Η ανάπτυξη της Τεχνητής Νοημοσύνης (Τ.Ν.) δεν εξαρτάται μόνο από την υπολογιστική ισχύ, αλλά και από τους ανθρώπους που τη χειρίζονται και από τον τρόπο με τον οποίο την αξιοποιούν. Ο δείκτης ταλέντου Τεχνητής Νοημοσύνης (A.I. talent) αποτυπώνει πόσο γρήγορα προσλαμβάνονται, πλέον, επαγγελματίες με δεξιότητες στην Τ.Ν. σε σχέση με το σύνολο των προσλήψεων.
Στην Ελλάδα ο δείκτης αυτός αυξήθηκε κατά 14,52% από το 2018 έως το 2024. Το γεγονός αυτό υποδηλώνει ότι οι εταιρίες επιταχύνουν τις προσλήψεις εργαζομένων που γνωρίζουν να χρησιμοποιούν Τ.Ν. σε σχέση με το σύνολο.
Ωστόσο, σύμφωνα με τα δεδομένα migration του LinkedIn, η χώρα παρουσιάζει αρνητικό καθαρό μεταναστευτικό ισοζύγιο A.I. talent (-0,25 ανά 10.000 μέλη). Αυτό σημαίνει ότι περισσότερα ταλέντα φεύγουν απ’ όσα έρχονται, γεγονός που μπορεί να δυσκολέψει την κλιμάκωση της Τεχνητής Νοημοσύνης.
Σε διεθνές επίπεδο, οι ΗΠΑ και η Κίνα φυσικά πρωταγωνιστούν. Το A.I. Index 2025 καταγράφει 40 «σημαντικά» μοντέλα από τις ΗΠΑ και 15 από την Κίνα, ενώ η Ευρώπη έχει μόνο τρία. Αυτό συνδέεται με τα οικοσυστήματα ταλέντου: στις ΗΠΑ ο όγκος ιδιωτικών επενδύσεων (109,1 δισ. δολ.) επιτρέπει προσέλκυση κορυφαίων επιστημόνων, ενώ στην Κίνα υπάρχει μεγάλη παραγωγή ερευνητικών δημοσιεύσεων και πατεντών.
ΠΕΙΡΑΜΑΤΙΣΜΟΣ
Η τελευταία ετήσια έρευνα της McKinsey διαπιστώνει ότι 62% των επιχειρήσεων πειραματίζονται με A.I. agents και η ζήτηση για μηχανικούς και επιστήμονες Τ.Ν. συνεχίζει να αυξάνεται. Παράλληλα, το State of AI Report επισημαίνει ότι το 2025 ήταν η χρονιά όπου οι A.I. agents μετατράπηκαν σε επιστημονικούς συνεργάτες (για παράδειγμα, η πλατφόρμα Co-Scientist, της DeepMind, δημιουργεί και ελέγχει υποθέσεις). Αυτές οι εξελίξεις ανοίγουν νέες ειδικότητες (prompt engineering και μοντελοποίηση ρυθμιστικών πλαισίων) αλλά και εντείνουν, ταυτόχρονα, τον ανταγωνισμό για δεξιότητες λογισμού και συνεργασίας ανθρώπου και μηχανής.
Οι διαφορές μεταξύ των χωρών αποτυπώνονται και στην κινητικότητα. Οι χώρες με ανεπτυγμένα οικοσυστήματα (ΗΠΑ, Καναδάς, Ηνωμένο Βασίλειο) προσελκύουν διεθνή ταλέντα, ενώ αναπτυσσόμενες οικονομίες συχνά αντιμετωπίζουν διαρροή εγκεφάλων. Υπολογίζεται ότι οι γυναίκες επιχειρηματίες σε αναπτυσσόμενες χώρες είναι 25% λιγότερο πιθανό να υιοθετήσουν την Τ.Ν. λόγω έλλειψης αυτοπεποίθησης και πρόσβασης σε αυτή. Παράλληλα, οι μικρές επιχειρήσεις αντιμετωπίζουν τέσσερις βασικές ελλείψεις: συνδεσιμότητα, δεδομένα, δεξιότητες και χρηματοδότηση. Αυτοί οι παράγοντες περιορίζουν τη δημιουργία τοπικού ταλέντου.
