Έχει διαδοθεί ευρέως η άποψη ότι οι θέσεις εργασίας που απαιτούν πνευματική εργασία, οι λεγόμενες «white-collar jobs», βρίσκονται σε διαδικασία εξαφάνισης. Η πρόσφατη συρρίκνωση του τεχνολογικού τομέα, με χαρακτηριστικά παραδείγματα τις απολύσεις σε εταιρείες όπως η Coinbase, η Meta και η Cisco, ερμηνεύεται από πολλούς ως προάγγελος μιας ευρύτερης τάσης που αναμένεται να επηρεάσει σύντομα όλους τους εργαζόμενους της γνώσης. Ωστόσο, προτού κάποιος εγκαταλείψει τη θέση του ως προγραμματιστής λογισμικού, χρηματοοικονομικός αναλυτής ή δημοσιογράφος τεχνολογίας, με την πρόθεση να ενταχθεί σε ένα συνδικάτο υδραυλικών, είναι σημαντικό να εξεταστεί η σύγχρονη οικονομική έρευνα. Αυτή η έρευνα επικεντρώνεται στο κρίσιμο ερώτημα εάν η τεχνητή νοημοσύνη έχει πράγματι αρχίσει να απορροφά ή να καταστρέφει τις θέσεις εργασίας που απαιτούν πνευματική εργασία.
Η σύντομη απάντηση σε αυτό το ερώτημα είναι αρνητική.
Παρά τις προειδοποιήσεις που κάνουν λόγο για μια επικείμενη «αποκάλυψη» στην αγορά εργασίας, η οποία προβλέπεται να καταστρέψει ένα μεγάλο μέρος, αν όχι το μεγαλύτερο, αυτού του είδους εργασίας, ή τις φήμες περί δημιουργίας μιας «μόνιμης κατώτερης τάξης» εργαζομένων, υπάρχουν ελάχιστα στοιχεία που να υποδεικνύουν ότι η τεχνητή νοημοσύνη έχει μέχρι στιγμής επιφέρει οποιαδήποτε μεγάλης κλίμακας επίδραση στην αγορά εργασίας των Ηνωμένων Πολιτειών.
Η ανάλυση των δεδομένων που συλλέχθηκαν από το Γραφείο Στατιστικών Εργασίας των ΗΠΑ (BLS) καταδεικνύει ότι το ποσοστό ανεργίας για τις θέσεις εργασίας που θεωρούνται δυνητικά περισσότερο επηρεαζόμενες από την τεχνητή νοημοσύνη δεν είναι υψηλότερο από αυτό των επαγγελμάτων που είναι λιγότερο εκτεθειμένα στην τεχνολογία. Επιπλέον, και αυτό είναι ένα κρίσιμο σημείο για τους οικονομολόγους, δεν υπάρχουν ενδείξεις ότι μεγάλος αριθμός ανθρώπων μετατοπίζεται από θέσεις εργασίας που θεωρούνται απειλούμενες από την τεχνητή νοημοσύνη προς άλλες, όπως αυτές που περιλαμβάνουν κυρίως χειρωνακτική εργασία. Αυτή η απουσία μαζικών μετατοπίσεων υποδηλώνει μια σχετική σταθερότητα, τουλάχιστον προς το παρόν, στην ευρύτερη δομή της αγοράς εργασίας.
Ενώ τα τρέχοντα στατιστικά στοιχεία της αγοράς εργασίας δεν αποκλείουν την πιθανότητα μιας αιφνίδιας αναταραχής στις θέσεις εργασίας τα επόμενα χρόνια, εντούτοις εγείρουν σοβαρές αμφιβολίες σχετικά με την αναπόφευκτη φύση των καταστροφικών σεναρίων και τον ρυθμό με τον οποίο αυτά θα μπορούσαν να εκτυλιχθούν. Φαίνεται ότι όλοι στην κοινότητα της τεχνητής νοημοσύνης προβλέπουν ότι η τεχνολογία σύντομα θα εξαλείψει θέσεις εργασίας, και επίσης, φαίνεται ότι όλοι γνωρίζουν κάποιους νέους επίδοξους εργαζόμενους που αδυνατούν να βρουν απασχόληση. Συχνά ακούγεται το επιχείρημα ότι ίσως δεν έχουμε δει ακόμη σημαντική διαταραχή στα στατιστικά στοιχεία της αγοράς εργασίας, αλλά ότι αυτή είναι απλώς θέμα χρόνου.
Ωστόσο, ίσως θα έπρεπε να δώσουμε μεγαλύτερη προσοχή σε αυτό που μας δείχνουν τα δεδομένα. Και αυτή τη στιγμή, οι αριθμοί σκιαγραφούν μια εικόνα μιας σχετικά σταθερής αγοράς εργασίας, στην οποία οι διαταραχές που προκαλούνται από την τεχνητή νοημοσύνη παραμένουν σε μεγάλο βαθμό κερδοσκοπικές και όχι εμπειρικά επιβεβαιωμένες.
“It could be disruptive, but the data is telling us right now that disruption is not yet here, and we have time to plan.”
