Μέχρι στιγμής, η τεχνητή νοημοσύνη δεν έχει οδηγήσει σε σαφή δεδομένα μαζικής ανεργίας. Η συνολική απασχόληση στις ανεπτυγμένες χώρες παραμένει σε γενικές γραμμές σταθερή, και πρόσφατες αξιολογήσεις έχουν εντοπίσει περιορισμένα στοιχεία που να υποδεικνύουν ότι η Τεχνητή Νοημοσύνη έχει μεταβάλει τους βασικούς δείκτες. Ωστόσο, μια ανησυχητική μεταβολή ενδέχεται να κρύβεται κάτω από την επιφάνεια: η σταδιακή αποδυνάμωση του πρώτου σκαλοπατιού της επαγγελματικής εξέλιξης.
Τα πιο ανησυχητικά στοιχεία εμφανίζονται ακριβώς εκεί που θα τα περιμέναμε πρώτα: στην πρόσληψη ατόμων σε αρχικό στάδιο της καριέρας τους. Μια μελέτη που δημοσιεύθηκε τον Νοέμβριο του 2025 διαπίστωσε ότι οι εργαζόμενοι ηλικίας 22 έως 25 ετών στα επαγγέλματα με τη μεγαλύτερη έκθεση στην Τεχνητή Νοημοσύνη βίωσαν μια σχετική μείωση της απασχόλησης κατά 16% μετά την εξάπλωση της γενετικής Τεχνητής Νοημοσύνης, ακόμη και μετά τον έλεγχο άλλων παραγόντων που θα μπορούσαν να επηρεάσουν τις αποφάσεις των επιχειρήσεων για την απασχόληση. Μια έκθεση της Anthropic από τον Μάρτιο του 2026 παρέχει ενδεικτικά στοιχεία που οδήγησαν σε παρόμοιο συμπέρασμα.
Πιο έμπειροι εργαζόμενοι στα ίδια επαγγέλματα δεν υπέστησαν την ίδια μείωση. Επίσης, η απασχόληση δεν μειώνεται σε θέσεις αρχικού επιπέδου με χαμηλή έκθεση στην Τεχνητή Νοημοσύνη. Η ανησυχία αφορά συγκεκριμένα τις θέσεις εργασίας αρχικής σταδιοδρομίας που εκτίθενται στην Τεχνητή Νοημοσύνη.
Αυτό δεν είναι ένα ασήμαντο σημάδι. Υποδηλώνει ότι οι επιχειρήσεις ενδέχεται να χρησιμοποιούν την Τεχνητή Νοημοσύνη για να υποκαταστήσουν τις εργασίες κατώτερου επιπέδου μέσω των οποίων οι άνθρωποι παραδοσιακά αποκτούν την πρώτη τους επαγγελματική εμπειρία—τουλάχιστον για όσους βρίσκονται σε θέσεις όπου η γενετική Τεχνητή Νοημοσύνη χρησιμοποιείται εκτενώς, όπως οι προγραμματιστές λογισμικού, οι εκπρόσωποι εξυπηρέτησης πελατών, οι προγραμματιστές υπολογιστών και οι διαχειριστές συστημάτων πληροφοριών.
Είναι τώρα η στιγμή να γίνουν αλλαγές στον τρόπο που εκπαιδεύουμε, προετοιμάζουμε και υποστηρίζουμε τους νέους που πρόκειται να εισέλθουν στην αγορά εργασίας. Τα εκπαιδευτικά ιδρύματα πρέπει να αναπροσανατολιστούν για την εποχή ενός εργατικού δυναμικού ενισχυμένου από την Τεχνητή Νοημοσύνη. Οι κυβερνήσεις πρέπει να δώσουν κίνητρα στις επιχειρήσεις να προσλαμβάνουν και να εκπαιδεύουν εργαζόμενους σε αρχικό στάδιο της καριέρας τους. Οι επιχειρήσεις, με τη σειρά τους, πρέπει να αναγνωρίσουν τη σημασία της ανάπτυξης ενός μακροπρόθεσμου εργατικού δυναμικού με εμπειρία στην Τεχνητή Νοημοσύνη—μια διαδικασία που ξεκινά με τους εργαζόμενους αρχικού επιπέδου. Και οι ίδιοι οι φοιτητές θα πρέπει να αναλάβουν την ευθύνη όχι μόνο να γίνουν γνώστες της Τεχνητής Νοημοσύνης, αλλά και να μάθουν πώς να εφαρμόζουν αυτή τη γνώση σε διάφορους τομείς.