Αποτελεί δεδομένο ότι φέτος το κυνήγι ταλέντου αναμένεται να ενταθεί. Οι επιχειρήσεις θα στραφούν σε αυτόνομους agents για να αυξήσουν την παραγωγικότητα, δημιουργώντας ζήτηση για ειδικούς στην ενοποίηση agentic εργαλείων, καθώς και για υπευθύνους υπερβολικών ελέγχων (A.I. governance). Οσοι μπορούν να συνδυάσουν τεχνικές γνώσεις με κατανόηση του ρυθμιστικού πλαισίου θα είναι περιζήτητοι.
Για την Ελλάδα η πρόκληση είναι να ανατρέψει το αρνητικό μεταναστευτικό ισοζύγιο. Να καταφέρει, επιτέλους, να προσφέρει ένα περιβάλλον το οποίο θα προσελκύει και θα διατηρεί ταλέντο, αξιοποιώντας τον υψηλό ρυθμό προσλήψεων και τις μεγάλες δημόσιες επενδύσεις ως εφαλτήριο για εγχώρια καινοτομία.
Η ανάγκη εκπαίδευσης των εργαζομένων
Η Τεχνητή Νοημοσύνη επηρεάζει ήδη την εργασία. Το 60% των εργαζομένων παγκοσμίως πιστεύει ότι η Τ.Ν. θα αλλάξει τον τρόπο που δουλεύει μέσα σε πέντε χρόνια, ενώ το 36% φοβάται ότι θα αντικατασταθεί.
Ταυτόχρονα, 81% των καθηγητών πληροφορικής στις ΗΠΑ θεωρούν ότι η Τ.Ν. πρέπει να ενταχθεί στην εκπαίδευση, αλλά λιγότεροι από τους μισούς αισθάνονται έτοιμοι να τη διδάξουν. Οι εταιρίες που θέλουν να αξιοποιήσουν την Τεχνητή Νοημοσύνη οφείλουν να επενδύσουν στην αναβάθμιση των δεξιοτήτων του προσωπικού, ενθαρρύνοντας τη συνεχή μάθηση και δημιουργώντας κουλτούρα που συνδυάζει ανθρώπους και μηχανές.
Ποιες είναι οι διαφορές στα μοντέλα A.I.
Το οικοσύστημα των μοντέλων Τεχνητής Νοημοσύνης έχει χωριστεί σε δύο μεγάλες κατηγορίες: τα κλειστά (proprietary) μοντέλα που αναπτύσσονται από μεγάλες εταιρίες και παραμένουν black boxes, και τα ανοιχτά (open-weight) μοντέλα που διαθέτουν τον κώδικα ευρέως.
Η έκθεση AI Index επισημαίνει ότι η απόσταση απόδοσης μεταξύ αυτών των κατηγοριών μειώθηκε ραγδαία. Συγκεκριμένα, από 8% διαφορά στις αρχές του 2024 σε 1,7% τον Φεβρουάριο του 2025. Αυτό σημαίνει ότι οργανισμοί και επιχειρήσεις με περιορισμένο budget μπορούν πιο εύκολα να αξιοποιήσουν ανοιχτά μοντέλα χωρίς μεγάλες οικονομικές θυσίες.
Στα κλειστά μοντέλα οι αμερικανικές πλατφόρμες παραμένουν πρωταγωνιστές. Το A.I. Index καταγράφει 40 σημαντικά μοντέλα από οργανισμούς των ΗΠΑ και 15 από την Κίνα. Τα περισσότερα είναι γενετικά μοντέλα μεγάλης κλίμακας που εκπαιδεύονται σε petabyte δεδομένων, προσφέρουν πολύγλωσση υποστήριξη και νέες δυνατότητες, όπως οπτική και ακουστική κατανόηση. Τα agentic frameworks που αναδύθηκαν το 2025 συνδυάζουν τέτοια μοντέλα με μηχανισμούς σχεδιασμού/εκτέλεσης και αυτο-επίβλεψης.
