Η δημόσια συζήτηση για την Τεχνητή Νοημοσύνη κινείται συχνά ανάμεσα στον ενθουσιασμό και την ανησυχία, όμως το πραγματικό ερώτημα δεν είναι αν η AI θα αλλάξει την εργασία, αλλά πόσο γρήγορα και με ποιους όρους θα το κάνει. Από τις διοικητικές θέσεις γραφείου και το customer support έως τους νέους προγραμματιστές και τους αναλυτές, η πίεση είναι ήδη ορατή, καθώς η αυτοματοποίηση εισέρχεται δυναμικά σε επαναλαμβανόμενα και ψηφιακά καθήκοντα.
Την ίδια στιγμή, η εικόνα δεν είναι μονοδιάστατη. Ενώ ορισμένα white collar επαγγέλματα γίνονται πιο ευάλωτα, αυξάνεται η ζήτηση για εξειδικευμένες δεξιότητες, ενώ τα τεχνικά και blue collar επαγγέλματα αποκτούν νέα δυναμική, κύρος και προοπτική. Στη συνέντευξή του στο Liberal, ο καθηγητής του Οικονομικού Πανεπιστημίου Αθηνών, Γιώργος Δουκίδης, εξηγεί γιατί η Ελλάδα πρέπει να επενδύσει άμεσα στην πρακτική επανεκπαίδευση, στη δια βίου μάθηση και στη σύνδεση της ΤΝ με την παραγωγικότητα των μικρομεσαίων επιχειρήσεων.
Συνέντευξη στον Χρήστο Θ. Παναγόπουλο
Κύριε Δουκίδη, αρκετοί CEO προειδοποιούν ότι η Τεχνητή Νοημοσύνη μπορεί να αυτοματοποιήσει έως και το 50% των θέσεων εργασίας μέσα στα επόμενα χρόνια. Ποιες κατηγορίες εργαζομένων θεωρείτε ότι είναι σήμερα πιο εκτεθειμένες στην Ελλάδα: οι διοικητικοί υπάλληλοι, οι νέοι πτυχιούχοι γραφείου, οι εργαζόμενοι σε customer support, οι αναλυτές ή ακόμη και οι junior προγραμματιστές;
Τα επαγγέλματα που θα επηρεαστούν αρνητικά είναι τα White collar, δηλαδή του γραφείου που συνήθως δημιουργούν ψηφιακό περιεχόμενο και δεν περιλαμβάνουν χειρονακτική εμπλοκή. Η τάση εδώ είναι για πιο επιλεκτική ζήτηση, όχι δηλαδή την πλήρη εξαφάνιση τους. Στην κατηγορία αυτή των εργαζομένων η αγορά εργασίας έχει γίνει πιο ανταγωνιστική και επιλεκτική, οι εταιρείες προσλαμβάνουν λιγότερο και πιο στοχευμένα, και πολλές entry-level θέσεις μειώνονται λόγω της ΤΝ. Ιδιαίτερα ευάλωτα επαγγέλματα είναι οι διοικητικές θέσεις (γραμματεία, customer support), οι λογιστές που ασχολούνται με διαδικασίες ρουτίνας, τα στελέχη μάρκετινγκ χαμηλής εξειδίκευσης, entry-level προγραμματιστές. Ο λόγος είναι απλός, οι διαδικασίες τους είναι εύκολα αυτοματοποιήσιμες και το αποτέλεσμα της εργασίας τους είναι ψηφιακό και αναπαράγεται εύκολα.
Παρά τη μείωση, κάποια άλλα επαγγέλματα white collar ανεβαίνουν σε ζήτηση, όπως ανάλυση δεδομένων, κυβερνοασφάλεια, διαχείριση ρίσκου και Χρηματοικονομική ανάλυση, ανάπτυξη cloud εφαρμογών κ.λπ. Δηλαδή επαγγέλματα που δεν είναι απλά «γραφείου», αλλά συνδυάζουν υψηλή εξειδίκευση σε συνδυασμό με τεχνολογικές εξελίξεις. Άρα τα white collar επαγγέλματα δεν πεθαίνουν, αλλά μειώνονται τα πιο «εύκολα» επαγγέλματα λόγω της ΤΝ, ενώ παράλληλα αυξάνεται η απαίτηση δεξιοτήτων λόγω της πολυπλοκότητας. Δηλαδή οδηγούμαστε σε ένα περιβάλλον με λιγότερους αλλά πιο εξειδικευμένους white collar εργαζόμενους.
