Η Παγκόσμια Τράπεζα προτείνει μια διαφορετική στρατηγική για την τεχνητή νοημοσύνη: αντί οι αναπτυσσόμενες οικονομίες να προσπαθούν να ανταγωνιστούν τους τεχνολογικούς κολοσσούς στην κατασκευή πανάκριβων μοντέλων, μπορούν να αξιοποιήσουν μικρά, εξειδικευμένα συστήματα που λειτουργούν ακόμη και με περιορισμένη πρόσβαση στο διαδίκτυο.
Από την Αργώ | Συντακτική ομάδα Greece2Day
Η τεχνητή νοημοσύνη δεν χρειάζεται πάντοτε δισεκατομμύρια
Η παγκόσμια συζήτηση για την τεχνητή νοημοσύνη κυριαρχείται από εντυπωσιακούς αριθμούς. Δισεκατομμύρια δολάρια για κέντρα δεδομένων. Τεράστιες επενδύσεις σε ημιαγωγούς. Αυξανόμενες ανάγκες ηλεκτρικής ενέργειας. Πανίσχυρα υπολογιστικά συστήματα που εκπαιδεύουν ολοένα μεγαλύτερα μοντέλα.
Και μια τεχνολογική κούρσα στην οποία πρωταγωνιστούν κυρίως οι Ηνωμένες Πολιτείες, η Κίνα και ένας μικρός αριθμός μεγάλων επιχειρήσεων.
Μέσα σε αυτό το περιβάλλον, δημιουργείται εύλογα η εντύπωση ότι η τεχνητή νοημοσύνη αποτελεί ένα παιχνίδι αποκλειστικά για τους οικονομικά ισχυρούς. Όποιος διαθέτει περισσότερα κεφάλαια, περισσότερους επεξεργαστές και μεγαλύτερα κέντρα δεδομένων θα είναι και ο μεγάλος κερδισμένος.
Όμως η Παγκόσμια Τράπεζα έρχεται να αμφισβητήσει αυτή την αντίληψη. Ο Πασκάλ Ντόναχιου, γενικός διευθυντής και επικεφαλής γνώσης της Παγκόσμιας Τράπεζας, υποστηρίζει ότι οι αναπτυσσόμενες οικονομίες μπορούν να επιταχύνουν θεαματικά την ανάπτυξή τους μέσω μιας πολύ διαφορετικής προσέγγισης. Της λεγόμενης Small AI - της μικρής, εξειδικευμένης τεχνητής νοημοσύνης.
Πρόκειται για εφαρμογές που σχεδιάζονται για συγκεκριμένες εργασίες, χρησιμοποιούν κατάλληλα προσαρμοσμένα δεδομένα και μπορούν να λειτουργούν σε απλές συσκευές, συχνά με περιορισμένη συνδεσιμότητα και στις τοπικές γλώσσες.
Ο Ντόναχιου εκτιμά ότι τέτοιες τεχνολογίες έχουν τη δυνατότητα να επιταχύνουν διαδικασίες οικονομικής ανάπτυξης που ιστορικά απαιτούσαν πολλές δεκαετίες. Πρόκειται για εκτίμηση των δυνατοτήτων τους, όχι για εγγυημένη πρόβλεψη. Η ουσία της παρέμβασης είναι πολύ σημαντικότερη από μια ακόμη τεχνολογική ανακοίνωση.
Μια οικονομία δεν χρειάζεται να κατασκευάσει τον ισχυρότερο υπολογιστή του κόσμου για να αυξήσει την παραγωγικότητά της. Χρειάζεται να αξιοποιήσει αποτελεσματικά την τεχνολογία που ήδη υπάρχει.
Και αυτή η διάκριση μπορεί να αποδειχθεί καθοριστική για εκατομμύρια επιχειρήσεις και εργαζομένους.