«Όλα τα διαθέσιμα στοιχεία μέχρι σήμερα υποδηλώνουν ότι ο αντίκτυπος της τεχνητής νοημοσύνης στις τρέχουσες συνθήκες της αγοράς εργασίας είναι πιθανότατα μικρός αυτή τη στιγμή», δηλώνει η κυρία Erika McEntarfer, οικονομολόγος εργασίας, η οποία διετέλεσε επικεφαλής του Γραφείου Στατιστικών Εργασίας (BLS) μέχρι την απόλυσή της από τον Πρόεδρο Τραμπ το περασμένο φθινόπωρο, μετά από μια έκθεση για τις θέσεις εργασίας που δεν ικανοποίησε την κυβέρνηση. (Δεν προκαλεί έκπληξη το γεγονός ότι οι εκθέσεις του BLS για την υποτονική αύξηση των θέσεων εργασίας συνεχίστηκαν και μετά την απομάκρυνσή της.)
Η κυρία McEntarfer, η οποία πλέον είναι ερευνήτρια στο Ινστιτούτο Οικονομικής Πολιτικής του Στάνφορντ (Stanford Institute for Economic Policy Research), επισημαίνει ότι ο σχετικά μικρός αντίκτυπος που έχει μέχρι στιγμής η τεχνητή νοημοσύνη στην αγορά εργασίας «εκπλήσσει πολλούς ανθρώπους, αλλά δεν θα έπρεπε. Αυτό που γνωρίζουμε από την ιστορία είναι ότι χρειάζεται χρόνος για να διαχυθούν οι καινοτομίες και να επιφέρουν αλλαγές στις βιομηχανίες και στα επαγγέλματα. Η τεχνητή νοημοσύνη είναι απίθανο να μετασχηματίσει τις αγορές εργασίας προτού μετασχηματίσει πρώτα τις επιχειρήσεις.» Αυτή η ιστορική προοπτική υπογραμμίζει την ανάγκη για υπομονή και προσεκτική παρατήρηση των μακροπρόθεσμων τάσεων, αντί για βιαστικά συμπεράσματα βασισμένα σε βραχυπρόθεσμες παρατηρήσεις.
Η κυρία McEntarfer αναφέρεται σε δεδομένα της Απογραφής των ΗΠΑ που δείχνουν ότι μόνο μία στις πέντε εταιρείες χρησιμοποιεί την τεχνητή νοημοσύνη σε οποιαδήποτε επιχειρηματική λειτουργία. «Τα δεδομένα αποτελούν έναν εξαιρετικό έλεγχο της πραγματικότητας απέναντι στον φόβο ότι η τεχνητή νοημοσύνη θα είναι εξαιρετικά διασπαστική», δηλώνει. «Θα μπορούσε να είναι. Πιθανότατα θα είναι διασπαστική, αλλά τα δεδομένα μας λένε αυτή τη στιγμή ότι η διαταραχή δεν είναι ακόμη εδώ, και ότι έχουμε χρόνο να σχεδιάσουμε.» Αυτή η δήλωση υπογραμμίζει την ανάγκη για προληπτικό σχεδιασμό και όχι για πανικό, βασιζόμενοι σε εμπειρικά στοιχεία.
Η Κατάσταση της Αγοράς Εργασίας Δεν Είναι Ιδανική, Αλλά το Ερώτημα Παραμένει: Ποιοι Είναι οι Λόγοι;
Η αγορά εργασίας των ΗΠΑ, είναι βέβαιο, παρουσιάζει δυσκολίες για πολλούς, ιδιαίτερα για τους νεότερους επίδοξους εργαζόμενους. Τα ποσοστά ανεργίας για τους πρόσφατους πτυχιούχους πανεπιστημίων ανέρχονται περίπου στο 5,6%, ένα επίπεδο σημαντικά υψηλότερο από το συνολικό ποσοστό για όλους τους εργαζόμενους. Πρόκειται για ένα ποσοστό που δεν έχει παρατηρηθεί από την περίοδο της πανδημίας και τα χρόνια που ακολούθησαν αμέσως την ύφεση του 2008. Ακόμη πιο ανησυχητικό είναι το γεγονός ότι τα ποσοστά προσλήψεων ήταν ιδιαίτερα απογοητευτικά κατά την περίοδο μετά την πανδημία του COVID-19, μια τάση που πλήττει σκληρά τους νέους που προσπαθούν να εισέλθουν στην αγορά εργασίας. Εάν κάποιος είναι πρόσφατος πτυχιούχος και αναζητά εργασία στον τομέα της τεχνολογίας, μπορεί να έχει την αίσθηση ότι κανείς δεν προσλαμβάνει.
