Η Τεχνητή Νοημοσύνη δεν χρειάζεται να εξαφανίσει ένα επάγγελμα για να αλλάξει την εργασία. Αν λιγότεροι άνθρωποι μπορούν να παράγουν περισσότερα, αλλάζει ολόκληρη η σχέση ανάμεσα στην τεχνολογία, την παραγωγικότητα και την απασχόληση.
Γράφει ο Γιώργος Δεληκώστας – Human Evolution Mentor in the AI Age
Για πολλά χρόνια, όταν μιλούσαμε για αυτοματοποίηση, η εικόνα που είχαμε στο μυαλό μας ήταν σχετικά απλή: ένα εργοστάσιο, μία γραμμή παραγωγής, ένας βιομηχανικός βραχίονας που αναλαμβάνει μία επαναλαμβανόμενη ανθρώπινη κίνηση.
Η τεχνολογία έμπαινε κυρίως εκεί όπου υπήρχε χειρωνακτική επανάληψη. Μπορούσε να αλλάξει δραματικά ένα εργοστάσιο, αλλά ο λογιστής, ο δικηγόρος, ο προγραμματιστής, ο σύμβουλος ή ο άνθρωπος του marketing αισθάνονταν συνήθως ότι η δική τους δουλειά βρισκόταν κάπου αλλού.
Σήμερα αυτή η διάκριση αρχίζει να θολώνει.
Η Τεχνητή Νοημοσύνη δεν μπαίνει μόνο στο εργοστάσιο. Μπαίνει στο λογιστήριο, στη νομική έρευνα, στην ανάλυση δεδομένων, στο marketing, στον προγραμματισμό, στη διοίκηση, στην εξυπηρέτηση πελατών, στην εκπαίδευση και στη δημιουργία περιεχομένου.
Και αυτό είναι ουσιαστικά καινούργιο, γιατί αυτή τη φορά η αυτοματοποίηση δεν αγγίζει μόνο τη δύναμη των χεριών. Αγγίζει κομμάτια της γνωστικής εργασίας.
Το ερώτημα, λοιπόν, δεν είναι πια αν η ΤΝ θα επηρεάσει την εργασία. Αυτό έχει ήδη αρχίσει. Το ερώτημα είναι με ποιον τρόπο — και πόσο βαθιά.
Δεν χρειάζεται να εξαφανιστεί το επάγγελμα
Εδώ θεωρώ ότι χρειάζεται μεγάλη προσοχή, γιατί η δημόσια συζήτηση πηγαίνει πολύ εύκολα στα δύο άκρα. Από τη μία ακούμε ότι «η AI θα πάρει όλες τις δουλειές» και από την άλλη ότι «έτσι έλεγαν για κάθε νέα τεχνολογία και τελικά δημιουργήθηκαν περισσότερες δουλειές».
Και οι δύο φράσεις είναι υπερβολικά απλές για ένα τόσο σύνθετο φαινόμενο.
Η Διεθνής Οργάνωση Εργασίας υπολογίζει ότι περίπου ένας στους τέσσερις εργαζομένους παγκοσμίως βρίσκεται σε επάγγελμα με κάποιον βαθμό έκθεσης στη Generative AI. Αυτό όμως δεν σημαίνει ότι ένας στους τέσσερις ανθρώπους πρόκειται να χάσει τη δουλειά του. Η ίδια η ILO επιμένει ότι, με τα σημερινά δεδομένα, η μεταμόρφωση των θέσεων είναι πιθανότερη από την πλήρη εξαφάνιση των περισσότερων επαγγελμάτων.
Και αυτό έχει λογική. Ένα επάγγελμα δεν είναι μία ενιαία λειτουργία. Ένας λογιστής δεν κάνει μόνο εγγραφές, ένας δικηγόρος δεν κάνει μόνο έρευνα και ένας προγραμματιστής δεν γράφει μόνο κώδικα. Κάθε επαγγελματικός ρόλος είναι ένα σύνολο από διαφορετικά καθήκοντα, άλλα περισσότερο επαναλαμβανόμενα και άλλα πολύ πιο σύνθετα.
