Η τεχνητή νοημοσύνη υποτίθεται ότι θα μας γλίτωνε από τη δουλειά. Προς το παρόν, σε αρκετές περιπτώσεις, μας δίνει απλώς άλλη μία δουλειά: να επιβλέπουμε την ίδια.
Οι εργαζόμενοι δεν γράφουν μόνο, δεν προγραμματίζουν μόνο, δεν σχεδιάζουν και δεν κάνουν marketing. Όλο και περισσότερο καλούνται να στήνουν AI agents, να τους μοιράζουν δουλειές, να ελέγχουν τι έκαναν, να διορθώνουν τα λάθη τους και να αποφασίζουν αν το αποτέλεσμα είναι αρκετά καλό για να χρησιμοποιηθεί.
Με άλλα λόγια, η AI αποκτά τον ρόλο του εκτελεστή και ο άνθρωπος εκείνον του manager.
Υπάρχει μόνο μια μικρή λεπτομέρεια.
Ο τίτλος και ο μισθός του ανθρώπου συχνά παραμένουν ίδιοι.
Κάπως έτσι αρχίζει να δημιουργείται μια νέα κατηγορία εργαζομένων: άνθρωποι που προσλήφθηκαν για να δημιουργούν, αλλά καταλήγουν να διοικούν μια μικρή ψηφιακή ομάδα χωρίς να έχουν γίνει ποτέ επισήμως προϊστάμενοι.
Και όσο οι AI agents γίνονται ικανότεροι, αυτή η αλλαγή αρχίζει να μοιάζει όλο και λιγότερο με τεχνολογικό πείραμα και όλο και περισσότερο με το επόμενο μοντέλο εργασίας.
Η νέα «ομάδα» δεν κάθεται σε γραφεία
Οι AI agents μπαίνουν πλέον βαθύτερα στην καθημερινότητα των επιχειρήσεων.
Δεν μιλάμε απλώς για ένα chatbot που απαντά σε μια ερώτηση. Μιλάμε για ψηφιακούς «συνεργάτες» που μπορούν να αναλάβουν ολόκληρες εργασίες, να δουλεύουν παράλληλα και να επιστρέφουν έτοιμα αποτελέσματα.
Ένας άνθρωπος μπορεί πλέον, αντί να εκτελεί ο ίδιος πέντε διαφορετικές εργασίες, να συντονίζει πέντε διαφορετικούς agents που τις κάνουν για λογαριασμό του.
Στη Salesforce έχουν ήδη παρουσιαστεί agents σχεδιασμένοι για πωλήσεις, εξυπηρέτηση πελατών, ηλεκτρονικό εμπόριο και εσωτερικές εταιρικές λειτουργίες.
Στη Wipro, η διοίκηση έχει υποστηρίξει ότι η αξιοποίηση της AI έχει δημιουργήσει παραγωγικότητα αντίστοιχη με εκείνη 20.000 εργαζομένων.
Ακόμη πιο χαρακτηριστική είναι η περίπτωση της Daytona. Η εταιρεία διαθέτει μόλις 16 μηχανικούς, όμως καθένας από αυτούς διαχειρίζεται κατά μέσο όρο πέντε AI agents.
Ο CEO της έχει περιγράψει μια πραγματικότητα που μέχρι πριν από λίγα χρόνια θα έμοιαζε αδιανόητη: οι μηχανικοί έχουν φτάσει ουσιαστικά στο σημείο να μη γράφουν οι ίδιοι τον κώδικα.
Παράγουν περισσότερο, δημιουργούν λιγότερο
Εδώ ακριβώς βρίσκεται το παράδοξο της νέας εποχής.
Η AI μπορεί πράγματι να εκτοξεύσει την παραγωγικότητα ενός εργαζομένου. Δεν σημαίνει, όμως, ότι τον αφήνει να ασχοληθεί περισσότερο με αυτό για το οποίο επέλεξε το επάγγελμά του.
Ένας μηχανικός λογισμικού μπορεί να γράφει λιγότερο κώδικα και να περνά περισσότερο χρόνο επιλέγοντας μοντέλα, δίνοντας οδηγίες, παρέχοντας το κατάλληλο πλαίσιο και ελέγχοντας όσα παράγονται.