Στην πλευρά των ανοιχτών μοντέλων η ευρωπαϊκή και η κινεζική κοινότητα το 2025 ανέβασαν ταχύτητα. Η διαφορά επιδόσεων σχεδόν εξανεμίστηκε χάρη σε βελτιστοποιήσεις του training και στη διαθέσιμη τεχνογνωσία. Αυτό επέτρεψε σε επιχειρήσεις και ερευνητές να προσαρμόζουν τα μοντέλα στις ανάγκες τους χωρίς να εξαρτώνται από έναν πάροχο. Ωστόσο, η έλλειψη εμπορικής υποστήριξης και οι κίνδυνοι ευθύνης αποτελούν μειονέκτημα.
Καθώς, λοιπόν, το κόστος inference (το κόστος «εκτέλεσης» ενός μοντέλου A.I. κάθε φορά που το χρησιμοποιείς για να βγάλει αποτέλεσμα) κατρακυλά, το 2026 αναμένεται να υπάρξει έξαρση εφαρμογών σε νέους τομείς: στον βιομηχανικό σχεδιασμό, στην αυτόνομη λήψη αποφάσεων και στα εργαλεία παραγωγής βίντεο. Ταυτόχρονα, οι ρυθμιστικές Αρχές δρομολογούν υποχρεωτικές αξιολογήσεις διαφάνειας και υπευθυνότητας, γεγονός που πιθανόν να επιβραδύνει την κυκλοφορία κλειστών μοντέλων, αλλά να ενισχύσει τη θέση των ανοιχτών, τα οποία μπορούν ευκολότερα να «συμμορφωθούν». Οι επιχειρήσεις θα πρέπει να επιλέξουν μοντέλο όχι μόνο με βάση την απόδοση, αλλά και με βάση της δυνατότητας ελέγχου, τροποποίησης και νομικής συμμόρφωσης.
Το επόμενο βήμα: Ρομποτική κίνηση και αυτονομία
Μία από τις πιο απτές εφαρμογές της Τεχνητής Νοημοσύνης βρίσκεται στα ρομπότ και στα αυτόνομα οχήματα. Το AI Index σημειώνει ότι το 2023 είχαν εγκριθεί 223 ιατρικές συσκευές Τ.Ν. από τον αμερικανικό FDA, έναντι μόλις 6 το 2015, ενώ οι robotaxis (τα ταξί χωρίς οδηγό!) έχουν φύγει από το στάδιο των δοκιμών.
Ενδεικτικά αναφέρεται ότι η Waymo πραγματοποιούσε περίπου 150.000 διαδρομές την εβδομάδα, ενώ το 2024 και η κινεζική Baidu Apollo Go επεκτεινόταν σε πολλές πόλεις. Αυτή η πρόοδος δείχνει πως οι αλγόριθμοι αισθητηριοποίησης και λήψης αποφάσεων… ώριμα «προσγειώνονται» στον πραγματικό κόσμο και αλλάζουν την καθημερινότητα.
Το 2026 προβλέπεται η ενοποίηση των robot control και των γενετικών μοντέλων. Οι εξελίξεις στο State of AI Report δείχνουν ότι τα μοντέλα πλέον μπορούν να σχεδιάζουν και να αυτο-διορθώνοντα. Αυτό ανοίγει τον δρόμο για humanoid robots (ανθρωποειδή ρομπότ), που κατανοούν εντολές υψηλού επιπέδου, μαθαίνουν από σφάλματα και αλληλεπιδρούν φυσικά.
Η μείωση του κόστους hardware (-30% ανά έτος) και η αύξηση της ενεργειακής αποδοτικότητας (40% ανά έτος) θα επιτρέψουν πιο προσιτές πλατφόρμες για βιομηχανίες, αποθήκες και υπηρεσίες υγείας. Η μεγάλη πρόκληση θα είναι η ρύθμιση. Οι κυβερνήσεις ήδη αυξάνουν τη λήψη νομοθετικών μέτρων (59 νέοι κανονισμοί για την Τ.Ν. στις ΗΠΑ το 2024). Η εμπορική επιτυχία των ανθρωποειδών ρομπότ θα εξαρτηθεί επομένως τόσο από την τεχνολογία όσο και από τη νομοθεσία και την κοινωνική αποδοχή.
