Η Τεχνητή Νοημοσύνη δεν είναι απλώς μία ακόμη τεχνολογική αλλαγή. Είναι η αρχή μιας μετάβασης που μπορεί να αλλάξει την εργασία, την εκπαίδευση, τις κοινωνίες μας και, ίσως περισσότερο απ’ όλα, τον τρόπο με τον οποίο αντιλαμβανόμαστε τη θέση του ίδιου του ανθρώπου μέσα στον κόσμο.
Γράφει ο Γιώργος Δεληκώστας – Human Evolution Mentor in the AI Age
Τον τελευταίο καιρό πιάνω συχνά τον εαυτό μου να σκέφτεται πόσο γρήγορα αλλάζουν πράγματα που, μέχρι πριν από λίγα χρόνια, θεωρούσαμε περίπου δεδομένα.
Και δεν αναφέρομαι απλώς στο ότι εμφανίζονται συνεχώς καινούργια εργαλεία.
Αυτό συνέβαινε πάντα.
Κάθε γενιά γνώρισε τη δική της τεχνολογική αλλαγή. Άλλοι έζησαν την έλευση του ηλεκτρισμού, άλλοι της τηλεόρασης, του προσωπικού υπολογιστή, του Internet, των smartphones. Κάθε φορά άλλαζε κάτι σημαντικό στον τρόπο που ζούσαμε και εργαζόμασταν.
Με την Τεχνητή Νοημοσύνη, όμως, έχω την αίσθηση ότι συμβαίνει κάτι λίγο διαφορετικό.
Γιατί αυτή τη φορά η τεχνολογία δεν έρχεται απλώς να μας βοηθήσει να κάνουμε πιο γρήγορα κάτι που ήδη κάναμε.
Αρχίζει να αγγίζει λειτουργίες που μέχρι σήμερα θεωρούσαμε σχεδόν αποκλειστικά ανθρώπινες.
Να γράφει. Να αναλύει. Να προγραμματίζει. Να δημιουργεί εικόνες. Να συνθέτει τεράστιες ποσότητες πληροφορίας. Να εξετάζει σενάρια. Να μας βοηθά ακόμη και να προετοιμάζουμε αποφάσεις.
Και όλα αυτά μέσα σε ελάχιστα χρόνια.
Αυτό είναι που θεωρώ ότι πρέπει να πάρουμε σοβαρά υπόψη μας.
Όχι για να φοβηθούμε.
Αλλά για να καταλάβουμε τι πραγματικά αλλάζει.
Το ερώτημα που κάνουμε συνήθως
Σχεδόν κάθε φορά που ανοίγει η συζήτηση γύρω από την Τεχνητή Νοημοσύνη, κάποια στιγμή θα ακουστεί η ίδια ερώτηση:
«Θα μας πάρει τις δουλειές;»
Είναι λογικό να το αναρωτιόμαστε.
Για τους περισσότερους ανθρώπους η δουλειά δεν είναι μια αφηρημένη οικονομική έννοια. Είναι το εισόδημα, η ασφάλεια, η καθημερινότητα, η οικογένεια, η αίσθηση ότι μπορείς να προγραμματίσεις τη ζωή σου.
Παρόλα αυτά, δεν είμαι βέβαιος ότι αυτή είναι η σημαντικότερη ερώτηση.
Ίσως κοιτάζουμε πολύ γρήγορα το τέλος της ιστορίας και χάνουμε αυτό που συμβαίνει ήδη μπροστά μας.
Γιατί δεν χρειάζεται να εξαφανιστεί ένα ολόκληρο επάγγελμα για να αλλάξει ριζικά η εργασία. Αρκεί να αλλάξει ο τρόπος με τον οποίο μοιράζονται τα καθήκοντα ανάμεσα στον άνθρωπο και στην ΤΝ.
Μία ομάδα μπορεί να παράγει περισσότερα με τους ίδιους ανθρώπους ή να μεγαλώσει χωρίς τις προσλήψεις που θα χρειαζόταν παλαιότερα. Αυτό δεν είναι ακόμη απάντηση στο τι θα συμβεί στην απασχόληση· είναι όμως ένδειξη ότι ο μηχανισμός της εργασίας αλλάζει.
Στο επόμενο άρθρο θα μείνουμε ακριβώς σε αυτόν τον μηχανισμό.
