Η πορεία της τεχνητής νοημοσύνης είναι προφανώς αβέβαιη. Ωστόσο, η τελευταία σειρά του Boss Class, του podcast μας για τη διοίκηση, δείχνει ότι υπάρχουν σοβαροί λόγοι να πιστεύουμε ότι η κοινωνία έχει περισσότερα περιθώρια προσαρμογής από ό,τι υποδεικνύουν οι παραπάνω φωστήρες. Χρειάζεται χρόνος για να περάσει μια νέα τεχνολογία από την αιχμή του δόρατος στο γραφείο. Οι επιχειρήσεις και οι κυβερνήσεις θα πρέπει να χρησιμοποιήσουν το μεσοδιάστημα για να βοηθήσουν εκείνους που κινδυνεύουν περισσότερο να εκτοπιστούν.

Μέχρι στιγμής οι αγορές εργασίας δεν φαίνεται να επηρεάζονται. Οι θέσεις εργασίας στον τομέα των υπηρεσιών είναι περισσότερο εκτεθειμένες στην παραγωγική τεχνητή νοημοσύνη, ωστόσο στην Αμερική ο αριθμός των θέσεων εργασίας των υπαλλήλων έχει αυξηθεί κατά 3 εκατ. από την έναρξη του ChatGPT, ενώ οι θέσεις εργασίας των εργατών έχουν παραμείνει αμετάβλητες. Η απασχόληση έχει αυξηθεί ακόμη και σε τομείς που ήταν πρόθυμοι να υιοθετήσουν πάραυτα την ΤΝ, όπως η κωδικοποίηση.

Ένας λόγος για τον αργό οικονομικό αντίκτυπο είναι το «ακανόνιστο σύνορο» της τεχνολογίας: υπερέχει σε ορισμένες εργασίες, αλλά στη συνέχεια ξεστομίζει με αυτοπεποίθηση ανοησίες ή δυσκολεύεται να μετρήσει τον αριθμό των «r» στη λέξη «strawberry». Αυτή η απρόβλεπτη συμπεριφορά σημαίνει ότι οι εταιρείες και οι εργαζόμενοι πρέπει να αφιερώσουν χρόνο για να βρουν πού να εφαρμόσουν την ΤΝ.

Επιπλέον, οι επιχειρηματικές διαδικασίες δεν αλλάζουν από τη μια μέρα στην άλλη. Ο ηλεκτρισμός αξιοποιήθηκε για πρώτη φορά εμπορικά τη δεκαετία του 1880, αλλά χρειάστηκαν 40-50 χρόνια για να δημιουργηθούν κέρδη παραγωγικότητας στα εργοστάσια. Τα εργοστάσια έπρεπε να επανασχεδιαστούν και οι ροές εργασίας να επανεξεταστούν. Και αυτή τη φορά, οι εταιρείες πρέπει να σκεφτούν πώς θα ενθαρρύνουν τους εργαζόμενους να χρησιμοποιούν την ΤΝ, πώς θα μετριάσουν τα προβλήματα που δημιουργεί και πώς θα την εφαρμόσουν με επιτυχία.

Αυτή η τριβή θα πρέπει να είναι καλά νέα για όσους ανησυχούν για την ταχύτητα των τεχνολογικών αλλαγών. Το να ζητάμε από τους προγραμματιστές σε όλο τον κόσμο να «κόψουν ταχύτητα», όταν ένα νικηφόρο προβάδισμα θα μπορούσε να προσδώσει γιγαντιαία εμπορικά και γεωπολιτικά οφέλη, είναι εντελώς ανεδαφικό. Ωστόσο, μεταξύ της εφεύρεσης και της διάδοσης, μεσολαβεί πολύτιμος χρόνος, και αυτός μπορεί να χρησιμοποιηθεί για να εντοπιστεί ποιος είναι περισσότερο εκτεθειμένος στην τεχνολογία και να βρεθεί τρόπος να τον βοηθήσουμε.

