Διαχείριση της εφοδιαστικής αλυσίδας τροφίμων: διερεύνηση της εφαρμογής εργαλείων τεχνητής νοημοσύνης στους επίσημους ελέγχους και στην αξιολόγηση της τρωτότητας των επιχειρήσεων έναντι της απάτης

Abstract

Food fraud constitutes a complex, multidimensional phenomenon with serious implications for public health, consumer confidence, and the integrity of the agri-food supply chain, with an estimated global cost approaching 40 billion US dollars annually. The present doctoral dissertation examines this phenomenon from a dual analytical perspective: first, through the assessment of food business vulnerability to fraud across the agri-food supply chain, and second, through the investigation of the opportunities, perceptions, and barriers associated with the integration of Artificial Intelligence (AI) tools into the official food control system in Greece. The research was structured around two interconnected research axes, each implemented through a separate online survey conducted during November–December 2024 using the SurveyMonkey platform. The collected data were analysed descriptively using Microsoft Excel and statistically using SPSS, employing chi-square tests, Spearman rank correlation analysis, and ordinal logistic regression models. The first research axis examined the use of fraud assessment tools, perceived opportunities and vulnerability factors, prevention and detection mechanisms, and food business operators' (FBOs') perceptions of the role of AI. The results demonstrated that the use of structured vulnerability assessment tools, such as TACCP, SSAFE, and FFIST, remains limited among Greek food businesses, with notable variation according to sector, business size, and the educational background of FBOs. The utilisation of external information sources to support risk assessments, particularly RASFF data, laboratory reports, and commercial intelligence, was also found to be insufficient. With respect to perceived vulnerability factors, opportunities arising within the supply chain — particularly at stages characterised by low visibility, complex raw material flows, and inadequate verification mechanisms — were identified as the most significant risk factors. Economic pressures, intense competitive environments, and dependency on specific suppliers also emerged as important institutional factors that reinforce incentives for deceptive practices. A robust internal integrity culture, accountability mechanisms, and comprehensive quality management systems were identified as critical counterbalancing factors. The fraud prevention and detection mechanisms applied at the firm level exhibit structural imbalances: internal measures such as sampling and internal audits are well established, whereas systemic measures, including supply chain vulnerability assessments, inter-firm information sharing, and third-tier supplier auditing, remain underdeveloped. AI is recognised by food businesses as a tool with considerable potential for fraud prevention and detection, primarily through big data analytics, traceability enhancement, and predictive modelling; however, its actual integration into operational practice remains low. The second research axis investigated the perceptions, attitudes, and readiness of official food control auditors from three Competent Authorities: the Ministry of Rural Development and Food (MoRDF), the Hellenic Food Authority (EFET), and the Directorates of Rural Economy and Veterinary Affairs (DAOK). The findings revealed that auditors perceive the effectiveness of existing official control mechanisms for addressing food fraud as moderate, with imports, bulk commodities, and seasonal food products presenting the highest perceived risk. Despite a generally positive overall attitude (62% of respondents expressing positive views), 70% of auditors reported low or moderate levels of familiarity with AI tools, with none reporting high familiarity. In contrast, 71.3% expressed a high willingness to receive training, indicating a structural gap between