Δεν γνωρίζουμε ακόμη πού θα καταλήξει
Η Διεθνής Οργάνωση Εργασίας επισημαίνει ήδη ότι πολλά επαγγέλματα έχουν σημαντική έκθεση στη Generative AI. Αυτό, όμως, δεν σημαίνει ότι μπορούμε να πάρουμε έναν δείκτη έκθεσης και να τον μεταφράσουμε αυτομάτως σε αντίστοιχες απολύσεις. Η έκθεση ενός επαγγέλματος στην ΤΝ δεν είναι το ίδιο πράγμα με την πλήρη αντικατάστασή του.
Και αυτή η διάκριση έχει σημασία.
Ένας γιατρός δεν κάνει ένα πράγμα.
Ένας λογιστής δεν κάνει ένα πράγμα.
Ένας εκπαιδευτικός, ένας δικηγόρος, ένας μηχανικός, ένας σύμβουλος δεν έχουν μία μόνο λειτουργία.
Κάθε επάγγελμα αποτελείται από δεκάδες διαφορετικές δραστηριότητες.
Κάποιες μπορεί να αυτοματοποιηθούν.
Κάποιες μπορεί να γίνουν γρηγορότερα.
Κάποιες μπορεί να εξακολουθούν να απαιτούν ανθρώπινη κρίση, εμπιστοσύνη, σχέση ή ευθύνη.
Γι’ αυτό θα ήμουν πολύ προσεκτικός με οποιονδήποτε μας λέει με βεβαιότητα ότι «το τάδε επάγγελμα θα εξαφανιστεί σε πέντε χρόνια».
Δεν γνωρίζουμε.
Αλλά μπορούμε ήδη να δούμε ότι η σχέση ανάμεσα στον άνθρωπο και στην εργασία αρχίζει να αλλάζει.
Και αυτό αρκεί, νομίζω, για να καταλάβουμε ότι δεν μιλάμε απλώς για ένα ακόμη εργαλείο.
Τι είναι διαφορετικό αυτή τη φορά;
Αν κοιτάξουμε λίγο πιο πίσω, θα δούμε ότι κάθε μεγάλη τεχνολογική αλλαγή μάς έδινε έναν καινούργιο τρόπο να ξεπερνάμε κάποια από τα φυσικά μας όρια.
Με τις μηχανές πολλαπλασιάσαμε τη μυϊκή μας δύναμη.
Οι υπολογιστές μάς επέτρεψαν να κάνουμε υπολογισμούς με ταχύτητα και ακρίβεια που προηγουμένως ήταν αδιανόητες.
Το διαδίκτυο, στη συνέχεια, άλλαξε ριζικά την πρόσβασή μας στην πληροφορία.
Η Τεχνητή Νοημοσύνη αγγίζει τώρα κάτι διαφορετικό και, κατά τη γνώμη μου, πολύ πιο βαθύ:
τη δυνατότητά μας να επεξεργαζόμαστε, να συνθέτουμε και να αξιοποιούμε γνώση.
Και κάπου εδώ η συζήτηση παύει να αφορά μόνο την τεχνολογία.
Μέχρι σήμερα μεγάλο μέρος της επαγγελματικής μας αξίας βασίστηκε στο ότι γνωρίζαμε πράγματα που κάποιος άλλος δεν γνώριζε ή μπορούσαμε να κάνουμε κάτι που κάποιος άλλος δεν μπορούσε.
Για χρόνια η διαδρομή έμοιαζε σχετικά καθαρή: σπούδαζες, αποκτούσες γνώσεις και μάθαινες ένα επάγγελμα.
Ύστερα, μέσα από τη δουλειά, έχτιζες εμπειρία.
Με τον χρόνο μάθαινες να ξεχωρίζεις τι έχει σημασία, τι λειτουργεί και τι όχι.
Και πάνω σε αυτή τη γνώση και την εμπειρία μπορούσες να στηρίξεις μεγάλο μέρος της επαγγελματικής σου αξίας.
Αυτό το μοντέλο δεν εξαφανίζεται. Αρχίζει, όμως, να αλλάζει.
Τι συμβαίνει, λοιπόν, όταν δίπλα σου υπάρχει πλέον ένα σύστημα που έχει πρόσβαση σε περισσότερη πληροφορία απ’ όση εσύ θα μπορούσες ποτέ να αποθηκεύσεις;
Δεν σημαίνει ότι η γνώση χάνει την αξία της. Σημαίνει ότι αλλάζει ο τρόπος με τον οποίο τη χρησιμοποιούμε: δεν αρκεί να έχουμε πληροφορία· πρέπει να μπορούμε να την καταλαβαίνουμε, να την ελέγχουμε και να τη βάζουμε στο σωστό πλαίσιο.