Η ΤΝ μπορεί να αναλάβει κάποια από αυτά, να επιταχύνει κάποια άλλα και να αφήσει τα πιο σύνθετα στον άνθρωπο. Το επάγγελμα, επομένως, μπορεί να συνεχίσει να υπάρχει — αλλά να έχει αλλάξει τόσο πολύ ώστε να χρειάζεται διαφορετικές δεξιότητες και, ίσως, λιγότερους ανθρώπους.
Ας πάρουμε ένα απλό παράδειγμα. Μία επιχείρηση έχει σήμερα μία ομάδα δέκα ανθρώπων που κάνει έρευνα, δημιουργεί αναφορές, ετοιμάζει παρουσιάσεις, παρακολουθεί στοιχεία, γράφει κείμενα και συντονίζει δεκάδες μικρές καθημερινές εργασίες.
Αν σε λίγα χρόνια οι ίδιοι άνθρωποι έχουν δίπλα τους συστήματα που αναλαμβάνουν μεγάλο μέρος της έρευνας, τα πρώτα προσχέδια, τις συγκρίσεις, την οργάνωση πληροφοριών και πολλές εργασίες ρουτίνας, η λειτουργία αυτή δεν εξαφανίζεται.
Αλλά μπορεί να μη χρειάζεται πλέον δέκα ανθρώπους.
Δεν λέω ότι θα χρειάζεται πέντε, έξι ή τρεις. Αυτό δεν μπορούμε να το γνωρίζουμε από σήμερα.
Λέω κάτι πιο απλό: αν η παραγωγικότητα ανά άνθρωπο αυξηθεί σημαντικά, τότε η σύνδεση ανάμεσα στην ανάπτυξη μιας επιχείρησης και στον αριθμό των ανθρώπων που χρειάζεται να προσλάβει μπορεί να αλλάξει.
Και αυτό, αν συμβεί σε μεγάλη κλίμακα, έχει πολύ διαφορετικές συνέπειες από την κλασική εικόνα μιας εταιρείας που «αντικαθιστά» έναν εργαζόμενο με μία μηχανή.
Από τον βοηθό στα συστήματα που αναλαμβάνουν ολόκληρες διαδικασίες
Μέχρι πολύ πρόσφατα, οι περισσότεροι χρησιμοποιούσαμε την ΤΝ σαν έναν εξαιρετικά γρήγορο βοηθό. Της ζητούσαμε να γράψει ένα πρώτο κείμενο, να συνοψίσει ένα αρχείο, να μας δώσει ιδέες ή να βοηθήσει σε μία ανάλυση. Ο άνθρωπος έδινε κάθε φορά την επόμενη οδηγία.
Η επόμενη φάση είναι διαφορετική.
Τα συστήματα αρχίζουν να μπορούν να αναλαμβάνουν ολόκληρες ακολουθίες εργασιών: να σχεδιάζουν τα βήματα, να χρησιμοποιούν εργαλεία, να ελέγχουν ενδιάμεσα αποτελέσματα, να συνεργάζονται με άλλα συστήματα και να επιστρέφουν στον άνθρωπο όταν χρειάζεται έγκριση, κρίση ή νέα κατεύθυνση.
Η Anthropic, αναλύοντας πραγματικές αλληλεπιδράσεις με τα μοντέλα της, περιγράφει ήδη αυτή τη διαφορά ανάμεσα στην ενίσχυση του ανθρώπου από την ΤΝ (augmentation) και στην αυτοματοποίηση (automation), όπου μεγαλύτερο μέρος μιας διαδικασίας ανατίθεται στο σύστημα.
Για μένα, αυτή είναι μία από τις σημαντικότερες μεταβάσεις που πρέπει να παρακολουθούμε. Υπάρχει μεγάλη απόσταση ανάμεσα στο «η ΤΝ με βοηθά να κάνω καλύτερα τη δουλειά μου» και στο «η ΤΝ αναλαμβάνει σημαντικό μέρος της διαδικασίας και εγώ παρεμβαίνω στα σημεία που απαιτούν κρίση».
Στη δεύτερη περίπτωση δεν αλλάζει μόνο το εργαλείο. Αλλάζει η ίδια η οργάνωση της εργασίας.
Η μεγάλη αλλαγή μπορεί να είναι οι προσλήψεις που δεν θα γίνουν
Όταν ακούμε ότι η ΤΝ θα επηρεάσει την απασχόληση, συνήθως φανταζόμαστε κάποιον που σήμερα έχει μία δουλειά και αύριο απολύεται.
