Της ομάδας του Startupper MAG
- Νέες Ευκαιρίες: Οι αναδυόμενοι ρόλοι της εποχής της ΤΝ
- Οι δεξιότητες του μέλλοντος: Προσαρμογή στη νέα πραγματικότητα
- Ευέλικτα μοντέλα εργασίας στην ψηφιακή εποχή
- Η κυριαρχία της υβριδικής και απομακρυσμένης εργασίας και η Gig Economy
- Τεχνολογίες συνεργασίας: Πώς οι πλατφόρμες και οι τεχνολογίες VR/AR διαμορφώνουν τους νέους χώρους εργασίας
- Η ΤΝ στην Υπηρεσία του HR: Καινοτομίες στις προσλήψεις, την εκπαίδευση και τη διαχείριση ταλέντων
- Επανεκπαίδευση και Αναβάθμιση Δεξιοτήτων (Reskilling & Upskilling): Η Στρατηγική Απάντηση
- Ηθικές Προκλήσεις και το Αναδυόμενο Ρυθμιστικό Πλαίσιο
Η Παραγωγική Τεχνητή Νοημοσύνη (Gen AI) δεν αποτελεί απλώς μια ακόμη τεχνολογική εξέλιξη· είναι μια κοσμογονία που αναδιαμορφώνει εκ βάθρων την αγορά εργασίας, τις απαιτούμενες δεξιότητες και τον ίδιο τον τρόπο που αντιλαμβανόμαστε την επαγγελματική μας ζωή. Πέρα από την αυτοματοποίηση επαναλαμβανόμενων εργασιών, η Gen AI αναδεικνύεται σε έναν ισχυρό καταλύτη για την ενίσχυση της ανθρώπινης απόδοσης, τη δημιουργία πρωτόγνωρων επαγγελματικών ρόλων και την αναδιάταξη των δεξιοτήτων που θα καθορίσουν την επιτυχία στο μέλλον.
Το παρόν άρθρο θα επιχειρήσει μια βαθιά ανάλυση αυτών των μετασχηματισμών, εξετάζοντας τις ευκαιρίες, τις προκλήσεις και τις ηθικές διαστάσεις που αναδύονται, προσφέροντας μια πυξίδα για την πλοήγηση στο αχαρτογράφητο, αλλά γεμάτο υποσχέσεις, τοπίο της εργασίας του αύριο.

Η έλευση της Παραγωγικής Τεχνητής Νοημοσύνης σηματοδοτεί μια νέα εποχή για την αγορά εργασίας, όπου οι παραδοσιακοί ρόλοι επαναπροσδιορίζονται και νέες δεξιότητες καθίστανται απαραίτητες. Η τεχνολογία αυτή δεν έρχεται απλώς να αντικαταστήσει, αλλά κυρίως να μετασχηματίσει και να ενισχύσει τις ανθρώπινες δυνατότητες.
Η Παραγωγική ΤΝ, αντί να οδηγεί σε μαζική κατάργηση θέσεων εργασίας, λειτουργεί ως ένας πολλαπλασιαστής της ανθρώπινης απόδοσης. Έχει την ικανότητα να αυτοματοποιεί εργασίες που σήμερα καταναλώνουν σημαντικό μέρος του χρόνου των εργαζομένων, συγκεκριμένα υπολογίζεται ότι μπορεί να απορροφήσει το 60-70% του χρόνου τους, επιτρέποντάς τους να επικεντρωθούν σε δραστηριότητες υψηλότερης προστιθέμενης αξίας που απαιτούν στρατηγική σκέψη και δημιουργικότητα.
Αυτή η απελευθέρωση χρόνου δεν συνεπάγεται απαραίτητα μείωση των ωρών εργασίας, αλλά μια ουσιαστική μετατόπιση της ανθρώπινης προσπάθειας προς πιο σύνθετες και “ανθρώπινες” πτυχές της εργασίας. Η Gen AI υπερέχει στην επεξεργασία μεγάλου όγκου δεδομένων και στην εκτέλεση τυποποιημένων διαδικασιών, αφήνοντας στους ανθρώπους τον χώρο για καινοτομία και διαπροσωπική αλληλεπίδραση.
Ενδεικτικά, μια μελέτη της Nielsen κατέδειξε μια εντυπωσιακή αύξηση της τάξης του 66% στην παραγωγικότητα των εργαζομένων μέσω της υιοθέτησης εργαλείων Gen AI. Παράλληλα, η McKinsey εκτιμά ότι η Τεχνητή Νοημοσύνη θα μπορούσε να συνεισφέρει έως και 13 τρισεκατομμύρια δολάρια στην παγκόσμια οικονομία μέχρι το 2030. Ωστόσο, η συζήτηση περιλαμβάνει και προβλέψεις για σημαντικές ανακατατάξεις.
Από την άλλη, η Goldman Sachs, για παράδειγμα, εκτιμά ότι περίπου 300 εκατομμύρια θέσεις πλήρους απασχόλησης παγκοσμίως θα μπορούσαν να “εκτεθούν” στην αυτοματοποίηση λόγω της Gen AI. Αυτή η “έκθεση” δεν μεταφράζεται αυτόματα σε ισάριθμους ανέργους, αλλά υπογραμμίζει την τεράστια κλίμακα της επερχόμενης μετατόπισης δεξιοτήτων.
Η ιστορία των τεχνολογικών επαναστάσεων έχει δείξει ότι η αυτοματοποίηση οδηγεί σε μετασχηματισμό της εργασίας και όχι απαραίτητα σε μόνιμη μαζική ανεργία, υπό την προϋπόθεση όμως ότι το εργατικό δυναμικό προσαρμόζεται και αποκτά τις νέες απαιτούμενες δεξιότητες. Η ταχύτητα και η κλίμακα της αλλαγής που επιφέρει η Gen AI καθιστούν την ανάγκη για μαζικά προγράμματα επανεκπαίδευσης (reskilling) πιο επιτακτική από ποτέ.
Έρχεται αφανισμός θέσεων εργασίας
Ο Dario Amodei, ο Διευθύνων Σύμβουλος της Anthropic, ενός από τους μεγαλύτερους παίκτες στο χώρο της νέας AI ανέφερε πρόσφατα ότι o αντίκτυπος της Τεχνητής Νοημοσύνης στις λεγόμενες “white-collar” (υπαλληλικές) θέσεις εργασίας αναμένεται να είναι σαρωτικός και ταχύτερος από ό,τι πολλοί εκτιμούν».
Ο Amodei προειδοποιεί ότι η τεχνολογία AI θα μπορούσε να εξαλείψει έως και το 50% των entry-level (αρχικού επιπέδου) υπαλληλικών θέσεων εργασίας μέσα στα επόμενα πέντε χρόνια.