Εν ολίγοις, πρέπει να αλλάξουμε τον τρόπο που παραδοσιακά αντιλαμβανόμασταν την εργασία αρχικού επιπέδου.
Αυτό ισχύει ιδιαίτερα επειδή η ευρύτερη αγορά εργασίας για τους πρόσφατους αποφοίτους επίσης μαλακώνει. Η Ομοσπονδιακή Τράπεζα Αποθεμάτων της Νέας Υόρκης ανέφερε ότι το τέταρτο τρίμηνο του 2025, το ποσοστό ανεργίας για τους πρόσφατους αποφοίτους κολεγίων αυξήθηκε στο 5,6%, ενώ το ποσοστό υποαπασχόλησης (το ποσοστό των αποφοίτων που εργάζονται σε θέσεις που συνήθως δεν απαιτούν πτυχίο κολεγίου) έφτασε το 42,5%, το υψηλότερο επίπεδό του από την πανδημία του COVID. Κανένα μεμονωμένο στατιστικό στοιχείο δεν μπορεί να αποδείξει ότι η Τεχνητή Νοημοσύνη είναι η μοναδική αιτία αυτής της επιδείνωσης. Οι προσλήψεις γενικά έχουν μειωθεί μετά την πανδημία, και οι νέοι είναι ιδιαίτερα ευάλωτοι στην επιβράδυνση. Ωστόσο, θα ήταν λάθος να αγνοήσουμε την πιθανότητα ότι η Τεχνητή Νοημοσύνη επιταχύνει μια ήδη δύσκολη μετάβαση από το σχολείο στην εργασία.
Πίσω από αυτά τα στατιστικά στοιχεία κρύβεται μεγάλη προσωπική αγωνία. Οι πρόσφατοι απόφοιτοι σήμερα συχνά υποβάλλουν εκατοντάδες αιτήσεις πριν λάβουν μία μόνο προσφορά, και έρευνες διαπιστώνουν σταθερά αυξημένα ποσοστά άγχους, οικονομικής επισφάλειας και επαγγελματικής εξουθένωσης μεταξύ των νέων εργαζομένων σε παρατεταμένες αναζητήσεις εργασίας. Εάν η Τεχνητή Νοημοσύνη κλείσει αθόρυβα την πόρτα σε τυπικές θέσεις αρχικής σταδιοδρομίας, οι άνθρωποι θα πληρώσουν το τίμημα με καθυστερημένη ανεξαρτησία, αναβολή της δημιουργίας οικογένειας και την αίσθηση ότι οι πρώτες τους σοβαρές επαγγελματικές προσπάθειες έχουν απορριφθεί.
Έχει επίσης σημασία επειδή οι θέσεις εργασίας αρχικού επιπέδου αποτελούν μέρος του συστήματος εκπαίδευσης της οικονομίας. Οι junior αναλυτές μαθαίνουν ποιοι αριθμοί μπορούν να εμπιστευτούν. Οι νέοι προγραμματιστές λογισμικού μαθαίνουν πώς αποτυγχάνουν τα συστήματα παραγωγής. Οι νέοι επαγγελματίες του μάρκετινγκ μαθαίνουν πώς συμπεριφέρονται οι πελάτες εκτός της καθαρής γλώσσας των πινάκων ελέγχου. Το νομικό και οικονομικό προσωπικό αρχικής σταδιοδρομίας μαθαίνει πώς αλληλεπιδρούν στην πραγματικότητα οι κανόνες, η κρίση, οι προθεσμίες και οι ανθρώπινες σχέσεις. Εάν η Τεχνητή Νοημοσύνη απορροφήσει περισσότερο από τη σύνταξη, την ταξινόμηση, την κωδικοποίηση, τη σύνοψη και τη διοικητική προετοιμασία που κάποτε βοηθούσε στην εκπαίδευση των εργαζομένων αρχικού επιπέδου, οι επιχειρήσεις ενδέχεται να γίνουν πιο αποτελεσματικές βραχυπρόθεσμα, ενώ η κοινωνία θα γίνει λιγότερο ικανή μακροπρόθεσμα.