positive attitudinal orientation and practical readiness. Willingness to undergo training emerged as the strongest predictor of positive AI acceptance (Nagelkerke R² = 0.780), while the perception of AI as a substitute for human inspectors was systematically associated with reduced acceptance (R² = 0.216, p = 0.009), confirming that auditors conceptualise AI as a complementary rather than competitive instrument. Familiarity with AI tools alone did not constitute a significant predictor of acceptance (p = 0.270), underscoring that knowledge in isolation is insufficient to drive adoption. Regarding barriers to adoption, the need to upgrade existing technological infrastructure was identified by 94.3% of auditors as the most frequently cited impediment, followed by an outdated regulatory framework (86.7%), lack of technical knowledge and staff training (84.9%), and budgetary constraints (84.0%). Regression models demonstrated that these barriers operate as a mutually reinforcing system rather than as independent constraints: lack of technical knowledge exhibited the strongest explanatory power (Nagelkerke R² = 0.354), while the outdated regulatory framework emerged as the most pervasive horizontal barrier (R² ≈ 0.35), affecting all groups of auditors uniformly, regardless of background. Significant differences were also observed across Competent Authorities: MoRDF auditors recorded the highest levels of positive attitude (M = 3.73), followed by EFET (M = 3.67) and DAOK (M = 3.46). Competent Authority affiliation, educational level, and occupational role emerged as the principal determinants of perceived AI effectiveness, whereas gender exhibited only sporadic and weak associations.Regarding the perceived effectiveness of specific AI tools, Early Warning Systems with rapid information exchange capability received the highest rating (M = 3.89), followed by rapid methods using multispectral/hyperspectral imaging (M = 3.73), smart Big Data analysis systems (M = 3.61), electronic nose and tongue technologies (M = 3.45), text mining (M = 3.37), and data visualisation (M = 3.20). None of the examined tools received a negative overall rating, reflecting a broadly positive evaluative orientation. With respect to the perceived impact of AI across food control domains, traceability control ranked first (M = 4.08), followed by food safety control (M = 3.95), quality and marketing standards control and food authenticity control (both M = 3.89), PDO/PGI product control (M = 3.80), and organic food control (M = 3.77). The narrow range of mean values across domains (0.31 scale units) indicates a homogeneous perception of AI as a horizontal catalyst for the entire official control system. Spearman rank correlation analysis between control domains revealed strong positive interdependencies (ρ = 0.381–0.725), confirming that AI effectiveness is perceived as cumulative and systemic rather than sector-specific. Auditors assigned the highest improvement scores to risk-based targeting applications (M = 5.55) and early predictive analysis (M = 5.22), while rapid fraud detection (M = 3.92) and complaint assessment optimization (M = 3.72) received comparatively lower ratings, reflecting a clear prioritization of proactive over reactive approaches. Taken together, the findings of this dissertation demonstrate that the effective prevention and control of food fraud depends neither exclusively on business compliance nor on public enforcement alone, but on the combined operation of internal prevention mechanisms, vulnerability assessment practices, risk-based audit approaches, and digital technologies. AI is recognized by both food businesses and official auditors as a potentially transformative instrument for traceability, risk analysis, early detection, and transparency. However, its effective integration into the official control system requires coordinated, multilevel interventions: developing human capital through differentiated training programmes, modernising technological infrastructure