Το πού ακριβώς μετακινείται η ανθρώπινη αξία σε έναν κόσμο άφθονης γνωστικής παραγωγής είναι ένα ερώτημα που αξίζει να το αφήσουμε ανοιχτό για τώρα.
Και υπάρχει και το θέμα της ταχύτητας
Οι κοινωνίες έχουν ξαναζήσει μεγάλες τεχνολογικές αλλαγές.
Αυτό δεν είναι καινούργιο.
Εκείνο που ίσως είναι καινούργιο είναι ο ρυθμός.
Ένας άνθρωπος μπορούσε κάποτε να μάθει ένα επάγγελμα στα είκοσι πέντε του και, με κάποιες φυσιολογικές προσαρμογές, να βασίσει πάνω σε αυτό το μεγαλύτερο μέρος της επαγγελματικής του ζωής.
Δεν είμαι βέβαιος ότι αυτό θα συνεχίσει να ισχύει με τον ίδιο τρόπο.
Ο άνθρωπος που είναι σήμερα είκοσι ετών μπορεί να χρειαστεί μέσα στα επόμενα σαράντα χρόνια να αλλάξει αρκετές φορές δεξιότητες, τρόπο εργασίας, ίσως ακόμη και ολόκληρο επαγγελματικό πεδίο.
Αυτό δεν αφορά μόνο τους νέους. Αφορά εξίσου τον άνθρωπο που βρίσκεται ήδη στη μέση ή προς το τέλος μιας μακράς επαγγελματικής διαδρομής και βλέπει τον τρόπο της δουλειάς του να αλλάζει.
Το πώς προετοιμάζονται διαφορετικές γενιές για αυτή τη μετάβαση είναι ένα από τα ερωτήματα στα οποία θα επιστρέψουμε αργότερα στη σειρά αυτή των άρθρων.
Δεν μπορούμε να κυνηγάμε για πάντα το επόμενο εργαλείο
Εδώ νομίζω ότι γίνεται και ένα μεγάλο λάθος.
Ακούμε συνεχώς:
«Πρέπει να μάθουμε AI.»
Σωστά.
Τι σημαίνει όμως αυτό στην πράξη;
Δεν εννοώ να μάθουμε απλώς το εργαλείο που χρησιμοποιούμε σήμερα.
Σε λίγους μήνες θα υπάρχει κάποιο άλλο.
Ύστερα θα έρθει ένα νέο μοντέλο, μια διαφορετική δυνατότητα, ένας άλλος τρόπος εργασίας.
Οι agents ήδη αλλάζουν τον τρόπο με τον οποίο σκεφτόμαστε την εκτέλεση ολόκληρων εργασιών.
Και η ρομποτική θα ανοίξει, πιθανότατα, ακόμη ένα διαφορετικό κεφάλαιο.
Δεν μπορεί ο άνθρωπος να περάσει όλη του τη ζωή σε έναν αγώνα να προλάβει την τελευταία έκδοση της τεχνολογίας.
Κάποια στιγμή πρέπει να ψάξουμε κάτι βαθύτερο.
Όχι μόνο:
«Ποιο εργαλείο πρέπει να μάθω τώρα;»
Αλλά:
«Πώς μπορώ να γίνω άνθρωπος που μπορεί να μαθαίνει και να αλλάζει κάθε φορά που ο κόσμος αλλάζει;»
Εκεί αρχίζει, για μένα, η ουσιαστική συζήτηση.
Γιατί η προσαρμογή σε ένα συγκεκριμένο εργαλείο μάς λύνει το σημερινό πρόβλημα.
Η ικανότητα εξέλιξης μάς προετοιμάζει και για το επόμενο.
Και για το μεθεπόμενο.
Σημαίνει να μπορώ να παρατηρώ εγκαίρως ότι κάτι αλλάζει, να καταλαβαίνω τι σημαίνει για μένα, να μαθαίνω ό,τι χρειάζεται, να επανεξετάζω όσα μέχρι χθες θεωρούσα αυτονόητα, να δοκιμάζω και να μαθαίνω από το αποτέλεσμα.
Δεν είναι εύκολο.
