Πώς η Τεχνητή Νοημοσύνη θα μπορούσε να αναδιαμορφώσει τον δείκτη FTSE 100 την επόμενη δεκαετία

01. Ιστορικό Πλαίσιο

Η Τεχνητή Νοημοσύνη έχει σημασία για τον FTSE 100, επειδή ο δείκτης έχει πραγματική έκθεση σε χρηματοοικονομικά, ενέργεια, υγειονομική περίθαλψη, άμυνα και βιομηχανικές υποδομές, αλλά μόνο περιορισμένη άμεση οικονομική ανάλυση πλατφόρμας.

Ο FTSE 100 δεν είναι ένα καθαρό σημείο αναφοράς τεχνητής νοημοσύνης. Το ενημερωτικό δελτίο FTSE 100 της BlackRock για τον Μάρτιο του 2026 έδειξε ότι οι δέκα κορυφαίες μετοχές ήταν οι AstraZeneca, HSBC, Shell, Rolls-Royce, BP, British American Tobacco, Unilever, GSK, Rio Tinto και BAE Systems, οι οποίες αντιπροσωπεύουν συνολικά το 49,84% του δείκτη. Αυτό το μείγμα έχει σημασία. Αυτό σημαίνει ότι η τεχνητή νοημοσύνη μπορεί να αυξήσει τον δείκτη μέσω της παραγωγικότητας, του αυτοματισμού, της διαχείρισης κινδύνου, της μηχανικής και των υποδομών που σχετίζονται με τα κέντρα δεδομένων, αλλά μόνο εάν αυτά τα κέρδη εξαπλωθούν σε τομείς που εξακολουθούν να κυριαρχούν στις ταμειακές ροές του δείκτη αναφοράς.

Οπτικό σενάριο τεχνητής νοημοσύνης βασισμένο σε δεδομένα για τον FTSE 100 — Η περίπτωση της Τεχνητής Νοημοσύνης για τον FTSE 100 είναι μια περίπτωση διάχυσης: τα οφέλη του δείκτη αναφοράς εάν η υιοθέτηση του επεκταθεί από τα χρηματοοικονομικά και τις υποδομές σε ευρύτερη παραγωγικότητα, περιθώρια κέρδους και κεφαλαιακή πειθαρχία.

Πλαίσιο FTSE 100 σε μακροπρόθεσμους ορίζοντες Τεχνητής Νοημοσύνης

Ορίζοντας	Αυτό που έχει μεγαλύτερη σημασία	Τι θα ενίσχυε τη θέση	Τι θα αποδυνάμωνε τη θέση
1-3 χρόνια	Αποδεικτικά στοιχεία υιοθέτησης και δημιουργίας εσόδων	Οι τράπεζες μεγάλης κεφαλαιοποίησης, οι βιομηχανίες και οι όμιλοι υπηρεσιών αναφέρουν μετρήσιμα κέρδη κόστους, εσόδων ή κινδύνων που οφείλονται στην τεχνητή νοημοσύνη.	Η Τεχνητή Νοημοσύνη παραμένει κυρίως ένα πιλοτικό έξοδο, ενώ τα περιθώρια κέρδους δεν βελτιώνονται.
Έως το 2030	Εθνικές υποδομές και διάχυση επιχειρήσεων	Η χρήση της τεχνητής νοημοσύνης στις επιχειρήσεις στο Ηνωμένο Βασίλειο αυξάνεται σημαντικά από το σημερινό 16%, η ανάπτυξη κέντρων δεδομένων συνεχίζεται και τα προγράμματα δεξιοτήτων διευρύνουν τη χρήση	Η υιοθέτηση καθυστερεί, ο κίνδυνος στον κυβερνοχώρο αυξάνεται ή το 80% των επιχειρήσεων χωρίς τρέχοντα σχέδια παραμένουν σε μεγάλο βαθμό ανενεργές.
Έως το 2035	Το κατά πόσον τα κέρδη παραγωγικότητας θα γίνουν σημείο αναφοράς σε ολόκληρο τον κόσμο	Η Τεχνητή Νοημοσύνη αυξάνει την αύξηση των κερδών σε επίπεδο δείκτη πάνω από το πρόσφατο ετήσιο βασικό επίπεδο αύξησης τιμών του FTSE 100, που ήταν 4,6%.	Τα οφέλη παραμένουν συγκεντρωμένα σε λίγους προμηθευτές, ενώ το υπόλοιπο του δείκτη παρουσιάζει μόνο υψηλότερο κόστος.

