Η παρούσα διπλωματική έρευνα εξετάζει τη σύγχρονη λειτουργική πραγματικότητα της Ελληνικής Πολύ Μικρής επιχείρησης (ΠΜΕ) και αποτυπώνει τις παραμέτρους που επηρεάζουν την υιοθέτηση  της Τεχνητής Νοημοσύνης (ΤΝ) στην επιχειρησιακή. Αξιοποιώντας αποτελέσματα από διεθνείς και εγχώριες θεσμικές έρευνες εστιάζει στις ανάγκες των ΠΜΕ για τεχνολογίες ΤΝ, αξιολογεί τον βαθμό υιοθέτησης ΤΝ στην ελληνική αγορά, αποσαφηνίζει τα εμπόδια εφαρμογής και υπερθεματίζει τις θεμελιώδεις αποκλίσεις της ελληνικής οικονομικής πραγματικότητας και των ελληνικών ΠΜΕ σε σχέση με εκείνες των προηγμένων οικονομιών (Ε.Ε. και Η.Π.Α.). Η ανάλυση διαχρονικών ακαδημαϊκών θεωριών που αφορούν την τεχνολογική υιοθέτηση συνθέτει το εννοιολογικό πλαίσιο της έρευνας και βασίζεται στο κόστος επένδυσης, την απαιτούμενη τεχνογνωσία και τους εξωτερικούς παράγοντες. Σε αυτή τη βάση, η έρευνα εξετάζει τις καταλληλότερες εφαρμογές ΤΝ για τις ελληνικές ΠΜΕ, κατηγοριοποιεί τις βασικές μορφές τεχνολογικής ένταξης και προτείνει λειτουργικά κατάλληλες λύσεις που ανταποκρίνονται σε περιβάλλοντα χαμηλής επενδυτικής ικανότητας. Η αποτίμηση πραγματοποιείται βάσει τεσσάρων επιλεγμένων κατηγοριών εφαρμογών ΤΝ με βασικό κριτήριο την πραγματική δυνατότητα αξιοποίησής τους από τις ΠΜΕ. Με αφετηρία τη στρατηγική ανάγκη των ΠΜΕ για λειτουργικά εργαλεία αξιολόγησης τεχνολογικής ένταξης, αναδεικνύεται η σημασία ανάπτυξης μηχανισμών που διευκολύνουν τη λήψη αποφάσεων βάσει ρεαλιστικών κριτηρίων. Σε αυτή την κατεύθυνση , αναπτύσσεται ένα οπτικό εργαλείο αξιολόγησης της καταλληλότητας εφαρμογών ή υποδομών ΤΝ: το Πλαίσιο Δείκτης Καταλληλότητας Υιοθέτησης Τεχνητής Νοημοσύνης (ΔΚΥΤΝ).  Το εργαλείο βασίζεται σε τρεις βασικούς παράγοντες που καθορίζουν την απόφαση ένταξης: το κόστος και τη ρευστότητα (Χ), την τεχνογνωσία και τις δεξιότητες (Υ), και το θεσμικό περιβάλλον μαζί με τους εξωτερικούς περιορισμούς (Ζ). Η ανάλυση των αξόνων προσφέρει μια καθαρή εικόνα του πόσο επιβαρύνεται μια ΠΜΕ όταν επιλέγει να εντάξει μια τεχνολογία ΤΝ στη λειτουργία της. Η ερευνητική τεκμηρίωση ενισχύεται από τρεις μελέτες περίπτωσης ελληνικών πολύ μικρών επιχειρήσεων (ΠΜΕ), με εστίαση στον ψηφιακό μετασχηματισμό τους κατά τη φάση υιοθέτηση της ΤΝ. Οι μελέτες αυτές εντάσσονται στο Πλαίσιο ΔΚΥΤΝ, αναδεικνύοντας τα ποσοτικά επίπεδα επιβάρυνσης ανά μεταβλητή, καθώς και τη συνολική εικόνα υιοθέτησης. Το Πλαίσιο αποτυπώνει με ακρίβεια τον βαθμό συμβατότητας της ΤΝ με την ελληνική επιχειρηματικότητα μικρής κλίμακας και λειτουργεί ως δυναμικό εργαλείο αποτίμησης, κατάλληλο τόσο για τον σχεδιασμό πολιτικών στήριξης, όσο και για τη χάραξη στρατηγικής σε επίπεδο μεμονωμένης ΠΜΕ. Η μελέτη καταλήγει στο συμπέρασμα ότι η διατήρηση της βιωσιμότητας και της ανταγωνιστικότητας των ΠΜΕ προϋποθέτει την υιοθέτηση μιας συνεκτικής εθνικής στρατηγικής ενίσχυσης. Βασικοί άξονες αυτής της στρατηγικής είναι η κάλυψη των αναγκών ρευστότητας, η ενίσχυση της τεχνογνωσίας και η διαμόρφωση ενός σταθερού και υποστηρικτικού θεσμικού πλαισίου.

This dissertation examines the contemporary operational reality of Greek Very Small Enterprises (VSEs) and captures the parameters that influence the adoption of Artificial Intelligence (AI) in business practice. Drawing on results from international and domestic institutional research, it focuses on the needs of VSEs for AI technologies, evaluates the level of AI adoption in the Greek market, clarifies the barriers to implementation, and underscores the fundamental divergences between the Greek economic reality and that of advanced economies (EU and USA). The analysis of long-standing academic theories on technological adoption formulates the conceptual framework of the study, grounded in investment cost, required expertise, and external factors. On this basis, the research explores the most appropriate AI applications for Greek VSEs, categorizes the principal forms of technological integration, and proposes functionally suitable solutions for environments with limited investment capacity. Evaluation is conducted across four selected categories of AI applications, using as the main criterion their actual feasibility of use by VSEs. Starting from the strategic need of VSEs for practical evaluation tools of technological integration, the study develops a visual assessment instrument: the Suitability Index for AI Adoption (SIAIA) Framework. This tool is structured around three core factors that determine adoption decisions: cost and liquidity (X), expertise and skills (Y), and the institutional environment and external constraints (Z). The analysis of these axes provides a clear depiction of the burden borne by a VSE when choosing to integrate an AI technology. The empirical foundation of the study is strengthened by three case studies of Greek VSEs, with emphasis on their digital transformation during the adoption phase of AI. These cases are integrated into the SIAIA Framework, demonstrating the quantitative levels of burden for each variable and the overall adoption profile. The Framework accurately reflects the degree of compatibility of AI with small-scale Greek entrepreneurship and functions as a dynamic evaluation tool, suitable both for policy-making and for enterprise-level strategic planning. The study concludes that the sustainability and competitiveness of VSEs require the adoption of a coherent national support strategy. The main pillars of this strategy are the provision of liquidity, the enhancement of expertise, and the establishment of a stable and supportive institutional framework.