Πολλές θέσεις εργασίας απαιτούν δεξιότητες που είναι δύσκολο να αυτοματοποιηθούν, όπως η κρίση ή η ενσυναίσθηση. Τα εργαλεία τεχνητής νοημοσύνης θα μπορούσαν να κάνουν αυτούς τους ρόλους πιο παραγωγικούς, επικερδείς και ακόμη πιο ευχάριστους: σκεφτείτε έναν γιατρό που απελευθερώνεται από τη γραφειοκρατία. Επιπλέον, η νέα τεχνολογία τείνει να δημιουργεί θέσεις εργασίας – ήδη παρατηρείται μια αύξηση των υπαλλήλων σε εργασίες που είναι τόσο νέες που δεν έχουν ετικέτα στις στατιστικές. Αναμφισβήτητα, ορισμένοι ρόλοι φαίνονται επίσης επικίνδυνα εκτεθειμένοι στην αυτοματοποίηση. Ένα μεγάλο μέρος της εργασίας στο back-office περιλαμβάνει απλές εργασίες και την τήρηση ενός σεναρίου. Οι νέοι σε εισαγωγικές θέσεις καλούνται συχνά να επεξεργαστούν δεδομένα ή να συνοψίσουν αναφορές – ακριβώς τα πράγματα στα οποία η ΤΝ υπερέχει.

Το να βοηθήσουμε αυτές τις ομάδες να βρουν νέα εργασία είναι ζωτικής σημασίας, και όχι μόνο λόγω των επιπτώσεων στους ίδιους τους ανθρώπους. Η απώλεια εργοστασιακών θέσεων λόγω της παγκοσμιοποίησης και της αυτοματοποίησης στη Δύση συνέβαλε στην άνοδο του λαϊκισμού. Καμία κυβέρνηση δεν θέλει μια εξέγερση της νεολαίας στα χέρια της. Η αντίδραση θα ήταν o σίγουρος τρόπος για να ανακόψει τα οικονομικά κέρδη της ΤΝ.

Άρα τι πρέπει να γίνει; Αυτή τη φορά τουλάχιστον οι «παθόντες» είναι πιθανό να είναι γεωγραφικά διασκορπισμένοι: σε αντίθεση με τις εργοστασιακές εργασίες ή τα ορυχεία, οι θέσεις εργασίας στο back-office και οι θέσεις εργασίας εισαγωγικού επιπέδου δεν είναι συγκεντρωμένες στις πόλεις που βρίσκονται οι εταιρείες. Επομένως, θα πρέπει να είναι ευκολότερο να βρεθούν νέες ευκαιρίες. Βέβαια, οι κυβερνήσεις πρέπει επίσης να ενθαρρύνουν την κίνηση διατηρώντας τις αγορές εργασίας ευέλικτες, αντί να απαγορεύουν τις απολύσεις, όπως προτείνει ο κ. Dimon. Η εκπαίδευση θα πρέπει να αναθεωρηθεί, ώστε η τεχνητή νοημοσύνη να διδάσκεται, όπως και οι δεξιότητες που τη συμπληρώνουν.

Οι εταιρείες πρέπει επίσης να προετοιμαστούν. Για να ευδοκιμήσουν πρέπει όχι μόνο να αξιοποιήσουν με τον καλύτερο δυνατό τρόπο την τεχνητή νοημοσύνη, αλλά και να βρουν και να καλλιεργήσουν τους καλύτερους ανθρώπους που θα εργαστούν μαζί της. Κάποιοι εργαζόμενοι στο back-office θα χάσουν τη δουλειά τους, αλλά άλλοι με σιωπηρή γνώση της επιχείρησης μπορούν να εκπαιδευτούν για νέους ρόλους.

Το μεγαλύτερο λάθος θα ήταν να σταματήσουμε εντελώς να προσλαμβάνουμε νέους ανθρώπους. Αυτό όχι μόνο θα έκοβε τον αγωγό για μελλοντικά ταλέντα, αλλά και θα στερούσε από τις επιχειρήσεις ιθαγενείς της ΤΝ. Αντίθετα, οι εταιρείες θα πρέπει να επανεξετάσουν το είδος της εργασίας που προσφέρουν στους νέους – λιγότερη αγγαρεία, περισσότερη κρίση και ανάλυση- ταχύτερη εναλλαγή σε όλη την επιχείρηση, ώστε να αποκτήσουν γνώσεις που δεν μπορεί να έχει η τεχνητή νοημοσύνη- πιλοτική εφαρμογή νέων ρόλων και δοκιμή νέων προσεγγίσεων.

Η ανατροπή και η απώλεια θέσεων εργασίας θα είναι αναπόφευκτες. Αυτή είναι η φύση της τεχνολογικής προόδου. Βέβαια, παρά τα κατορθώματα της τεχνητής νοημοσύνης, υπάρχει ακόμη χρόνος να αμβλυνθεί το πλήγμα. Ας μην τον σπαταλήσουμε άσκοπα.

Πηγή: The Economist