Το ιστορικό σημείο εκκίνησης είναι σημαντικό. Τα δεδομένα του γραφήματος της Yahoo Finance δείχνουν ότι ο FTSE 100 αυξήθηκε από 6.504,30 στις 31 Μαΐου 2016 σε 10.195,37 στις 15 Μαΐου 2026, μια αύξηση τιμής 56,75% ή περίπου 4,6% σε ετήσια βάση προ μερισμάτων. Το σημείωμα του LSEG για τον Ιανουάριο του 2026 έχει επίσης σημασία ως δείκτης κλίματος: ο δείκτης αναφοράς κατέγραψε το πρώτο πενταψήφιο κλείσιμό του στις 10.004,57 στις 5 Ιανουαρίου 2026, υπενθυμίζοντας στους επενδυτές ότι ο δείκτης εισήλθε ήδη σε αυτή τη συζήτηση για την Τεχνητή Νοημοσύνη από μια θέση ορατής ισχύος και όχι βαθιάς δυσπραγίας.

Το τρέχον πλαίσιο αποτίμησης δεν είναι ούτε ευφορικό ούτε αρκετά φθηνό για να χορηγήσει στην Τεχνητή Νοημοσύνη μια δωρεάν επαναξιολόγηση. Η σελίδα προϊόντος iShares της BlackRock έδειξε τον FTSE 100 με λόγο P/E 16,67x, 2,31x τιμή προς λογιστική αξία και απόδοση διανομής μερίσματος 2,88% 12μηνης διάρκειας στις 14 Μαΐου 2026. Επειδή η BlackRock ορίζει αυτό το P/E ως την τρέχουσα τιμή διαιρούμενη με τα τρέχοντα κέρδη του προβλεπόμενου έτους, η αγορά ήδη στηρίζεται στην επίτευξη μελλοντικών κερδών. Η Τεχνητή Νοημοσύνη αναδιαμορφώνει τον δείκτη αναφοράς μόνο εάν βελτιώνει αυτά τα κέρδη, όχι εάν απλώς διακοσμεί παρουσιάσεις της διοίκησης.

02. Βασικές Δυνάμεις

Πέντε τρόποι με τους οποίους η Τεχνητή Νοημοσύνη θα μπορούσε να αλλάξει ουσιαστικά τη δεκαετή θέση

Καταρχάς, η υιοθέτηση της Τεχνητής Νοημοσύνης από τις επιχειρήσεις στο Ηνωμένο Βασίλειο βρίσκεται ακόμη σε πρώιμο στάδιο, γεγονός που αφήνει πραγματικό περιθώριο για θετικά αποτελέσματα εάν βελτιωθεί η διάδοση. Η Έρευνα Υιοθέτησης Τεχνητής Νοημοσύνης του Υπουργείου Επιστήμης, Καινοτομίας και Τεχνολογίας, που δημοσιεύθηκε στις 28 Ιανουαρίου 2026, διαπίστωσε ότι μόνο το 16% των επιχειρήσεων χρησιμοποιεί επί του παρόντος τουλάχιστον μία τεχνολογία Τεχνητής Νοημοσύνης, το 5% σχεδιάζει να την υιοθετήσει και το 80% ούτε τη χρησιμοποιεί ούτε σχεδιάζει να τη χρησιμοποιήσει ακόμη. Οι μεγάλες επιχειρήσεις προηγούνται με υιοθέτηση 36%, οι μεσαίες επιχειρήσεις στο 23% και οι πολύ μικρές επιχειρήσεις στο 14%. Για τον FTSE 100, αυτό δημιουργεί μια απλή εικόνα: το θετικό δεν έγκειται στην απόδειξη της ύπαρξης της Τεχνητής Νοημοσύνης, αλλά στην απόδειξη ότι μεταβαίνει από πιλοτικές εφαρμογές σε ευρεία λειτουργική πρακτική.

Δεύτερον, η κυβέρνηση του Ηνωμένου Βασιλείου προσπαθεί να δημιουργήσει τη φυσική και θεσμική βάση για αυτή τη διάχυση. Στην έκθεση προόδου της 29ης Ιανουαρίου 2026, η κυβέρνηση δήλωσε ότι είχε ολοκληρώσει 38 από τις 50 δράσεις του Σχεδίου Δράσης, είχε ορίσει 5 Ζώνες Ανάπτυξης Τεχνητής Νοημοσύνης και ανέφερε ότι αυτές οι ζώνες ήδη ξεκλειδώνουν επενδύσεις ύψους 28,2 δισεκατομμυρίων λιρών και περισσότερες από 15.000 θέσεις εργασίας. Η ίδια έκθεση ανέφερε ότι η κυβέρνηση είχε δεσμεύσει 2 δισεκατομμύρια λίρες για την εικοσαπλασιασμό της υπολογιστικής ικανότητας του Ηνωμένου Βασιλείου έως το 2030 και στήριξε τη Μονάδα Κυρίαρχης Τεχνητής Νοημοσύνης με έως και 500 εκατομμύρια λίρες. Αυτό δεν εγγυάται υψηλότερα κέρδη του FTSE 100, αλλά βελτιώνει την πιθανότητα τα ανοίγματα του δείκτη αναφοράς στους τομείς της βιομηχανίας, των υπηρεσιών κοινής ωφέλειας, της άμυνας και των υπηρεσιών να επωφεληθούν από τις εγχώριες δαπάνες για υποδομές Τεχνητής Νοημοσύνης.