Ο ίδιος τονίζει ότι η κοινωνία, συμπεριλαμβανομένων των κυβερνήσεων και των ηγετών άλλων εταιρειών, δεν έχει ακόμη συνειδητοποιήσει την κλίμακα και την ταχύτητα αυτής της αλλαγής, κατηγορώντας πολλούς ότι “ωραιοποιούν” την κατάσταση.
Προβλέπει ότι αυτή η μαζική αυτοματοποίηση σε τομείς όπως η τεχνολογία, τα χρηματοοικονομικά, η νομική και οι συμβουλευτικές υπηρεσίες θα μπορούσε να οδηγήσει σε μια απότομη αύξηση της ανεργίας, που δυνητικά θα έφτανε το 10% με 20%.
Ο Amodei υποστηρίζει ότι, ως δημιουργοί αυτής της τεχνολογίας, οι ηγέτες των εταιρειών ΑΙ έχουν καθήκον και υποχρέωση να είναι ειλικρινείς για τις επερχόμενες ανατροπές, ώστε να δοθεί ο χρόνος στην κοινωνία και τους εργαζομένους να προετοιμαστούν για αυτή τη μετάβαση.
Νέες Ευκαιρίες: Οι αναδυόμενοι ρόλοι της εποχής της ΤΝ
Παρά τις ανησυχίες για αυτοματοποίηση, το Παγκόσμιο Οικονομικό Φόρουμ προβλέπει ότι η ΤΝ και η αυτοματοποίηση θα συμβάλουν στη δημιουργία 69 εκατομμυρίων νέων θέσεων εργασίας παγκοσμίως έως το 2028. Αυτή η δημιουργία νέων ρόλων είναι άμεσο αποτέλεσμα της ανάγκης για ανάπτυξη, διαχείριση, εκπαίδευση και ηθική εφαρμογή των ίδιων των συστημάτων ΤΝ. Επαγγέλματα όπως ο “AI trainer”, ο “data scientist”, ο “AI designer”, ο “AI developer”, ο “machine learning engineer” και ο “NLP engineer” βρίσκονται ήδη σε άνοδο.
Είναι ενδιαφέρον να παρατηρήσουμε την εξέλιξη συγκεκριμένων ρόλων, όπως αυτός του “prompt engineer”. Αρχικά θεωρήθηκε ως μια “καυτή” νέα ειδικότητα, ωστόσο, η τάση δείχνει ότι ο ρόλος αυτός ως αυτόνομη θέση εργασίας ενδέχεται να φθίνει, καθώς τα εργαλεία Gen AI γίνονται ολοένα και πιο διαισθητικά και ικανά να “προτρέπουν τον εαυτό τους”. Αυτό δεν σημαίνει ότι η δεξιότητα της αποτελεσματικής διατύπωσης ερωτημάτων προς την ΤΝ παύει να είναι σημαντική. Αντιθέτως, μετατρέπεται σε μια οριζόντια, θεμελιώδη δεξιότητα, απαραίτητη για ένα ευρύ φάσμα επαγγελματιών που θα αξιοποιούν την Gen AI στην καθημερινή τους εργασία, αντί να βασίζονται σε έναν εξειδικευμένο “μεταφραστή” για την ΤΝ. Οι εταιρείες, αντί για εξειδικευμένους prompt engineers, στρέφονται πλέον σε “AI trainers“, “AI data specialists” και “AI security specialists“, αντανακλώντας την ωρίμανση της τεχνολογίας και τις νέες ανάγκες που προκύπτουν.
Αναδυόμενοι Επαγγελματικοί Ρόλοι λόγω Gen AI
| Τίτλος Ρόλου | Σύντομη Περιγραφή | Βασικές Δεξιότητες |
| AI Trainer | Εκπαιδεύει και βελτιστοποιεί μοντέλα ΤΝ για ακριβείς και ηθικές αποκρίσεις, σχεδιάζει σύνολα δεδομένων και μεθοδολογίες εκπαίδευσης. | Κατανόηση μηχανικής μάθησης, ανάλυση δεδομένων, δεξιότητες αξιολόγησης, ηθική επίγνωση. |
| AI Data Specialist | Συλλέγει, επεξεργάζεται, αναλύει και ερμηνεύει μεγάλα σύνολα δεδομένων για την τροφοδότηση και βελτίωση συστημάτων ΤΝ. | Ισχυρές δεξιότητες ανάλυσης δεδομένων, στατιστική, γνώση βάσεων δεδομένων, προγραμματισμός (Python, R). |
| AI Security Specialist | Εστιάζει στην ασφάλεια των συστημάτων ΤΝ, στην προστασία από επιθέσεις (π.χ. data poisoning, model evasion) και στη διασφάλιση της ανθεκτικότητας. | Γνώσεις κυβερνοασφάλειας, κατανόηση ευπαθειών ΤΝ, ηθικό hacking, διαχείριση κινδύνων. |
| AI Developer | Σχεδιάζει, αναπτύσσει και ενσωματώνει αλγορίθμους ΤΝ και λύσεις λογισμικού σε διάφορες εφαρμογές. | Προγραμματισμός (Python, Java), μηχανική μάθηση, βαθιά μάθηση, ανάπτυξη λογισμικού, κατανόηση APIs. |
| Machine Learning Engineer | Σχεδιάζει και υλοποιεί αλγορίθμους μηχανικής μάθησης για συγκεκριμένες εργασίες όπως ταξινόμηση, πρόβλεψη και ομαδοποίηση. | Ισχυρά μαθηματικά (γραμμική άλγεβρα, λογισμός), στατιστική, προγραμματισμός (Python), εμπειρία με ML frameworks (TensorFlow, PyTorch, Scikit-learn). |
| NLP Engineer | Εξειδικεύεται στην ανάπτυξη συστημάτων ΤΝ που κατανοούν, ερμηνεύουν και παράγουν ανθρώπινη γλώσσα (π.χ. chatbots, virtual assistants). | Γλωσσολογία, μηχανική μάθηση, βαθιά μάθηση, επεξεργασία φυσικής γλώσσας (NLP), προγραμματισμός. |
Οι δεξιότητες του μέλλοντος: Προσαρμογή στη νέα πραγματικότητα
Η εποχή της Gen AI δεν απαιτεί μόνο την απόκτηση νέων τεχνικών δεξιοτήτων, αλλά και την ενίσχυση θεμελιωδών ανθρώπινων ικανοτήτων. Οι απαραίτητες “σκληρές” δεξιότητες περιλαμβάνουν τον προγραμματισμό (με έμφαση σε γλώσσες όπως η Python, η R και η Java), τα μαθηματικά και τη στατιστική, τη μηχανική μάθηση, καθώς και την ανάλυση και οπτικοποίηση δεδομένων. Ωστόσο, εξίσου, αν όχι περισσότερο, κρίσιμες καθίστανται οι “μαλακές” δεξιότητες. Η έκθεση “Skills on the Rise” του LinkedIn υπογραμμίζει την αυξανόμενη ζήτηση για προσαρμοστικότητα, επικοινωνία και κριτική σκέψη, με την “AI literacy” – την ικανότητα κατανόησης και χρήσης της ΤΝ – να αναδεικνύεται σε κορυφαία προτεραιότητα.
