Η επίδραση της τεχνητής νοημοσύνης (ΑΙ) στη λήψη επιχειρηματικών αποφάσεων: σύγκριση με τις παραδοσιακές μεθόδους ανάλυσης δεδομένων

Abstract

Η παρούσα διπλωματική εργασία εξετάζει την επίδραση της Τεχνητής Νοημοσύνης (Artificial Intelligence – AI) στη διαδικασία λήψης επιχειρηματικών αποφάσεων και την συγκρίνει συστηματικά με τις παραδοσιακές μεθόδους ανάλυσης δεδομένων. Σε ένα σύγχρονο επιχειρηματικό περιβάλλον που χαρακτηρίζεται από αυξημένη πολυπλοκότητα, αβεβαιότητα και ταχύτητα μεταβολών, η λήψη έγκαιρων και τεκμηριωμένων αποφάσεων αποτελεί κρίσιμο παράγοντα βιωσιμότητας και ανταγωνιστικού πλεονεκτήματος. Η μελέτη βασίζεται σε δευτερογενή έρευνα και συγκριτική ανάλυση της διεθνούς βιβλιογραφίας. Αρχικά παρουσιάζονται τα βασικά θεωρητικά μοντέλα λήψης αποφάσεων στη διοίκηση, καθώς και οι παραδοσιακές μέθοδοι ανάλυσης δεδομένων, όπως η στατιστική ανάλυση, τα συστήματα Business Intelligence και τα λογιστικά φύλλα. Οι μέθοδοι αυτές αποδεικνύονται ιδιαίτερα αποτελεσματικές σε σταθερά περιβάλλοντα με δομημένα δεδομένα και υψηλές απαιτήσεις ερμηνευσιμότητας. Στη συνέχεια, αναλύεται ο ρόλος της Τεχνητής Νοημοσύνης μέσω τεχνολογιών όπως η μηχανική μάθηση, η βαθιά μάθηση και η προγνωστική ανάλυση, οι οποίες επιτρέπουν την επεξεργασία μεγάλου όγκου δεδομένων σε πραγματικό χρόνο και την υποστήριξη πιο προληπτικών και προσαρμοστικών αποφάσεων. Παράλληλα, η εργασία αναδεικνύει ότι η AI λειτουργεί συμπληρωματικά και όχι υποκατάστατα του ανθρώπινου παράγοντα, στο πλαίσιο της “augmented intelligence”. Τέλος, εξετάζονται οι οργανωσιακές, ηθικές και κανονιστικές προκλήσεις, καθώς και οι ιδιαιτερότητες του ελληνικού επιχειρηματικού περιβάλλοντος. Συμπερασματικά, η Τεχνητή Νοημοσύνη αναδεικνύεται ως στρατηγικός καταλύτης επαναπροσδιορισμού της επιχειρηματικής λήψης αποφάσεων, υπό την προϋπόθεση υπεύθυνης και ευθυγραμμισμένης ενσωμάτωσής της.This master’s thesis examines the impact of Artificial Intelligence (AI) on business decision-making processes and provides a systematic comparison with traditional data analysis methods. In a contemporary business environment characterized by increasing complexity, uncertainty, and rapid change, the ability of organizations to make timely, evidence-based, and strategically sound decisions is a critical determinant of sustainability and competitive advantage. The study is based on secondary research and a comparative review of international literature. Initially, it presents the fundamental theoretical models of managerial decision-making, along with traditional data analysis tools such as statistical analysis, Business Intelligence (BI) systems, and spreadsheet-based approaches. These methods are shown to be particularly effective in relatively stable environments, where data is structured and interpretability is of high importance. Subsequently, the thesis explores the contribution of Artificial Intelligence through technologies such as machine learning, deep learning, and predictive analytics. AI enables the real-time processing of large and heterogeneous datasets, enhancing forecasting capabilities, scenario simulation, and dynamic strategy adjustment. Through practical business applications, AI systems are shown to support operational optimization, cost reduction, risk management, and the development of competitive advantages. The findings indicate that while traditional methods remain highly relevant in low-complexity and highly regulated contexts, Artificial Intelligence offers significant strategic benefits in uncertain and fast-changing environments. Importantly, the study emphasizes that AI does not replace human judgment but complements it within an “augmented intelligence” framework. Finally, the thesis addresses organizational, ethical, and regulatory challenges, as well as the specific context of Greek enterprises. Overall, Artificial Intelligence emerges not merely as an analytical tool, but as a strategic catalyst redefining the nature of business decision-making when adopted responsibly and aligned with organizational strategy.