Τρίτον, οι χρηματοπιστωτικές υπηρεσίες είναι η πιο σαφής άμεση ανάγνωση, επειδή ο FTSE 100 είναι σε μεγάλο βαθμό εκτεθειμένος σε τράπεζες και ασφαλιστικές εταιρείες. Το Υπουργείο Οικονομικών της Μεγάλης Βρετανίας δήλωσε στις 20 Ιανουαρίου 2026 ότι περίπου τα τρία τέταρτα των χρηματοπιστωτικών εταιρειών του Ηνωμένου Βασιλείου χρησιμοποιούν ήδη Τεχνητή Νοημοσύνη και ότι ανεξάρτητη ανάλυση υποδηλώνει ότι η Τεχνητή Νοημοσύνη θα μπορούσε να προσθέσει δεκάδες δισεκατομμύρια λίρες στον τομέα των χρηματοπιστωτικών και επαγγελματικών υπηρεσιών έως το 2030. Αυτό έχει άμεση σημασία για την HSBC και έμμεση για το ευρύτερο χρηματοπιστωτικό σύμπλεγμα μεγάλης κεφαλαιοποίησης του Ηνωμένου Βασιλείου: τα βραχυπρόθεσμα οφέλη της Τεχνητής Νοημοσύνης για τον FTSE 100 είναι πιο πιθανό να προέλθουν μέσω της αξιολόγησης κινδύνου, της ανίχνευσης απάτης, της εξυπηρέτησης πελατών, της παραγωγικότητας και της συμμόρφωσης παρά μέσω της οικονομίας της πλατφόρμας λογισμικού.

Τέταρτον, το παγκόσμιο κύμα κεφαλαιουχικών δαπανών για την Τεχνητή Νοημοσύνη είναι αρκετά μεγάλο ώστε να έχει σημασία ακόμη και για έναν δείκτη που βασίζεται σε παλαιές οικονομίες. Το Goldman Sachs Global Institute έγραψε την 1η Μαΐου 2026 ότι το βασικό του μοντέλο υποδήλωνε περίπου 765 δισεκατομμύρια δολάρια ΗΠΑ σε ετήσιες κεφαλαιουχικές δαπάνες για την Τεχνητή Νοημοσύνη το 2026, οι οποίες αυξάνονται σε 1,6 τρισεκατομμύρια δολάρια ΗΠΑ το 2031 ή περίπου 7,6 τρισεκατομμύρια δολάρια ΗΠΑ σωρευτικά μεταξύ 2026 και 2031 σε υπολογιστικές μηχανές, κέντρα δεδομένων και ενέργεια. Για τον FTSE 100, αυτό είναι σημαντικό για την ενέργεια, την εξόρυξη, τη μηχανική, τα αμυντικά ηλεκτρονικά και τη ζήτηση κεφαλαιουχικών αγαθών. Ο δείκτης μπορεί να μην κατέχει πολλές πλατφόρμες Τεχνητής Νοημοσύνης, αλλά κατέχει αρκετές επιχειρήσεις που βρίσκονται κοντά στην φυσική οικονομία που απαιτεί η Τεχνητή Νοημοσύνη.

Πέμπτον, η αύξηση της μακροοικονομικής παραγωγικότητας είναι πραγματική αλλά μέτρια, εκτός εάν η ρύθμιση και η διάχυση συνεργαστούν. Το έγγραφο εργασίας 2025/067 του ΔΝΤ εκτίμησε ότι η Τεχνητή Νοημοσύνη θα μπορούσε να αυξήσει την παραγωγικότητα της Ευρώπης κατά περίπου 1,1% σωρευτικά σε διάστημα πέντε ετών στο προτιμώμενο μεσοπρόθεσμο σενάριο, ενώ οι εθνικοί και ενωσιακοί κανονισμοί σχετικά με την ασφάλεια της Τεχνητής Νοημοσύνης, την προστασία των δεδομένων και τις απαιτήσεις σε επίπεδο επαγγέλματος θα μπορούσαν να μειώσουν αυτά τα κέρδη κατά περισσότερο από 30% σε ένα σενάριο χαμηλότερης έκθεσης. Αυτή είναι η σωστή πειθαρχία για τους επενδυτές του FTSE 100: Η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει, αλλά το σημείο αναφοράς εξακολουθεί να χρειάζεται μια ευρεία, μετρημένη βελτίωση στην παραγωγικότητα και όχι μια ενιαία γενική αφήγηση.