with adequate funding, and updating the regulatory framework to ensure the transparency, accountability, and ethical governance of AI applications, in alignment with the risk-based official control principles established under Regulation (EU) 2017/625. Of particular importance are the capabilities AI offers in safeguarding the authenticity and traceability of PDO and PGI products, thereby contributing decisively to the protection of their reputation and to the prevention of consumer deception. This study makes a significant contribution to the relatively limited empirical literature by providing cross-sectoral, system-level data covering all major Competent Authorities involved in official food control in Greece, while simultaneously enriching the international scientific discourse on auditors' perceptions of AI applications in food control systems across the European Union.

Η απάτη στα τρόφιμα αποτελεί σύνθετο, πολυδιάστατο φαινόμενο με σοβαρές επιπτώσεις στη δημόσια υγεία, στην εμπιστοσύνη των καταναλωτών και στην ακεραιότητα της αγροδιατροφικής αλυσίδας, με εκτιμώμενο παγκόσμιο κόστος που προσεγγίζει τα 40 δισεκατομμύρια δολάρια ετησίως. Η παρούσα διδακτορική διατριβή εξετάζει το φαινόμενο αυτό από διττή οπτική γωνία: αφενός, μέσω της αξιολόγησης της τρωτότητας των επιχειρήσεων της αγροδιατροφικής αλυσίδας απέναντι στην απάτη, και αφετέρου, μέσω της διερεύνησης των δυνατοτήτων, των αντιλήψεων και των εμποδίων που σχετίζονται με την ενσωμάτωση εργαλείων Τεχνητής Νοημοσύνης (ΤΝ) στο σύστημα των επίσημων ελέγχων τροφίμων στην Ελλάδα. Η έρευνα αναπτύχθηκε σε δύο αλληλένδετους ερευνητικούς άξονες, οι οποίοι υλοποιήθηκαν μέσω δύο ξεχωριστών διαδικτυακών ερευνών που διεξήχθησαν κατά το χρονικό διάστημα Νοεμβρίου–Δεκεμβρίου 2024 με χρήση της πλατφόρμας SurveyMonkey. Τα συλλεχθέντα δεδομένα αναλύθηκαν περιγραφικά με το Microsoft Excel και στατιστικά με το SPSS, αξιοποιώντας έλεγχο χ², ανάλυση συσχέτισης Spearman, καθώς και μοντέλα διατακτικής λογιστικής παλινδρόμησης. Ο πρώτος ερευνητικός άξονας εξέτασε τη χρήση εργαλείων αξιολόγησης απάτης, τις αντιλαμβανόμενες ευκαιρίες και τους παράγοντες τρωτότητας, τους μηχανισμούς πρόληψης και εντοπισμού, καθώς και την αντίληψη των ΥΕΤ για τον ρόλο της ΤΝ. Τα αποτελέσματα κατέδειξαν ότι η χρήση δομημένων εργαλείων αξιολόγησης τρωτότητας, όπως τα TACCP, SSAFE και FFIST, παραμένει περιορισμένη στις ελληνικές επιχειρήσεις τροφίμων, με αξιοσημείωτες διαφορές ανάλογα με τον κλάδο, το μέγεθος της επιχείρησης και το εκπαιδευτικό υπόβαθρο των ΥΕΤ. Η αξιοποίηση εξωτερικών πηγών πληροφόρησης για την υποστήριξη αξιολογήσεων κινδύνου, ιδίως δεδομένων RASFF, εργαστηριακών αναφορών και εμπορικής νοημοσύνης, είναι επίσης ανεπαρκής. Αναφορικά με τους αντιλαμβανόμενους παράγοντες τρωτότητας, οι ευκαιρίες εντός της αλυσίδας εφοδιασμού, ιδίως σε στάδια με χαμηλή ορατότητα, πολύπλοκες ροές πρώτων υλών και ανεπαρκείς μηχανισμούς επαλήθευσης, αναγνωρίστηκαν ως οι σημαντικότεροι παράγοντες κινδύνου. Οι οικονομικές πιέσεις, η έντονη ανταγωνιστικότητα και η εξάρτηση από συγκεκριμένους προμηθευτές αναδείχθηκαν επίσης ως σημαντικοί θεσμικοί παράγοντες που ενισχύουν τα κίνητρα για παραπλανητικές πρακτικές. Η ισχυρή εσωτερική κουλτούρα ακεραιότητας, η λογοδοσία και τα ολοκληρωμένα συστήματα διαχείρισης ποιότητας αναδείχθηκαν ως κρίσιμοι αντισταθμιστικοί παράγοντες. Οι μηχανισμοί πρόληψης και εντοπισμού απάτης που εφαρμόζονται σε επίπεδο επιχείρησης εμφανίζουν δομικές ανισορροπίες: τα εσωτερικά μέτρα (δειγματοληψία, εσωτερικοί έλεγχοι) είναι εδραιωμένα, ενώ τα συστημικά μέτρα (αξιολογήσεις αλυσίδας εφοδιασμού, ανταλλαγή πληροφοριών, έλεγχος προμηθευτών τρίτου βαθμού) παραμένουν ανεπαρκώς ανεπτυγμένα. Η ΤΝ αναγνωρίζεται από τις επιχειρήσεις ως εργαλείο με υψηλές δυνατότητες για την πρόληψη και ανίχνευση απάτης, κυρίως μέσω ανάλυσης μεγάλων δεδομένων, ιχνηλασιμότητας και προγνωστικής μοντελοποίησης, ωστόσο ο πραγματικός βαθμός ενσωμάτωσής της στις επιχειρησιακές πρακτικές παραμένει χαμηλός. Ο δεύτερος ερευνητικός άξονας διερεύνησε αντιλήψεις, στάσεις και