Υπάρχουν ενδείξεις ότι η τεχνητή νοημοσύνη συμβάλλει στις δυσκολίες που αντιμετωπίζουν οι νέοι ηλικίας 22 έως 25 ετών, οι οποίοι αναζητούν εργασία στην ανάπτυξη λογισμικού και σε άλλα επαγγέλματα που δέχονται σημαντική επίδραση από την τεχνολογία αυτή. Ωστόσο, είναι σημαντικό να τονιστεί ότι αυτά τα επαγγέλματα αντιπροσωπεύουν ένα πολύ μικρό τμήμα της συνολικής αγοράς εργασίας. Επιπλέον, παραμένει αβέβαιο σε ποιο βαθμό η τεχνητή νοημοσύνη πρέπει να θεωρηθεί υπεύθυνη για τις τρέχουσες δυσκολίες στην απασχόληση. Ομοίως, είναι άγνωστο εάν η απώλεια θέσεων εργασίας εισαγωγικού επιπέδου σε επαγγέλματα που εκτίθενται στην τεχνητή νοημοσύνη αποτελεί προάγγελο για το τι πρόκειται να συμβεί σε άλλους τομείς, ή αν πρόκειται απλώς για ένα μεμονωμένο σύμπτωμα αυτού που οι οικονομολόγοι αναφέρουν ως αγορά εργασίας «χαμηλών προσλήψεων, χαμηλών απολύσεων».
Οι γνώσεις που θα αποκτηθούν σχετικά με αυτές τις αβεβαιότητες θα μας αποκαλύψουν πολλά για την εργασιακή μας μοίρα κατά τη μετάβαση σε μια οικονομία βασισμένη στην τεχνητή νοημοσύνη. Δεν υπάρχει έλλειψη σίγουρων διαβεβαιώσεων και προβλέψεων σχετικά με το τι πρόκειται να συμβεί· ενώ ορισμένοι προβλέπουν το τέλος της εργασίας, άλλοι υποστηρίζουν ότι η οικονομική ιστορία μας διδάσκει ότι οι τεχνολογικές εξελίξεις οδηγούν πάντα σε περισσότερες και καλύτερες θέσεις εργασίας τελικά. Αυτή η διχογνωμία υπογραμμίζει την πολυπλοκότητα του ζητήματος και την απουσία ομοφωνίας μεταξύ των ειδικών.
Η ειλικρινής απάντηση είναι ότι κανείς δεν γνωρίζει με βεβαιότητα τι θα φέρει η τεχνητή νοημοσύνη και αν αυτή τη φορά τα πράγματα θα είναι διαφορετικά. Για να μπορέσουμε να το κατανοήσουμε αυτό, χρειαζόμαστε καλύτερα και πολύ πιο ολοκληρωμένα δεδομένα. Η έλλειψη επαρκών και λεπτομερών πληροφοριών καθιστά δύσκολη την ακριβή πρόβλεψη των μελλοντικών επιπτώσεων.
Τα στατιστικά στοιχεία που προκύπτουν από τη μηνιαία έρευνα της ομοσπονδιακής κυβέρνησης σε 60.000 νοικοκυριά για το BLS παρέχουν μια ευρεία επισκόπηση των αλλαγών στην αγορά εργασίας. Παράλληλα, ακαδημαϊκοί και ακόμη και ορισμένες εταιρείες τεχνητής νοημοσύνης έχουν αρχίσει να προσπαθούν να αποκτήσουν μια πιο λεπτομερή εικόνα των συγκεκριμένων θέσεων εργασίας που επηρεάζονται. Ωστόσο, τα υφιστάμενα εργαλεία συλλογής δεδομένων δεν εξηγούν επαρκώς πώς η τεχνητή νοημοσύνη επηρεάζει την τεράστια και ποικιλόμορφη αγορά εργασίας των ΗΠΑ. Αυτή η ανεπάρκεια καθιστά δύσκολη την εξαγωγή ακριβών και ολοκληρωμένων συμπερασμάτων.
Υπάρχει μια μακρά λίστα ερωτημάτων για τα οποία δεν διαθέτουμε επαρκή δεδομένα για να απαντήσουμε πλήρως. Πώς χρησιμοποιείται η τεχνητή νοημοσύνη στον χώρο εργασίας; Η αυξημένη χρήση της τεχνητής νοημοσύνης σημαίνει ότι η τεχνολογία θα αντικαταστήσει τους εργαζόμενους, ή θα τους καταστήσει πιο παραγωγικούς και πολύτιμους; Ποια επαγγέλματα και δεξιότητες επηρεάζονται περισσότερο; Ποιος βρίσκεται στον μεγαλύτερο κίνδυνο από τις αλλαγές; Όπως το θέτει ο κύριος David Deming, καθηγητής οικονομικών στο Πανεπιστήμιο του Χάρβαρντ: «Πετάμε κάπως στα τυφλά.»
