Τεχνητή νοημοσύνη, παραγωγικότητα και η σημασία της γνώσης

Η τεχνητή νοημοσύνη αποτελεί πλέον αναπόσπαστο μέρος της καθημερινότητας πολλών επαγγελματιών και εργαζομένων. Έχει επιφέρει σημαντική αλλαγή στον τρόπο που εργαζόμαστε, καθώς και αξιοσημείωτη αύξηση της παραγωγικότητας και αποδοτικότητας όπου χρησιμοποιείται ορθά.

Παράλληλα, έχει δημιουργήσει προβληματισμό σχετικά με το κατά πόσο συγκεκριμένες εργασίες θα παραμείνουν σημαντικές τα επόμενα χρόνια ή εάν θα κληθούμε να αντιμετωπίσουμε σοβαρά προβλήματα ανεργίας ανάμεσα στον πληθυσμό.

Ιστορικά παραδείγματα τεχνολογικών μεταβάσεων
Κάθε μεγάλη τεχνολογική αλλαγή φέρνει προκλήσεις αλλά και νέες ευκαιρίες. Για να κατανοήσουμε καλύτερα τη μετάβαση προς την AI, μπορούμε να αναλογιστούμε την εισαγωγή των ηλεκτρονικών υπολογιστών στις δεκαετίες του 1980 και 1990.

Η εισαγωγή των Η/Υ στους χώρους εργασίας είχε σημαντικό αντίκτυπο στην απασχόληση, αυξάνοντας τη ζήτηση για εξειδικευμένο προσωπικό και διευρύνοντας τις μισθολογικές ανισότητες. Σύμφωνα με τη μελέτη "Computing Inequality: Have Computers Changed the Labor Market?" του National Bureau of Economic Research (NBER), η χρήση της πληροφορικής ευθύνεται για το 30%-50% της αύξησης της ζήτησης για εξειδικευμένους εργαζομένους από το 1970 έως το 1995, καθώς πολλές επιχειρήσεις επένδυσαν στην τεχνολογία για να βελτιώσουν την παραγωγικότητά τους (Autor, Katz & Krueger, 1998).

Επιπλέον, η τεχνολογική πρόοδος οδήγησε σε αυξημένες μισθολογικές διαφορές μεταξύ εργαζομένων με ανώτερη εκπαίδευση και εκείνων με χαμηλότερο επίπεδο δεξιοτήτων. Ιδιαίτερη ανάπτυξη σημειώθηκε στον τομέα των υψηλής τεχνολογίας υπηρεσιών, με θέσεις εργασίας σε διοίκηση, δημόσιες σχέσεις, πληροφορική και επεξεργασία δεδομένων να αυξάνονται κατά 46% μεταξύ 1988-1996, σύμφωνα με τη μελέτη "High-technology employment: a broader view" του U.S. Bureau of Labor Statistics (Hecker, 1999).

Αξίζει επίσης να σημειωθεί ότι η εισαγωγή των Η/Υ προκάλεσε αύξηση της μέσης διάρκειας ανεργίας, καθώς πολλοί εργαζόμενοι χρειάστηκαν χρόνο για να προσαρμοστούν στις νέες τεχνολογικές απαιτήσεις.

Τι δείχνουν οι πρώτες μελέτες για την τεχνητή νοημοσύνη
Αρχικές έρευνες καταδεικνύουν ότι η ενσωμάτωση της τεχνητής νοημοσύνης (AI) στην εργασία επιφέρει σημαντική επίδραση στην παραγωγικότητα και την αποδοτικότητα. Σύμφωνα με μελέτη της McKinsey & Company, η γενετική τεχνητή νοημοσύνη (Generative AI) θα μπορούσε να συμβάλει στην παγκόσμια οικονομία με ποσά που κυμαίνονται από 2,6 έως 4,4 τρισεκατομμύρια δολάρια ετησίως, επηρεάζοντας διάφορους κλάδους και υπογραμμίζοντας τη σημαντική οικονομική της δυναμική.

Στον κλάδο της πληροφορικής, μια έρευνα της EY India δείχνει ότι η υιοθέτηση της γενετικής τεχνητής νοημοσύνης θα μπορούσε να αυξήσει την παραγωγικότητα έως και 45% μέσα στα επόμενα πέντε χρόνια, με ιδιαίτερα θετικά αποτελέσματα στην ανάπτυξη λογισμικού, το outsourcing επιχειρηματικών διαδικασιών και τις συμβουλευτικές υπηρεσίες πληροφορικής.

