Χαμηλά στον δείκτη της έκθεσης και της ετοιμότητας απέναντι στην Τεχνητή Νοημοσύνη βρίσκεται η Ελλάδα, σύμφωνα με τα στοιχεία του σχετικού “AI exposure scorecard” της HSBC, αν και υπάρχει, όπως αναφέρουν και οι αναλυτές της τράπεζας το παράδειγμα της ΔΕΗ, που ξεχωρίζει θετικά.
Σύμφωνα με τα στοιχεία που συγκέντρωσε η HSBC, με χαμηλή συμμετοχή των εσόδων που συνδέονται με την AI (μόλις 3%) και περιορισμένη υιοθέτηση από τις επιχειρήσεις (1,0 σε κλίμακα 0–5), η ελληνική οικονομία εμφανίζεται λιγότερο ενσωματωμένη στις τεχνολογικές εξελίξεις σε σχέση με άλλες χώρες. Την ίδια στιγμή, η μέτρια επίδοση στον δείκτη ετοιμότητας (58%) και η περιορισμένη διάχυση της τεχνολογίας υποδηλώνουν ότι η χώρα δεν έχει ακόμη αναπτύξει πλήρως τις υποδομές και τις δεξιότητες που απαιτεί η νέα εποχή.
Αυτή η εικόνα μεταφράζεται σε ένα διπλό μήνυμα για την ελληνική οικονομία. Από τη μία πλευρά, η χαμηλή έκθεση σημαίνει ότι η αγορά εργασίας και οι επιχειρήσεις δεν αντιμετωπίζουν άμεσες πιέσεις από την αυτοματοποίηση. Από την άλλη, όμως, περιορίζονται και οι δυνατότητες αξιοποίησης των ευκαιριών που δημιουργεί η AI, εντείνοντας τον κίνδυνο τεχνολογικής υστέρησης έναντι πιο ανεπτυγμένων οικονομιών.
Η περίπτωση της ΔΕΗ
Ως χαρακτηριστικό παράδειγμα εταιρικού μετασχηματισμού, η HSBC αναδεικνύει τη ΔΕΗ (μεταξύ άλλων στις αναδυόμενες οικονομίες), η οποία δραστηριοποιείται στον κλάδο κοινής ωφέλειας στην Ελλάδα.
Σύμφωνα με την ανάλυση, η ΔΕΗ επαναπροσδιορίζει το επιχειρηματικό της μοντέλο ως ενεργειακή εταιρεία με επίκεντρο την τεχνητή νοημοσύνη, ενσωματώνοντας την AI σε ένα ευρύ φάσμα λειτουργιών, όπως η εμπειρία πελάτη, οι επιχειρησιακές διαδικασίες, η ανάπτυξη και οι εταιρικές λειτουργίες.
Η εταιρεία έχει προχωρήσει σε εκσυγχρονισμό των βασικών της συστημάτων, ψηφιοποίηση των σημείων επαφής με τους πελάτες και πλήρη μετάβαση των εφαρμογών της στο cloud. Οι κινήσεις αυτές επιτρέπουν την ανάπτυξη χρήσεων AI σε επίπεδο ομίλου, καθώς και την αναβάθμιση δεξιοτήτων του ανθρώπινου δυναμικού.
Με βάση τις πιο συντηρητικές εκτιμήσεις της διοίκησης, η ΔΕΗ αναμένεται να επιτύχει εξοικονόμηση τουλάχιστον 50 εκατ. ευρώ έως το 2028 μέσω της αξιοποίησης της τεχνητής νοημοσύνης.
Η τεχνητή νοημοσύνη αναδιαμορφώνει τις αναδυόμενες αγορές
Σύμφωνα με την ανάλυση της HSBC, η τεχνητή νοημοσύνη οδηγεί μια δομική μετατόπιση στις μετοχές των αναδυόμενων αγορών (EM). Οι εταιρείες με έκθεση σε έσοδα από AI έχουν πρωταγωνιστήσει στις αποδόσεις τα τελευταία χρόνια. Ωστόσο, η επόμενη φάση που διαμορφώνεται είναι αυτή της υιοθέτησης, όπου τα περιθώρια κέρδους διευρύνονται και δημιουργούνται νέες ευκαιρίες για υπεραποδόσεις (alpha). Αυτή η φάση θεωρείται λιγότερο ορατή και υποτιμημένη από τις αγορές, με την HSBC να επιδιώκει να εντοπίσει πού ενδέχεται να αναδειχθούν οι βασικοί ωφελημένοι.