Υπάρχει όμως και μία πολύ πιο αθόρυβη εκδοχή.
Μία επιχείρηση που, για να μεγαλώσει, πριν από λίγα χρόνια θα προσλάμβανε άλλους είκοσι ανθρώπους μπορεί αύριο να μεγαλώσει προσλαμβάνοντας πέντε ή δέκα, επειδή οι υπάρχοντες εργαζόμενοι διαθέτουν πολύ μεγαλύτερη τεχνολογική μόχλευση.
Σε αυτή την περίπτωση μπορεί να μη γίνει καμία απόλυση και να μη δούμε ποτέ κάποια δραματική ανακοίνωση. Η αλλαγή θα είναι πολύ πιο αθόρυβη.
Υπάρχουν απλώς θέσεις που, σε έναν προηγούμενο τρόπο οργάνωσης της οικονομίας, θα είχαν δημιουργηθεί και τώρα μπορεί να μη δημιουργηθούν ποτέ.
Αν αυτό συμβεί σε χιλιάδες επιχειρήσεις, τότε η αγορά εργασίας μπορεί να αλλάζει πολύ πιο γρήγορα απ’ όσο δείχνουν οι απολύσεις που μετράμε κάθε μήνα.
Και αυτή τη φορά δεν μιλάμε μόνο για τις «εύκολες» δουλειές
Υπάρχει ακόμη ένα στοιχείο που κάνει αυτή την τεχνολογική αλλαγή διαφορετική. Η ΤΝ δεν επηρεάζει μόνο επαναλαμβανόμενες εργασίες χαμηλής εξειδίκευσης.
Το IMF εκτιμά ότι περίπου το 40% της παγκόσμιας απασχόλησης βρίσκεται σε κάποιο βαθμό έκθεσης στην ΤΝ, ενώ στις προηγμένες οικονομίες το ποσοστό πλησιάζει το 60%. Αυτό δεν σημαίνει, ξανά, ότι οι συγκεκριμένες θέσεις θα εξαφανιστούν. Δείχνει όμως πόσο βαθιά φτάνει πλέον η τεχνολογία μέσα στη γνωστική εργασία.
Οικονομική ανάλυση, νομική έρευνα, προγραμματισμός, σχεδιασμός, διοικητικές λειτουργίες, δημιουργία περιεχομένου — όλα αυτά έχουν κομμάτια που μπορούν να υποστηριχθούν ή να αυτοματοποιηθούν.
Άρα η νέα διαχωριστική γραμμή δεν είναι τόσο απλή όσο «μορφωμένος εναντίον ανειδίκευτου».
Μπορεί να περνά ανάμεσα στον άνθρωπο του οποίου οι δυνατότητες πολλαπλασιάζονται από την ΤΝ και στον άνθρωπο του οποίου το μεγαλύτερο μέρος της σημερινής καθημερινής εργασίας μπορεί να εκτελεστεί από αυτήν.
Και αυτό αλλάζει πολύ τον τρόπο με τον οποίο πρέπει να σκεφτόμαστε την επαγγελματική ασφάλεια.
Από την άλλη, θα ήταν λάθος να βλέπαμε μόνο τη σκοτεινή πλευρά.
Ο ίδιος μηχανισμός που μπορεί να μειώσει την ανάγκη για ανθρώπινο χρόνο μπορεί να δώσει σε έναν άνθρωπο δυνατότητες που μέχρι χθες απαιτούσαν ολόκληρη ομάδα.
Ένας μικρός επιχειρηματίας μπορεί να έχει πρόσβαση σε ανάλυση, έρευνα αγοράς, δημιουργικό περιεχόμενο, οικονομικό σχεδιασμό και τεχνολογική υποστήριξη που παλαιότερα απαιτούσαν πολλούς διαφορετικούς συνεργάτες.
Ένας επιστήμονας μπορεί να επεξεργάζεται περισσότερες πληροφορίες. Ένας εκπαιδευτικός να δημιουργεί πολύ πιο προσωποποιημένο υλικό. Ένας δημιουργός να πραγματοποιεί ιδέες για τις οποίες κάποτε θα χρειαζόταν studio.
Και αυτό μπορεί να γεννήσει δραστηριότητες, υπηρεσίες και επιχειρήσεις που σήμερα δεν υπάρχουν.