Πού βρίσκεται η Ελλάδα στη διεθνή κούρσα
Η θέση της Ελλάδας στο παγκόσμιο οικοσύστημα A.I. χαρακτηρίζεται από αντιφάσεις και από μια σημαντική προσπάθεια να παρακολουθήσει τις εξελίξεις.
Από τη μία πλευρά, οι δημόσιες επενδύσεις είναι αξιόλογες (από το 2013 έως το 2023 καταγράφηκαν 2.678 συμβάσεις που σχετίζονται με A.I., συνολικού ύψους 83,54 εκατ. δολ., με τη διάμεση αξία να φτάνει τα 3,05 εκατ. δολ.). Στην έκθεση AI Index η χώρα εμφανίζεται με 0,27 πατέντες A.I. ανά 100.000 κατοίκους το 2023, αλλά παρουσιάζει αύξηση 2.851% στις πατέντες ανά κάτοικο την τελευταία δεκαετία. Τα δεδομένα αυτά δείχνουν, λοιπόν, μια οικονομία που άρχισε από χαμηλή βάση αλλά έχει επιταχύνει.
Το ανθρώπινο δυναμικό έχει μεικτές ενδείξεις. Ο δείκτης relative AI hiring rate (πόσο γρήγορα αυξάνονται οι προσλήψεις σε ρόλους A.I. σε μια χώρα, σε σχέση με τις προσλήψεις συνολικά) δείχνει αύξηση κατά 14,52% για την Ελλάδα την περίοδο 2018-2024. Ομως, το net AI talent migration (ο δείκτης που μετράει την καθαρή «μετανάστευση» εργαζομένων με δεξιότητες A.I. από και προς μία χώρα) είναι αρνητικό (-0,25), γεγονός το οποίο υποδηλώνει το συνεχιζόμενο φαινόμενο της διαρροής ταλέντων.
Από την πλευρά των επιχειρήσεων, η εικόνα μοιάζει διττή. Το κράτος δημιουργεί ζήτηση μέσα από έργα ψηφιακού μετασχηματισμού (πλατφόρμες φορολογίας, ψηφιακές υπηρεσίες υγείας κ.ά.), όμως πολλές μικρές και μεσαίες επιχειρήσεις δεν έχουν ακόμη υιοθετήσει συστήματα Τ.Ν. λόγω κόστους, έλλειψης δεξιοτήτων και χαμηλής ψηφιακής ωριμότητας. Τα δεδομένα του OECD SME Report υπογραμμίζουν ότι οι ΜμΕ χρειάζονται συνδεσιμότητα, δεδομένα, δεξιότητες και χρηματοδότηση για να μπουν στην ψηφιακή εποχή. Στην Ελλάδα οι χρηματοδοτήσεις της Ε.Ε. και οι μεγάλες δημόσιες συμβάσεις προσφέρουν κεφάλαια, αλλά η επιτυχία θα εξαρτηθεί από το κατά πόσο οι επιχειρήσεις θα επενδύσουν σε προσωπικό και θα δημιουργήσουν συνεργασίες με πανεπιστήμια.
Συμπερασματικά, η Ελλάδα δεν έχει μείνει πίσω, αλλά ούτε βρίσκεται στην «πρώτη γραμμή». Το 2026 για τη χώρα μας είναι κρίσιμο. Αν αξιοποιηθούν οι δημόσιες επενδύσεις και μειωθεί η διαρροή ταλέντων, η χώρα μπορεί να αναδειχθεί σε περιφερειακό κόμβο. Αλλιώς υπάρχει κίνδυνος να παραμείνει καταναλωτής τεχνολογίας, αντί να γίνει παραγωγός.
ΑΠΟ ΤΗΝ ΕΝΤΥΠΗ ΕΚΔΟΣΗ (9 ΙΑΝΟΥΑΡΙΟΥ 2026)