Για να συγκεντρώσει περισσότερες πληροφορίες σχετικά με ορισμένα από αυτά τα ερωτήματα, ο κύριος Deming και οι συνεργάτες του διεξάγουν έρευνες σε αρκετές χιλιάδες άτομα κάθε τρεις μήνες από το 2024, θέτοντας βασικά ερωτήματα: Χρησιμοποιείτε παραγωγική τεχνητή νοημοσύνη και πόσο συχνά; Σας εξοικονομεί χρόνο στην εργασία; Η παρακολούθηση των απαντήσεων με την πάροδο του χρόνου παρέχει στους οικονομολόγους σημαντικές ενδείξεις (χρησιμοποιείται από το 40% των εργαζομένων, αλλά η υιοθέτηση ποικίλλει) και τους επιτρέπει να εκτιμήσουν τα κέρδη παραγωγικότητας (έχουν βρει κάποια, αλλά τίποτα που να ανατρέπει την οικονομία). Έχει επίσης συμβάλει στην τεκμηρίωση του πόσο γρήγορα έχει υιοθετηθεί η τεχνητή νοημοσύνη στον χώρο εργασίας και πώς συγκρίνεται με προηγούμενες τεχνολογίες, όπως ο προσωπικός υπολογιστής και το διαδίκτυο (ο ρυθμός ήταν ταχύτερος, αλλά περίπου στο ίδιο επίπεδο). Αυτή η συστηματική προσέγγιση επιτρέπει μια πιο εμπεριστατωμένη κατανόηση των τάσεων και των επιπτώσεων.
Απέχει πολύ από το να αποτελεί μια πλήρη εικόνα του τρόπου με τον οποίο η τεχνητή νοημοσύνη αλλάζει την εργασία. Ωστόσο, παρέχει ορισμένα ενδιαφέροντα αποτελέσματα· για παράδειγμα, ένας αρκετά μεγάλος αριθμός εργαζομένων στον τομέα της μεταποίησης και σε άλλους βιομηχανικούς τομείς έχει δοκιμάσει την τεχνητή νοημοσύνη. Τα αποτελέσματα του κυρίου Deming δείχνουν ότι ενώ οι επιχειρήσεις γενικά μπορεί να είναι σχετικά αργές στην επίσημη υιοθέτηση της τεχνολογίας, πολλοί από τους υπαλλήλους τους τη χρησιμοποιούν ήδη. Αυτό υποδηλώνει μια διάσταση μεταξύ της επίσημης εταιρικής πολιτικής και της πρακτικής εφαρμογής σε ατομικό επίπεδο.
Η απόκτηση μιας εικόνας αυτών των πρώτων χρηστών και του τρόπου με τον οποίο χρησιμοποιούν την τεχνητή νοημοσύνη παρέχει μια «κρυστάλλινη σφαίρα για το μέλλον της αγοράς εργασίας», δηλώνει ο κύριος Deming. «Μας δίνει σημαντικές ενδείξεις για το πώς θα χρησιμοποιηθεί αύριο, και ποιοι θα επηρεαστούν, και ποιοι θα υποστούν βλάβη και πώς πρέπει να προετοιμαστούμε για αυτό. Είναι μια διάγνωση του τι έρχεται στο μέλλον.» Αυτή η προοπτική είναι ζωτικής σημασίας για την ανάπτυξη προληπτικών πολιτικών και στρατηγικών προσαρμογής.
Ωστόσο, αυτό που δεν μας λέει είναι η μοίρα των διαφόρων θέσεων εργασίας.
Οι Νέοι Εργαζόμενοι Είναι οι Πιο Ευάλωτοι στις Αλλαγές της Αγοράς Εργασίας
Η ανάλυση του τρόπου με τον οποίο η τεχνητή νοημοσύνη θα επηρεάσει τις θέσεις εργασίας συνήθως ξεκινά με τον προσδιορισμό της λεγόμενης «έκθεσης» διαφόρων επαγγελμάτων στην τεχνολογία. Αυτή η προσέγγιση βασίζεται στην ιδέα ότι κάθε δεδομένη θέση εργασίας είναι μια συλλογή εργασιών. Με την αξιολόγηση του πόσο καλά αυτές οι εργασίες μπορούν να εκτελεστούν, για παράδειγμα, από το πιο πρόσφατο μεγάλο γλωσσικό μοντέλο, οι ερευνητές μετρούν τη συνολική έκθεση ενός επαγγέλματος. Ένας μικρός στρατός οικονομολόγων έχει δημιουργήσει πλήθος τέτοιων μελετών, κατατάσσοντας σχολαστικά εκατοντάδες θέσεις εργασίας και προσπαθώντας να ενημερώσουν τα αποτελέσματα καθώς οι δυνατότητες της παραγωγικής τεχνητής νοημοσύνης συνεχίζουν να εκτοξεύονται. Αυτή η συνεχής εξέλιξη καθιστά την έρευνα ένα δυναμικό και απαιτητικό πεδίο.
Τα αποτελέσματα έχουν συχνά προκαλέσει πανικό, με γραφήματα που δείχνουν την αυξανόμενη ευπάθεια διαφόρων θέσεων εργασίας στην τεχνητή νοημοσύνη.
Ωστόσο, η έκθεση δεν αποτελεί έναν αληθινό προγνωστικό παράγοντα για το ποιες θέσεις εργασίας θα χαθούν λόγω της τεχνητής νοημοσύνης. Αυτό εξαρτάται από τα είδη των εργασιών που εκτελούνται, τον βαθμό στον οποίο υιοθετείται η τεχνητή νοημοσύνη, διάφορους επιχειρηματικούς υπολογισμούς σχετικά με την αξία των εργαζομένων, ακόμη και το κόστος ανάπτυξης της τεχνητής νοημοσύνης. Παρόλα αυτά, τα ευρήματα της έκθεσης αποτελούν ένα πολύτιμο σημείο εκκίνησης για περαιτέρω ανάλυση και κατανόηση των επιπτώσεων.