Big AI και Small AI: Δύο διαφορετικοί οικονομικοί κόσμοι
Η διαφορά ανάμεσα στη μεγάλη και στη μικρή τεχνητή νοημοσύνη δεν αφορά απλώς τον αριθμό των παραμέτρων ενός μοντέλου. Αφορά κυρίως τον οικονομικό σκοπό για τον οποίο χρησιμοποιείται. Η Big AI επικεντρώνεται στην ανάπτυξη συστημάτων γενικής χρήσης, με δυνατότητα εκτέλεσης πολλών διαφορετικών εργασιών.
Η δημιουργία των πιο προηγμένων τέτοιων συστημάτων απαιτεί τεράστια υπολογιστική ισχύ, εξειδικευμένο προσωπικό, μεγάλα σύνολα δεδομένων και σημαντικές επενδύσεις.
Η Small AI, αντίθετα, ξεκινά από ένα συγκεκριμένο πρόβλημα.
- Πώς μπορεί ένας αγρότης να αναγνωρίζει εγκαίρως μια ασθένεια της καλλιέργειάς του;
- Πώς μπορεί ένας μαθητής να αποκτήσει πρόσβαση σε εξατομικευμένη εκπαιδευτική υποστήριξη;
- Πώς μπορεί ένας μικρός επαγγελματίας να οργανώνει καλύτερα τα αποθέματά του;
- Πώς μπορεί ένα περιφερειακό ιατρείο να υποστηρίζει ταχύτερα τη διαλογή ασθενών;
Για πολλές τέτοιες εφαρμογές δεν απαιτείται ένα τεράστιο μοντέλο γενικής χρήσης. Μπορεί να αρκεί ένα μικρότερο, εξειδικευμένο σύστημα, σχεδιασμένο για τις πραγματικές συνθήκες του χρήστη.
Τα παραδείγματα αυτά δείχνουν κάτι ουσιαστικό. Η οικονομική απόδοση της τεχνολογίας μπορεί να είναι πολύ μεγάλη ακόμη και όταν το απόλυτο κόστος της εφαρμογής είναι μικρό. Δεν χρειάζεται μια επένδυση δισεκατομμυρίων για να δημιουργηθεί σημαντική κοινωνική αξία.
Μερικές φορές αρκεί μια καλά σχεδιασμένη εφαρμογή που λύνει ένα πρόβλημα το οποίο επαναλαμβάνεται εκατομμύρια φορές.
Η πραγματική επανάσταση βρίσκεται στο οριακό κόστος
Από οικονομική άποψη, η Small AI παρουσιάζει ένα ιδιαίτερα ενδιαφέρον χαρακτηριστικό. Το αρχικό κόστος ανάπτυξης μιας εφαρμογής μπορεί να είναι σημαντικό. Όταν όμως το σύστημα έχει σχεδιαστεί και αξιολογηθεί σωστά, η εξυπηρέτηση ενός επιπλέον χρήστη μπορεί να έχει σχετικά χαμηλό κόστος.
Αυτό δεν σημαίνει ότι το κόστος γίνεται μηδενικό. Υπάρχουν δαπάνες συντήρησης, υπολογιστικής λειτουργίας, επικαιροποίησης δεδομένων, ασφάλειας και ανθρώπινης εποπτείας. Όμως η σχέση ανάμεσα στο σταθερό κόστος και στο κόστος ανά χρήστη μπορεί να δημιουργήσει σημαντικές οικονομίες κλίμακας.
Ας υποθέσουμε ότι μια εφαρμογή αγροτικών συμβουλών έχει ετήσιο σταθερό κόστος ανάπτυξης και συντήρησης €100.000 και μεταβλητό κόστος €1 ανά χρήστη.
Το συνολικό κόστος θα μπορούσε να περιγραφεί από τη σχέση:
Στο υποθετικό αυτό παράδειγμα, το μέσο κόστος μειώνεται από €101 ανά χρήστη για χίλιους χρήστες σε μόλις €2 για εκατό χιλιάδες. Αυτή είναι η οικονομική σημασία της κλιμάκωσης. Μια υπηρεσία που θα ήταν απαγορευτικά ακριβή εάν παρεχόταν αποκλειστικά με εξατομικευμένη ανθρώπινη εργασία μπορεί να γίνει προσβάσιμη σε πολύ μεγαλύτερο πληθυσμό.