Επιπλέον, έρευνα που εστιάζει στο περιβάλλον εξυπηρέτησης πελατών διαπίστωσε ότι τα εργαλεία τεχνητής νοημοσύνης μπορούν να οδηγήσουν σε αύξηση 14% στα ζητήματα που επιλύονται ανά ώρα, με τους λιγότερο έμπειρους εργαζομένους να επωφελούνται περισσότερο από τη χρήση της AI.

Ωστόσο, είναι σημαντικό να σημειωθεί ότι η εφαρμογή της AI δεν οδηγεί απαραίτητα σε μείωση του φόρτου εργασίας. Σύμφωνα με μελέτη της Upwork, 77% των εργαζομένων ανέφεραν αύξηση του φόρτου εργασίας μετά την υιοθέτηση της AI, γεγονός που συνδέεται κυρίως με τον επιπλέον χρόνο που απαιτείται για την αναθεώρηση του περιεχομένου που δημιουργεί η AI και την εκμάθηση νέων εργαλείων.

Μετάβαση στη νέα εποχή και η σημασία της γνώσης
Ως επαγγελματίας σύμβουλος σε θέματα αποδοτικότητας και βελτιστοποίησης διαδικασιών, έχω επενδύσει σημαντικό χρόνο στη μελέτη και χρήση της τεχνητής νοημοσύνης. Μέσα από εκτενή πρακτική εφαρμογή και συνεργασία με την ομάδα μου, έχω καταλήξει σε ορισμένα καίρια συμπεράσματα. Το σημαντικότερο από αυτά είναι η αδιαμφισβήτητη αξία της γνώσης και η κρισιμότητα της θεωρητικής κατάρτισης σε κάθε αντικείμενο.

Εξηγούμαι:

Για την αποτελεσματική χρήση της τεχνητής νοημοσύνης, ο χρήστης πρέπει να μπορεί να καθοδηγήσει με ακρίβεια και λεπτομέρεια το μοντέλο AI (ChatGPT, Claude, Gemini κ.λπ.) στη διαδικασία "σκέψης" που πρέπει να ακολουθήσει. Αυτό έχει αποδειχθεί επανειλημμένα στις διάφορες δοκιμές που πραγματοποιήσαμε.

Συγκεκριμένα, χωρίς επαρκή γνώση του αντικειμένου στο οποίο αναζητάτε λύσεις μέσω οποιουδήποτε μοντέλου AI, τα αποτελέσματα θα είναι περιορισμένα, της τάξης του 2-4 στα 10. Αντιθέτως, με καλή γνώση του αντικειμένου, μπορείτε να επιτύχετε αποτελέσματα 8-10 στα 10.

Επιπλέον, χωρίς επαρκή γνώση του αντικειμένου, δεν μπορείτε να αξιολογήσετε αν έχετε επιτύχει τα βέλτιστα δυνατά αποτελέσματα, ενώ παράλληλα θα έχετε επενδύσει πολύ περισσότερο χρόνο συγκριτικά με έναν ειδικό του χώρου. Εδώ τίθεται το κρίσιμο ερώτημα: πότε πραγματικά η τεχνητή νοημοσύνη συμβάλλει στην παραγωγικότητα και την αποδοτικότητα ενός οργανισμού και πότε ενδεχομένως επιφέρει τα αντίθετα αποτελέσματα;

Δυστυχώς, όσοι θεωρούν ότι έχουν ανακαλύψει απλώς ένα εργαλείο και πως δεν χρειάζονται πλέον τη γνώση ή τους ειδικούς για σημαντικά λειτουργικά θέματα της επιχείρησής τους, είναι πιθανό να αντιμετωπίσουν αποτελέσματα αντίθετα από τα αναμενόμενα. Αυτό θα τους οδηγήσει σε ανταγωνιστικό μειονέκτημα έναντι των επιχειρήσεων που επενδύουν συστηματικά στη γνώση.