Σε μια εργασία με τίτλο «Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence» (Καναρίνια στο Ορυχείο; Έξι Γεγονότα για τις Πρόσφατες Επιπτώσεις της Τεχνητής Νοημοσύνης στην Απασχόληση), ερευνητές του Stanford Digital Economy Lab εξέτασαν 950 θέσεις εργασίας, κατατάσσοντας τα επαγγέλματα σε πέντε κατηγορίες, από τα λιγότερο έως τα περισσότερο εκτεθειμένα. Στη συνέχεια, χρησιμοποίησαν ένα τεράστιο σύνολο δεδομένων από την ADP, τον μεγαλύτερο πάροχο μισθοδοσίας στον κόσμο, για να εξετάσουν την αύξηση της απασχόλησης σε κάθε μία από τις κατηγορίες. Η αποκλειστική τους πρόσβαση στο σύνολο δεδομένων της ADP, το οποίο είναι πολύ μεγαλύτερο από αυτό που διατίθεται μέσω του BLS, επέτρεψε στους ερευνητές να εντοπίσουν καλύτερα τις επιπτώσεις που συνέβαιναν σε διαφορετικές ηλικιακές ομάδες, όπως δηλώνει ο κύριος Erik Brynjolfsson, διευθυντής του εργαστηρίου που ηγήθηκε της προσπάθειας, «ήταν εξαιρετικά εντυπωσιακό.»
Εντόπισαν τη μείωση του αριθμού των εργαζομένων ηλικίας 22 έως 25 ετών στα πιο εκτεθειμένα επαγγέλματα, όπως η ανάπτυξη λογισμικού και η εξυπηρέτηση πελατών, η οποία ξεκίνησε στα τέλη του 2022, όταν το ChatGPT κυκλοφόρησε για πρώτη φορά δημόσια. Άλλοι ερευνητές ανέφεραν στοιχεία ότι η μείωση σε αυτές τις θέσεις εργασίας ξεκίνησε πολύ πριν από το ChatGPT και αμφισβήτησαν εάν η αγορά εργασίας θα μπορούσε να αντιδράσει τόσο γρήγορα στην εισαγωγή της τεχνολογίας τεχνητής νοημοσύνης. Αυτή η διαφωνία υπογραμμίζει την πολυπλοκότητα της αιτιώδους συνάφειας και την ανάγκη για περαιτέρω έρευνα.
Ωστόσο, ενώ οι ερευνητές του Στάνφορντ αναγνωρίζουν ότι και άλλοι παράγοντες, εκτός από την τεχνητή νοημοσύνη, πιθανότατα συνέβαλαν στις αρχικές μειώσεις, δηλώνουν ότι, αφού έλεγξαν αυτούς τους παράγοντες, διαπίστωσαν πειστικά στοιχεία μιας σημαντικής επίδρασης από την τεχνητή νοημοσύνη μετά το 2024 και αυξανόμενη το 2025, οδηγώντας σε μείωση 16% στις θέσεις εργασίας εισαγωγικού επιπέδου σε επαγγέλματα που εκτίθενται στην τεχνητή νοημοσύνη. Αντίθετα, ο αριθμός των εργαζομένων αυξήθηκε για τους μεγαλύτερους σε ηλικία εργαζόμενους στα ίδια επαγγέλματα, όπως επίσης αυξήθηκε και ο αριθμός των θέσεων εργασίας στα λιγότερο εκτεθειμένα επαγγέλματα. Αυτό το εύρημα υποδηλώνει μια διαφοροποιημένη επίδραση της τεχνητής νοημοσύνης ανάλογα με την ηλικιακή ομάδα και το επίπεδο έκθεσης.
Εμβαθύνοντας στα δεδομένα, οι ερευνητές ανακάλυψαν μια ακόμη σημαντική ένδειξη, αν και όχι εντελώς απροσδόκητη. Ο αντίκτυπος στον αριθμό των εργαζομένων εξαρτιόταν από τον τρόπο χρήσης της τεχνητής νοημοσύνης. Συγκεκριμένα, οι θέσεις εργασίας όπου οι εργασίες μπορούσαν να αυτοματοποιηθούν (δηλαδή, η τεχνητή νοημοσύνη μπορούσε να τις εκτελέσει «με ελάχιστη ανθρώπινη παρέμβαση») ήταν αυτές που ευθύνονταν για τη μείωση της απασχόλησης—θέσεις εργασίας για άτομα όπως οι προγραμματιστές λογισμικού. Αντίθετα, σε θέσεις εργασίας όπου η τεχνητή νοημοσύνη χρησιμοποιήθηκε κυρίως για την ενίσχυση της ανθρώπινης εργασίας, ο αριθμός των εργαζομένων αυξήθηκε ταχύτερα από τον μέσο όρο για τους εργαζόμενους εισαγωγικού επιπέδου. Αυτή η διάκριση μεταξύ αυτοματοποίησης και ενίσχυσης είναι κρίσιμη για την κατανόηση των επιπτώσεων της τεχνητής νοημοσύνης.