Δεν σημαίνει ότι οι ειδικοί παύουν να χρειάζονται. Σημαίνει ότι ο ίδιος αριθμός ειδικών μπορεί να υποστηρίζει περισσότερους ανθρώπους, αναλαμβάνοντας τις δυσκολότερες περιπτώσεις. Η τεχνητή νοημοσύνη μπορεί να μετατρέψει την εξειδικευμένη γνώση από σπάνια και ακριβή υπηρεσία σε πολύ ευρύτερα προσβάσιμο παραγωγικό πόρο.
Η παγκόσμια τεχνολογική ανισότητα παραμένει τεράστια
Η αισιοδοξία της Παγκόσμιας Τράπεζας δεν σημαίνει ότι όλες οι χώρες ξεκινούν από την ίδια αφετηρία. Η έκθεση Digital Progress and Trends 2025 καταγράφει μια εξαιρετικά άνιση κατανομή των δυνατοτήτων ανάπτυξης τεχνητής νοημοσύνης.
Σύμφωνα με τα στοιχεία της, οι χώρες υψηλού εισοδήματος παράγουν περίπου το 87% των σημαντικών μοντέλων AI, ενώ αντιπροσωπεύουν μόλις το 17% του παγκόσμιου πληθυσμού.
Η διαφορά είναι εντυπωσιακή. Η ανάπτυξη των πιο προηγμένων συστημάτων συγκεντρώνεται σε λίγες οικονομίες. Η χρήση τους, όμως, μπορεί να διαδοθεί πολύ ευρύτερα. Και εδώ βρίσκεται η ευκαιρία για τις αναπτυσσόμενες χώρες.
Δεν χρειάζεται να αποκτήσουν το ίδιο μερίδιο στην παραγωγή προηγμένων μοντέλων για να αξιοποιήσουν την τεχνολογία. Μπορούν να εισάγουν τεχνολογικές δυνατότητες, να τις προσαρμόζουν και να δημιουργούν δικές τους εφαρμογές. Αυτή η στρατηγική δεν είναι πρωτόγνωρη στην οικονομική ιστορία.
Πολλές χώρες αναπτύχθηκαν ταχύτερα όχι επειδή εφηύραν πρώτες τις τεχνολογίες που χρησιμοποίησαν, αλλά επειδή κατάφεραν να τις υιοθετήσουν αποτελεσματικά. Η τεχνολογική πρόοδος και η διάχυση της τεχνολογίας είναι δύο διαφορετικές διαδικασίες. Και η δεύτερη μπορεί να είναι εξίσου σημαντική για την οικονομική ανάπτυξη.
Χωρίς ηλεκτρικό ρεύμα και αξιόπιστα δεδομένα, ούτε η μικρή AI μπορεί να κάνει θαύματα
Η Παγκόσμια Τράπεζα επισημαίνει ότι η τεχνολογία από μόνη της δεν αρκεί. Μια εφαρμογή μπορεί να έχει εξαιρετικές δυνατότητες. Αλλά εάν οι χρήστες δεν διαθέτουν ηλεκτρική ενέργεια, κατάλληλες συσκευές ή βασικές ψηφιακές δεξιότητες, τα οφέλη της θα παραμείνουν περιορισμένα.
Το ένα τρίτο των αγροτικών σχολείων στην υποσαχάρια Αφρική δεν διαθέτει ηλεκτρική ενέργεια, ενώ περισσότερα από τα δύο τρίτα δεν έχουν σταθερή σύνδεση στο διαδίκτυο. Ακόμη και μια εφαρμογή που λειτουργεί με περιορισμένη συνδεσιμότητα χρειάζεται κάποια υποδομή.