Το World Economic Forum, άλλωστε, στην πρόβλεψή του μέχρι το 2030 δεν βλέπει μόνο εκτόπιση θέσεων. Στο σύνολο των μεγάλων τεχνολογικών, οικονομικών, δημογραφικών και περιβαλλοντικών αλλαγών εκτιμά περίπου 92 εκατομμύρια θέσεις που θα εκτοπιστούν αλλά και περίπου 170 εκατομμύρια νέες θέσεις.
Άρα δεν έχουμε σοβαρό λόγο να παρουσιάζουμε το μέλλον ως μία ήδη αποφασισμένη καταστροφή.
Έχουμε, όμως, κάθε λόγο να προετοιμαζόμαστε για μία πολύ μεγάλη αναδιάρθρωση.
Υπάρχει όμως ένα πρόβλημα που δεν χωράει στους δείκτες παραγωγικότητας. Ακόμη κι αν δημιουργηθούν νέες ευκαιρίες, οι άνθρωποι δεν μετακινούνται αυτόματα από την παλιά εργασία στη νέα.
Αυτό είναι το πρόβλημα της μετάβασης. Εδώ αρκεί να το αναγνωρίσουμε· στο επόμενο άρθρο θα το εξετάσουμε σε βάθος.
Τι θα γίνει με την πρώτη σκάλα;
Υπάρχει και μία συνέπεια που θεωρώ ότι συζητάμε πολύ λιγότερο απ’ όσο θα έπρεπε.
Οι περισσότερες καριέρες έχουν μία πρώτη σκάλα. Ο νέος επαγγελματίας ξεκινά με τις πιο απλές εργασίες, κάνει λάθη, παρατηρεί τους πιο έμπειρους, αποκτά σταδιακά κρίση και κάποια στιγμή γίνεται ο ίδιος senior.
Πολλές από τις εργασίες που μπορεί πιο εύκολα να αναλάβει η ΤΝ είναι ακριβώς αυτές οι πρώτες εργασίες: βασική έρευνα, πρώτα προσχέδια, απλές συγκρίσεις, τεκμηρίωση, έλεγχοι ρουτίνας και επεξεργασία δεδομένων.
Αν οι εταιρείες αρχίσουν να χρειάζονται πολύ λιγότερους νέους επαγγελματίες, δημιουργείται ένα παράξενο ερώτημα: πώς θα αποκτήσουν οι νέοι την εμπειρία από την οποία δημιουργούνται οι έμπειροι επαγγελματίες του αύριο;
Δεν λέω ότι αυτή η σκάλα θα εξαφανιστεί. Πιθανότατα θα ξανασχεδιαστεί.
Αλλά πρέπει να τη ξανασχεδιάσουμε συνειδητά, γιατί η κρίση δεν εμφανίζεται μαγικά μόνο και μόνο επειδή κάποιος έχει πρόσβαση στην ΤΝ.
Η ILO προειδοποιεί επίσης ότι οι δείκτες έκθεσης στην ΤΝ δεν πρέπει να μεταφράζονται μηχανιστικά σε απώλειες θέσεων. Αυτό όμως δεν αναιρεί το γεγονός ότι τα καθήκοντα μέσα στα επαγγέλματα ήδη αλλάζουν — και μαζί τους πρέπει να αλλάξει και ο τρόπος με τον οποίο μαθαίνουμε ένα επάγγελμα.
Οι επιχειρήσεις δεν θα περιμένουν να τελειώσει η κοινωνική συζήτηση
Για τις επιχειρήσεις υπάρχει και μία πολύ πρακτική πραγματικότητα.
Αν μια τεχνολογία μειώνει το κόστος ή αυξάνει σημαντικά την παραγωγικότητα, κάποια επιχείρηση θα την αξιοποιήσει. Και αν αυτό της δώσει ανταγωνιστικό πλεονέκτημα, οι υπόλοιπες θα πιεστούν να ακολουθήσουν.
Δεν χρειάζεται η τεχνολογία να είναι τέλεια για να αλλάξει την αγορά.
Χρειάζεται να είναι αρκετά καλή, αρκετά αξιόπιστη και αρκετά φθηνή ώστε να συμφέρει.
Κάπως έτσι η αλλαγή μπορεί να εξαπλωθεί πολύ πριν προλάβουμε ως κοινωνία να αποφασίσουμε τι ακριβώς θέλουμε να κάνουμε με αυτήν.