Η μάθηση, και ιδιαίτερα η θεωρητική κατάρτιση ως θεμέλιο της γνώσης ενός αντικειμένου, αποκτά ακόμη μεγαλύτερη σημασία στη νέα εποχή. Αυτή η διαπίστωση έρχεται σε αντίθεση με όσους υποστηρίζουν ότι η γνώση χάνει την αξία της. Πιθανώς συγχέουν τη δυνατότητα ταχύτερης πρόσβασης στην πληροφορία μέσω της τεχνητής νοημοσύνης με την ουσιαστική γνώση και εξειδίκευση, η οποία όχι μόνο θα διατηρήσει, αλλά κατά τη γνώμη μου θα ενισχύσει περαιτέρω τη σημασία της.

Συμπεράσματα για επιχειρήσεις

Όταν συζητάμε για την εισαγωγή της τεχνητής νοημοσύνης στην εργασία, πρέπει να διευκρινίσουμε ότι δεν αναφερόμαστε απλώς στη δημιουργία περιεχομένου με το ChatGPT. Μιλάμε για ουσιαστική ενσωμάτωση στη λειτουργία και τις διαδικασίες του οργανισμού. Για τον λόγο αυτό, οι επιχειρήσεις οφείλουν να προσεγγίσουν το θέμα της τεχνητής νοημοσύνης στρατηγικά, με στόχο την απόκτηση πραγματικού ανταγωνιστικού πλεονεκτήματος.

Καταρχάς, είναι απαραίτητο να κατανοήσουν σε βάθος τις διαδικασίες τους. Πολλοί εργοδότες διοικούν καθημερινά τις επιχειρήσεις τους χωρίς να γνωρίζουν λεπτομερώς τις διαδικασίες τους και τους τρόπους βελτιστοποίησης τους. Η μετάβαση στην τεχνητή νοημοσύνη απαιτεί πρώτα την αναγνώριση των προβλημάτων στην υφιστάμενη δομή και των σημείων όπου η AI μπορεί να προσφέρει ουσιαστική βοήθεια.

Δεύτερον, σε οργανωτικό επίπεδο, είναι σημαντικό να καταγράψουν το γνωστικό κεφάλαιο του προσωπικού τους και τους τομείς εξειδίκευσής τους, τόσο γενικά όσο και ειδικά σε συγκεκριμένες εργασίες και θέματα της επιχείρησής τους. Παράλληλα, απαιτείται ανάλυση των ελλείψεων σε γνώση που σχετίζονται με τις υπηρεσίες ή τα προϊόντα που προσφέρουν.

Αυτές οι δύο προϋποθέσεις είναι θεμελιώδεις για τη δημιουργία της κατάλληλης βάσης μετάβασης στην τεχνητή νοημοσύνη. Το ζήτημα δεν είναι απλώς τεχνολογικό, αλλά επικεντρώνεται στις διαδικασίες και τον ανθρώπινο παράγοντα.

Εξίσου σημαντικό είναι να εντάξουν το προσωπικό σε αυτή τη μετάβαση και να το υποστηρίξουν στην αναβάθμιση των δεξιοτήτων του, ώστε να παραμείνει χρήσιμο και ικανό, αισθανόμενο παράλληλα μέρος της αλλαγής και όχι μελλοντικό εμπόδιο στην εξέλιξη του οργανισμού.

Συμπερασματικά, το κρισιμότερο στοιχείο είναι η διαχείριση της αλλαγής με τρόπο μεθοδικό και ισορροπημένο, ώστε να υποστηρίξει τόσο τις επιχειρήσεις όσο και τους εργαζομένους τους. Στόχος είναι η αξιοποίηση της νέας τεχνολογίας για την ενίσχυση της ανταγωνιστικότητας, χωρίς να δημιουργηθούν προβλήματα που θα αντιστρατεύονται τον πραγματικό σκοπό αυτής της τεχνολογικής εξέλιξης.

*Σταύρος Αγγελίδης

Σύμβουλος Διοίκησης

www.stavrosangelidis.com

Διευκρίνιση μεθοδολογίας

Το παρόν άρθρο αποτελεί προϊόν προσωπικής έρευνας και εμπειρίας, βασισμένο στην επαγγελματική μου εξειδίκευση. Η τεχνητή νοημοσύνη χρησιμοποιήθηκε επικουρικά μόνο για ερευνητικούς σκοπούς και για τη βελτίωση της σαφήνειας του κειμένου, διατηρώντας ακέραιο το περιεχόμενο και τις απόψεις που εκφράζονται.