Αλλά ίσως γίνει μία από τις σημαντικότερες ανθρώπινες ικανότητες των επόμενων δεκαετιών.
Κι αν τελικά το μεγάλο πρόβλημα δεν είναι η Τεχνητή Νοημοσύνη;
Όσο περισσότερο παρατηρώ όλα αυτά που γράφω, τόσο περισσότερο σκέφτομαι ότι μπορεί να κοιτάμε υπερβολικά πολύ τη μηχανή και πολύ λίγο τον άνθρωπο.
Συνήθως η προσοχή μας μένει στη μηχανή: στο τι θα κάνει, πόσο ικανή θα γίνει και πόσο γρήγορα θα εξελιχθεί.
Συζητάμε για τις δουλειές που μπορεί να επηρεάσει.
Για τις καινούργιες δυνατότητες που θα αποκτήσει.
Για όλα όσα ίσως μπορέσει να δημιουργήσει ή να εκτελέσει.
Όλα αυτά έχουν σημασία.
Αλλά υπάρχει και η άλλη πλευρά της εξίσωσης — και εκεί, κατά τη γνώμη μου, πρέπει να στρέψουμε πολύ περισσότερο την προσοχή μας.
Τι θα χρειάζεται να μπορεί να κάνει ο άνθρωπος;
Πώς θα προετοιμάσουμε τα παιδιά μας για μια αγορά εργασίας που δεν μπορούμε ακόμη να περιγράψουμε;
Πώς θα σταθεί ένας άνθρωπος των 55 απέναντι σε μια αλλαγή που αγγίζει όχι μόνο τη δουλειά του, αλλά και την επαγγελματική του ταυτότητα;
Και πώς θα διατηρούμε τη δική μας κρίση όταν ένα σύστημα μπορεί να μας προσφέρει κάθε στιγμή μια εξαιρετικά πειστική απάντηση;
Αυτά, μαζί με το ερώτημα του τι θα θεωρούμε πραγματικά πολύτιμο σε έναν κόσμο σχεδόν απεριόριστης γνωστικής παραγωγής, είναι για μένα η ουσία της συζήτησης.
Είναι τα ερωτήματα που προσωπικά με ενδιαφέρουν περισσότερο.
Δεν θέλω, μέσα από αυτή τη σειρά, να προσπαθήσω να προβλέψω το μέλλον.
Δεν νομίζω ότι μπορεί να το κάνει κανείς με σοβαρότητα.
Θέλω να κάνουμε κάτι ίσως περισσότερο χρήσιμο.
Να εξετάσουμε πώς μπορούμε να είμαστε καλύτερα προετοιμασμένοι για έναν κόσμο που δεν μπορούμε να προβλέψουμε.
Ως εργαζόμενοι.
Ως επαγγελματίες.
Ως γονείς.
Ως επιχειρηματίες και οργανισμοί.
Και τελικά ως άνθρωποι.
Γιατί όσο περισσότερο εξελίσσεται η Τεχνητή Νοημοσύνη, τόσο περισσότερο έχω την αίσθηση ότι η πιο ενδιαφέρουσα ερώτηση δεν είναι:
«Πόσο έξυπνη θα γίνει η μηχανή;»
Είναι:
«Πόσο ικανός θα παραμείνει ο άνθρωπος να καταλαβαίνει, να μαθαίνει, να αποφασίζει και να εξελίσσεται μέσα σε έναν κόσμο που αλλάζει μαζί της;»
Και ίσως από εκεί πρέπει να ξεκινήσει πραγματικά η συζήτηση.
Στο επόμενο άρθρο: «Όταν η Τεχνητή Νοημοσύνη αρχίσει να κάνει τη δουλειά μας» — όχι για να προσπαθήσουμε να μαντέψουμε ποιο επάγγελμα θα εξαφανιστεί πρώτο, αλλά για να δούμε τι συμβαίνει όταν όλο και λιγότεροι άνθρωποι μπορούν να παράγουν όλο και περισσότερη αξία.
Πηγές
International Labour Organization (ILO), Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper 140, 20 May 2025.
ILO — Generative AI and Jobs: A Refined Global Index of Occupational Exposure
International Labour Organization (ILO), Generative AI and jobs: A 2025 update, Research Brief, 20 May 2025.
ILO — Generative AI and jobs: A 2025 update
Anthropic, Building Effective Agents, 19 December 2024.
Anthropic — Building Effective Agents
