«Ορισμένες θέσεις εργασίας θα αυτοματοποιηθούν, και άλλες πρόκειται να “ενισχυθούν”», υπόσχονται οι εταιρείες AI, που διαφημίζουν τις δυνατότητες των μεγάλων γλωσσικών μοντέλων τους την ώρα που οι μεγαλύτερες εταιρείες στον κόσμο διοχετεύουν τεράστια ποσά σε εργαλεία τεχνητής νοημοσύνης, προσβλέποντας, εν μέρει, σε μελλοντική εξοικονόμηση του κόστους εργασίας.
Δεν είναι λίγοι μάλιστα οι επενδυτές που αναρωτιούνται αν ορισμένες θέσεις εργασίας πρέπει πλέον να καλύπτονται από νέους εργαζομένους ή από «AI Agents», δηλαδή εικονικούς εργαζομένους που έχουν αναλάβει συγκεκριμένους ρόλους – μερικοί από τους οποίους είναι μάλιστα εξειδικευμένοι.
Ακόμα και αν επαληθευτούν οι μισές από τις υποσχέσεις των εταιρειών ΑΙ, ο αντίκτυπος θα είναι αισθητός σχεδόν σε όλους τους τομείς, και αυτό ίσως συμβεί νωρίτερα απ’ όσο πιστεύουμε. Νομπελίστες οικονομολόγοι έχουν προειδοποιήσει ότι ο κόσμος «πρέπει να δράσει τώρα» για να διασφαλίσει ότι η τεχνητή νοημοσύνη θα οδηγήσει σε βελτίωση του βιοτικού επιπέδου, χωρίς να καταστρέψει την αγορά εργασίας και τις προοπτικές καριέρας καταρτισμένων υπαλλήλων. Τον περασμένο Ιούλιο, επιχειρήσεις του Λονδίνου έκρουσαν τον κώδωνα του κινδύνου, καθώς βλέπουν πως η τεχνητή νοημοσύνη ήδη διαταράσσει την αγορά εργασίας.
Πλέον τα Μεγάλα Γλωσσικά Μοντέλα (LLM) μπορούν όλο και περισσότερο να ολοκληρώνουν σύνθετες εργασίες, για τις οποίες ο μέσος εργαζόμενος χρειάζεται περισσότερη ώρα. Για παράδειγμα, ορισμένα από τα LLM μπορούν να εντοπίσουν αστραπιαία προβλήματα σε ένα συμβόλαιο κρυπτονομισμάτων, ακόμα και να αναπτύξουν και να βελτιστοποιήσουν το ίδιο το μοντέλο, κάτι για το οποίο ένας άνθρωπος θα χρειαζόταν αρκετές ώρες.
Αντίστοιχες επιδόσεις καταγράφονται σε περιπτώσεις οικονομικών αναλύσεων, νομικών εργασιών – ακόμα και σε ορισμένες θέσεις με «δημιουργικό» αντικείμενο.
Το «παράδειγμα» των ΗΠΑ
Τι σημαίνουν όλα αυτά πρακτικά για τις θέσεις εργασίας; Οι πιο εμπεριστατωμένες αναλύσεις προέρχονται μέχρι στιγμής από τις ΗΠΑ, χρησιμοποιώντας δεδομένα τεσσάρων ετών για τα αποτελέσματα απασχόλησης ανά ηλικία, σε μια σειρά επαγγελμάτων που είναι περισσότερο εκτεθειμένα στην τεχνητή νοημοσύνη (συμπεριλαμβανομένων των προγραμματιστών λογισμικού και των εκπροσώπων επικοινωνίας με πελάτες), αλλά και άλλα λιγότερο εκτεθειμένα στην τεχνητή νοημοσύνη (εργαζόμενοι στον τομέα της υγείας, εκπαιδευτικοί, κομμωτές κ.ά.).
Η ανάλυση του Πανεπιστημίου Στάνφορντ για τα δεδομένα μισθών και θέσεων εργασίας διαπιστώνει πλήγμα στην απασχόληση για άτομα από 22 έως 25 ετών, κατά 2,7% από τότε που το ChatGPT διαδόθηκε ευρέως, ποσοστό που αυξάνεται στο 12,8% στους τομείς που είναι περισσότερο εκτεθειμένοι στην τεχνητή νοημοσύνη, όπως τα χρηματοοικονομικά, οι εργασίες που σχετίζονται με λογισμικό, και οι δημιουργικοί κλάδοι.
Βέβαια, υπάρχουν οικονομολόγοι, που αποδίδουν αυτά τα δεδομένα σε άλλους παράγοντες, όπως οι αυξήσεις των επιτοκίων.