Αυτό συνάδει με μία εξήγηση για τις δυσκολίες πολλών νέων επίδοξων εργαζομένων. Θα μπορούσε να είναι, σύμφωνα με την εργασία του Στάνφορντ, ότι οι θέσεις εργασίας εισαγωγικού επιπέδου εξαρτώνται περισσότερο από τους τύπους γνώσης που αποκτούν οι άνθρωποι μέσω της εκπαίδευσης, αλλά που μπορούν εύκολα να μιμηθούν· οι συγγραφείς το ονομάζουν αυτό κωδικοποιημένη γνώση. Μπορεί να είναι ιδιαίτερα εύκολο να αυτοματοποιηθούν τέτοιες εργασίες όπως η κωδικοποίηση εισαγωγικού επιπέδου. Αντίθετα, οι μεγαλύτεροι σε ηλικία εργαζόμενοι διαθέτουν περισσότερη λεγόμενη σιωπηρή γνώση, τον τύπο που βασίζεται στην εμπειρία τους. Αυτός ο τύπος σοφίας είναι πιο δύσκολο να αντικατασταθεί από την τεχνητή νοημοσύνη. Αυτή η διάκριση μεταξύ κωδικοποιημένης και σιωπηρής γνώσης προσφέρει ένα πλαίσιο για την κατανόηση των διαφοροποιημένων επιπτώσεων της τεχνητής νοημοσύνης σε διάφορες ηλικιακές ομάδες και επαγγελματικά επίπεδα.
Παρά τα ευρήματα σχετικά με τον αντίκτυπο της τεχνητής νοημοσύνης στους νέους εργαζόμενους, ο κύριος Bharat Chandar, οικονομολόγος στο Στάνφορντ και ένας από τους συγγραφείς της μελέτης (μαζί με τους κυρίους Brynjolfsson και Ruyu Chen), τονίζει ότι είναι ακόμη πολύ νωρίς για να κατανοήσουμε πλήρως πώς η τεχνολογία θα επηρεάσει τις θέσεις εργασίας στο μέλλον. Θα μπορούσε να συμβεί η απώλεια θέσεων εργασίας να επεκταθεί και σε μεγαλύτερους σε ηλικία εργαζόμενους και σε επαγγέλματα λιγότερο εκτεθειμένα στην τεχνητή νοημοσύνη, όπως αναφέρει. Ωστόσο, ο κύριος Chandar επισημαίνει επίσης ότι είναι πιθανό οι επιχειρήσεις και οι εργαζόμενοι να προσαρμοστούν στις μεταβαλλόμενες απαιτήσεις της αγοράς εργασίας, και οι επιπτώσεις να σταθεροποιηθούν ή ακόμη και να εξαφανιστούν. Αυτή η αβεβαιότητα υπογραμμίζει την ανάγκη για συνεχή παρακολούθηση και ανάλυση.
Για να παρακολουθήσει πώς εξελίσσεται η κατάσταση, το Stanford Digital Economy Lab πρόκειται να ξεκινήσει ένα τακτικά ενημερωμένο έργο που θα παρέχει δεδομένα σχετικά με τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μετασχηματίζει την οικονομία. Αυτή η πρωτοβουλία αναμένεται να προσφέρει πολύτιμες πληροφορίες για τις μελλοντικές τάσεις.
Η έρευνα του Στάνφορντ, καθώς και άλλες σχετικές εργασίες, έχουν εστιάσει ιδιαίτερα στην κωδικοποίηση, μια εργασία στην οποία η τεχνητή νοημοσύνη γίνεται εξαιρετικά ικανή. Η αυξανόμενη ικανότητα της τεχνητής νοημοσύνης σε αυτόν τον τομέα έχει προκαλέσει έντονες συζητήσεις σχετικά με το μέλλον των προγραμματιστών και των σχετικών επαγγελμάτων.
Μια πρόσφατη εργασία της Ομοσπονδιακής Τράπεζας διαπίστωσε, όχι απροσδόκητα, ότι η ετήσια αύξηση της απασχόλησης για τους προγραμματιστές έχει επιβραδυνθεί σημαντικά—στο 3%—από την εισαγωγή του ChatGPT. Ωστόσο, υπάρχει μια κρίσιμη λεπτομέρεια: Η συνολική απασχόληση για τους προγραμματιστές συνεχίζει να αυξάνεται. Η απασχόληση σε θέσεις εργασίας κωδικοποίησης εξακολουθεί να αυξάνεται, όπως σημείωσαν, απλώς με πιο αργό ρυθμό από ό,τι πριν από το 2022. Αυτό το εύρημα υποδηλώνει μια μετατόπιση στον ρυθμό ανάπτυξης, αλλά όχι μια πλήρη συρρίκνωση του τομέα.