Η τεχνητή νοημοσύνη δεν καταργεί την ανάγκη για τις βασικές προϋποθέσεις της ανάπτυξης. Η Παγκόσμια Τράπεζα οργανώνει αυτές τις προϋποθέσεις γύρω από τέσσερις πυλώνες, τους λεγόμενους Four Cs: συνδεσιμότητα, υπολογιστική υποδομή, κατάλληλα δεδομένα και δεξιότητες.
Διαβάστε ακόμα: Δέκα χρόνια μετά, η «Αποκάλυψη της AI» δεν ήρθε ποτέ
Το ζήτημα, επομένως, δεν είναι μόνο η αγορά μιας τεχνολογικής λύσης. Είναι η δυνατότητα ένταξής της σε ένα παραγωγικό και θεσμικό περιβάλλον που λειτουργεί. Ένα κακό διοικητικό σύστημα δεν γίνεται απαραίτητα αποτελεσματικό επειδή προστίθεται ένα εργαλείο τεχνητής νοημοσύνης.
Μπορεί απλώς να αυτοματοποιήσει τις υπάρχουσες δυσλειτουργίες του. Και μια εφαρμογή που εκπαιδεύτηκε σε ακατάλληλα δεδομένα μπορεί να δημιουργήσει σοβαρά σφάλματα όταν χρησιμοποιηθεί σε διαφορετικές συνθήκες.
Η Παγκόσμια Τράπεζα αναφέρει χαρακτηριστικά ότι σε δοκιμή συστήματος ανίχνευσης διαβητικής αμφιβληστροειδοπάθειας στην Ταϊλάνδη, περισσότερο από το 20% των εικόνων απορρίφθηκε επειδή οι πραγματικές συνθήκες λήψης δεν αντιστοιχούσαν στις συνθήκες εκπαίδευσης του συστήματος.
Η αποτελεσματική εφαρμογή απαιτεί επομένως δοκιμές, αξιολόγηση, ανθρώπινη εποπτεία και δυνατότητα διόρθωσης λαθών. Η τεχνητή νοημοσύνη δεν υποκαθιστά τους καλούς θεσμούς. Αποδίδει περισσότερο όταν λειτουργεί μέσα σε αυτούς.
Η απειλή για την εργασία: Το 40% των θέσεων θα επηρεαστεί από την AI
Η άλλη πλευρά της τεχνολογικής προόδου αφορά την απασχόληση. Η γενική διευθύντρια του ΔΝΤ, Κρισταλίνα Γκεοργκίεβα, προειδοποίησε κατά τις ετήσιες συνεδριάσεις στην Μπανγκόκ ότι περίπου το 40% των θέσεων εργασίας παγκοσμίως θα μπορούσε να επηρεαστεί από την τεχνητή νοημοσύνη.
Η εκτίμηση δεν σημαίνει ότι θα χαθεί το 40% των θέσεων εργασίας. Περιλαμβάνει εργασίες που ενδέχεται να ενισχυθούν από την τεχνολογία, να αλλάξουν ουσιαστικά ή να αντικατασταθούν. Η Γκεοργκίεβα εστίασε ιδιαίτερα στους νέους που εισέρχονται στην αγορά εργασίας.
Πολλές θέσεις εισαγωγικού επιπέδου περιλαμβάνουν επαναλαμβανόμενες γνωστικές εργασίες, οι οποίες μπορούν να αυτοματοποιηθούν σχετικά εύκολα. Εάν αυτές οι θέσεις περιοριστούν, οι νέοι εργαζόμενοι ενδέχεται να δυσκολεύονται περισσότερο να αποκτήσουν την εμπειρία που απαιτείται για να εξελιχθούν επαγγελματικά.
Αυτό δημιουργεί ένα πραγματικό οικονομικό δίλημμα. Η αύξηση της παραγωγικότητας είναι αναγκαία για την άνοδο του βιοτικού επιπέδου. Όμως τα οφέλη της δεν κατανέμονται αυτόματα ισότιμα.