Ένας άνθρωπος του marketing μπορεί να μη δημιουργεί πλέον μόνο ο ίδιος μια στρατηγική, αλλά να εκπαιδεύει έναν agent ώστε να αντιλαμβάνεται καλύτερα τον πελάτη και τις ανάγκες του.
Η Sinda Khenine, μηχανικός λογισμικού και AI στην Electrolux, έχει περιγράψει πώς η χρήση agents της επιτρέπει να παράγει πολύ περισσότερο κώδικα και να κάνει πράγματα που παλαιότερα θα απαιτούσαν πολύ περισσότερους ανθρώπους.
Μόνο που πλέον σημαντικό μέρος της δουλειάς της βρίσκεται αλλού: στην επιλογή των κατάλληλων μοντέλων, στον καθορισμό ορίων, στην παρακολούθηση και τελικά στη σύνθεση όσων παράγουν οι διαφορετικοί agents.
Η παραγωγή ανεβαίνει.
Η προσωπική εκτέλεση της δουλειάς μειώνεται.
Η AI θέλει και… διοίκηση
Το ίδιο μοντέλο περνά και σε επαγγέλματα έξω από το software.
Η σύμβουλος marketing Patricia Diaz-Hymes υπολογίζει ότι περίπου το 30% του χρόνου της αφιερώνεται πλέον στην εποπτεία της AI.
Έχει δημιουργήσει διαφορετικούς agents, τους έχει δώσει συγκεκριμένους ρόλους και επιχειρεί ουσιαστικά να τους «διδάξει» κομμάτια της επαγγελματικής της κρίσης.
Όταν ένας από αυτούς δημιούργησε λάθος ερωτήσεις για μια πρώτη επικοινωνία με υποψήφιο πελάτη, εκείνη δεν περιορίστηκε στο να απορρίψει το αποτέλεσμα. Του εξήγησε τι ήταν λάθος και γιατί.
Αυτό είναι ίσως και το σημαντικότερο στοιχείο της νέας σχέσης ανθρώπου και AI.
Δεν αρκεί πλέον να ξέρεις να της ζητήσεις κάτι.
Πρέπει να ξέρεις και να την εκπαιδεύσεις να σκέφτεται μέσα στα όρια που χρειάζεται η δουλειά σου.
Στην εκπαίδευση το πράγμα γίνεται ακόμη πιο περίπλοκο
Η αλλαγή δεν σταματά στις επιχειρήσεις.
Εκπαιδευτικοί καλούνται ήδη να μάθουν στους φοιτητές πώς να χρησιμοποιούν την τεχνητή νοημοσύνη, ενώ την ίδια στιγμή πρέπει να ελέγχουν εάν τη χρησιμοποιούν εκεί όπου δεν επιτρέπεται.
Μια Αμερικανίδα καθηγήτρια σε πανεπιστήμιο της Κίνας περιέγραψε ότι της ανατέθηκε ουσιαστικά η διαχείριση της AI μέσα στην τάξη, χωρίς να διαθέτει ειδική κατάρτιση πάνω στο αντικείμενο.
Πρέπει να διδάξει τη σωστή και «ηθική» χρήση της τεχνολογίας, ενώ παράλληλα καλείται να προστατεύσει την εκπαιδευτική διαδικασία από την κατάχρησή της.
Μια καινούργια ευθύνη, δηλαδή, που προστέθηκε πάνω στην ήδη υπάρχουσα δουλειά.
Η μηχανή παίρνει τα εύκολα – Στον άνθρωπο μένουν τα δύσκολα
Τα στοιχεία της Boston Consulting Group δείχνουν πόσο γρήγορα αλλάζει το τοπίο.
Σε διεθνή έρευνα σχεδόν 12.000 εργαζομένων, το 47% ανέφερε ότι αφιερώνει περισσότερο χρόνο στη διαχείριση και την καθοδήγηση της AI από ό,τι στην ίδια την εκτέλεση της εργασίας.
Παράλληλα, το 67% δήλωσε ότι η τεχνητή νοημοσύνη έχει ήδη αναλάβει τις απλούστερες εργασίες.
Στη θεωρία, αυτό είναι ακριβώς το σενάριο που μας υποσχέθηκε η τεχνολογία: η μηχανή αναλαμβάνει τη ρουτίνα και ο άνθρωπος ασχολείται με τα σημαντικά.
