Η ταχεία εξέλιξη της τεχνητής νοημοσύνης (AI) δημιουργεί ένα παράθυρο ευκαιρίας για τους επικεφαλής χρηματοοικονομικών διευθυντών (CFOs) να αναλάβουν την πρωτοβουλία και να διασφαλίσουν τη δημιουργία μετρήσιμης επιχειρηματικής αξίας, σύμφωνα με τις επισημάνσεις από ένα πρόσφατο δείπνο της Fortune στην Καλιφόρνια. Η Melissa Valentine, ανώτερη ερευνήτρια στο Stanford Institute for Human-Centered Artificial Intelligence, τόνισε στους CFOs ότι ο χρόνος για να διεκδικήσουν την ηγετική θέση στη δημιουργία αξίας από την AI είναι περιορισμένος.
Αν και μόνο ένα μικρό ποσοστό (2%) των στελεχών της C-suite ανέφεραν ότι οι CFOs ήταν υπεύθυνοι για τη δέσμευση αξίας από την AI, έρευνες δείχνουν ότι όταν οι CFOs αναλάμβαναν αυτήν την ευθύνη, το 76% των εταιρειών ανέφεραν σημαντική αύξηση αξίας, ξεπερνώντας άλλες λειτουργίες. Οι χρηματοοικονομικοί επικεφαλής βρίσκονται σε μοναδική θέση να καθορίζουν, να αξιολογούν, να χρηματοδοτούν και να μετρούν τις πρωτοβουλίες AI, επεκτείνοντας στη συνέχεια αυτό το πλαίσιο σε ολόκληρη την εταιρεία.
Η Valentine, αναπληρώτρια καθηγήτρια στο Πανεπιστήμιο του Στάνφορντ, εξήγησε ότι η παραγωγική AI ξεφεύγει από την πειραματική φάση και εισέρχεται σε πεδία που είναι οικεία στους CFOs, όπως η συστηματική μέτρηση. Ενώ πριν από δύο χρόνια η αυστηρή λογοδοσία θα ήταν πρόωρη, σήμερα είναι απαραίτητη.
Σχετικά με την ασφάλεια, αναφέρθηκε ένα περιστατικό όπου η Anthropic εξέθεσε κατά λάθος κώδικα για το εργαλείο Claude, προσφέροντας μια σπάνια ματιά στον τρόπο που τα προηγμένα εργαστήρια AI προστατεύουν τα μοντέλα τους. Εφιστάται η προσοχή στην έννοια της “μηχανικής συγκράτησης” (harness engineering), δηλαδή στις υποδομές που καθιστούν τα μοντέλα ασφαλή και χρησιμοποιήσιμα, συμπεριλαμβανομένων δευτερευόντων συστημάτων AI που παρακολουθούν τα κύρια. Η συμβουλή προς τους CFOs είναι να μελετήσουν αυτήν την αρχιτεκτονική, καθώς οι ηγέτες πρέπει να γνωρίζουν αν το σύστημα γύρω από ένα μοντέλο είναι επαρκώς ισχυρό για να διαχειρίζεται, να παρακολουθεί και να εμπιστεύεται σε κλίμακα επιχείρησης.
Αυτό το παράδειγμα υπογραμμίζει μια ευρύτερη παρατήρηση: οι απαιτήσεις για ασφαλή, παραγωγική AI είναι θεμελιωδώς διαφορετικές από εκείνες για καθημερινό πειραματισμό από τους εργαζομένους. Υπάρχουν δύο διακριτές μορφές μετασχηματισμού μέσω AI: μία που ξεκινά από την πρώτη γραμμή, όπου οι εργαζόμενοι χρησιμοποιούν εργαλεία όπως το Gemini ή το NotebookLM, και μία που οδηγείται από την κορυφή, όπου οι παραγωγικές χρήσεις απαιτούν στιβαρές υποδομές δεδομένων, μηχανική ακρίβεια και διακυβέρνηση. Και οι δύο μορφές είναι σημαντικές και απαιτούν διαφορετικά λειτουργικά μοντέλα.
Το κύριο συμπέρασμα για τους ηγέτες του χρηματοοικονομικού τομέα είναι ότι η λογοδοσία για την AI καθίσταται αρμοδιότητα του CFO. Καθώς η AI μεταβαίνει από την καινοτομία σε επιχειρησιακή επιταγή, τα στελέχη που επιβάλλουν πειθαρχία θα είναι αυτά που θα έχουν την καλύτερη θέση για να συλλάβουν την αξία της.
Τονίζεται επίσης ότι η AI επηρεάζει τον τρόπο σκέψης των φοιτητών κολεγίων σχετικά με τις ακαδημαϊκές τους πορείες. Σύμφωνα με μια μελέτη του 2026, ένα σημαντικό ποσοστό φοιτητών εξετάζει την αλλαγή της ειδικότητάς τους λόγω της AI. Επιπλέον, περίπου ένας στους επτά φοιτητές θεωρεί την προετοιμασία για την AI και άλλες τεχνολογικές εξελίξεις ως σημαντικό λόγο εγγραφής.
Στην μεταποίηση, η υιοθέτηση της AI έχει αυξηθεί τέσσερις φορές από το 2023, αν και το 87% των μεταποιητών δεν την έχει υιοθετήσει ακόμα. Η αβεβαιότητα γύρω από την υιοθέτηση έχει αυξηθεί, ενώ η έλλειψη σαφήνειας για την απόδοση της επένδυσης (ROI) αποτελεί εμπόδιο. Οι μεταποιητές συχνά δυσκολεύονται να προσδιορίσουν ένα σαφές πρόβλημα για την μετάβαση από τον σχεδιασμό στην εκτέλεση.
Ο CEO της Pearson, Omar Abbosh, επισημαίνει ότι τα δυσκολότερα προβλήματα στην υλοποίηση της AI δεν είναι τεχνολογικά, αλλά αφορούν την ετοιμότητα των δεδομένων, την ασφάλεια, τις ενσωματώσεις, την αναθεώρηση των ροών εργασίας και την ανάπτυξη ανθρώπινων δεξιοτήτων.