Πενταδική αξιολόγηση για την περίπτωση της δεκαετίας της Τεχνητής Νοημοσύνης

Παράγοντας	Γιατί έχει σημασία	Τρέχουσα αξιολόγηση	Προκατάληψη
Υιοθέτηση από την επιχείρηση	Η ευρεία χρήση καθορίζει εάν η Τεχνητή Νοημοσύνη θα επιτύχει κέρδη σε ολόκληρη την οικονομία	Μόνο το 16% των βρετανικών εταιρειών χρησιμοποιούν επί του παρόντος Τεχνητή Νοημοσύνη και το 80% δεν έχει ακόμη ενεργά σχέδια.	Ουδέτερο έως πτωτικό
Πολιτική και υπολογισμός	Η Τεχνητή Νοημοσύνη χρειάζεται ισχύ, δεδομένα, υποστήριξη σχεδιασμού και συντονισμό δημόσιου-ιδιωτικού τομέα	Η κυβέρνηση αναφέρει ότι 38 από τις 50 δράσεις έχουν ολοκληρωθεί, με 5 Ζώνες Ανάπτυξης Τεχνητής Νοημοσύνης και 28,2 δισεκατομμύρια λίρες να έχουν ξεκλειδωθεί.	Αισιόδοξος
Ετοιμότητα του χρηματοπιστωτικού τομέα	Οι τράπεζες και οι ασφαλιστικές εταιρείες αποτελούν σημαντικές ομάδες κερδών του FTSE 100	Το Υπουργείο Οικονομικών του Ηνωμένου Βασιλείου αναφέρει ότι περίπου τα τρία τέταρτα των χρηματοπιστωτικών εταιρειών του Ηνωμένου Βασιλείου χρησιμοποιούν ήδη Τεχνητή Νοημοσύνη	Αισιόδοξος
Μείγμα δεικτών	Τα βάρη των κλάδων καθορίζουν πόσο μπορεί η τεχνητή νοημοσύνη να κινήσει τα κέρδη αναφοράς	Οι δέκα κορυφαίες συμμετοχές ανέρχονται στο 49,84% και εξακολουθούν να κυριαρχούνται από φαρμακευτικές, τράπεζες, πετρέλαιο, βασικά προϊόντα, εξόρυξη και άμυνα.	Ουδέτερο έως πτωτικό
Μετατροπή παραγωγικότητας	Η μακροπρόθεσμη επαναξιολόγηση απαιτεί πραγματικά κέρδη αποδοτικότητας	Το προτιμώμενο κέρδος σε ολόκληρη την Ευρώπη από το ΔΝΤ είναι μόνο περίπου 1,1% σε διάστημα 5 ετών, με σαφές ρυθμιστικό μειονέκτημα.	Ουδέτερος

Το πιο ρεαλιστικό ανοδικό σενάριο για την Τεχνητή Νοημοσύνη (ΤΝ) για τον FTSE 100 δεν είναι επομένως μια καθαρά τεχνολογική ιστορία. Είναι μια μικτή ιστορία στην οποία ο χρηματοοικονομικός τομέας υιοθετεί πρώτα τα δεδομένα, οι δαπάνες για υποδομές παραμένουν υψηλές, η βιομηχανική παραγωγικότητα διευρύνεται και οι μεγάλοι μη τεχνολογικοί τομείς του δείκτη αναφοράς βρίσκουν τρόπους να μετατρέψουν την ΤΝ σε καλύτερα περιθώρια κέρδους και πιο ανθεκτική ταμειακή ροή.

03. Αντίθετη θήκη

Γιατί η ιστορία της τεχνητής νοημοσύνης μπορεί ακόμα να απογοητεύσει τους μακροπρόθεσμους επενδυτές

Ο πρώτος κίνδυνος είναι η ασθενής διάχυση. Η ίδια η έρευνα της κυβέρνησης δείχνει ότι μόνο το 16% των επιχειρήσεων του Ηνωμένου Βασιλείου χρησιμοποιούν Τεχνητή Νοημοσύνη σήμερα, ενώ το 80% ούτε τη χρησιμοποιεί ούτε σχεδιάζει να την υιοθετήσει ακόμη. Αυτό το χάσμα είναι αρκετά μεγάλο ώστε μια αξιόπιστη ιστορία για την Τεχνητή Νοημοσύνη για τον FTSE 100 να μπορεί να αποτύχει απλώς και μόνο επειδή η υιοθέτησή της παραμένει πολύ περιορισμένη για πολύ καιρό.