Η “AI literacy” υπερβαίνει την απλή τεχνική ευχέρεια. Συνεπάγεται την ικανότητα κριτικής συνεργασίας με την ΤΝ, την κατανόηση των ορίων και των δυνατοτήτων της, την αναγνώριση πιθανών μεροληψιών στα παραγόμενα αποτελέσματα και την ικανότητα διαμόρφωσης ερωτημάτων που οδηγούν σε ουσιαστικές και αξιόπιστες απαντήσεις. Καθώς η ΤΝ παράγει περιεχόμενο και προτείνει λύσεις, ο ανθρώπινος παράγοντας καλείται να αξιολογήσει την ποιότητα, την εγκυρότητα και τις ηθικές προεκτάσεις αυτών των αποτελεσμάτων. Η άκριτη αποδοχή της εξόδου της ΤΝ μπορεί να οδηγήσει σε σφάλματα ή στη διαιώνιση υφιστάμενων προκαταλήψεων.
Μια ενδιαφέρουσα πρόκληση που αναδύεται είναι η “γνωστική εκφόρτωση” (cognitive offloading) – η τάση δηλαδή να αναθέτουμε γνωστικές εργασίες σε εξωτερικά εργαλεία όπως η ΤΝ. Έρευνες υποδεικνύουν ότι αυτή η τάση μπορεί να συνδέεται με χαμηλότερα επίπεδα κριτικής σκέψης, ιδιαίτερα σε άτομα χωρίς ισχυρό υπόβαθρο στην αναλυτική λογική. Ωστόσο, η ισχυρή “AI literacy” μπορεί να λειτουργήσει αντισταθμιστικά, ενισχύοντας την κριτική σκέψη μέσω της ενθάρρυνσης για διατύπωση καλύτερων ερωτήσεων, αυστηρότερη αξιολόγηση των πληροφοριών και πιο στρατηγική επίλυση προβλημάτων. Ο τρόπος ενσωμάτωσης της ΤΝ στην εκπαίδευση και την εργασία πρέπει να σχεδιαστεί προσεκτικά, ώστε να ενισχύει και όχι να υπονομεύει την ανθρώπινη κριτική ικανότητα. Η χρήση της ΤΝ ως εργαλείο για την εξερεύνηση σύνθετων προβλημάτων και τη δημιουργία υποθέσεων, αντί για την παροχή έτοιμων απαντήσεων, μπορεί να απελευθερώσει γνωστικούς πόρους για σκέψη υψηλότερου επιπέδου.
Ευέλικτα μοντέλα εργασίας στην ψηφιακή εποχή
Η τεχνολογική πρόοδος, με αιχμή του δόρατος την Τεχνητή Νοημοσύνη, δεν αλλάζει μόνο τι δουλειά κάνουμε, αλλά και πώς, πού και πότε την κάνουμε. Τα παραδοσιακά μοντέλα εργασίας δίνουν τη θέση τους σε πιο ευέλικτες και δυναμικές προσεγγίσεις.
Η κυριαρχία της υβριδικής και απομακρυσμένης εργασίας και η Gig Economy
Τα υβριδικά μοντέλα εργασίας, που συνδυάζουν την εργασία από το γραφείο με την εργασία από απόσταση, έχουν καθιερωθεί πλέον ως ο κανόνας και όχι η εξαίρεση για πολλές επιχειρήσεις. Η απομακρυσμένη εργασία, ειδικότερα, στηρίζεται σε ένα οικοσύστημα ψηφιακών εργαλείων που διευκολύνουν την επικοινωνία και τη συνεργασία: πλατφόρμες βιντεοκλήσεων όπως το Zoom και το Microsoft Teams, εργαλεία διαχείρισης έργων όπως το Asana και το Trello, και υπηρεσίες κοινής χρήσης αρχείων όπως το Google Drive και το Dropbox αποτελούν πλέον καθημερινότητα για εκατομμύρια εργαζομένους.
Ωστόσο, η ευελιξία αυτή δεν έρχεται χωρίς προκλήσεις. Η απόσπαση της προσοχής στο οικιακό περιβάλλον, η έλλειψη σαφούς δομής και ρουτίνας, τα πιθανά κενά στην επικοινωνία και το αίσθημα απομόνωσης είναι συχνά προβλήματα που αντιμετωπίζουν οι απομακρυσμένοι εργαζόμενοι. Είναι χαρακτηριστικό ότι το 42% των ατόμων που εργάζονται εξ αποστάσεως αναφέρουν τη μοναξιά ως το μεγαλύτερο εμπόδιο που αντιμετωπίζουν.
Παράλληλα, παρατηρείται μια σημαντική άνοδος της οικονομίας περιστασιακής απασχόλησης (gig economy), η οποία, σύμφωνα με προβλέψεις, αναμένεται να αγγίξει την αξία των 2,145 τρισεκατομμυρίων δολαρίων έως το 2033.
Η Παραγωγική ΤΝ ενδέχεται να ενισχύσει περαιτέρω αυτή την τάση προς την “gigification” των θέσεων εργασίας. Η ικανότητα της Gen AI να αυτοματοποιεί τμήματα εργασιών και να λειτουργεί ως “βοηθός” για ανεξάρτητους επαγγελματίες (“AI-assisted independent worker“) δημιουργεί νέες προοπτικές. Ενώ αυτό μπορεί να ενισχύσει την παραγωγικότητα και την ευελιξία των freelancers, ελλοχεύει ο κίνδυνος αύξησης της πίεσης για χαμηλότερες αμοιβές και ταχύτερους χρόνους παράδοσης, καθώς ορισμένες υπηρεσίες γίνονται πιο εύκολα και οικονομικά προσβάσιμες μέσω της ΤΝ. Η άνοδος αυτής της “AI-assisted gig economy” θα μπορούσε να οδηγήσει σε μια διττή αγορά εργασίας: από τη μία, υψηλά αμειβόμενοι εξειδικευμένοι freelancers που αξιοποιούν την ΤΝ για να προσφέρουν υπηρεσίες υψηλής αξίας, και από την άλλη, ένα μεγάλο πλήθος εργαζομένων σε πιο τυποποιημένες, χαμηλότερα αμειβόμενες gig εργασίες που διευκολύνονται από την ΤΝ, με πιθανή διάβρωση της συλλογικής διαπραγματευτικής δύναμης.
Η επιτυχία των υβριδικών μοντέλων, επομένως, δεν εξαρτάται μόνο από την τεχνολογική υποδομή, αλλά και από την ικανότητα των οργανισμών να καλλιεργήσουν μια ισχυρή εταιρική κουλτούρα, να διασφαλίσουν την ευημερία των εργαζομένων τους και να αντιμετωπίσουν ενεργά την πρόκληση της απομόνωσης. Η Gen AI θα μπορούσε δυνητικά να συμβάλει και εδώ, για παράδειγμα, διευκολύνοντας την ασύγχρονη επικοινωνία ή βοηθώντας στη δημιουργία εξατομικευμένων εμπειριών ενσωμάτωσης (onboarding) για τους απομακρυσμένους εργαζομένους, αν και αυτό εγείρει και ζητήματα ηθικής παρακολούθησης.