Οι πιο ψύχραιμες διεθνείς αναλύσεις δείχνουν ότι η ΤΝ δεν καταργεί απαραίτητα ολόκληρα επαγγέλματα, αλλά κυρίως επιμέρους καθήκοντα μέσα σε αυτά. Πόσο σημαντική είναι αυτή η διάκριση για να μην οδηγηθεί η δημόσια συζήτηση σε υπερβολές και ποια είναι τα επαγγέλματα που δεν θα επηρεασθούν.
Αυτή η διαπίστωση σχετίζεται με τα Blue collar επαγγέλματα (δηλαδή τα τεχνικά / χειρωνακτικά), όπου η τάση είναι για σοβαρή άνοδο της ζήτησης. Οι λόγοι για την αύξηση αφορούν την αναβάθμιση των δεξιοτήτων λόγω τεχνολογικών εξελίξεων, η ΤΝ δεν μπορεί εύκολα να αντικαταστήσει τη φυσική εργασία, υπάρχει γήρανση των εργαζομένων αφού πολλοί εργαζόμενοι συνταξιοδοτούνται και παράλληλα υπάρχει ουσιαστική ανάπτυξη σχετικών κλάδων όπως: κατασκευές, ενέργεια, υποδομές, παραγωγή. Παραδείγματα τέτοιων επαγγελμάτων περιλαμβάνουν τους ηλεκτρολόγους, υδραυλικούς, ενεργειακούς τεχνικούς, κατασκευαστές, μηχανικοί παραγωγής κ.λπ. Παράλληλα σε αυτά τα blue collar επαγγέλματα παρατηρούμε αύξηση μισθών και επαγγελματική σταθερότητα λόγω αναβάθμισης της εργασίας τους με την τεχνολογική αναβάθμιση του εργασιακού αντικειμένου, για παράδειγμα τεχνολογίες IoT εντός του σπιτιού.
Συμπερασματικά η αγορά εργασίας δεν κατευθύνεται προς «white vs blue collar» αλλά προς μια οικονομία δεξιοτήτων. Δηλαδή δεν θα μετράει τόσο πολύ το πτυχίο, αλλά τι μπορεί να κάνει πρακτικά ο εργαζόμενος με τις αναγκαίες δεξιότητες. Όπως τις τεχνικές γνωσιακές και αλλά κυρίως τος ποιοτικές όλως τη συνεργασία, την επικοινωνία, την καινοτόμο σκέψη κ.λπ.
Άρα βλέπουμε μια ανάπτυξη των Blue Colllar επαγγελμάτων. Για να ξεπερασθεί όμως η κοινωνική υποτίμηση των Blue Collar επαγγελμάτων που έχουμε στην Ελλάδα, μήπως υπάρχει δυνατότητα για πανεπιστημιακή εκπαίδευση τους και πως αυτό θα επιφέρει αλλαγές στο εργασιακό περιβάλλον του μέλλοντος;
Ναι και μάλιστα αυτή είναι μια από τις πιο σημαντικές δυνατότητες που ανοίγονται σήμερα και με την αξιοποίηση της ΤΝ. Όμως δεν αναφερόμαστε στο κλασικό πανεπιστήμιο όπως το ξέρουμε, αλλά για ένα νέο υβριδικό μοντέλο εκπαίδευσης που γεφυρώνει τα blue-collar επαγγέλματα με πανεπιστημιακού επιπέδου γνώση. Η προχωρημένη εκπαίδευση αφορά τεχνικά επαγγέλματα όπως: ηλεκτρολόγοι, μηχανικοί αυτοματισμών, τεχνικοί δικτύων κ.λπ. σταδιακά γίνεται αναγκαία γιατί αρχίζουν να απαιτούν κατανόηση πολύπλοκων ψηφιακών συστημάτων, γνώση και χρήση προχωρημένων τεχνολογικών εργαλείων και ανάλυση δεδομένων. Δηλαδή, πιο επιστημονικό υπόβαθρο από παλιά. Επίσης αναδεικνύονται νέες μορφές σπουδών και όχι απαραίτητα 4ετές πτυχίο.
Δηλαδή αναπτύσσονται νέα εκπαιδευτικά μοντέλα όπως οι μικρές επαγγελματικές πιστοποιήσεις (micro-credentials), πανεπιστημιακές σπουδές που «χτίζονται» κομμάτι-κομμάτι (stackable degrees) κατά τη διάρκεια όλης της εργασιακής ζωής. Έτσι κάποιος εργαζόμενος μπορεί να δουλεύει και να σπουδάζει ταυτόχρονα, καθώς και να επιστρέφει στην εκπαίδευση όταν χρειάζεται και όταν μπορεί. Σε αυτό το νέο μοντέλο εκπαίδευσης ο ρόλος της ΤΝ είναι καθοριστικός γιατί η ΤΝ κάνει την εκπαίδευση πιο πρακτική (μέσω simulations, AR/VR), προσαρμόζει τη μάθηση σε ανθρώπους χωρίς σοβαρό ακαδημαϊκό υπόβαθρο και επιταχύνει την εκμάθηση τεχνικών δεξιοτήτων.