Ο δεύτερος κίνδυνος είναι ότι η ρύθμιση και η εμπιστοσύνη επιβραδύνουν την απόδοση. Έρευνα του ΔΝΤ αναφέρει ότι τα μεσοπρόθεσμα κέρδη παραγωγικότητας της Τεχνητής Νοημοσύνης στην Ευρώπη θα μπορούσαν να μειωθούν κατά περισσότερο από 30% εάν η έκθεση στην Τεχνητή Νοημοσύνη είναι χαμηλότερη στις εργασίες και τους τομείς που επηρεάζονται από τη ρύθμιση. Για ένα σημείο αναφοράς με μεγάλη έκθεση σε ρυθμιζόμενους τομείς όπως οι τράπεζες, η υγειονομική περίθαλψη, ο καπνός και οι επιχειρήσεις κοινής ωφέλειας, αυτό δεν είναι θεωρητικό ζήτημα.

Ο τρίτος κίνδυνος είναι ο κυβερνοχώρος και η ανθεκτικότητα. Το Εθνικό Κέντρο Κυβερνοασφάλειας προειδοποίησε στις 15 Απριλίου 2026 ότι η Τεχνητή Νοημοσύνη θα καταστήσει ευκολότερη, ταχύτερη και φθηνότερη την ανακάλυψη και την αξιοποίηση αδυναμιών, αυξάνοντας την πίεση στους οργανισμούς για γρήγορη ενημέρωση συστημάτων και αυξάνοντας το κόστος της κακής υγιεινής ασφάλειας. Για έναν δείκτη μεγάλης κεφαλαιοποίησης γεμάτο με κρίσιμες υποδομές, τράπεζες, φαρμακευτικές εταιρείες και καταναλωτικά εμπορικά σήματα, η Τεχνητή Νοημοσύνη μπορεί να αυξήσει ταυτόχρονα τη λειτουργική μόχλευση και τον λειτουργικό κίνδυνο.

Ο τέταρτος κίνδυνος είναι τα μαθηματικά ανά τομέα. Ο FTSE 100 εξακολουθεί να λαμβάνει ένα μεγάλο μερίδιο των κερδών του από εταιρείες των οποίων οι κύριοι παράγοντες είναι οι τιμές του πετρελαίου, τα επιτόκια, η ζήτηση για υγειονομική περίθαλψη, οι κύκλοι εξόρυξης, οι αμυντικοί προϋπολογισμοί και τα βασικά καταναλωτικά αγαθά. Η Τεχνητή Νοημοσύνη μπορεί να βελτιώσει αυτές τις επιχειρήσεις στο περιθώριο, αλλά δεν αντικαθιστά αυτόματα την υπάρχουσα μακροοικονομική τους έκθεση. Αυτός είναι ο λόγος για τον οποίο η ανοδική πορεία της Τεχνητής Νοημοσύνης του δείκτη αναφοράς είναι πιθανό να είναι πιο αργή και πιο εξαρτημένη από αυτή ενός δείκτη που βασίζεται σε λογισμικό.

Οι τρέχοντες κίνδυνοι της Τεχνητής Νοημοσύνης για τη μακροπρόθεσμη διατριβή

Κίνδυνος	Τελευταίο σημείο δεδομένων	Γιατί έχει σημασία	Τρέχουσα αξιολόγηση
Κενό υιοθεσίας	Το 16% των επιχειρήσεων στο Ηνωμένο Βασίλειο χρησιμοποιούν Τεχνητή Νοημοσύνη, το 5% σχεδιάζει να την υιοθετήσει, ενώ το 80% δεν έχει τρέχοντα σχέδια.	Δείχνει πόση εκτέλεση απομένει πριν η Τεχνητή Νοημοσύνη γίνει πανοικονομική	Πτωτικό
Ρυθμιστική επιβάρυνση	Το ΔΝΤ αναφέρει ότι τα κέρδη παραγωγικότητας σε ολόκληρη την Ευρώπη θα μπορούσαν να μειωθούν κατά περισσότερο από 30% σε ένα σενάριο χαμηλότερης έκθεσης	Περιορίζει την ταχύτητα δημιουργίας εσόδων και διάδοσης	Πτωτικό
Κυβερνοκινδύνος	Το NCSC λέει ότι η Τεχνητή Νοημοσύνη θα κάνει ευκολότερη, ταχύτερη και φθηνότερη την ανακάλυψη και αξιοποίηση αδυναμιών	Αυξάνει το κόστος συμμόρφωσης, επιδιορθώσεων και ανθεκτικότητας σε μεγάλους οργανισμούς	Πτωτικό
Συγκέντρωση τομέα	Οι δέκα κορυφαίες συμμετοχές ανέρχονται συνολικά σε 49,84%, με επικεφαλής τις AstraZeneca, HSBC, Shell, Rolls-Royce και BP.	Οι νικητές της τεχνητής νοημοσύνης ενδέχεται να μην είναι αρκετά μεγάλοι για να επαναξιολογήσουν γρήγορα ολόκληρο το benchmark	Ουδέτερο έως πτωτικό
Εμπόδιο αποτίμησης	Τιμή/Κέρδος 16,67x, Τιμή/Κέρδος 2,31x, τελική απόδοση 2,88% στις 14 Μαΐου 2026	Ο δείκτης δεν είναι αρκετά φθηνός για να απορροφήσει επαναλαμβανόμενη απογοήτευση από την Τεχνητή Νοημοσύνη χωρίς επαναφορά	Ουδέτερος