Μια επιχείρηση που χρησιμοποιεί τεχνητή νοημοσύνη μπορεί να παράγει περισσότερα με λιγότερες εργατοώρες. Αυτό μπορεί να μειώσει το κόστος, να αυξήσει τα κέρδη και να επιτρέψει χαμηλότερες τιμές. Μπορεί επίσης να οδηγήσει σε επέκταση της δραστηριότητας και δημιουργία νέων θέσεων εργασίας.
Δεν υπάρχει, όμως, εγγύηση ότι οι εργαζόμενοι που χάνουν μια συγκεκριμένη θέση θα μπορούν αμέσως να μετακινηθούν σε μια άλλη. Η μετάβαση απαιτεί χρόνο, νέες δεξιότητες και επενδύσεις στην εκπαίδευση.
Η Small AI παρουσιάζει μια ενδιαφέρουσα δυνατότητα: να λειτουργήσει ως συμπλήρωμα της ανθρώπινης εργασίας και όχι αποκλειστικά ως υποκατάστατό της.
Ένας γιατρός μπορεί να εξυπηρετεί περισσότερους ασθενείς. Ένας εκπαιδευτικός μπορεί να υποστηρίζει καλύτερα περισσότερους μαθητές. Ένας μικρός επιχειρηματίας μπορεί να αναλαμβάνει εργασίες που προηγουμένως απαιτούσαν εξωτερικούς συμβούλους.
Η τεχνολογία μπορεί έτσι να αυξήσει την παραγωγική ικανότητα ανθρώπων που διαθέτουν περιορισμένους πόρους. Το εάν τελικά θα δημιουργήσει περισσότερες ευκαιρίες από όσες θα καταργήσει εξαρτάται από την ταχύτητα προσαρμογής της οικονομίας και την ικανότητά της να δημιουργεί νέες δραστηριότητες.
Η μεγάλη ευκαιρία για τις ελληνικές μικρομεσαίες επιχειρήσεις
Η προσέγγιση της Παγκόσμιας Τράπεζας έχει ιδιαίτερο ενδιαφέρον και για την Ελλάδα. Παρότι η χώρα δεν αντιμετωπίζει τις ίδιες αναπτυξιακές συνθήκες με τις φτωχότερες οικονομίες, ένα μεγάλο μέρος της επιχειρηματικής της δραστηριότητας πραγματοποιείται από μικρές και πολύ μικρές επιχειρήσεις.
Οι επιχειρήσεις αυτές συχνά δεν διαθέτουν μεγάλα τμήματα πληροφορικής, οργανωμένα συστήματα ανάλυσης δεδομένων ή τη δυνατότητα να προσλαμβάνουν εξειδικευμένο προσωπικό για κάθε λειτουργία.
Η Small AI μπορεί να μειώσει μέρος αυτού του μειονεκτήματος. Στον τουρισμό, ένα μικρό ξενοδοχείο μπορεί να χρησιμοποιεί εξειδικευμένα εργαλεία για την ανάλυση κρατήσεων, τη διαχείριση αιτημάτων πελατών και την πρόβλεψη αναγκών προσωπικού.
Στη γεωργία, εφαρμογές μπορούν να υποστηρίζουν αποφάσεις για άρδευση, φυτοπροστασία και προγραμματισμό παραγωγής. Στο εμπόριο, μπορούν να βοηθούν στη διαχείριση αποθεμάτων και στην ανάλυση της ζήτησης. Στη μεταποίηση, μπορούν να υποστηρίζουν την πρόβλεψη βλαβών, τον ποιοτικό έλεγχο και τον προγραμματισμό παραγωγής.
Στις επαγγελματικές υπηρεσίες, μπορούν να μειώνουν τον χρόνο που απαιτείται για επαναλαμβανόμενες διοικητικές και αναλυτικές εργασίες.