Και γι’ αυτό θεωρώ επικίνδυνο να περιμένουμε πρώτα να ξεκαθαρίσει το τοπίο και μετά να αρχίσουμε να προετοιμαζόμαστε. Το τοπίο πιθανότατα δεν θα «ξεκαθαρίσει» ποτέ με τον τρόπο που θα θέλαμε.
Υπάρχει όμως και μία υπόθεση που συχνά κάνουμε χωρίς να το καταλαβαίνουμε.
Αν ένας άνθρωπος μπορεί με τη βοήθεια της ΤΝ να παράγει όσο τρεις, φανταζόμαστε ότι η εταιρεία θα κρατήσει έναν και θα απομακρύνει τους άλλους δύο.
Αυτό είναι ένα πιθανό σενάριο. Δεν είναι το μοναδικό.
Μπορεί η ίδια εταιρεία να κρατήσει και τους τρεις και να δημιουργήσει πολύ περισσότερα προϊόντα, να εξυπηρετήσει περισσότερους πελάτες ή να μπει σε αγορές που προηγουμένως δεν μπορούσε να προσεγγίσει.
Η ιστορία της τεχνολογίας έχει πολλές περιπτώσεις όπου, όταν το κόστος ενός πράγματος μειώθηκε, η κοινωνία δεν παρήγαγε απλώς την ίδια ποσότητα φθηνότερα. Άρχισε να παράγει πολύ περισσότερο από αυτό.
Αυτό μπορεί να οδηγήσει σε νέες αγορές, καινούργιες ανάγκες και ρόλους που σήμερα ίσως δεν μπορούμε ακόμη να περιγράψουμε.
Γι’ αυτό και θεωρώ πρόωρο να μιλάμε με βεβαιότητα για το τελικό ποσοστό ανεργίας που θα προκαλέσει η ΤΝ.
Αυτό που μπορούμε να πούμε με μεγαλύτερη ασφάλεια είναι ότι η σχέση ανάμεσα στην παραγωγικότητα, στην εργασία και στον αριθμό των ανθρώπων που απαιτούνται για να δημιουργηθεί αξία αλλάζει ήδη.
Αυτό που μένει ανοιχτό είναι ο ρόλος του ανθρώπου μέσα σε αυτή τη νέα οργάνωση της εργασίας. Αν η εκτέλεση γίνεται ολοένα πιο εύκολη, τότε η αξία του ανθρώπου πιθανότατα θα μετακινηθεί σε διαφορετικά σημεία — αλλά αυτό είναι θέμα που θα εξετάσουμε αργότερα στη σειρά.
Όλα αυτά έχουν και κοινωνικές συνέπειες, αλλά δεν θα προσπαθήσουμε να τις λύσουμε εδώ. Το σημαντικό, σε αυτό το σημείο, είναι ότι η τεχνολογία μπορεί να αλλάξει την εργασία πολύ πριν συμφωνήσουμε ως κοινωνία για το πώς θα διαχειριστούμε τις συνέπειές της.
Και κάπου εκεί ανοίγει το επόμενο πρόβλημα: οι επιχειρήσεις και τα εργαλεία μπορούν να αλλάζουν γρήγορα· οι άνθρωποι όμως χρειάζονται χρόνο για να περάσουν από μια πραγματικότητα στην επόμενη.
Στο επόμενο άρθρο: «Η μεγάλη πρόκληση δεν θα είναι η ανεργία — θα είναι η μετάβαση». Τι συμβαίνει όταν οι δουλειές που δημιουργούνται δεν είναι οι δουλειές που μπορούν να κάνουν οι άνθρωποι που χάνουν τις παλιές τους; Και γιατί η πραγματική δυσκολία μπορεί να βρίσκεται ακριβώς στο διάστημα ανάμεσα στον παλιό και στον νέο κόσμο;
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
Anthropic, The Anthropic Economic Index, 10 February 2025.
Anthropic — The Anthropic Economic Index
Anthropic, Building Effective Agents, 19 December 2024.
Anthropic — Building Effective Agents
International Monetary Fund (IMF), AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity, 14 January 2024.
IMF — AI Will Transform the Global Economy
World Economic Forum, The Future of Jobs Report 2025, 7 January 2025.
World Economic Forum — The Future of Jobs Report 2025