Τεχνολογίες συνεργασίας: Πώς οι πλατφόρμες και οι τεχνολογίες VR/AR διαμορφώνουν τους νέους χώρους εργασίας
Πέρα από τα καθιερωμένα εργαλεία επικοινωνίας, νέες τεχνολογίες όπως η Εικονική (VR) και η Επαυξημένη Πραγματικότητα (AR) υπόσχονται να φέρουν επανάσταση στον τρόπο που συνεργαζόμαστε. Αυτές οι τεχνολογίες προσφέρουν καθηλωτικές (immersive) εμπειρίες που μπορούν να μιμηθούν, ή ακόμη και να ξεπεράσουν, τις δια ζώσης αλληλεπιδράσεις, ειδικά σε κατανεμημένες ομάδες. Εργαλεία όπως το Spatial και το Rumii επιτρέπουν τη δημιουργία τρισδιάστατων εικονικών περιβαλλόντων όπου οι ομάδες μπορούν να συναντώνται, να αλληλεπιδρούν με ψηφιακά αντικείμενα και να συνεργάζονται σε έργα με έναν πιο φυσικό και διαισθητικό τρόπο.
Η έλευση της χωρικής υπολογιστικής (Spatial Computing), με πρωτοπόρες συσκευές όπως το Apple Vision Pro, ανεβάζει τον πήχη ακόμη ψηλότερα. Συνδυάζοντας τεχνολογίες όπως η μηχανική όραση (computer vision), η αντίληψη βάθους (depth sensing) και η παρακολούθηση κίνησης (motion tracking), η χωρική υπολογιστική επιτρέπει αυθεντικές και απρόσκοπτες αλληλεπιδράσεις με ψηφιακό περιεχόμενο που ενσωματώνεται στον φυσικό μας κόσμο.
Αυτό έρχεται σε αντίθεση με τους περιορισμούς των παραδοσιακών δισδιάστατων (2D) εργαλείων, όπως το email, το chat και οι πλατφόρμες τηλεδιάσκεψης, τα οποία συχνά αποδεικνύονται ανεπαρκή για την υποστήριξη σύνθετων συνεργατικών διαδικασιών.
Η υιοθέτηση των VR/AR και της χωρικής υπολογιστικής στην εργασία δεν θα εξαρτηθεί μόνο από την τεχνολογική ωριμότητα και το κόστος αυτών των λύσεων, αλλά και από την ικανότητα των επιχειρήσεων να σχεδιάσουν ουσιαστικές περιπτώσεις χρήσης. Η απλή μεταφορά μιας παραδοσιακής τηλεδιάσκεψης σε ένα εικονικό περιβάλλον VR, χωρίς αλλαγή στη δυναμική ή το περιεχόμενο, δεν προσφέρει απαραίτητα προστιθέμενη αξία. Η πραγματική δύναμη αυτών των τεχνολογιών έγκειται στην ικανότητά τους να επιτρέπουν αλληλεπιδράσεις με τρισδιάστατα δεδομένα, προσομοιώσεις και πολύπλοκα μοντέλα με τρόπους που τα 2D εργαλεία απλώς δεν μπορούν να υποστηρίξουν. Για παράδειγμα, η εικονική πραγματικότητα είναι ιδιαίτερα αποτελεσματική για την εκπαίδευση σε πρακτικές δεξιότητες σε τομείς όπως η ιατρική, οι κατασκευές ή η αεροναυπηγική, παρέχοντας ένα ασφαλές περιβάλλον για εξάσκηση χωρίς πραγματικό ρίσκο.
Καθώς οι εικονικοί χώροι εργασίας γίνονται πιο ρεαλιστικοί και διαδραστικοί, αναπόφευκτα θα αναδυθούν νέα ζητήματα. Η διαχείριση της ψηφιακής ταυτότητας, η διασφάλιση της ιδιωτικότητας εντός αυτών των νέων περιβαλλόντων, καθώς και η αντιμετώπιση της ψυχολογικής κόπωσης από την παρατεταμένη χρήση VR/AR συσκευών (παρόμοια με το “Zoom fatigue” αλλά δυνητικά πιο έντονη λόγω της καθηλωτικής φύσης της εμπειρίας) θα αποτελέσουν σημαντικές προκλήσεις για τις επιχειρήσεις και τους εργαζομένους.
Ο ανθρωποκεντρικός χώρος εργασίας: Ευημερία και τεχνολογία στο επίκεντρο
Η μετάβαση σε νέα μοντέλα εργασίας, ενισχυμένα από την τεχνολογία, δεν πρέπει να γίνεται εις βάρος της ανθρώπινης εμπειρίας. Αντιθέτως, η τεχνολογία μπορεί και πρέπει να χρησιμοποιηθεί για τη δημιουργία ενός πιο ανθρωποκεντρικού εργασιακού περιβάλλοντος, όπου η παραγωγικότητα συμβαδίζει με την ευημερία και την ανάπτυξη των εργαζομένων.
Εξισορρόπηση παραγωγικότητας, ευεξίας και εταιρικής κουλτούρας
Η Παραγωγική ΤΝ έχει αποδειχθεί ότι μπορεί να συμβάλει σημαντικά στη βελτίωση της ικανοποίησης των εργαζομένων. Η αυτοματοποίηση κουραστικών και επαναλαμβανόμενων εργασιών μπορεί να οδηγήσει σε αύξηση της εργασιακής ικανοποίησης έως και 31%. Οι επιχειρήσεις, αναγνωρίζοντας την αξία της ευεξίας, υιοθετούν όλο και περισσότερο ευέλικτες ρυθμίσεις εργασίας που επιτρέπουν στους εργαζομένους να διαχειρίζονται καλύτερα την ισορροπία μεταξύ επαγγελματικής και προσωπικής ζωής. Ωστόσο, η διατήρηση μιας ισχυρής εταιρικής κουλτούρας και η υψηλή δέσμευση των εργαζομένων, ειδικά σε απομακρυσμένα ή υβριδικά περιβάλλοντα, απαιτεί καινοτόμες και συνειδητές προσεγγίσεις από την πλευρά της διοίκησης.
Ο “ανθρωποκεντρικός” χώρος εργασίας του μέλλοντος δεν θα ορίζεται αποκλειστικά από την ευελιξία στην τοποθεσία και τον χρόνο εργασίας. Καθοριστικό ρόλο θα παίζει η ποιότητα της συνολικής εργασιακής εμπειρίας, η οποία διαμορφώνεται από την έξυπνη, ηθική και στοχευμένη χρήση της τεχνολογίας. Η Gen AI μπορεί να αποτελέσει πολύτιμο σύμμαχο σε αυτή την προσπάθεια, αναλαμβάνοντας το “βάρος” των μηχανικών εργασιών και επιτρέποντας στους ανθρώπους να εστιάσουν σε δραστηριότητες που προσδίδουν “νόημα” στην εργασία τους.
