Η τεχνητή νοημοσύνη χρησιμοποιείται αυξανόμενα στις εργασίες έντασης γνώσης, αλλά η πραγματική της επίδραση παραμένει ασαφής και συχνά παρερμηνευμένη. Οπως σε κάθε μεγάλη τεχνολογική τομή, διαφορετικοί παρατηρητές έχουν ανόμοιες οπτικές του ίδιου φαινομένου. Αλλοι επικεντρώνονται στην αύξηση της παραγωγικότητας, άλλοι στην απειλή για την απασχόληση. Στην πραγματικότητα πρόκειται για έναν μετασχηματισμό που εξελίσσεται ταυτόχρονα προς αντιφατικές κατευθύνσεις, θυμίζοντας ιστορικές μεταβάσεις, όπως η εισαγωγή της τυπογραφίας ή η Βιομηχανική Επανάσταση.
Η πρώτη και πιο άμεση επίδραση αφορά τα αποτελέσματα της δουλειάς μας που αλλάζουν αλλοπρόσαλλα. Από τη μια πλευρά, η τεχνητή νοημοσύνη διαχέει βέλτιστες πρακτικές σε ευρύ κοινό. Γνώσεις και δεξιότητες που παλαιότερα κατείχαν μόνο έμπειροι επαγγελματίες καθίστανται πλέον εύκολα προσβάσιμες, όπως συνέβη και με την τυπογραφία, που σε σχέση με τα χειρόγραφα έκανε τα βιβλία πιο διαδεδομένα, ευανάγνωστα και φθηνά. Αντίστοιχα, σήμερα ακόμη και λιγότερο έμπειροι εργαζόμενοι μπορούν με τη χρήση της τεχνητής νοημοσύνης να αξιοποιούν προηγμένες μεθόδους εργασίας, βελτιώνοντας την αποδοτικότητά τους. Από την άλλη πλευρά, η ίδια τεχνολογία παράγει συχνά αποτελέσματα χαμηλής ποιότητας: λύσεις με λανθασμένα, περιττά ή ελλιπή στοιχεία. Το αποτέλεσμα είναι αύξηση της συνολικής παραγωγής, αλλά και ταυτόχρονη διεύρυνση της διακύμανσης ποιότητας.
Η μείωση του κόστους παραγωγής οδηγεί αναπόφευκτα σε αφθονία. Οπως η βελτίωση της αποδοτικότητας χρήσης του άνθρακα τον 19ο αιώνα δεν μείωσε αλλά αύξησε τη συνολική κατανάλωσή του, έτσι και η τεχνητή νοημοσύνη καθιστά εφικτές εφαρμογές που προηγουμένως δεν ήταν οικονομικά βιώσιμες. Εργασίες που παλαιότερα απαιτούσαν σημαντικούς πόρους μπορούν πλέον να εκτελούνται γρήγορα και φθηνά, διευρύνοντας τη ζήτηση. Για παράδειγμα, όλο και περισσότερες εργασίες θα μπορούν να αυτοματοποιούνται με τη χρήση υπολογιστών. Ετσι, η αύξηση της παραγωγικότητας δεν οδηγεί κατ’ ανάγκην σε μείωση της συνολικής εργασίας, αλλά συχνά σε ανακατανομή και επέκτασή της.
Οι επιπτώσεις στην απασχόληση είναι εξίσου πολυδιάστατες. Η Ιστορία προσφέρει χρήσιμα παραδείγματα: τα τηλεφωνικά κέντρα αντικατέστησαν τις τηλεφωνήτριες, ενώ οι σύγχρονες γλώσσες προγραμματισμού ηλεκτρονικών υπολογιστών αύξησαν τον αριθμό των προγραμματιστών. Αντίστοιχα, η βιομηχανοποίηση της υφαντουργίας μείωσε τη ζήτηση για εξειδικευμένους τεχνίτες, αλλά αύξησε τη συνολική απασχόληση σε λιγότερο εξειδικευμένες θέσεις, με χαμηλότερες αποδοχές. Σήμερα παρατηρούμε παρόμοιες τάσεις. Σε μεγάλους, ώριμους οργανισμούς, η αύξηση της παραγωγικότητας μπορεί να μειώσει τις ανάγκες για προσωπικό, ιδίως σε θέσεις που σχετίζονται με ρουτίνα, όπως σε κέντρα τηλεφωνικής υποστήριξης. Αντιθέτως, σε μικρότερες ή αναπτυσσόμενες επιχειρήσεις, η τεχνητή νοημοσύνη επιτρέπει την ανάληψη περισσότερων δραστηριοτήτων και ενισχύει την ανταγωνιστικότητά τους, διατηρώντας ή και αυξάνοντας την απασχόληση. Αυτός ο μετασχηματισμός ταιριάζει στα χαρακτηριστικά της ελληνικής οικονομίας και μπορεί να αποτελέσει μια μεγάλη ευκαιρία γι’ αυτήν.