Εν ολίγοις, οι θέσεις εργασίας στην κωδικοποίηση δεν εξαφανίζονται, τουλάχιστον όχι σύντομα. Ωστόσο, πρόκειται για ένα επάγγελμα που σαφώς μετασχηματίζεται, απαιτώντας από τους εργαζόμενους να προσαρμόσουν τις δεξιότητές τους στις νέες τεχνολογικές πραγματικότητες.
Μία από τις κάπως εκπληκτικές ανακαλύψεις είναι ότι οι μισθοί σε τομείς που εκτίθενται σε μεγάλο βαθμό στην τεχνητή νοημοσύνη έχουν αυξηθεί σχετικά γρήγορα από την εισαγωγή του ChatGPT. Μια εξήγηση είναι ότι οι εργοδότες εξακολουθούν να είναι πρόθυμοι να πληρώσουν για τα είδη γνώσης και εμπειρίας που είναι, τουλάχιστον προς το παρόν, δύσκολο να αντικατασταθούν με την τεχνητή νοημοσύνη. Εάν αυτό ισχύει, τότε αυτό υποδηλώνει όχι το τέλος της εργασίας σε θέσεις που εκτίθενται στην τεχνητή νοημοσύνη, αλλά, πιο συγκεκριμένα, την κατάργηση του τυπικού μοντέλου καριέρας στο οποίο οι νέοι πτυχιούχοι προσλαμβάνονται για να εκτελούν εργασίες λογισμικού που μπορούν να αυτοματοποιηθούν και εκπαιδεύονται αργά για να αποκτήσουν αυτή την πολύτιμη σιωπηρή εμπειρία. Το μοντέλο «κερδίζεις ενώ μαθαίνεις» μπορεί τελικά να έχει διαρραγεί—τουλάχιστον για ορισμένα επαγγέλματα. Αυτή η εξέλιξη υπογραμμίζει την αυξανόμενη αξία της εξειδικευμένης, μη αυτοματοποιήσιμης γνώσης.
Η απλή αλήθεια θα μπορούσε να είναι ότι οι δεξιότητες κωδικοποίησης δεν αποτελούν πλέον εγγύηση για μια θέση εργασίας. Αυτό μπορεί να βοηθήσει στην εξήγηση της μείωσης των φοιτητών επιστήμης υπολογιστών σε πανεπιστήμια σε όλη τη χώρα. Τα μελλοντικά «καναρίνια στα γραφεία» ανιχνεύουν τους κινδύνους της αναζήτησης εργασίας όταν οι δεξιότητές τους μπορούν να αντιστοιχιστούν ή να αντικατασταθούν από την τεχνητή νοημοσύνη. Αυτή η τάση υποδηλώνει μια αναπροσαρμογή των εκπαιδευτικών επιλογών ενόψει των τεχνολογικών αλλαγών.
Ωστόσο, μια πιο προσεκτική εξέταση των δεδομένων δείχνει ότι οι φοιτητές δεν απομακρύνονται απαραίτητα από τις σταδιοδρομίες που σχετίζονται με την τεχνητή νοημοσύνη. Αντίθετα, φαίνεται να προσαρμόζουν τις δεξιότητές τους στις αλλαγές που παρατηρούνται, καθώς η τεχνητή νοημοσύνη γίνεται ολοένα και πιο σημαντική για διάφορους κλάδους. Το ενδιαφέρον αυξάνεται σε τομείς που γειτνιάζουν με την τεχνητή νοημοσύνη, όπως η επιστήμη δεδομένων και η κυβερνοασφάλεια. Ένας ταχέως αναπτυσσόμενος τομέας σπουδών είναι η ίδια η τεχνητή νοημοσύνη (μια πρόσφατη προσθήκη σε πολλές πανεπιστημιακές προσφορές). Αυτό υποδηλώνει μια στρατηγική προσαρμογής και εξειδίκευσης, αντί για μια γενική αποφυγή του τομέα.
Είναι Αυτή η Φορά Διαφορετική; Η Ιστορική Προοπτική της Επίδρασης της Τεχνολογίας στην Αγορά Εργασίας
Η ανησυχία σχετικά με τη δυνατότητα της τεχνητής νοημοσύνης να αντικαταστήσει τους εργαζόμενους δεν είναι κάτι καινούργιο. Ο συγγραφέας αυτού του άρθρου έγραψε το «How Technology Is Destroying Jobs» (Πώς η Τεχνολογία Καταστρέφει Θέσεις Εργασίας) το 2013, περιγράφοντας πώς μια πληθώρα νέων ψηφιακών τεχνολογιών, συμπεριλαμβανομένης της τεχνητής νοημοσύνης, άρχιζαν να απειλούν τις θέσεις εργασίας πνευματικής εργασίας. Δεν ήταν μόνος σε αυτή την παρατήρηση. Ήταν ένα δημοφιλές θέμα σε μια εποχή που η αγορά εργασίας ήταν υποτονική και οι θέσεις εργασίας σπάνιες. Αυτή η ιστορική αναδρομή υπογραμμίζει την επαναλαμβανόμενη φύση των ανησυχιών για την τεχνολογική ανεργία.