Η ικανοποίηση των εργαζομένων δεν πηγάζει μόνο από την αποφυγή βαρετών καθηκόντων, αλλά και από την αίσθηση του σκοπού, την αυτονομία, τις ευκαιρίες για μάθηση και την προσωπική ανάπτυξη. Η τεχνολογία, λοιπόν, πρέπει να υπηρετεί αυτούς ακριβώς τους στόχους.
Η πρόκληση για τις σύγχρονες επιχειρήσεις έγκειται στον επανασχεδιασμό των ροών εργασίας και των οργανωτικών δομών τους, ώστε να αξιοποιήσουν πλήρως τον χρόνο που απελευθερώνει η Gen AI. Αυτός ο χρόνος δεν πρέπει απλώς να οδηγήσει σε μείωση του προσωπικού ή σε αύξηση του όγκου εργασίας για τους εναπομείναντες, αλλά να επενδυθεί σε δραστηριότητες που ενισχύουν την καινοτομία, τη δημιουργική συνεργασία και την προσωπική εξέλιξη των εργαζομένων. Η απλή εφαρμογή της Gen AI χωρίς μια παράλληλη στρατηγική επαναξιολόγηση των διαδικασιών και της κατανομής της εργασίας κινδυνεύει να οδηγήσει σε χαμένες ευκαιρίες για ουσιαστικό μετασχηματισμό και πραγματική βελτίωση της εργασιακής εμπειρίας.
Η ΤΝ στην Υπηρεσία του HR: Καινοτομίες στις προσλήψεις, την εκπαίδευση και τη διαχείριση ταλέντων
Ο τομέας της Διοίκησης Ανθρώπινου Δυναμικού (HR) βρίσκεται επίσης στο επίκεντρο των αλλαγών που επιφέρει η Τεχνητή Νοημοσύνη. Ήδη, η ΤΝ χρησιμοποιείται ευρέως για την αυτοματοποίηση και βελτιστοποίηση διαφόρων διαδικασιών HR, όπως η αρχική διαλογή βιογραφικών (screening), η αξιολόγηση των δεξιοτήτων των υποψηφίων, ακόμη και η διεξαγωγή προκαταρκτικών συνεντεύξεων μέσω chatbots ή ανάλυσης βιντεοσκοπημένων απαντήσεων. Τα συστήματα ΤΝ μπορούν να αναλύσουν μεγάλο όγκο ιστορικών δεδομένων προσλήψεων για να εντοπίσουν πρότυπα που συνδέονται με την επιτυχημένη απόδοση σε συγκεκριμένους ρόλους, βοηθώντας έτσι στην πρόβλεψη της μελλοντικής επιτυχίας των υποψηφίων.
Ενώ η ΤΝ μπορεί να καταστήσει τις διαδικασίες HR πιο αποτελεσματικές, γρήγορες και βασισμένες σε αντικειμενικά δεδομένα, η χρήση της εγείρει σημαντικά ηθικά ζητήματα, κυρίως όσον αφορά την πιθανότητα αλγοριθμικής μεροληψίας και την έλλειψη διαφάνειας. Παρόλο που η ΤΝ μπορεί να επιταχύνει την αρχική αξιολόγηση των υποψηφίων, η υπερβολική εξάρτηση από αυτήν, χωρίς ουσιαστική ανθρώπινη εποπτεία, ενέχει τον κίνδυνο αποκλεισμού ταλαντούχων ατόμων με άτυπα ή μη παραδοσιακά προσόντα, τα οποία μπορεί να μην ταιριάζουν απόλυτα στα προκαθορισμένα πρότυπα του αλγορίθμου. Αυτό θα μπορούσε να οδηγήσει σε ενίσχυση της ομοιομορφίας αντί της επιθυμητής ποικιλομορφίας στο εργατικό δυναμικό. Οι αλγόριθμοι ΤΝ μαθαίνουν από τα ιστορικά δεδομένα με τα οποία εκπαιδεύονται. Εάν αυτά τα δεδομένα αντανακλούν προηγούμενες, συνειδητές ή ασυνείδητες, προκαταλήψεις στις διαδικασίες πρόσληψης (π.χ. ως προς το φύλο, την ηλικία, την εθνικότητα), η ΤΝ κινδυνεύει να τις διαιωνίσει ή ακόμη και να τις ενισχύσει.
Συνεπώς, η πραγματική αξία της ΤΝ στον τομέα του HR δεν έγκειται στην πλήρη αυτοματοποίηση της λήψης αποφάσεων, αλλά στην παροχή στους επαγγελματίες HR καλύτερων δεδομένων, αναλύσεων και εργαλείων, ώστε να μπορούν να λαμβάνουν πιο ενημερωμένες, αντικειμενικές και δίκαιες αποφάσεις. Η ΤΝ μπορεί να απελευθερώσει τους επαγγελματίες HR από χρονοβόρες διοικητικές εργασίες, επιτρέποντάς τους να εστιάσουν σε πιο στρατηγικές πτυχές της διαχείρισης ταλέντων, όπως η ανάπτυξη των εργαζομένων, η καλλιέργεια της εταιρικής κουλτούρας και η δημιουργία ενός συμπεριληπτικού εργασιακού περιβάλλοντος.
Η ανθρώπινη κρίση, η ενσυναίσθηση και η κατανόηση του ευρύτερου πλαισίου παραμένουν αναντικατάστατες, ειδικά όταν πρόκειται για αποφάσεις που επηρεάζουν τις ζωές και τις καριέρες των ανθρώπων.
Επανεκπαίδευση και Αναβάθμιση Δεξιοτήτων (Reskilling & Upskilling): Η Στρατηγική Απάντηση
Η ταχύτητα των τεχνολογικών αλλαγών καθιστά την επανεκπαίδευση (reskilling – απόκτηση νέων δεξιοτήτων για νέους ρόλους) και την αναβάθμιση δεξιοτήτων (upskilling – βελτίωση υφιστάμενων δεξιοτήτων για τον τρέχοντα ρόλο) όχι απλώς μια τάση, αλλά μια θεμελιώδη στρατηγική ανάγκη για εργαζομένους και επιχειρήσεις. Ένα ενθαρρυντικό στοιχείο είναι ότι το 68% των εργαζομένων δηλώνουν πρόθυμοι να εκπαιδευτούν εκ νέου για να εξασφαλίσουν τη θέση τους στο μέλλον της εργασίας. Εταιρείες-κολοσσοί, όπως η Amazon, έχουν ήδη αναπτύξει φιλόδοξα προγράμματα reskilling, για παράδειγμα στον τομέα της μηχανικής μάθησης, για το προσωπικό τους.