Αν το δούμε όμως ρεαλιστικά. Δεν χρειάζονται όλα τα blue-collar jobs πανεπιστημιακό επίπεδο, ενώ η υπερ-ακαδημαϊκοποίηση μπορεί να είναι και πρόβλημα. Τέλος να η ξεχνάμε ότι η αξία της πρακτικής εμπειρίας παραμένει τεράστια. Σίγουρα θα μεγαλώσει η δυνατότητα «πανεπιστημιακού τύπου» εκπαίδευσης για blue collars, αλλά θα είναι πιο ευέλικτη, πιο πρακτική, πιο συνδεδεμένη με την αγορά. Εν κατακλείδι αναφερόμαστε σε σημαντικές κοινωνικές αλλαγές όπου θα μειωθεί το χάσμα μεταξύ “χειρωνακτικής” και “πνευματικής” εργασίας, κάποια τεχνικά επαγγέλματα θα αποκτήσουν υψηλότερο κύρος και εισόδημα, και τα πανεπιστήμια θα ανοίξουν σε πιο διαφορετικά προφίλ φοιτητών.
Πόσο έτοιμο είναι το ελληνικό εκπαιδευτικό σύστημα - από τα πανεπιστήμια έως τη δια βίου μάθηση - να περάσει από τη θεωρητική συζήτηση στην πρακτική επανεκπαίδευση εργαζομένων που θα βρεθούν αντιμέτωποι με την αυτοματοποίηση λόγω AI;
Στα ελληνικά πανεπιστήμια ήδη λειτουργούν 21 μεταπτυχιακά προγράμματα σε ΤΝ και data analytics και αρκετά είναι σε διαδικασία δημιουργίας. Άρα σε επίπεδο τεχνικών αποφοίτων ΤΝ δεν φαίνεται για την ώρα να υπάρχει ουσιαστική έλλειψη. Το πρόβλημα είναι στην αποτελεσματική ένταξη της ΤΝ στα προγράμματα σπουδών άλλων ειδικοτήτων όπως στη νομική, διοίκηση επιχειρήσεων, ιατρική κλπ. Αυτό είναι αναγκαίο γιατί όλα αυτά τα επαγγέλματα επηρεάζονται άμεσα από την ΤΝ, Παράλληλα τα πανεπιστήμια θα πρέπει άμεσα να υλοποιήσουν προγράμματα συνεχιζόμενης εκπαίδευσης για την εκπαίδευση στη ΤΝ των εργαζομένων. Ένα τέτοιο προγράμματα που λειτουργούμε στο Οικονομικό Πανεπιστήμιο Αθηνών μέσω του κέντρου δια βίου μαθ για τον «επιχειρηματικό μετασχηματισμό και ΤΝ» έχει εξαιρετική ζήτηση και προγραμματίζουμε νέο πρόγραμμα με αναφορά στην ένταξη της ΤΝ στα γνωστά επιχειρηματικά συστήματά ERP και CRM.
Επίσης να μη ξεχνάμε ότι η ίδια η εκπαίδευση ήδη αλλάζει γρήγορα λόγω της τεχνητής νοημοσύνης (ΤΝ). Δεν πρόκειται απλώς για “ψηφιοποίηση” μαθημάτων, αλλά για αναδιαμόρφωση του ίδιου του τρόπου που μαθαίνουμε, διδάσκουμε και αξιολογούμε. Άρα τα ελληνικά ΑΕΙ θα πρέπει να προετοιμαστούν για το νέο αυτό περιβάλλον με βάση τις παρακάτω αρχές:
(1) Η ΤΝ να επιτρέπει προγράμματα σπουδών προσαρμοσμένα στον κάθε φοιτητή. Αντί για ένα ενιαίο syllabus το περιεχόμενο θα προσαρμόζεται στο επίπεδο και τον ρυθμό του φοιτητή, που θα λαμβάνει στοχευμένο feedback σε πραγματικό χρόνο, ενώ τα κενά γνώσης θα εντοπίζονται αυτόματα.
