Σε μια εποχή που οι κυβερνήσεις και οι επιχειρήσεις παγκοσμίως στρέφονται στην Τεχνητή Νοημοσύνη (AI) για να χαρτογραφήσουν το μέλλον της οικονομίας, μια νέα μελέτη έρχεται να ταράξει τα νερά. Το παράδοξο είναι σχεδόν ειρωνικό: τα ίδια τα εργαλεία που υποτίθεται ότι θα αναδιαμορφώσουν την αγορά εργασίας δεν μπορούν να συμφωνήσουν μεταξύ τους για το ποια επαγγέλματα βρίσκονται στο στόχαστρο της αυτοματοποίησης. Η έρευνα, η οποία ανέλυσε τις προβλέψεις κορυφαίων μοντέλων όπως το GPT-4 της OpenAI, το Claude της Anthropic και το Gemini της Google, αποκαλύπτει μια βαθιά μεθοδολογική και εννοιολογική απόκλιση που καθιστά τις τρέχουσες προβλέψεις τουλάχιστον επισφαλείς.
Η Μεθοδολογική Σύγχυση και το «Μαύρο Κουτί»
Το βασικό πρόβλημα έγκειται στον τρόπο με τον οποίο κάθε μοντέλο AI αντιλαμβάνεται την έννοια της «εργασίας». Στην παραδοσιακή οικονομική ανάλυση, ένα επάγγελμα ορίζεται ως μια δέσμη καθηκόντων (tasks). Τα μοντέλα AI καλούνται να αξιολογήσουν ποια από αυτά τα καθήκοντα μπορούν να εκτελεστούν από αλγορίθμους. Ωστόσο, η έρευνα δείχνει ότι οι απαντήσεις διαφέρουν δραματικά ανάλογα με το πώς τίθεται η ερώτηση και ποιο μοντέλο χρησιμοποιείται. Για παράδειγμα, ενώ το GPT-4 μπορεί να θεωρήσει τη νομική έρευνα ως υψηλού κινδύνου για αυτοματοποίηση, το Claude μπορεί να δώσει έμφαση στη δημιουργική σύνθεση που απαιτείται, κατατάσσοντάς την σε χαμηλότερη κλίμακα κινδύνου.
Αυτή η ασυμφωνία δεν είναι απλώς τεχνική· είναι φιλοσοφική. Τα μοντέλα εκπαιδεύονται σε διαφορετικά σύνολα δεδομένων και αντανακλούν τις προκαταλήψεις των δημιουργών τους ή των πηγών τους. Όταν ένα μοντέλο «διαβάζει» ότι η συγγραφή κώδικα είναι ευάλωτη, βασίζεται σε χιλιάδες άρθρα και φόρουμ. Αν ένα άλλο μοντέλο έχει εκπαιδευτεί περισσότερο σε ακαδημαϊκές μελέτες που τονίζουν την ανάγκη για ανθρώπινη εποπτεία στον προγραμματισμό, η πρόβλεψή του θα είναι εντελώς διαφορετική. Το αποτέλεσμα είναι ένας «αλγοριθμικός πλουραλισμός» που, αντί να βοηθά, προκαλεί σύγχυση στους υπεύθυνους χάραξης πολιτικής.
Λευκά Κολάρα vs. Χειρωνακτική Εργασία: Μια Μεταβαλλόμενη Γραμμή
Ιστορικά, η αυτοματοποίηση απειλούσε τις επαναλαμβανόμενες χειρωνακτικές εργασίες. Η Generative AI ανέτρεψε αυτό το αφήγημα, στοχεύοντας στη γνωστική εργασία (cognitive labor). Η έρευνα επισημαίνει ότι εκεί εντοπίζεται η μεγαλύτερη διαφωνία μεταξύ των μοντέλων. Επαγγέλματα όπως οι μεταφραστές, οι αναλυτές δεδομένων και οι γραφίστες βρίσκονται σε μια «γκρίζα ζώνη». Κάποια μοντέλα προβλέπουν πλήρη αντικατάσταση μέσα στην επόμενη πενταετία, ενώ άλλα βλέπουν μια μακροχρόνια συμβίωση όπου η AI λειτουργεί απλώς ως βοηθός.
- Δημιουργική Γραφή: Μεγάλη απόκλιση στις εκτιμήσεις για το αν η AI μπορεί να υποκαταστήσει την ανθρώπινη ενσυναίσθηση.
- Νομικές Υπηρεσίες: Διαφωνία για το κατά πόσο η στρατηγική σκέψη στις αίθουσες των δικαστηρίων μπορεί να κωδικοποιηθεί.
- Εκπαίδευση: Μερικά μοντέλα βλέπουν την εξατομικευμένη διδασκαλία ως το επόμενο σύνορο, ενώ άλλα θεωρούν τον κοινωνικό ρόλο του δασκάλου αναντικατάστατο.
Αυτή η έλλειψη συναίνεσης υπογραμμίζει έναν κρίσιμο κίνδυνο: οι επιχειρήσεις που βασίζουν τις στρατηγικές προσλήψεων ή απολύσεων αποκλειστικά σε AI αναλύσεις κινδυνεύουν να πάρουν αποφάσεις βασισμένες σε λανθασμένα ή μονομερή δεδομένα. Η «τυφλή εμπιστοσύνη» στον αλγόριθμο μπορεί να οδηγήσει σε απώλεια πολύτιμου ανθρώπινου κεφαλαίου που η AI δεν είναι ακόμα έτοιμη να αντικαταστήσει πραγματικά.
Οι Κοινωνικοπολιτικές Επιπτώσεις της Αβεβαιότητας
Η αδυναμία των μοντέλων να συμφωνήσουν έχει άμεσο αντίκτυπο στην κοινωνική ειρήνη και την οικονομική σταθερότητα. Αν δεν μπορούμε να προσδιορίσουμε με ακρίβεια ποιοι κλάδοι απειλούνται, πώς μπορούν τα κράτη να σχεδιάσουν προγράμματα επανακατάρτισης (reskilling); Ο κίνδυνος είναι να σπαταληθούν δισεκατομμύρια σε εκπαίδευση για επαγγέλματα που τελικά δεν θα επηρεαστούν, ή το αντίστροφο, να μείνουν απροστάτευτοι εργαζόμενοι σε τομείς που θα καταρρεύσουν ξαφνικά.
«Η Τεχνητή Νοημοσύνη είναι ένας καθρέφτης των δικών μας αβεβαιοτήτων. Όταν της ζητάμε να προβλέψει το μέλλον, μας επιστρέφει έναν θόρυβο από στατιστικές πιθανότητες, όχι μια κρυστάλλινη σφαίρα», αναφέρει χαρακτηριστικά η μελέτη.
Συμπερασματικά, η έρευνα μας καλεί να επιστρέψουμε στην ανθρώπινη κρίση. Η AI μπορεί να είναι ένα ισχυρό εργαλείο ανάλυσης, αλλά η πολυπλοκότητα της ανθρώπινης εργασίας —η οποία περιλαμβάνει ηθική, κρίση, κοινωνική αλληλεπίδραση και αυτοσχεδιασμό— παραμένει, προς το παρόν, εκτός της πλήρους κατανόησης των αλγορίθμων. Η διαφωνία μεταξύ των μοντέλων δεν είναι αποτυχία της τεχνολογίας, αλλά μια υπενθύμιση ότι το μέλλον της εργασίας είναι ακόμα στα χέρια μας και δεν έχει προδιαγραφεί από κανέναν κώδικα.