Η μακροπρόθεσμη θέση περί Τεχνητής Νοημοσύνης γίνεται ισχυρή μόνο όταν αυτοί οι κίνδυνοι παραμένουν διαχειρίσιμοι και τα αποδεικτικά στοιχεία διευρύνονται πέρα από λίγους πρώτους χρήστες. Χωρίς αυτή τη διάχυση, η Τεχνητή Νοημοσύνη βοηθά επιλεγμένους παράγοντες του FTSE 100 αντί να αναδιαμορφώνει το σημείο αναφοράς.

04. Θεσμικός Φακός

Τι λέει στην πραγματικότητα η σοβαρή δημόσια και θεσμική έρευνα

Η πιο αξιόπιστη δημόσια έρευνα είναι σημαντικά πιο συγκρατημένη από την αφήγηση της αγοράς. Το έγγραφο εργασίας 2025/067 του ΔΝΤ εκτίμησε ότι η υιοθέτηση της τεχνητής νοημοσύνης θα αύξανε την παραγωγικότητα της Ευρώπης κατά περίπου 1,1% σωρευτικά σε διάστημα πέντε ετών στο προτιμώμενο μεσοπρόθεσμο σενάριο και ότι η ρύθμιση θα μπορούσε να μειώσει κατά περισσότερο από 30% αυτό το κέρδος. Αυτό είναι θετικό, αλλά υποστηρίζει μια ιστορία διαρθρωτικής ανόδου, όχι μια άμεση άνθηση σε επίπεδο αναφοράς.

Η δημόσια πολιτική του Ηνωμένου Βασιλείου είναι πιο φιλόδοξη από το βασικό σενάριο του ΔΝΤ. Στην έκθεση προόδου της 29ης Ιανουαρίου 2026, η κυβέρνηση δήλωσε ότι είχε εκπληρώσει 38 από τις 50 δεσμεύσεις του Σχεδίου Δράσης, είχε υλοποιήσει περισσότερα από 1 εκατομμύριο μαθήματα αναβάθμισης δεξιοτήτων Τεχνητής Νοημοσύνης με στόχο τα 10 εκατομμύρια εργαζόμενους έως το 2030, είχε ορίσει 5 Ζώνες Ανάπτυξης Τεχνητής Νοημοσύνης και είχε δεσμεύσει 2 δισεκατομμύρια λίρες Αγγλίας για την εικοσαπλάσια επέκταση της υπολογιστικής ικανότητας έως το 2030. Στις 19 Φεβρουαρίου 2026, το UK Research and Innovation πρόσθεσε ότι είχε δεσμεύσει ένα ρεκόρ 1,6 δισεκατομμυρίων λιρών Αγγλίας, το οποίο στοχεύει άμεσα στον τομέα της Τεχνητής Νοημοσύνης για την περίοδο 2026-2030. Αυτοί οι αριθμοί δείχνουν πραγματική κρατική υποστήριξη, αλλά εξακολουθούν να χρειάζονται την εκτέλεση από τον ιδιωτικό τομέα για να γίνουν σημεία αναφοράς κερδών.

Η Goldman Sachs προσθέτει ένα τελευταίο επίπεδο ρεαλισμού. Την 1η Μαΐου 2026, το Goldman Sachs Global Institute δήλωσε ότι το βασικό του μοντέλο υποδήλωνε περίπου 765 δισεκατομμύρια δολάρια ΗΠΑ σε ετήσιες κεφαλαιουχικές δαπάνες για την Τεχνητή Νοημοσύνη το 2026 και 1,6 τρισεκατομμύρια δολάρια ΗΠΑ έως το 2031. Αυτή η κλίμακα εξηγεί γιατί οι δικαιούχοι υποδομών μπορούν ακόμα να αποδώσουν ακόμη και αν η δημιουργία εσόδων από εφαρμογές απαιτεί χρόνο. Για τον FTSE 100, το θεσμικό μήνυμα είναι σαφές: Η Τεχνητή Νοημοσύνη μπορεί να αναδιαμορφώσει το σημείο αναφοράς, αλλά μόνο μέσω διάχυσης, υποδομών και μετρήσιμης μετατροπής κερδών.