Οι επιτυχημένες στρατηγικές upskilling και reskilling πρέπει να είναι πολυεπίπεδες, συνδυάζοντας βραχυπρόθεσμες λύσεις για την κάλυψη άμεσων αναγκών με μακροπρόθεσμους σχεδιασμούς που ευθυγραμμίζονται με τους μελλοντικούς στόχους της επιχείρησης και τις προβλεπόμενες αλλαγές στην αγορά. Οι δεξιότητες που βρίσκονται στο επίκεντρο αυτών των προγραμμάτων περιλαμβάνουν την ανάλυση δεδομένων, τον προγραμματισμό (με έμφαση σε γλώσσες όπως Python, Java και R), τις αρχές της μηχανικής μάθησης, καθώς και ισχυρές επικοινωνιακές δεξιότητες. Η αξιοποίηση πλατφορμών μάθησης που ενσωματώνουν την Τεχνητή Νοημοσύνη μπορεί να προσφέρει εξατομικευμένες μαθησιακές εμπειρίες, προσαρμοσμένες στις ανάγκες και τον ρυθμό του κάθε εκπαιδευόμενου.
Ωστόσο, τα πιο αποτελεσματικά προγράμματα επανεκπαίδευσης δεν θα εστιάζουν αποκλειστικά στην παροχή συγκεκριμένων τεχνικών γνώσεων. Δεδομένου ότι οι απαιτούμενες δεξιότητες θα συνεχίσουν να εξελίσσονται με ιλιγγιώδεις ρυθμούς, κεντρικό ρόλο θα παίξει η καλλιέργεια της “ικανότητας μάθησης” (learnability) και της προσαρμοστικότητας.
Η εκμάθηση μιας συγκεκριμένης τεχνολογίας ή γλώσσας προγραμματισμού μπορεί να έχει περιορισμένη “διάρκεια ζωής” μπροστά στις συνεχείς εξελίξεις της ΤΝ. Αντίθετα, η ικανότητα γρήγορης απόκτησης νέων γνώσεων και η ευελιξία προσαρμογής σε νέες συνθήκες και εργαλεία θα αποτελούν διαχρονικά πολύτιμα εφόδια.
Η ευθύνη για την αντιμετώπιση του χάσματος δεξιοτήτων δεν ανήκει αποκλειστικά στους εργαζομένους ή στις μεμονωμένες επιχειρήσεις. Η κλίμακα της πρόκλησης, όπως καταδεικνύεται από την ανάγκη επανεκπαίδευσης του 70% των Ελλήνων εργαζομένων έως το 2030 , απαιτεί μια συντονισμένη εθνική προσπάθεια. Αυτό περιλαμβάνει την ενεργό συμμετοχή του κράτους, μέσω της αναμόρφωσης των εκπαιδευτικών συστημάτων, της χάραξης σύγχρονων πολιτικών απασχόλησης και της δημιουργίας ενός ολοκληρωμένου οικοσυστήματος δια βίου μάθησης. Μόνο έτσι μπορεί να αντιμετωπιστεί αποτελεσματικά το “AI skills gap” που παρατηρείται ήδη σε χώρες όπως η Ελλάδα.
Ηθικές Προκλήσεις και το Αναδυόμενο Ρυθμιστικό Πλαίσιο
Η ενσωμάτωση της Τεχνητής Νοημοσύνης στον εργασιακό χώρο, παρά τα αδιαμφισβήτητα οφέλη της, συνοδεύεται από σημαντικές ηθικές προκλήσεις που απαιτούν προσεκτική διαχείριση και ένα στιβαρό ρυθμιστικό πλαίσιο.
Παρακολούθηση εργαζομένων, προστασία ιδιωτικότητας και δεδομένων
Η τεχνολογία ΤΝ προσφέρει πρωτοφανείς δυνατότητες παρακολούθησης των εργαζομένων. Εργαλεία ΤΝ μπορούν να καταγράφουν και να αναλύουν ένα ευρύ φάσμα δραστηριοτήτων, από την παρακολούθηση των μηνυμάτων ηλεκτρονικού ταχυδρομείου και της συμμετοχής σε τηλεδιασκέψεις, μέχρι την καταγραφή των πληκτρολογήσεων και, σε ορισμένες περιπτώσεις, την απόπειρα ανάλυσης του συναισθήματος των εργαζομένων μέσω της επικοινωνίας τους.
Αυτές οι πρακτικές, ενώ μπορεί να παρουσιάζονται ως μέσα για τη βελτίωση της παραγωγικότητας ή της ασφάλειας, εγείρουν σοβαρές ανησυχίες για την παραβίαση της ιδιωτικής ζωής και κινδυνεύουν να υπονομεύσουν την αμοιβαία εμπιστοσύνη μεταξύ εργοδοτών και εργαζομένων.
Η αίσθηση της συνεχούς παρακολούθησης μπορεί να οδηγήσει σε αυξημένο άγχος, μειωμένη δημιουργικότητα και αίσθημα πίεσης στους εργαζομένους. Για τον λόγο αυτό, η διαφάνεια είναι κρίσιμης σημασίας. Οι εργαζόμενοι πρέπει να ενημερώνονται με σαφήνεια για το ποια δεδομένα συλλέγονται, για ποιον σκοπό, πώς χρησιμοποιούνται και πώς διασφαλίζεται η προστασία τους. Η συζήτηση για την παρακολούθηση δεν πρέπει να εξαντλείται στο αν αυτή πραγματοποιείται, αλλά να εστιάζει στο πώς και γιατί.
Η χρήση ανωνυμοποιημένων και συγκεντρωτικών δεδομένων για την εξαγωγή γενικών συμπερασμάτων σχετικά με τις ροές εργασίας, την παραγωγικότητα ή τον εντοπισμό σημείων συμφόρησης (όπως προτείνεται από την αρχή “focus on insights, not surveillance” ) διαφέρει σημαντικά από την εξατομικευμένη παρακολούθηση που μπορεί να χρησιμοποιηθεί για τιμωρητικούς σκοπούς. Η αντίληψη της δικαιοσύνης και του σεβασμού είναι θεμελιώδης για την αποδοχή αυτών των τεχνολογιών από τους εργαζομένους.
Καθώς η ΤΝ επιτρέπει όλο και πιο εξελιγμένες και παρεμβατικές μορφές παρακολούθησης, όπως η ανάλυση συναισθήματος , οι υφιστάμενες νομοθεσίες για την προστασία δεδομένων, όπως ο Γενικός Κανονισμός για την Προστασία Δεδομένων (GDPR), ενδέχεται να μην επαρκούν πλήρως για την αντιμετώπιση των νέων ηθικών διλημμάτων που ανακύπτουν. Ο GDPR παρέχει ένα ισχυρό γενικό πλαίσιο, αλλά οι ιδιαιτερότητες της ΤΝ, όπως η δυνατότητα εξαγωγής ευαίσθητων συμπερασμάτων για συναισθήματα ή ψυχολογικές καταστάσεις από δεδομένα επικοινωνίας, εγείρουν νέα ερωτήματα που μπορεί να απαιτούν πιο στοχευμένη νομοθεσία ή κατευθυντήριες γραμμές, ειδικά για την εφαρμογή της ΤΝ στον εργασιακό χώρο.