Ο σωστός τρόπος για να βελτιωθούν οι δεξιότητες των νέων εργαζομένων δεν είναι να τους πούμε, “Μάθετε να κωδικοποιείτε.” Αυτή η συμβουλή, η οποία διαμόρφωσε περισσότερο από μια δεκαετία ομοσπονδιακών πρωτοβουλιών και πανεπιστημιακής επέκτασης, βασίστηκε στην υπόθεση ότι η κωδικοποίηση ήταν μια σταθερή, επεκτάσιμη δεξιότητα που σχεδόν ο καθένας μπορούσε να μάθει και να μετατρέψει σε μια θέση εργασίας της μεσαίας τάξης. Η υπόθεση δεν ισχύει πλέον. Το επίπεδο εργασίας που χειρίζεται καλά η Τεχνητή Νοημοσύνη—η μετάφραση μιας προδιαγραφής σε τυπικό κώδικα, η αναπαραγωγή τυπικών μοτίβων, η διόρθωση προβλέψιμων σφαλμάτων—είναι ακριβώς το επίπεδο γύρω από το οποίο χτίστηκαν τα προγράμματα “μάθετε να κωδικοποιείτε”.
Η επίβλεψη των συστημάτων Τεχνητής Νοημοσύνης στην εργασία τους είναι πλέον μια πολύ πιο σχετική δεξιότητα. Επομένως, η κατανόηση των αποτελεσμάτων που παράγουν τα συστήματα Τεχνητής Νοημοσύνης θα γίνει πολύ σημαντική.
Για να βοηθήσουμε τους ανθρώπους να αναπτύξουν τέτοιες δεξιότητες, θα πρέπει να απαιτήσουμε από τα πανεπιστήμια, τα κοινοτικά κολέγια και τα επαγγελματικά προγράμματα να ενσωματώσουν τον γραμματισμό στην Τεχνητή Νοημοσύνη, τον γραμματισμό δεδομένων, τις δεξιότητες ροής εργασίας που βασίζονται σε προτροπές, τις δεξιότητες επαλήθευσης και την κρίση στον τομέα σε κοινά πτυχία. Κάθε απόφοιτος θα πρέπει να γνωρίζει πώς να χρησιμοποιεί εργαλεία Τεχνητής Νοημοσύνης, να ελέγχει την παραγωγή τους, να κατανοεί τα όριά τους και να τα συνδυάζει με την ανθρώπινη εμπειρογνωμοσύνη. Αυτό έχει σημασία ακόμη και για τους αποφοίτους που εισέρχονται σε επαγγέλματα που φαίνονται σχετικά ασφαλή από την Τεχνητή Νοημοσύνη, όπως αυτά στον τομέα της υγείας. Σχεδόν κάθε εργασία περιέχει καθήκοντα—σύνταξη, σύνοψη, προγραμματισμός, έρευνα, βασική εργασία δεδομένων, τυπική επικοινωνία—για τα οποία η Τεχνητή Νοημοσύνη είναι ήδη ένα σημαντικό εργαλείο παραγωγικότητας.
Ο ανταγωνισμός που θα βιώσουν οι περισσότεροι νέοι εργαζόμενοι δεν είναι άνθρωπος εναντίον μηχανής, αλλά συνάδελφος εναντίον συναδέλφου ενισχυμένου από την Τεχνητή Νοημοσύνη. Για τους περισσότερους νέους εργαζόμενους, ο ρεαλιστικός δρόμος για να καταστούν πολύτιμοι δεν είναι να αποφύγουν την Τεχνητή Νοημοσύνη, αλλά να γίνουν γνώστες της τεχνολογίας και να τη συνδυάσουν με κρίση στον τομέα, εννοιολογική συλλογιστική και δεξιότητες ανθρώπινων σχέσεων. Για τον σκοπό αυτό, τα σχολεία θα πρέπει να δώσουν έμφαση σε αμειβόμενες συνεργασίες, μαθητείες και έργα συνδεδεμένα με εργοδότες, ώστε οι φοιτητές να αναπτύξουν κρίση σε πραγματικούς χώρους εργασίας πριν αποφοιτήσουν.