Όλα αυτά αποτελούν δυνητικές εφαρμογές, όχι εγγυημένα οικονομικά αποτελέσματα. Η πραγματική τους αξία πρέπει να μετριέται.
Ας υποθέσουμε ότι μια μικρή επιχείρηση χρησιμοποιεί ένα εξειδικευμένο εργαλείο που της εξοικονομεί 30 εργατοώρες τον μήνα. Εάν το πλήρες κόστος της εργασίας που εξοικονομείται αντιστοιχεί σε €20 ανά ώρα, το ακαθάριστο μηνιαίο όφελος είναι €600.
Εάν η εφαρμογή κοστίζει €150 τον μήνα, το καθαρό όφελος, πριν από τυχόν κόστος εγκατάστασης και εποπτείας, ανέρχεται σε €450. Σε ετήσια βάση, αυτό αντιστοιχεί σε €5.400. Δεν πρόκειται για εντυπωσιακό ποσό σε επίπεδο μεγάλης πολυεθνικής.
Για μια μικρή επιχείρηση, όμως, μπορεί να είναι σημαντικό. Και όταν αντίστοιχες βελτιώσεις πραγματοποιούνται σε χιλιάδες επιχειρήσεις, η συνολική επίδραση στην παραγωγικότητα μπορεί να αποκτήσει ουσιαστικό μακροοικονομικό μέγεθος.
Η Ελλάδα δεν χρειάζεται να δημιουργήσει τον επόμενο παγκόσμιο τεχνολογικό κολοσσό για να επωφεληθεί από την τεχνητή νοημοσύνη. Χρειάζεται να βοηθήσει τις επιχειρήσεις της να παράγουν περισσότερη αξία με τους πόρους που ήδη διαθέτουν.
Η κρατική πολιτική: Λιγότερη τεχνολογική επίδειξη, περισσότερα μετρήσιμα αποτελέσματα
Η Παγκόσμια Τράπεζα προτείνει μια ιδιαίτερα πρακτική στρατηγική. Οι κυβερνήσεις πρέπει να διευκολύνουν την υιοθέτηση της τεχνολογίας, να δημιουργούν τις αναγκαίες υποδομές και να αξιολογούν τις εφαρμογές που χρηματοδοτούν.
Δεν χρειάζεται κάθε χώρα να κατασκευάσει δικό της μοντέλο γενικής χρήσης. Ούτε να επιδοτεί ανεξέλεγκτα μεγάλα τεχνολογικά έργα μόνο και μόνο για να εμφανίζεται ως πρωτοπόρος. Αντίθετα, η έκθεση World Development Report 2026 επισημαίνει ότι η επιδίωξη τεχνολογικής αυτονομίας με κάθε κόστος μπορεί να δημιουργήσει μεγάλες δημοσιονομικές επιβαρύνσεις και αβέβαιες αποδόσεις.
Η επισήμανση έχει ιδιαίτερη σημασία για την Ευρώπη. Η ΕΕ συζητά εκτενώς για την ανάγκη τεχνολογικής κυριαρχίας, την ανάπτυξη ευρωπαϊκών υποδομών και τη μείωση της εξάρτησης από αμερικανικές και κινεζικές επιχειρήσεις.
Οι στόχοι αυτοί έχουν πραγματική στρατηγική αξία. Αλλά η οικονομική τους αξιολόγηση δεν πρέπει να παρακάμπτεται. Ένα δημόσια χρηματοδοτούμενο τεχνολογικό έργο δεν γίνεται αυτομάτως παραγωγικό επειδή χαρακτηρίζεται στρατηγικό.
Ούτε μια κρατική επένδυση αποκτά θετική κοινωνική απόδοση επειδή αφορά την τεχνητή νοημοσύνη. Χρειάζεται να εξετάζεται ποιο πρόβλημα λύνει, ποιο είναι το συνολικό κόστος και εάν υπάρχουν οικονομικότερες εναλλακτικές.