Αλγοριθμική μεροληψία, διαφάνεια και δικαιοσύνη
Μια από τις μεγαλύτερες υποσχέσεις της ΤΝ είναι η δυνατότητα για πιο αντικειμενικές αποφάσεις. Ωστόσο, αυτή η υπόσχεση κινδυνεύει να υπονομευθεί από το φαινόμενο της αλγοριθμικής μεροληψίας. Οι αλγόριθμοι ΤΝ εκπαιδεύονται σε μεγάλα σύνολα δεδομένων, και εάν αυτά τα δεδομένα αντανακλούν υφιστάμενες κοινωνικές ή ιστορικές προκαταλήψεις (π.χ. ως προς το φύλο, τη φυλή, την ηλικία), οι αλγόριθμοι είναι πιθανό όχι μόνο να τις αναπαράγουν αλλά και να τις ενισχύσουν. Στον τομέα των προσλήψεων, για παράδειγμα, αυτό μπορεί να οδηγήσει σε άδικη μεταχείριση και αποκλεισμό υποψηφίων από υποεκπροσωπούμενες ομάδες.
Η έλλειψη διαφάνειας στον τρόπο λειτουργίας πολλών αλγορίθμων ΤΝ, που συχνά χαρακτηρίζονται ως “μαύρα κουτιά” (black boxes), καθιστά δύσκολη την κατανόηση της λογικής πίσω από τις αποφάσεις τους και, κατά συνέπεια, την απόδοση ευθυνών όταν προκύπτουν σφάλματα ή άδικα αποτελέσματα. Για τον λόγο αυτό, η ανθρώπινη εποπτεία παραμένει απαραίτητη, ειδικά σε διαδικασίες λήψης αποφάσεων που έχουν σημαντικό αντίκτυπο στα άτομα.
Η αντιμετώπιση της αλγοριθμικής μεροληψίας απαιτεί μια πολυεπίπεδη και συνειδητή προσέγγιση. Αυτή περιλαμβάνει, πρώτον, την προσεκτική επιμέλεια και τη διασφάλιση της ποικιλομορφίας των δεδομένων εκπαίδευσης. Δεύτερον, την ανάπτυξη και εφαρμογή τεχνικών “fairness-aware AI”, δηλαδή αλγορίθμων που είναι σχεδιασμένοι να εντοπίζουν και να μετριάζουν τις μεροληψίες. Τρίτον, τη διεξαγωγή τακτικών ελέγχων (audits) των αλγορίθμων για τον εντοπισμό και τη διόρθωση τυχόν προκαταλήψεων. Και τέταρτον, τη διατήρηση ισχυρής ανθρώπινης εποπτείας και παρέμβασης στις κρίσιμες αποφάσεις.
Η «διαφάνεια» των αλγορίθμων δεν σημαίνει απαραίτητα ότι κάθε χρήστης πρέπει να κατανοεί την πλήρη τεχνική πολυπλοκότητα της λειτουργίας τους. Σημαίνει, όμως, ότι πρέπει να υπάρχουν μηχανισμοί για την παροχή κατανοητών εξηγήσεων για τις αποφάσεις που λαμβάνονται, ειδικά όταν αυτές έχουν αρνητικό αντίκτυπο σε άτομα. Η έννοια της «εξηγήσιμης ΤΝ» (Explainable AI – XAI) είναι κεντρικής σημασίας εδώ, καθώς και η διασφάλιση του δικαιώματος αμφισβήτησης και διόρθωσης των αλγοριθμικών αποφάσεων. Αυτά τα στοιχεία είναι κρίσιμα για την οικοδόμηση εμπιστοσύνης και τη διασφάλιση της λογοδοσίας στη χρήση της ΤΝ.
Το Μέλλον της Εργασίας στην Ελλάδα: Προκλήσεις και Προοπτικές
Η παγκόσμια συζήτηση για το μέλλον της εργασίας και τον ρόλο της Τεχνητής Νοημοσύνης αποκτά ιδιαίτερη σημασία για την Ελλάδα, μια χώρα που βρίσκεται αντιμέτωπη τόσο με σημαντικές προκλήσεις όσο και με αξιόλογες ευκαιρίες στον τομέα της ψηφιακής μετάβασης.
Υιοθέτηση ΤΝ και Ψηφιακός Μετασχηματισμός των ελληνικών επιχειρήσεων
Τα στοιχεία δείχνουν ότι η Ελλάδα παρουσιάζει μια υστέρηση στην υιοθέτηση της Τεχνητής Νοημοσύνης από τις επιχειρήσεις σε σύγκριση με τον μέσο όρο της Ευρωπαϊκής Ένωσης. Το 2024, μόλις το 9,81% των ελληνικών επιχειρήσεων δήλωσαν ότι χρησιμοποιούν τεχνολογίες ΤΝ, κατατάσσοντας τη χώρα στην 18η θέση μεταξύ των 27 κρατών μελών της ΕΕ. Ο ευρωπαϊκός μέσος όρος την ίδια περίοδο ήταν 13,5%, με χώρες όπως η Σουηδία (27,6%) και η Δανία (25,1%) να ηγούνται της κούρσας. Παρόλα αυτά, είναι αξιοσημείωτο ότι η Ελλάδα σημείωσε αύξηση 5,83 ποσοστιαίων μονάδων στην υιοθέτηση ΤΝ από το 2023, σχεδόν τριπλασιάζοντας το ποσοστό της μέσα σε ένα έτος.
Επιπλέον, μια έρευνα της Deloitte αποκάλυψε ότι, αν και μόνο το 15% των ελληνικών επιχειρήσεων έχουν πειραματιστεί ενεργά με τη Παραγωγική ΤΝ, ένα συντριπτικό 80% αναμένει σημαντικά οφέλη στην αποδοτικότητα από τη χρήση της. Εκτιμάται μάλιστα ότι η ευρεία υιοθέτηση της ΤΝ θα μπορούσε να οδηγήσει σε αύξηση του Ακαθάριστου Εγχώριου Προϊόντος (ΑΕΠ) της Ελλάδας έως και 8% κατά την επόμενη δεκαετία.