ετοιμότητα επίσημων ελεγκτών τροφίμων από τρεις Αρμόδιες Αρχές: το ΥπΑΑΤ, τον ΕΦΕΤ και τις ΔΑΟΚ. Τα αποτελέσματα ανέδειξαν ότι οι ελεγκτές αξιολογούν ως μέτρια την αποτελεσματικότητα των υφιστάμενων μηχανισμών επίσημου ελέγχου για την αντιμετώπιση της απάτης, με τον τομέα των εισαγωγών, τα χύδην προϊόντα και τα εποχικά τρόφιμα να εμφανίζουν τους υψηλότερους αντιλαμβανόμενους κινδύνους. Παρά τη γενικά θετική στάση (62% θετικές απαντήσεις), το 70% των ελεγκτών δήλωσε χαμηλά ή μέτρια επίπεδα εξοικείωσης με τα εργαλεία ΤΝ, κανείς δεν δήλωσε υψηλή εξοικείωση. Αντίθετα, το 71,3% εξέφρασε υψηλή προθυμία εκπαίδευσης, αναδεικνύοντας ένα δομικό χάσμα μεταξύ θετικής στάσης και πρακτικής ετοιμότητας. Η προθυμία εκπαίδευσης αναδείχθηκε ως ο ισχυρότερος προγνωστικός παράγοντας θετικής αποδοχής (Nagelkerke R² = 0,780), ενώ η αντίληψη της ΤΝ ως υποκατάστατου ανθρώπινων ελεγκτών συνδέθηκε συστηματικά με μειωμένη αποδοχή (R² = 0,216, p = 0,009), επιβεβαιώνοντας ότι οι ελεγκτές αντιλαμβάνονται την ΤΝ ως συμπληρωματικό και όχι ανταγωνιστικό εργαλείο. Η απλή εξοικείωση δεν αποτέλεσε σημαντικό προγνωστικό παράγοντα αποδοχής (p = 0,270), υπογραμμίζοντας ότι η γνώση από μόνη της είναι ανεπαρκής. Αναφορικά με τα εμπόδια υιοθέτησης, η αναβάθμιση τεχνολογικής υποδομής αναφέρθηκε από το 94,3% των ελεγκτών ως το συχνότερα επισημαινόμενο εμπόδιο, ακολουθούμενο από το παρωχημένο ρυθμιστικό πλαίσιο (86,7%), την έλλειψη τεχνικής κατάρτισης (84,9%) και τους δημοσιονομικούς περιορισμούς (84,0%). Τα μοντέλα παλινδρόμησης κατέδειξαν ότι τα εμπόδια λειτουργούν ως αλληλοενισχυόμενο σύστημα και όχι ως ανεξάρτητοι περιορισμοί: η έλλειψη τεχνικής γνώσης παρουσίασε την ισχυρότερη επεξηγηματική ισχύ (Nagelkerke R² = 0,354), ενώ το παρωχημένο ρυθμιστικό πλαίσιο αναδείχθηκε ως το πλέον «οριζόντιο» εμπόδιο (R² ≈ 0,35), επηρεάζοντας ομοιόμορφα όλες τις ομάδες ελεγκτών ανεξαρτήτως υποβάθρου. Σημαντικές διαφοροποιήσεις αναδείχθηκαν και μεταξύ Αρμόδιων Αρχών: οι ελεγκτές του ΥπΑΑΤ κατέγραψαν τα υψηλότερα επίπεδα θετικής στάσης (Μ = 3,73), ακολουθούμενοι από τον ΕΦΕΤ (Μ = 3,67) και τις ΔΑΟΚ (Μ = 3,46). Η Αρμόδια Αρχή, το εκπαιδευτικό επίπεδο και ο επαγγελματικός ρόλος αναδείχθηκαν ως οι κυριότεροι προσδιοριστικοί παράγοντες της αντιλαμβανόμενης αποτελεσματικότητας εργαλείων ΤΝ, ενώ το φύλο εμφάνισε μόνο σποραδικές και ασθενείς συσχετίσεις. Συνολικά, τα ευρήματα της παρούσας διατριβής καταδεικνύουν ότι η αποτελεσματική αντιμετώπιση της απάτης τροφίμων δεν εξαρτάται αποκλειστικά ούτε από την επιχειρησιακή συμμόρφωση ούτε από τον κρατικό έλεγχο, αλλά από τη συνδυασμένη λειτουργία εσωτερικών μηχανισμών πρόληψης, αξιολόγησης τρωτότητας, ελεγκτικών πρακτικών βάσει κινδύνου και ψηφιακής τεχνολογίας. Η ΤΝ αναγνωρίζεται — τόσο από τις επιχειρήσεις όσο και από τους ελεγκτές — ως δυνητικά μετασχηματιστικό εργαλείο για την ιχνηλασιμότητα, την ανάλυση κινδύνου, την έγκαιρη ανίχνευση και τη διαφάνεια. Ωστόσο, η αποτελεσματική ενσωμάτωσή της στο σύστημα επίσημων ελέγχων απαιτεί συντονισμένες παρεμβάσεις σε τρία αλληλένδετα επίπεδα: ανάπτυξη ανθρώπινου κεφαλαίου μέσω διαφοροποιημένων προγραμμάτων κατάρτισης, εκσυγχρονισμό της τεχνολογικής υποδομής με επαρκή χρηματοδότηση και εκσυγχρονισμό του κανονιστικού πλαισίου ώστε να διασφαλίζεται η διαφάνεια, η λογοδοσία και η ηθική διακυβέρνηση των εφαρμογών ΤΝ, σε εναρμόνιση με τις αρχές των επίσημων ελέγχων βάσει κινδύνου του Κανονισμού (ΕΕ) 2017/625. Ιδιαίτερη σημασία αποκτούν οι δυνατότητες που προσφέρει η ΤΝ στη διασφάλιση της αυθεντικότητας και ιχνηλασιμότητας των προϊόντων ΠΟΠ και ΠΓΕ, συμβάλλοντας καθοριστικά στην προστασία της φήμης τους και στην προστασία των καταναλωτών από φαινόμενα παραπλάνησης. Η παρούσα μελέτη συμβάλλει στη σχετικά περιορισμένη εμπειρική βιβλιογραφία παρέχοντας διατομεακά, συστημικού επιπέδου δεδομένα που καλύπτουν το σύνολο των βασικών Αρμόδιων Αρχών επίσημου ελέγχου τροφίμων στην Ελλάδα, εμπλουτίζοντας παράλληλα τον διεθνή επιστημονικό διάλογο για τις αντιλήψεις των ελεγκτών σχετικά με τις εφαρμογές ΤΝ στα συστήματα ελέγχου τροφίμων της Ευρωπαϊκής Ένωσης.