Καθοριστικό ρόλο στην απασχόληση και στους μισθούς διαδραματίζει το είδος της εργασίας. Οταν η τεχνητή νοημοσύνη μειώνει τις απαιτήσεις εξειδίκευσης, διευρύνει την προσφορά εργασίας και πιέζει τους μισθούς προς τα κάτω. Αντιθέτως, όταν χρησιμοποιείται για την επίλυση πιο σύνθετων προβλημάτων, αυξάνει την αξία των εξειδικευμένων εργαζομένων. Το ίδιο φαινόμενο είχε παρατηρηθεί και στη λογιστική, όπου η μηχανογράφηση βασικών εργασιών επέτρεψε στους επαγγελματίες να επικεντρωθούν στην ανάλυση και στη στρατηγική, αυξάνοντας την αμοιβή τους. Σήμερα, οι εργαζόμενοι που συνδυάζουν τεχνητή νοημοσύνη με βαθιά γνώση και κρίση καθίστανται ιδιαίτερα παραγωγικοί και περιζήτητοι.
Ωστόσο, η αυξημένη εξάρτηση από αυτοματοποιημένα εργαλεία ενέχει κινδύνους. Σε κλάδους όπως στην αεροπορία ή στη ναυτιλία έχει παρατηρηθεί ότι η αυτοματοποίηση μπορεί να οδηγήσει σε απίσχνανση δεξιοτήτων και δυσκολία αντιμετώπισης καταστάσεων όταν τα αυτόματα συστήματα αποτυγχάνουν. Αντίστοιχα φαινόμενα είναι πιθανό να εμφανιστούν και στις εργασίες έντασης γνώσης, όπου η υπερβολική εμπιστοσύνη στην τεχνητή νοημοσύνη μπορεί να υπονομεύσει τις δεξιότητες και την ανθρώπινη κρίση.
Η προσαρμογή σε αυτό το νέο περιβάλλον δεν είναι αυτόματη. Οι οργανισμοί καλούνται να ενσωματώσουν την τεχνητή νοημοσύνη με συστηματικό τρόπο, αναθεωρώντας διαδικασίες και ενισχύοντας τους μηχανισμούς διασφάλισης ποιότητας. Παράλληλα, απαιτείται επένδυση στην εκπαίδευση και στη συνεχή ανάπτυξη δεξιοτήτων. Οι εργαζόμενοι, από την πλευρά τους, οφείλουν να διατηρούν ενεργά τις ικανότητές τους και να χρησιμοποιούν την τεχνολογία ως εργαλείο ενίσχυσης και όχι υποκατάστασης της σκέψης τους.
Κοντολογίς, η τεχνητή νοημοσύνη λειτουργεί ως επιταχυντής υπαρχουσών τάσεων, ενισχύοντας τόσο τις ευκαιρίες όσο και τις ανισότητες. Δεν καθορίζει από μόνη της το μέλλον της παραγωγικότητας και της απασχόλησης. Αυτό θα διαμορφωθεί από τον τρόπο με τον οποίο κοινωνία, επιχειρήσεις και εργαζόμενοι θα επιλέξουν να την αξιοποιήσουν.
*Ο κ. Διομήδης Σπινέλλης είναι καθηγητής στο Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας του Οικονομικού Πανεπιστημίου Αθηνών και στο Τμήμα Τεχνολογίας Λογισμικού του Πολυτεχνείου του Ντελφτ.