Αυτό που καθιστά την κατάσταση στην Ελλάδα ιδιαίτερα ενδιαφέρουσα είναι το λεγόμενο «παράδοξο της ΤΝ». Ενώ η υιοθέτηση από τις καθιερωμένες επιχειρήσεις είναι σχετικά χαμηλή, η χώρα φιλοξενεί ένα δυναμικό οικοσύστημα νεοφυών επιχειρήσεων (startups) που εστιάζουν στην ΤΝ. Με 188 AI Startups, η Ελλάδα κατατάσσεται δεύτερη στην Κεντρική και Ανατολική Ευρώπη, αντιπροσωπεύοντας το 17,5% του συνόλου των AI startups της περιοχής, και προσελκύοντας σημαντικές επενδύσεις. Αυτό το παράδοξο υποδηλώνει την ύπαρξη σημαντικού ταλέντου και καινοτόμου δυναμικού στη χώρα, αλλά ταυτόχρονα καταδεικνύει μια πιθανή αποσύνδεση μεταξύ του οικοσυστήματος καινοτομίας και της ευρύτερης, πιο παραδοσιακής επιχειρηματικής κοινότητας. Οι νεοφυείς επιχειρήσεις, από τη φύση τους πιο ευέλικτες και πρόθυμες να υιοθετήσουν νέες τεχνολογίες, θα μπορούσαν να διαδραματίσουν καταλυτικό ρόλο στην επιτάχυνση της υιοθέτησης της ΤΝ από το σύνολο της ελληνικής οικονομίας. Η πρόκληση έγκειται στη γεφύρωση αυτού του χάσματος και στη δημιουργία μηχανισμών διάχυσης της τεχνογνωσίας από τις startups προς τις μεγαλύτερες επιχειρήσεις.
Η προβλεπόμενη αύξηση του ΑΕΠ κατά 8% λόγω της ΤΝ αποτελεί ισχυρό κίνητρο, αλλά η υλοποίησή της προϋποθέτει την υπέρβαση των υφιστάμενων εμποδίων και τη δημιουργία ενός υποστηρικτικού περιβάλλοντος που ενθαρρύνει την καινοτομία και τη μεταφορά τεχνολογίας.
Το Χάσμα ψηφιακών δεξιοτήτων και η ανάγκη για επανεκπαίδευση
Ένα από τα σημαντικότερα εμπόδια για την ευρύτερη υιοθέτηση της ΤΝ και την προσαρμογή της ελληνικής αγοράς εργασίας στις νέες πραγματικότητες είναι το υφιστάμενο χάσμα ψηφιακών δεξιοτήτων. Σύμφωνα με έκθεση του Παγκόσμιου Οικονομικού Φόρουμ (“The Future of Jobs 2025”), περίπου το 70% των εργαζομένων αναμένεται να χρειαστούν επανεκπαίδευση ή αναβάθμιση των δεξιοτήτων τους έως το 2030, προκειμένου να διατηρήσουν τις θέσεις εργασίας τους ή να εξασφαλίσουν νέα απασχόληση. Η ίδια έκθεση προβλέπει ότι έως το 2030, πάνω από το ένα τρίτο (36%) του συνόλου των εργασιών στην Ελλάδα θα εκτελούνται κυρίως από μηχανές, ποσοστό που είναι αυξημένο από το σημερινό 26% και σημαντικά υψηλότερο από τον παγκόσμιο μέσο όρο (22%), αλλά και από χώρες όπως η Γερμανία (34%).
Έρευνα του Cedefop καταδεικνύει περαιτέρω το μέγεθος του προβλήματος: το 67% των Ελλήνων εργαζομένων (έναντι 61% στην ΕΕ) πιστεύουν ότι θα χρειαστούν νέες δεξιότητες λόγω της ΤΝ, ενώ ένα ανησυχητικά υψηλό 51% (έναντι 41% στην ΕΕ) αναγνωρίζουν ότι έχουν ήδη κενό δεξιοτήτων όσον αφορά τη χρήση εργαλείων ΤΝ. Παρά την αναγνώριση αυτής της ανάγκης, μόνο το 14% των εργαζομένων στην Ελλάδα (15% στην ΕΕ) συμμετείχαν σε κάποια μορφή εκπαίδευσης ή κατάρτισης σχετική με την ΤΝ κατά το τελευταίο έτος. Επιπλέον, ένα σημαντικό ποσοστό, 42% στην Ελλάδα (44% στην ΕΕ), δεν πιστεύει ότι ο εργοδότης τους θα τους παράσχει την απαραίτητη εκπαίδευση. Αυτό το εύρημα είναι ιδιαίτερα ανησυχητικό και υπογραμμίζει την ανάγκη τόσο για ατομική πρωτοβουλία από την πλευρά των εργαζομένων όσο και για πιο ενεργό ρόλο των επιχειρήσεων και του κράτους στην παροχή ευκαιριών δια βίου μάθησης.
Το γεγονός ότι η Ελλάδα προβλέπεται να έχει υψηλότερο ποσοστό αυτοματοποίησης εργασιών από πιο ανεπτυγμένες βιομηχανικά χώρες όπως η Γερμανία , σε συνδυασμό με το μεγαλύτερο καταγεγραμμένο χάσμα δεξιοτήτων στην ΤΝ , δημιουργεί μια δυνητικά εκρηκτική κατάσταση. Εάν οι προσπάθειες επανεκπαίδευσης και αναβάθμισης δεξιοτήτων δεν ενταθούν και δεν επιταχυνθούν δραματικά, υπάρχει σοβαρός κίνδυνος σημαντικής αναντιστοιχίας μεταξύ των δεξιοτήτων που προσφέρει το εργατικό δυναμικό και αυτών που ζητά η αγορά, με πιθανές συνέπειες την αύξηση της ανεργίας για όσους δεν καταφέρουν να προσαρμοστούν και τη μείωση της ανταγωνιστικότητας της ελληνικής οικονομίας.
Η πρόκληση αυτή ξεκινά από νωρίς, καθώς έρευνα του Vodafone Foundation επισημαίνει την εμφάνιση ενός νέου “χάσματος δεξιοτήτων ΤΝ” ήδη από την παιδική ηλικία, με άνιση πρόσβαση σε ψηφιακά εργαλεία και σχετική εκπαίδευση στα σχολεία. Αυτό αποτελεί μια “ωρολογιακή βόμβα” για το μέλλον, καθώς η έλλειψη εστίασης στην ΤΝ στο εκπαιδευτικό σύστημα και οι ανισότητες στην πρόσβαση σε πόρους κινδυνεύουν να διευρύνουν τις κοινωνικές ανισότητες και να υπονομεύσουν τη μελλοντική ανταγωνιστικότητα της χώρας. Απαιτούνται άμεσες και συντονισμένες εκπαιδευτικές μεταρρυθμίσεις που θα ενσωματώνουν την ΤΝ και τις ψηφιακές δεξιότητες σε όλα τα επίπεδα της εκπαίδευσης, δίνοντας έμφαση όχι μόνο στην πρόσβαση στην τεχνολογία, αλλά και στην καλλιέργεια της κριτικής σκέψης σχετικά με τις δυνατότητες και τους περιορισμούς της ΤΝ.
Το άρθρο δημοσιεύτηκε για πρώτη φορά στο Startupper MAG #62