(2) Οι κλασικές γραπτές εξετάσεις χάνουν την αξία τους όταν η ΤΝ μπορεί να απαντήσει εύκολα σε ερωτήσεις. Άρα να ενταχθούν περισσότερα projects και εφαρμοσμένες εργασίες, αξιολόγηση της διαδικασίας μάθησης και όχι μόνο του αποτελέσματος, και περισσότερες προφορικές/διαδραστικές εξετάσεις.
(3) Η πανεπιστημιακή εκπαίδευση δεν θα είναι μόνο 3-5 χρόνια αλλά δια βίου. Άρα τα πανεπιστήμια θα πρέπει να μετασχηματιστούν σταδιακά ώστε να μην είναι μια σύντομη φάση στα αρχικά στάδια της ζωής μας και να γίνουν hubs συνεχούς εκπαίδευσης, με επαγγελματικές μικρο-πιστοποιήσεις (micro-credentials) και ευέλικτα online και υβριδικά προγράμματα.
Θέλω να πιστεύω ότι η ΤΝ δε θα αντικαταστήσει το πανεπιστήμιο, αλλά θα το αναγκάσει να γίνει πιο ευέλικτο, πρακτικό, με επικέντρωση στη σκέψη και όχι στη στείρα γνώση.
Ποια θα ήταν, κατά τη γνώμη σας, τα άμεσα μέτρα πολιτικής που πρέπει να λάβει η Ελλάδα τώρα: φορολογικά κίνητρα για reskilling, αλλαγές στα πανεπιστημιακά προγράμματα, ενεργητικές πολιτικές απασχόλησης ή ένα νέο πλαίσιο προστασίας της εργασίας απέναντι στην αλγοριθμική διοίκηση;
Στην Ελλάδα έχομε περίπου 700000 μικρομεσαίες επιχειρήσεις στις ποιες είναι αναγκαίο να αυξηθεί η παραγωγικότητας τους για να αυξήσουν την ανταγωνιστικότητας τους. Περίπου οι μισές αφορούν επαγγελματίες/επιστήμονες (όπως λογιστές, δικηγόροι, μηχανικοί κλπ) που παράγουν περιεχόμενο και άυλες υπηρεσίες. Σε αυτές τις επαγγελματικές ομάδες το generative ΑΙ για αυτόματη παραγωγή περιεχομένου αξιοποιείται ευρέως γιατί είναι εύκολη η χρήση των γνωστών εργαλείων ΑΙ. Ήδη βλέπουμε ουσιαστική αύξηση της παραγωγικότητας τους ειδικά για απλές επαναλαμβανόμενες εργασίες.
Το πρόβλημα είναι για τις μικρομεσαίες επιχειρήσεις που αφορούν το εμπόριο και τη παραγωγή, όπου οι διαδικασίες είναι πιο πολύπλοκες. Εδώ οι επιχειρηματίες, λόγω περιορισμένων πόρων και της έλλειψης ειδικών γνώσεων, χρειάζονται καθημερινά πολλαπλούς βοηθούς και άρα το Agentic AI. Δηλαδή την ένταξη σεναρίων βοηθών ΤΝ στο πλαίσιο της καθημερινής χρήσης των συστημάτων ERP και CRM, ώστε αυτά τα συστήματά να γίνουν πραγματικά εργαλεία υποστήριξης αποφάσεων και αποδοτικής λειτουργίας. Άρα θα πρότεινα ως κυρία κυβερνητική πρωτοβουλία την ενίσχυση μέσω vouchers της μαζικής εισαγωγής σεναρίων agentic AI στα επιχειρηματικά πληροφοριακά συστήματά ειδικά για τις μικρομεσαίες επιχειρήσεις.
Επίσης, είναι αναγκαίο να ξεκινήσουν άμεσα μαζικά προγράμματα επανειδίκευσης εργαζομένων στη ΤΝ, όχι όμως γενικά και θεωρητικά, αλλά με συγκεκριμένα σενάρια πρακτικής αξιοποίησης (generative AI, agentic AI, data analytics) ανά συγκεκριμένο επιχειρηματικό κλάδο (για παράδειγμα τουρισμός, βιομηχανία, χονδρεμπόριο) και ανά επιχειρηματική λειτουργία (για παράδειγμα λογιστήριο, παραγωγή, μάρκετινγκ).
* Ο Γιώργος Δουκίδης είναι επικεφαλής του Εργαστηρίου Ηλεκτρονικού Εμπορίου και Επιχειρείν (ELTRUN) του Τμήματος Διοικητικής Επιστήμης και Τεχνολογίας στο Οικονομικό Πανεπιστήμιο Αθηνών
Πηγή: Liberal.gr
