα, τη λήψη αποφάσεων και τις προβλέψεις, αλλά δεν αποτελεί αυτόνομη λύση για βαθύτερα οικονομικά ζητήματα σύμφωνα με τον ot.gr και τον Γιώργο Πολύζο
Στρατηγικές επενδύσεις σε ΑΙ στην Ευρώπη
Η μελέτη της Accenture αναφέρει ότι οι ευρωπαϊκές εταιρείες υστερούν στην επέκταση των στρατηγικών επενδύσεων σε τεχνητή νοημοσύνη, με μόνο το 8% των οργανισμών που συμμετείχαν στην έρευνα να το έχουν πράξει. Οι τομείς της αυτοκινητοβιομηχανίας και της αεροδιαστημικής παρουσιάζουν ισχυρότερη δέσμευση στον συγκεκριμένο τομέα.
Το 70% των αυτοκινητοβιομηχανιών έχουν κλιμακώσει τουλάχιστον μία στρατηγική επένδυση, ενώ μόνο το 16% των επιχειρήσεων κοινής ωφέλειας έχουν κάνει το ίδιο. Το 48% των μεγάλων εταιρειών έχουν κλιμακώσει μία στρατηγική επένδυση, σε σύγκριση με το 31% των μικρότερων εταιρειών.
Οι μεγαλύτερες ευρωπαϊκές εταιρείες διαθέτουν ισχυρότερες δυνατότητες τεχνητής νοημοσύνης, οι οποίες σχετίζονται με την ικανότητά τους να κλιμακώνουν στρατηγικές επενδύσεις και να επιτυγχάνουν καλύτερες αποδόσεις. Οι μεγαλύτερες εταιρείες έχουν μέσο όρο 54 στον δείκτη ικανοτήτων τεχνητής νοημοσύνης, ενώ οι μικρότερες εταιρείες έχουν μέσο όρο μόλις 39.
Το 91% των μεγαλύτερων εταιρειών έχει διορίσει Διευθυντή Τεχνητής Νοημοσύνης, σε σύγκριση με το 64% των μικρότερων εταιρειών. Το 20% των μεγαλύτερων εταιρειών αναφέρει απόδοση επένδυσης που υπερβαίνει τις προσδοκίες, σε σύγκριση με μόλις το 9% των μικρότερων εταιρειών.
Τα προβλήματα των ευρωπαϊκών εταιρειών
Οι ευρωπαϊκές εταιρείες αντιμετωπίζουν εσωτερικά και εξωτερικά εμπόδια στην υιοθέτηση της τεχνητής νοημοσύνης, αναφέρει η Accenture, όπως προβλήματα με τη βάση δεδομένων, τη σύνθεση των ομάδων και τους κινδύνους ασφαλείας. Οι ρυθμιστικές προκλήσεις και η έλλειψη κεφαλαίου κινδύνου εμποδίζουν περαιτέρω την πρόοδο, ειδικά για τις μικρότερες εταιρείες.
Ενδεικτικά, το 42% των στελεχών αναφέρει τη βάση δεδομένων ως την κύρια πρόκληση, ενώ το 41% τονίζει την ανάγκη για πολυεπιστημονικές ομάδες. Το 33% των στελεχών ανησυχεί για τους κινδύνους ασφαλείας, ιδίως στον τομέα των υπηρεσιών κοινής ωφέλειας. Οι επενδύσεις σε κεφάλαια κινδύνου στις ΗΠΑ είναι 5-7,5 φορές υψηλότερες από ό,τι στην Ευρώπη κατά την τελευταία δεκαετία, σημειώνεται στη μελέτη.
Ανάγκη για ενιαίο οικοσύστημα AI
Για να ενισχύσει την καινοτομία και την παραγωγικότητα στον τομέα της τεχνητής νοημοσύνης, η Ευρώπη πρέπει να αναπτύξει ένα κυρίαρχο, ομοσπονδιακό οικοσύστημα τεχνητής νοημοσύνης που θα υποστηρίζει τις μικρότερες οντότητες και θα προάγει τη συνεργασία μεταξύ των κλάδων. Αυτό απαιτεί συντονισμένες προσπάθειες τόσο από τον δημόσιο όσο και από τον ιδιωτικό τομέα.
Μια «ομοσπονδιακή προσέγγιση» μπορεί να βοηθήσει την Ευρώπη να ενισχύσει τις δυνατότητες και την ανταγωνιστικότητά της στον τομέα της τεχνητής νοημοσύνης μέσω της συνεργασίας και της εξορθολογισμένης επένδυσης.
Η πρόταση απαρτίζεται από μια τριπλή προσέγγιση αποσύνδεσης για την αντιμετώπιση των κινδύνων. Πιο συγκεκριμένα, οι μικρότερες οργανώσεις χρειάζονται καλύτερη πρόσβαση σε υπολογιστική ισχύ, δεδομένα και χρηματοδότηση για να υιοθετήσουν λύσεις τεχνητής νοημοσύνης.
Επιπρόσθετα, μια συντονισμένη βιομηχανική στρατηγική είναι απαραίτητη για τη δημιουργία μιας ανταγωνιστικής και βασισμένης σε αξίες οικονομίας τεχνητής νοημοσύνης.
Η Accenture τονίζει επίσης ότι η διαλειτουργικότητα μεταξύ των συστημάτων τεχνητής νοημοσύνης είναι απαραίτητη για την αποτελεσματικότητα και τη μείωση του κόστους.
Πρωτοβουλίες όπως η Catena-X καταδεικνύουν το δυναμικό της διακλαδικής συνεργασίας, ενώ ένα ισχυρό κανονιστικό πλαίσιο, όπως ο νόμος της ΕΕ για την τεχνητή νοημοσύνη, μπορεί να λειτουργήσεις επίσης ενισχυτικά.
Διαβάστε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο
Το σχόλιο σας