Θεσμική οπτική γωνία για την υπόθεση της δεκαετίας της Τεχνητής Νοημοσύνης

Πηγή	Τι έλεγε	Ημερομηνία	Ανάγνωση για τον FTSE 100
Έγγραφο Εργασίας ΔΝΤ 2025/067	Η μεσοπρόθεσμη αύξηση της παραγωγικότητας της τεχνητής νοημοσύνης στην Ευρώπη είναι περίπου 1,1% σε διάστημα 5 ετών στο προτιμώμενο σενάριο· η ρύθμιση μπορεί να μειώσει τα κέρδη κατά περισσότερο από 30%.	4 Απριλίου 2025	Υπάρχει ανοδική πορεία στο βασικό επίπεδο, αλλά είναι μέτρια και υπό όρους
Ενημέρωση του Σχεδίου Δράσης της κυβέρνησης του Ηνωμένου Βασιλείου	Ολοκληρώθηκαν 38 από τις 50 δράσεις· 5 Ζώνες Ανάπτυξης Τεχνητής Νοημοσύνης· παραδόθηκαν περισσότερα από 1 εκατομμύριο μαθήματα σε 10 εκατομμύρια εργαζόμενους έως το 2030· 2 δισεκατομμύρια λίρες Αγγλίας για την εικοσαπλάσια επέκταση της υπολογιστικής τεχνολογίας	29 Ιανουαρίου 2026	Η υποστήριξη πολιτικής είναι πραγματική, αλλά είναι ακόμη νωρίς σε σχέση με την κλίμακα υιοθέτησης που απαιτείται
Ενημέρωση Τεχνητής Νοημοσύνης για τις χρηματοοικονομικές υπηρεσίες του Υπουργείου Οικονομικών της Μεγάλης Βρετανίας	Περίπου τα τρία τέταρτα των χρηματοπιστωτικών εταιρειών του Ηνωμένου Βασιλείου χρησιμοποιούν ήδη Τεχνητή Νοημοσύνη. Ανεξάρτητη ανάλυση δείχνει ότι δεκάδες δισεκατομμύρια λίρες θα μπορούσαν να προστεθούν στον τομέα έως το 2030.	20 Ιανουαρίου 2026	Τα χρηματοοικονομικά είναι το πιο καθαρό άμεσο κανάλι μετάδοσης της Τεχνητής Νοημοσύνης στα αποτελέσματα του FTSE 100
Έρευνα και Καινοτομία στο Ηνωμένο Βασίλειο	Άμεση χρηματοδότηση για την Τεχνητή Νοημοσύνη ύψους 1,6 δισ. λιρών την περίοδο 2026-2030	19 Φεβρουαρίου 2026	Υποστηρίζει την εγχώρια ερευνητική, υπολογιστική και εμπορευματοποιητική ικανότητα
Παγκόσμιο Ινστιτούτο Goldman Sachs	Το βασικό μοντέλο κεφαλαιουχικών δαπανών της Τεχνητής Νοημοσύνης υποδηλώνει περίπου 765 δισεκατομμύρια δολάρια ΗΠΑ το 2026, 1,6 τρισεκατομμύρια δολάρια ΗΠΑ το 2031 και 7,6 τρισεκατομμύρια δολάρια ΗΠΑ σωρευτικά από το 2026 έως το 2031.	1 Μαΐου 2026	Η ζήτηση για φυσικές υποδομές τεχνητής νοημοσύνης είναι αρκετά μεγάλη ώστε να ωφελήσει τμήματα της εφοδιαστικής αλυσίδας του FTSE

Το θεσμικό συμπέρασμα είναι απλό: ο δείκτης FTSE 100 μπορεί να επωφεληθεί από την Τεχνητή Νοημοσύνη, αλλά το σημείο αναφοράς παραμένει μια αγορά Τεχνητής Νοημοσύνης δεύτερης τάξης και όχι μια άμεση αγορά πλατφόρμας. Η παραγωγικότητα, οι υποδομές και η διάχυση του τομέα θα έχουν μεγαλύτερη σημασία από την έκθεση σε θέματα από μόνα τους.

05. Σενάρια

Μακροπρόθεσμα σενάρια που μπορούν να εφαρμοστούν έως το 2035

Τα παρακάτω εύρη είναι εκτιμήσεις των συγγραφέων με βάση το τρέχον επίπεδο του FTSE 100 στις 10.195,37, την δεκαετή αύξηση τιμών του δείκτη κατά 56,75%, το ετήσιο βασικό επίπεδο αύξησης τιμών κατά περίπου 4,6% κατά την εν λόγω περίοδο, το τρέχον μείγμα τομέων, την πολιτική τεχνητής νοημοσύνης της κυβέρνησης του Ηνωμένου Βασιλείου και την προαναφερθείσα θεσμική έρευνα. Δεν αποτελούν στόχους τιμών τρίτων.