Η AI εκτιμάται ότι θα οδηγήσει σε σημαντικά κέρδη παραγωγικότητας, ωστόσο η ποσοτικοποίηση του μεγέθους αυτής της ευκαιρίας παραμένει δύσκολη. Το πιο σαφές ανοδικό περιθώριο προκύπτει από τη δυνατότητα αυτοματοποίησης τμημάτων του εργατικού δυναμικού, την αύξηση της παραγωγικότητας και την προστασία των περιθωρίων κέρδους. Παρ’ όλα αυτά, ο αντίκτυπος αναμένεται να διαφέρει σημαντικά μεταξύ εταιρειών, κλάδων και αγορών.
Κόστος και παραγωγικότητα
Πόσο μπορεί να μειωθεί το κόστος και να ενισχύσει την παραγωγικότητα η AI στις αναδυόμενες αγορές;
Για να απαντήσει στο ερώτημα αυτό, η HSBC ανέπτυξε ένα τριπλό μεθοδολογικό πλαίσιο εκτίμησης της πιθανής εξοικονόμησης κόστους εργασίας στις αναδυόμενες αγορές:
– Πρώτον, εντοπίζει τα επαγγέλματα με τη μεγαλύτερη έκθεση στην AI, χρησιμοποιώντας δεδομένα αυτοματοποίησης σε επίπεδο καθηκόντων. Ως έκθεση ορίζεται η μείωση κατά 50% του χρόνου ολοκλήρωσης μιας εργασίας μέσω χρήσης μεγάλων γλωσσικών μοντέλων (LLM).
– Δεύτερον, αντιστοιχίζει αυτά τα επαγγέλματα στη σύνθεση εργατικού δυναμικού ανά κλάδο, με βάση την ταξινόμηση GICS.
– Τρίτον, συνδυάζει τα παραπάνω με δεδομένα κόστους εργασίας σε επίπεδο εταιρειών, ώστε να εκτιμήσει ποιο ποσοστό της μισθολογικής δαπάνης μπορεί να αυτοματοποιηθεί.
Τα μεγαλύτερα περιθώρια εξοικονόμησης εντοπίζονται σε κλάδους όπου η εργασία αποτελεί σημαντικό μέρος του κόστους και ταυτόχρονα οι δραστηριότητες είναι πιο επιρρεπείς στην αυτοματοποίηση μέσω AI.
Σε επίπεδο συνόλου αναδυόμενων αγορών, η HSBC εκτιμά ότι περίπου το 40% του κόστους εργασίας, ή το 5% του συνολικού λειτουργικού κόστους, είναι εκτεθειμένο σε αυτοματοποίηση μέσω AI. Οι κλάδοι Λογισμικού & Υπηρεσιών και Χρηματοοικονομικών εμφανίζουν υψηλή έκθεση, ενώ οι τομείς Υλικών και Τροφίμων & Ποτών είναι σαφώς λιγότερο εκτεθειμένοι.
Σε επίπεδο χωρών, την υψηλότερη δυνητική ωφέλεια εμφανίζουν η Τσεχία, η Νότια Αφρική, το Κουβέιτ, η Πολωνία και η Ινδία. Ωστόσο, η HSBC επισημαίνει ότι η δυνητική δυνατότητα δεν ταυτίζεται με την πραγματική αξιοποίηση.
Η υιοθέτηση της AI παραμένει βασικός περιοριστικός παράγοντας, με σημαντικές αποκλίσεις μεταξύ των αναδυόμενων αγορών. Σύμφωνα με τον δείκτη διάχυσης AI της Microsoft, που μετρά το ποσοστό χρήσης εργαλείων γενετικής τεχνητής νοημοσύνης, οι αναδυόμενες αγορές υπολείπονται συνολικά των ανεπτυγμένων, ενώ η υιοθέτηση εμφανίζει μεγάλες ανισότητες και στο εσωτερικό τους.