Οι κυβερνήσεις θα πρέπει επίσης να δημιουργήσουν στοχευμένες φορολογικές πιστώσεις, επιδοτήσεις μισθών και επιχορηγήσεις κατάρτισης για εργοδότες που προσλαμβάνουν εργαζόμενους σε αρχικό στάδιο της καριέρας τους σε δομημένους ρόλους ενισχυμένους από την Τεχνητή Νοημοσύνη. Η αρχιτεκτονική για αυτό το είδος υπό όρους, συνδεδεμένης με τη συμπεριφορά επιδότησης υπάρχει ήδη στην φορολογική πολιτική των ΗΠΑ. Αυτό που λείπει είναι μια έκδοση αυτών των μέσων που να είναι ειδικά σχεδιασμένη γύρω από την εργασία αρχικής σταδιοδρομίας ενισχυμένη από την Τεχνητή Νοημοσύνη.
Οι επιχειρήσεις, από την πλευρά τους, θα πρέπει να σταματήσουν να λαμβάνουν αποφάσεις πρόσληψης βασιζόμενες μόνο σε βραχυπρόθεσμη εξοικονόμηση κόστους από την Τεχνητή Νοημοσύνη. Οι νέοι εργαζόμενοι δεν είναι πολύτιμοι μόνο για τα καθήκοντα που εκτελούν αυτό το τρίμηνο. Η αξία τους έγκειται στη μάθηση, τη διαμόρφωση δεξιοτήτων, τη θεσμική μνήμη και τη μελλοντική παραγωγικότητα. Η πρόσληψη σε αρχικό επίπεδο δεν είναι απλώς ένα έξοδο. Είναι μια επένδυση στο μελλοντικό απόθεμα κρίσης εντός της επιχείρησης. Το πιο αποτελεσματικό ανώτερο εργατικό δυναμικό ενισχυμένο από την Τεχνητή Νοημοσύνη στα τέλη της δεκαετίας του 2030 θα προέρχεται συντριπτικά από την τρέχουσα junior ομάδα. Οι επιχειρήσεις που αυτοματοποιούν το στάδιο της μάθησης ενδέχεται να βελτιώσουν τα άμεσα περιθώριά τους, αλλά να βρεθούν, μια δεκαετία από τώρα, χωρίς κανέναν που να κατανοεί πώς συμπεριφέρονται στην πραγματικότητα οι δικές τους ροές εργασίας που βασίζονται στην Τεχνητή Νοημοσύνη.
Οι φοιτητές που αποφοιτούν αυτή την άνοιξη και την επόμενη αντιμετωπίζουν μια δύσκολη αγορά εργασίας σε μετάβαση. Η γνώση της Τεχνητής Νοημοσύνης γίνεται ένα εμπόρευμα. Η εξειδίκευση σε έναν τομέα χωρίς γνώση της Τεχνητής Νοημοσύνης υπολείπεται. Ο συνδυασμός είναι αυτό που είναι πραγματικά σπάνιο. Ο μηχανολόγος μηχανικός με γνώση της κατασκευής και επάρκεια στην Τεχνητή Νοημοσύνη· ο προγραμματιστής λογισμικού με γνώση χρηματοοικονομικών υπηρεσιών που είναι επίσης ειδήμων στην Τεχνητή Νοημοσύνη—αυτοί είναι οι τύποι ανθρώπων που θα έχουν ζήτηση.
Ο Γεώργιος Πετρόπουλος είναι επίκουρος καθηγητής στην Σχολή Διοίκησης Επιχειρήσεων Marshall του Πανεπιστημίου της Νότιας Καλιφόρνια (USC). Η έρευνά του επικεντρώνεται στις επιπτώσεις των τεχνολογιών πληροφοριών στην καινοτομία, την πολιτική ανταγωνισμού και τις αγορές εργασίας.