Σενάρια αναδιαμόρφωσης τεχνητής νοημοσύνης του FTSE 100

Σενάριο	Πιθανότητα	Εύρος 2035	Συνθήκες ενεργοποίησης	Πότε να γίνει αξιολόγηση
Ταύρος	30%	16.500-18.500	Η χρήση της Τεχνητής Νοημοσύνης στις επιχειρήσεις του Ηνωμένου Βασιλείου αυξάνεται σημαντικά πάνω από 16%, το μερίδιο των επιχειρήσεων χωρίς σχέδια μειώνεται απότομα, η Τεχνητή Νοημοσύνη στις χρηματοοικονομικές υπηρεσίες μεταφράζεται σε ορατά κέρδη παραγωγικότητας και οι δαπάνες για υποδομές συνεχίζονται πέρα από την τρέχουσα δέσμευση των 28,2 δισεκατομμυρίων λιρών για το πρώτο κύμα της Ζώνης Ανάπτυξης.	Ετήσια αναθεώρηση μετά από ενημερώσεις υιοθέτησης του DSIT, ανακοινώσεις προϋπολογισμού του Ηνωμένου Βασιλείου και σημαντικά αποτελέσματα πλήρους έτους του FTSE 100
Βάση	50%	13.500-15.500	Η Τεχνητή Νοημοσύνη βελτιώνει την παραγωγικότητα σε τράπεζες, βιομηχανίες και επιλεγμένες ομάδες υπηρεσιών, αλλά τα οφέλη παραμένουν άνισα και ο δείκτης αναφοράς πλησιάζει τη μακροπρόθεσμη τάση των τιμών του.	Επανεξέταση κάθε χρόνο και ξανά στα ορόσημα δεξιοτήτων και υπολογισμών της κυβέρνησης για το 2030
Αρκούδα	20%	9.500-12.000	Η υιοθέτηση παραμένει περιορισμένη, το κόστος στον κυβερνοχώρο και οι κανονιστικές δαπάνες αυξάνονται και τα οφέλη από τις κεφαλαιουχικές δαπάνες της τεχνητής νοημοσύνης παρακάμπτουν το μεγαλύτερο μέρος του δείκτη αναφοράς, ενώ η υποστήριξη αποτίμησης διαβρώνεται.	Έγκαιρη αναθεώρηση εάν οι έρευνες υιοθέτησης παραμείνουν κολλημένες κοντά στα τρέχοντα επίπεδα και τα περιθώρια κέρδους δεν διευρυνθούν μέχρι τους επόμενους ετήσιους κύκλους αναφοράς

Το πρακτικό συμπέρασμα είναι ότι η Τεχνητή Νοημοσύνη θα πρέπει να αντιμετωπίζεται πρώτα ως μια ιστορία διασποράς και στη συνέχεια ως μια ιστορία αναφοράς. Ο FTSE 100 έχει πραγματικούς ωφελούμενους στους τομείς των χρηματοοικονομικών, της άμυνας, της μηχανικής, της ενέργειας και επιλεγμένων βιομηχανικών υποδομών. Αλλά για να αναδιαμορφωθεί ουσιαστικά ολόκληρος ο δείκτης από την Τεχνητή Νοημοσύνη, αυτά τα κέρδη πρέπει να επεκταθούν πολύ πέρα από τους τρέχοντες πρώτους χρήστες.

Το ανοδικό σενάριο της δεκαετίας είναι εύλογο, αλλά δεν είναι αυτόματο. Χρειάζεται υιοθέτηση για να ξεπεράσει ουσιαστικά το σημερινό 16%, πολιτική υποδομών για να συνεχίσει να μεταφράζεται σε ιδιωτικές επενδύσεις και κέρδη μεγάλης κεφαλαιοποίησης για να δείξει ότι η Τεχνητή Νοημοσύνη βελτιώνει την ποιότητα των εσόδων, την αποδοτικότητα ή τις κεφαλαιακές αποδόσεις αντί να αυξάνει απλώς τις δαπάνες.

Αναφορές

Πώς η Τεχνητή Νοημοσύνη θα μπορούσε να αναδιαμορφώσει τον δείκτη FTSE 100 την επόμενη δεκαετία

Πέντε τρόποι με τους οποίους η Τεχνητή Νοημοσύνη θα μπορούσε να αλλάξει ουσιαστικά τη δεκαετή θέση

Γιατί η ιστορία της τεχνητής νοημοσύνης μπορεί ακόμα να απογοητεύσει τους μακροπρόθεσμους επενδυτές

Τι λέει στην πραγματικότητα η σοβαρή δημόσια και θεσμική έρευνα

Μακροπρόθεσμα σενάρια που μπορούν να εφαρμοστούν έως το 2035

Πηγές