Τα Ηνωμένα Αραβικά Εμιράτα ξεχωρίζουν διεθνώς, με σχεδόν το 65% του ενεργού πληθυσμού να χρησιμοποιεί ήδη τέτοια εργαλεία. Σε υψηλά επίπεδα κινούνται επίσης το Κατάρ, η Νότια Κορέα, η Ταϊβάν και χώρες της Κεντρικής και Ανατολικής Ευρώπης. Αντίθετα, χώρες όπως η Ταϊλάνδη, η Ινδονησία, η Αίγυπτος, η Τουρκία και η Ινδία παραμένουν κάτω από το 15%.
Αυτό έχει ιδιαίτερη σημασία για τους επενδυτές, καθώς υποδηλώνει ότι τα οφέλη παραγωγικότητας από την AI δεν θα εμφανιστούν ταυτόχρονα σε όλες τις αναδυόμενες αγορές. Αντίθετα, αναμένεται να εκδηλωθούν πρώτα στις χώρες όπου υπάρχουν ήδη ανεπτυγμένες ψηφιακές υποδομές, πρόσβαση και υψηλά επίπεδα υιοθέτησης.
Νέες πηγές εσόδων
Κατά την HSBC, η ΑΙ θα δημιουργήσει νέες ευκαιρίες εσόδων σε εντελώς νέα τμήματα της αλυσίδας αξίας, προσφέροντας έναν πιο άμεσο και κατανοητό μοχλό ανόδου για τις μετοχές των αναδυόμενων αγορών (EM).
Για την αποτύπωση αυτής της δυναμικής, η HSBC αξιοποιεί δεδομένα της FactSet (RBICS), τα οποία χαρτογραφούν τα έσοδα εταιρειών σε σχεδόν 2.000 επιχειρηματικές δραστηριότητες. Στη συνέχεια, μέσω ιδιόκτητου μοντέλου τεχνητής νοημοσύνης, εντοπίζει ποιες από αυτές συνδέονται με ημιαγωγούς AI, υποδομές AI, μοντέλα AI, ψηφιακές εφαρμογές AI, φυσικές εφαρμογές AI ή εμπορεύματα που σχετίζονται με την AI.
Η προσέγγιση αυτή παρέχει μια πιο ολοκληρωμένη εικόνα της πραγματικής έκθεσης εσόδων στην AI στις αναδυόμενες αγορές. Σύμφωνα με την HSBC, σχεδόν το 20% των εσόδων στις EM συνδέεται με την AI, με τη μεγαλύτερη συμβολή να προέρχεται από ημιαγωγούς (8%), ψηφιακές εφαρμογές AI (4,5%) και υποδομές AI (3%).
Σε επίπεδο χωρών, η Ταϊβάν (60%) και η Νότια Κορέα (39%) εμφανίζουν μακράν τη μεγαλύτερη έκθεση εσόδων στην AI, ενώ ακολουθούν η ηπειρωτική Κίνα (16%), η Νότια Αφρική (10%) και η Ινδία (10%).
Η HSBC επισημαίνει ότι η δυναμική αυτή δεν περιορίζεται στον τεχνολογικό κλάδο. Σημαντική έκθεση καταγράφεται επίσης στους τομείς Μέσων & Ψυχαγωγίας, Διανομής Καταναλωτικών Αγαθών, Υλικών και Αυτοκινητοβιομηχανίας.
Οι αγορές, μάλιστα, έχουν ήδη αρχίσει να διαφοροποιούν τις αποτιμήσεις με βάση την έκθεση στην AI. Οι εκτιμήσεις κερδών για το 2026 και 2027 σε κλάδους που συνδέονται με την AI – όπως οι ημιαγωγοί, οι υποδομές και τα σχετικά εμπορεύματα – έχουν ξεπεράσει την ευρύτερη αγορά των EM τους τελευταίους 12 μήνες. Σε επίπεδο κλάδων, το 70% των μετοχών με έκθεση σε έσοδα από AI αναμένεται να εμφανίσει υψηλότερο ρυθμό αύξησης πωλήσεων (CAGR) την περίοδο 20252027 σε σύγκριση με εταιρείες χωρίς τέτοια έκθεση, με μέση διαφορά 3 ποσοστιαίων μονάδων.
Άνιση αλλά προχωρημένη υιοθέτηση
Προχωρώντας από τη μακροοικονομική εικόνα σε επίπεδο επιχειρήσεων, η HSBC αναζητά συγκεκριμένα παραδείγματα υιοθέτησης της AI, προκειμένου να αξιολογήσει κατά πόσο οι εταιρείες την εφαρμόζουν ουσιαστικά, σε ποιους τομείς βλέπουν οφέλη και πόσο εκτεταμένη είναι η χρήση της.