Στην πράξη, όμως, υπάρχει και η άλλη πλευρά.
Στον άνθρωπο μένουν οι δύσκολες αποφάσεις, οι εξαιρέσεις, ο έλεγχος, η κρίση και κυρίως η ευθύνη όταν κάτι πάει στραβά.
Και υπάρχει ακόμη ένα ζήτημα.
Οι επιχειρήσεις φαίνεται να τρέχουν πιο γρήγορα στην ενσωμάτωση της AI από ό,τι στην εκπαίδευση των ανθρώπων που καλούνται να τη διαχειριστούν.
Το 72% των εργαζομένων στην ίδια έρευνα αναφέρει ότι η τεχνητή νοημοσύνη έχει αλλάξει σημαντικά τις δεξιότητες που απαιτούνται πλέον από τη θέση του.
Μόλις το 36%, όμως, θεωρεί ότι έχει λάβει επαρκή εκπαίδευση.
Και ποιος πληρώνεται για τη νέα ευθύνη;
Εδώ ανοίγει ίσως η μεγαλύτερη κουβέντα για την επόμενη ημέρα της αγοράς εργασίας.
Εάν ένας εργαζόμενος δεν κάνει πλέον μόνο τη δουλειά του, αλλά αναθέτει καθήκοντα σε agents, τους ελέγχει, αξιολογεί την απόδοσή τους, διορθώνει τα λάθη τους και αποφασίζει ποιο αποτέλεσμα μπορεί τελικά να χρησιμοποιηθεί, τι ακριβώς είναι;
Απλός εργαζόμενος ή manager μιας ψηφιακής ομάδας;
Στοιχεία έρευνας της Visier δείχνουν ότι το 54% των εργαζομένων πλήρους απασχόλησης στις ΗΠΑ θεωρεί πως ο ρόλος ή η επαγγελματική του πορεία έχει αλλάξει σημαντικά εξαιτίας της AI μέσα στα τελευταία δύο χρόνια.
Από όσους είδαν ουσιαστική αλλαγή στον ρόλο τους, μόλις το 17% πήρε προαγωγή.
Και αυτή είναι μια λεπτομέρεια που δύσκολα θα μείνει για πολύ κάτω από το χαλί.
Γιατί η AI μπορεί να αυξάνει θεαματικά την παραγωγικότητα μιας επιχείρησης. Όταν όμως μαζί με την παραγωγικότητα αυξάνονται οι απαιτήσεις, η ευθύνη και η ανάγκη συνεχούς εποπτείας, κάποια στιγμή θα τεθεί και το αυτονόητο ερώτημα:
Ποιος πληρώνεται για αυτή την πρόσθετη αξία;
Ορισμένες επιχειρήσεις έχουν ήδη αρχίσει να το αντιλαμβάνονται. Η Ernst & Young, για παράδειγμα, έχει διαθέσει 100 εκατ. δολάρια σε μπόνους που συνδέονται με ανθρώπινες δεξιότητες απαραίτητες για την αποτελεσματική αξιοποίηση της AI.
Οι υπόλοιπες θα χρειαστεί αργά ή γρήγορα να δώσουν τη δική τους απάντηση.
Γιατί μπορεί ο εργαζόμενος του αύριο να έχει δίπλα του πέντε, δέκα ή ακόμη περισσότερους ψηφιακούς «συνεργάτες».
Μπορεί να παράγει σε μία ημέρα όσα παλαιότερα χρειάζονταν μια ολόκληρη ομάδα.
Μπορεί ακόμη και να σταματήσει να εκτελεί ο ίδιος μεγάλο μέρος της δουλειάς για την οποία προσλήφθηκε.
Όταν όμως κάτι πάει στραβά, ο agent δεν θα κληθεί να δώσει εξηγήσεις.
Ο άνθρωπος θα κληθεί.
Και κάπου εκεί βρίσκεται σήμερα η μεγάλη αντίφαση της AI στην εργασία:
Οι μηχανές αναλαμβάνουν περισσότερη δουλειά. Οι άνθρωποι, όμως, αναλαμβάνουν περισσότερη ευθύνη — χωρίς αυτό να σημαίνει ότι παίρνουν και περισσότερα χρήματα.
TSIPAS BLOG – ΓΙΑ ΝΑ ΞΕΡΕΤΕ