Εδώ βρίσκεται και η διαφορά ανάμεσα στην τεχνολογική πολιτική και στην τεχνολογική επίδειξη.
Η πρώτη επιδιώκει αποτελέσματα.
Η δεύτερη επιδιώκει ανακοινώσεις.
Για την Ελλάδα, η πιο αποτελεσματική στρατηγική θα ήταν να δοθεί προτεραιότητα στην υιοθέτηση τεχνολογιών που βελτιώνουν μετρήσιμα την παραγωγικότητα των επιχειρήσεων και την ποιότητα των δημόσιων υπηρεσιών.
Με πραγματική αξιολόγηση κόστους–οφέλους.
Με ανταγωνισμό μεταξύ προμηθευτών.
Με δυνατότητα μεταφοράς δεδομένων ώστε να αποφεύγεται ο εγκλωβισμός σε έναν πάροχο.
Και με σαφή λογοδοσία για τα αποτελέσματα.
Συμπέρασμα: Η επόμενη μεγάλη οικονομική αλλαγή μπορεί να προέλθει από μικρές εφαρμογές
Η παρέμβαση της Παγκόσμιας Τράπεζας προσφέρει μια χρήσιμη διόρθωση στη διεθνή συζήτηση για την τεχνητή νοημοσύνη. Η τεχνολογική πρόοδος δεν μετριέται αποκλειστικά από το μέγεθος των επενδύσεων.
Ούτε από την ισχύ των επεξεργαστών. Ούτε από τον αριθμό των κέντρων δεδομένων.
Αυτά είναι μέσα. Ο τελικός οικονομικός στόχος είναι η αύξηση της παραγωγικότητας και η βελτίωση του βιοτικού επιπέδου. Μια εφαρμογή που βοηθά έναν αγρότη να προστατεύσει την παραγωγή του μπορεί να δημιουργεί πραγματική οικονομική αξία. Ένα εργαλείο που επιτρέπει σε έναν εκπαιδευτικό να υποστηρίζει αποτελεσματικότερα τους μαθητές του μπορεί να έχει σημαντική μακροχρόνια κοινωνική απόδοση.
Ένα σύστημα που μειώνει το διοικητικό κόστος μιας μικρής επιχείρησης μπορεί να βελτιώνει την ανταγωνιστικότητά της. Και ένα ψηφιακό εργαλείο που επιτρέπει σε ένα δημόσιο νοσοκομείο να αξιοποιεί αποτελεσματικότερα τους διαθέσιμους πόρους μπορεί να προσφέρει περισσότερες υπηρεσίες χωρίς αντίστοιχη αύξηση των δαπανών.
Η μεγάλη πρόκληση δεν είναι να αποκτήσουν όλες οι οικονομίες την ίδια τεχνολογική ισχύ με τις Ηνωμένες Πολιτείες. Είναι να μπορούν να χρησιμοποιούν τις νέες τεχνολογίες για να μειώνουν τις δικές τους παραγωγικές αδυναμίες.
Αυτό απαιτεί ανοιχτές αγορές, επενδύσεις, δεξιότητες, ανταγωνισμό και αποτελεσματικούς θεσμούς. Όχι απαραίτητα περισσότερη κρατική παρέμβαση. Και σίγουρα όχι ανεξέλεγκτες δημόσιες δαπάνες στο όνομα της τεχνολογικής προόδου.
Η επόμενη οικονομική επανάσταση της τεχνητής νοημοσύνης ίσως δεν έρθει από εκείνον που θα κατασκευάσει το μεγαλύτερο μοντέλο. Μπορεί να έρθει από εκείνον που θα χρησιμοποιήσει ένα πολύ μικρότερο μοντέλο για να λύσει ένα πραγματικό πρόβλημα, με το χαμηλότερο δυνατό κόστος.
Και αυτή είναι μια πολύ πιο ενδιαφέρουσα προοπτική για τις μικρές οικονομίες - συμπεριλαμβανομένης της Ελλάδας.
Add comment
Comments