Στο πλαίσιο αυτό, η ομάδα Data Science της τράπεζας ανέλυσε απομαγνητοφωνήσεις (transcripts) από περισσότερες από 600 εταιρείες των αναδυόμενων αγορών από την 1η Ιανουαρίου 2025 και μετά, εντοπίζοντας πρακτικές αναφορές σε υιοθέτηση AI και βαθμολογώντας την έκταση χρήσης.
Το βασικό συμπέρασμα είναι ότι η υιοθέτηση της AI στις αναδυόμενες αγορές προχωρά, αλλά με άνισο ρυθμό, κάτι που, σύμφωνα με την HSBC, δημιουργεί περισσότερες ευκαιρίες για επενδυτικές υπεραποδόσεις (alpha) μεταξύ εταιρειών που αξιοποιούν την AI και εκείνων που υστερούν.
Οι ΗΠΑ εξακολουθούν να εμφανίζουν σημαντικά υψηλότερα ποσοστά υιοθέτησης σε όλους τους κλάδους, με την Τεχνολογία και τις Επικοινωνίες να ξεπερνούν ήδη το 80%, έναντι περίπου 50% στις EM. Εντός των αναδυόμενων αγορών, οι ίδιοι κλάδοι παραμένουν οι πρωτοπόροι, ωστόσο και οι Χρηματοοικονομικές Υπηρεσίες και τα Διαρκή Καταναλωτικά Αγαθά καταγράφουν ουσιαστική πρόοδο, με ποσοστά υιοθέτησης 32% και 41% αντίστοιχα. Αντίθετα, οι κλάδοι Ακινήτων, Ενέργειας και Κοινής Ωφέλειας βρίσκονται ακόμη σε πρώιμο στάδιο.
Σε επίπεδο αγορών, η ηπειρωτική Κίνα, η Νότια Κορέα και η Ταϊβάν ξεχωρίζουν, ενώ θετικές επιδόσεις καταγράφουν επίσης η Ταϊλάνδη, τα Ηνωμένα Αραβικά Εμιράτα και η Πολωνία όσον αφορά την πρακτική χρήση της AI από επιχειρήσεις.
Ευκαιρίες πέρα από τα προφανή
Το βασικό μήνυμα της HSBC είναι ότι η τεχνητή νοημοσύνη ήδη δημιουργεί τόσο εξοικονόμηση κόστους όσο και αύξηση εσόδων στις αναδυόμενες αγορές. Μέχρι στιγμής, τα οφέλη αυτά έχουν συγκεντρωθεί σε περιορισμένο αριθμό αγορών και κλάδων, κυρίως εκείνων με άμεση έκθεση στη ζήτηση και την ανάπτυξη εσόδων από AI.
Η επόμενη φάση αφορά τη διεύρυνση της υιοθέτησης. Καθώς η χρήση της AI επεκτείνεται, ολοένα και περισσότερες εταιρείες αναμένεται να δουν σημαντική ενίσχυση των περιθωρίων κέρδους. Ωστόσο, σύμφωνα με την HSBC, αυτή η μετάβαση δεν έχει ακόμη αποτιμηθεί επαρκώς από τις αγορές.
Μέχρι σήμερα, η προσοχή έχει επικεντρωθεί σε εταιρείες με άμεση έκθεση σε έσοδα από AI, υποτιμώντας εκείνες που ωφελούνται μέσω βελτίωσης αποδοτικότητας και υιοθέτησης της τεχνολογίας.
Ενδεικτικά, το «καλάθι» εταιρειών που, σύμφωνα με την HSBC, ήδη αξιοποιούν την AI και διαθέτουν απτά παραδείγματα εφαρμογής διαπραγματεύεται σε μόλις 13,7 φορές τα εκτιμώμενα κέρδη επόμενου 12μήνου (forward P/E), επίπεδο κατά 17% χαμηλότερο από τον μέσο όρο της τελευταίας δεκαετίας. Παράλληλα, μοντέλο αποτίμησης με χρήση μηχανικής μάθησης της τράπεζας υποδεικνύει ότι οι συγκεκριμένες εταιρείες είναι υποτιμημένες κατά περίπου 18%.
