Όταν το ChatGPT έκανε την εμφάνισή του στα τέλη του 2022, ο κόσμος της εργασίας ένιωσε έναν συλλογικό ίλιγγο. Οι προβλέψεις από μεγάλους επενδυτικούς οίκους όπως η Goldman Sachs έκαναν λόγο για 300 εκατομμύρια θέσεις εργασίας που θα μπορούσαν να αυτοματοποιηθούν πλήρως. Ωστόσο, καθώς πλησιάζουμε στα μέσα του 2026, η «αποκάλυψη» των θέσεων εργασίας δεν έχει συμβεί με τον ρυθμό που πολλοί προφήτευαν. Η αγορά εργασίας, αντί να καταρρεύσει, επιδεικνύει μια αξιοσημείωτη, αν και εύθραυστη, ανθεκτικότητα. Γιατί λοιπόν η Τεχνητή Νοημοσύνη δεν έχει αντικαταστήσει ακόμα τον μέσο υπάλληλο γραφείου;
Το Υψηλό Κόστος της «Φθηνής» Νοημοσύνης
Ο πρώτος και βασικότερος λόγος είναι οικονομικός. Ενώ το λογισμικό μπορεί να φαίνεται φθηνό, η ενσωμάτωσή του σε εταιρικό επίπεδο είναι μια εξαιρετικά δαπανηρή διαδικασία. Η εκπαίδευση εξειδικευμένων μοντέλων πάνω σε ιδιωτικά δεδομένα, η αγορά υπολογιστικής ισχύος (GPUs) και η πρόσληψη μηχανικών που θα επιβλέπουν αυτά τα συστήματα απαιτούν κεφάλαια που μόνο οι κολοσσοί της Silicon Valley διαθέτουν σε αφθονία. Για μια μέση ελληνική ή ευρωπαϊκή επιχείρηση, η διατήρηση ενός έμπειρου υπαλλήλου παραμένει, προς το παρόν, πιο οικονομική και λιγότερο ριψοκίνδυνη από την πλήρη μετάβαση σε μια υποδομή βασισμένη στην ΤΝ.
Το Πρόβλημα του «Τελευταίου Μιλίου» και η Αξιοπιστία
Ένα άλλο σημαντικό εμπόδιο είναι η έλλειψη απόλυτης αξιοπιστίας. Οι «παραισθήσεις» (hallucinations) των μεγάλων γλωσσικών μοντέλων παραμένουν ένα άλυτο πρόβλημα. Στον κόσμο των επιχειρήσεων, ένα λάθος 5% μπορεί να είναι καταστροφικό, είτε πρόκειται για νομικές συμβουλές, είτε για ιατρικές διαγνώσεις, είτε για σύνταξη οικονομικών εκθέσεων. Αυτό δημιουργεί την ανάγκη για το λεγόμενο «Human-in-the-loop» (άνθρωπος στον βρόχο). Η ΤΝ μπορεί να κάνει το 80% της δουλειάς σε δευτερόλεπτα, αλλά το κρίσιμο τελευταίο 20% απαιτεί ανθρώπινη κρίση, ηθική στάθμιση και ευθύνη. Οι εταιρείες συνειδητοποιούν ότι η ΤΝ είναι ένας εξαιρετικός βοηθός, αλλά ένας επικίνδυνος αντικαταστάτης.
Θεσμικά Εμπόδια και Κοινωνική Αδράνεια
Η ιστορία της τεχνολογίας μας διδάσκει ότι οι κοινωνίες και οι θεσμοί αλλάζουν πολύ πιο αργά από τους κώδικες. Η Ευρωπαϊκή Ένωση, με την Πράξη για την Τεχνητή Νοημοσύνη (AI Act), έχει θέσει αυστηρά πλαίσια που επιβραδύνουν την ανεξέλεγκτη υιοθέτηση αυτοματισμών σε ευαίσθητους τομείς. Παράλληλα, τα συνδικάτα και οι επαγγελματικές ενώσεις παγκοσμίως έχουν αρχίσει να διαπραγματεύονται συλλογικές συμβάσεις που περιλαμβάνουν ρήτρες προστασίας από την ΤΝ. Η «ανθρώπινη επαφή» παραμένει επίσης ένα ισχυρό εμπορικό πλεονέκτημα. Οι πελάτες, σε πολλούς κλάδους, εξακολουθούν να προτιμούν την επικοινωνία με άνθρωπο, ειδικά σε περιπτώσεις κρίσεων ή σύνθετων προβλημάτων.
Το Παράδοξο του Jevons και η Νέα Ζήτηση
Τέλος, υπάρχει το οικονομικό φαινόμενο γνωστό ως «Παράδοξο του Jevons». Όταν η τεχνολογία κάνει μια υπηρεσία πιο αποτελεσματική και φθηνή, η ζήτηση για αυτήν την υπηρεσία συχνά αυξάνεται τόσο πολύ, που τελικά απαιτούνται περισσότεροι άνθρωποι για να τη διαχειριστούν. Για παράδειγμα, η ΤΝ μπορεί να γράφει κώδικα ταχύτερα, αλλά αυτό οδηγεί τις εταιρείες στο να θέλουν να δημιουργήσουν δέκα φορές περισσότερες εφαρμογές από πριν, αυξάνοντας τελικά τη ζήτηση για προγραμματιστές που μπορούν να καθοδηγήσουν την ΤΝ. Η μετάβαση δεν είναι μια ευθύγραμμη πορεία προς την ανεργία, αλλά ένας μετασχηματισμός των δεξιοτήτων που απαιτούνται.
«Η Τεχνητή Νοημοσύνη δεν θα πάρει τη δουλειά σας. Ένας άνθρωπος που χρησιμοποιεί Τεχνητή Νοημοσύνη θα την πάρει.»
Συμπερασματικά, η στιγμή της «αποκάλυψης» καθυστερεί γιατί η ανθρώπινη εργασία είναι βαθιά ριζωμένη σε κοινωνικά, νομικά και οικονομικά δίκτυα που δεν ξηλώνονται εύκολα. Η πρόκληση για τα επόμενα χρόνια δεν θα είναι η έλλειψη εργασίας, αλλά η ταχύτητα με την οποία το εργατικό δυναμικό θα μπορέσει να προσαρμοστεί στα νέα εργαλεία, αποφεύγοντας τη δημιουργία μιας νέας τάξης «ψηφιακά αναλφάβητων» που θα μείνουν στο περιθώριο της νέας οικονομίας.