Το Ηνωμένο Βασίλειο καταγράφει μία από τις μεγαλύτερες μειώσεις στη ζήτηση για θέσεις εργασίας που εκτίθενται στο AI
Η ζήτηση εργασίας, όπως σκιαγραφείται στις διαδικτυακές αγγελίες, έχει επίσης επηρεαστεί από τότε που το ChatGPT και άλλα LLM μπήκαν στη ζωή μας. Παρά το γεγονός ότι διαδραματίζουν ρόλο και αρκετοί άλλοι παράγοντες (από τα επιτόκια ώς τη φορολογία), αξίζει να σημειωθεί η πρόσφατη ανάλυση του ΟΟΣΑ σχετικά με τη διαφορά σε κλάδους που είναι ιδιαίτερα εκτεθειμένοι στην τεχνητή νοημοσύνη (όπως το τηλεμάρκετινγκ και οι νομικές υπηρεσίες), αλλά και σε κλάδους με μικρότερη έκθεση (όπως οι κατασκευές, οι υπηρεσίες καθαρισμού και η προετοιμασία τροφίμων).
Το Ηνωμένο Βασίλειο επλήγη έντονα βάσει αυτού του δείκτη, σε μια περίοδο κατά την οποία τα επιτόκια παρέμεναν σταθερά ή μειώνονταν.
Σύμφωνα με τις περισσότερες διεθνείς συγκρίσεις, η μεγάλη συγκέντρωση της βρετανικής οικονομίας στον τομέα των υπηρεσιών, την καθιστά ιδιαίτερα εκτεθειμένη στις πιθανές απώλειες θέσεων εργασίας που ενδέχεται να προκαλέσει η τεχνητή νοημοσύνη.
Πώς η χρήση των AI tokens έχει εκτοξευθεί τους τελευταίους μήνες
Η κατανάλωση υπολογιστικών πόρων στα μοντέλα τεχνητής νοημοσύνης αποτυπώνεται σε tokens, δηλαδή μικρές μονάδες που χρησιμοποιούν τα συστήματα τεχνητής νοημοσύνης, για να κατανοούν, να αναλύουν και να παράγουν γλώσσα. Κατά μέσο όρο, ένα token παράγει περίπου τα… τρία τέταρτα μιας αγγλικής λέξης.
Το 2026 καταγράφηκε εντυπωσιακή αύξηση στη χρήση της τεχνητής νοημοσύνης, με την αύξηση στη χρήση tokens να υπερκαλύπτει κατά πολύ τη μείωση του «κόστους ανά token». Οι μεγαλύτερες εταιρείες παγκοσμίως που αξιοποιούν την τεχνητή νοημοσύνη έχουν θεσπίσει «πίνακες κατάταξης tokens» (token leaderboards), προκειμένου να ενθαρρύνουν τους εργαζομένους τους να αποκομίζουν τη μέγιστη δυνατή αύξηση της παραγωγικότητας από τα πλέον προηγμένα μοντέλα.
Τους τελευταίους μήνες έχουν χρησιμοποιηθεί τρισεκατομμύρια και σε ορισμένες περιπτώσεις τετράκις εκατομμύρια tokens, κυρίως για τη λεγόμενη χρήση agents, δηλαδή για πράκτορες που μπορούν να εκτελούν εργασίες αυτόνομα. Ωστόσο, το πρόβλημα είναι ότι το κόστος εκτινάχθηκε, με αποτέλεσμα πολλές από αυτές τις εταιρείες να έχουν αρχίσει να επιβάλλουν περιορισμούς στη χρήση των συγκεκριμένων μοντέλων.
Υπάρχει «ταβάνι»;
Αυτό είναι ιδιαίτερα σοβαρό, καθώς ενδέχεται να φανερώνει ότι υπάρχουν όρια στο πόσο μεγάλο ποσοστό της εργασίας μπορεί να αυτοματοποιηθεί, σε συνδυασμό με το γεγονός ότι οι εικονικοί εργαζόμενοι μπορεί να αποδειχθούν ακριβότεροι από τους ανθρώπους, ανάλογα με το είδος της εργασίας που παρέχουν.
Αξιοσημείωτο είναι και το γεγονός πως πολλές εταιρείες στρέφονται σε πολύ φθηνότερες μορφές τεχνητής νοημοσύνης, οι οποίες βασίζονται σε κινεζικά μοντέλα που διατίθενται ελεύθερα στην αγορά.
Ολα τα παραπάνω συνθέτουν ένα τοπίο με μεγάλο βαθμό αβεβαιότητας ως προς την «επόμενη ημέρα», αν και ορισμένες σαφείς τάσεις έχουν αρχίσει να διαμορφώνονται.