Σε μία από τις τελευταίες του ημέρες στην εξουσία, στα τέλη του 2016, ο Πρόεδρος Ομπάμα εξέδωσε μια έκθεση, γραμμένη από τους συμβούλους του, η οποία προειδοποιούσε ότι η τεχνητή νοημοσύνη απειλούσε τους εργαζόμενους. Μεταξύ των ευρημάτων ήταν ότι τα αυτοματοποιημένα οχήματα—ιδιαίτερα τα φορτηγά χωρίς οδηγό—θα μπορούσαν να εξαλείψουν 2,2 εκατομμύρια έως 3,1 εκατομμύρια υφιστάμενες θέσεις εργασίας στις ΗΠΑ. Περίπου την ίδια περίοδο, ένας από τους πρωτοπόρους της τεχνητής νοημοσύνης, ο Geoffrey Hinton, δήλωσε ότι «οι άνθρωποι θα πρέπει να σταματήσουν να εκπαιδεύουν ακτινολόγους» επειδή ήταν «εντελώς προφανές» ότι το επάγγελμα επρόκειτο σύντομα να αντικατασταθεί. Αυτές οι προβλέψεις αντικατοπτρίζουν τον έντονο προβληματισμό της εποχής.
Καμία από αυτές τις προβλέψεις δεν επαληθεύτηκε, φυσικά (ούτε συνέβη η λεγόμενη τεχνολογική ανεργία κατά τη διάρκεια πολλών προηγούμενων πανικών που σχετίζονταν με την τεχνολογία). Οι προβλέψεις ήταν συχνά λανθασμένες σχετικά με τον ρυθμό των τεχνολογικών εξελίξεων—ακόμη περιμένουμε στόλους φορτηγών χωρίς οδηγό στους αυτοκινητόδρομους—και απέτυχαν να κατανοήσουν το πολύπλοκο χαρτοφυλάκιο εργασιών που συνθέτουν πολλές θέσεις εργασίας. Η τεχνητή νοημοσύνη έχει πράγματι γίνει ένα εργαλείο για την εξέταση ακτινολογικών εικόνων, αλλά υπάρχουν περισσότεροι ακτινολόγοι από ποτέ. Αποδεικνύεται ότι οι ανθρώπινοι ακτινολόγοι εκτελούν πλήθος πολύτιμων εργασιών, συμπεριλαμβανομένης της ερμηνείας των αποτελεσμάτων και της αλληλεπίδρασης με τους ασθενείς, οι οποίες δεν μπορούν να επιτευχθούν με την τεχνητή νοημοσύνη (ακόμη). Αυτό το παράδειγμα υπογραμμίζει την πολυπλοκότητα των ανθρώπινων επαγγελμάτων και την αδυναμία της τεχνολογίας να αντικαταστήσει πλήρως την ανθρώπινη κρίση και τις διαπροσωπικές δεξιότητες.
Ίσως αυτή τη φορά τα πράγματα να είναι διαφορετικά, και να μπορούμε να παραμερίσουμε τα διδάγματα της οικονομικής ιστορίας. Σίγουρα, η τεχνητή νοημοσύνη έχει αποκτήσει αφάνταστες δυνάμεις για να εκτελεί εργασίες που μοιάζουν με ανθρώπινες. Ίσως να καταβροχθίσει θέσεις εργασίας με τρόπους που δεν έχουμε ξαναδεί. Και ίσως αυτό να συμβεί απότομα, χωρίς προειδοποίηση κρυμμένη στα στατιστικά στοιχεία της αγοράς εργασίας. Ωστόσο, οι προηγούμενες περίοδοι ανησυχίας για τις θέσεις εργασίας λόγω της τεχνητής νοημοσύνης εξακολουθούν να περιέχουν ένα προφητικό μάθημα: Η πραγματική μας εστίαση πρέπει να είναι λιγότερο στους δυστοπικούς φόβους και περισσότερο στις πολύ πραγματικές μεταβάσεις στον χώρο εργασίας που πιθανότατα θα επηρεάσουν εκατομμύρια ανθρώπους. Αυτή η προσέγγιση απαιτεί μια πιο ρεαλιστική και προσανατολισμένη στη λύση οπτική.
«Ακόμη και αν δεν υπάρξει μαζική ή ακόμη και αυξημένη ανεργία, η μετάβαση θα μπορούσε να είναι πολύ δύσκολη», δηλώνει ο κύριος Jed Kolko, ανώτερος ερευνητής στο Peterson Institute for International Economics και πρώην υφυπουργός Εμπορίου στην κυβέρνηση Μπάιντεν. «Και τι σημαίνει μια δύσκολη μεταβατική περίοδος; Σημαίνει ότι οι άνθρωποι χάνουν τις δουλειές τους, ή ότι οι δουλειές των ανθρώπων επαναπροσδιορίζονται με τρόπους που τις καθιστούν λιγότερο αμειβόμενες ή λιγότερο ουσιαστικές. Και κάποιοι άνθρωποι των οποίων οι δουλειές απειλούνται ενδέχεται να μην είναι σε θέση να προσαρμοστούν.» Αυτή η δήλωση υπογραμμίζει την πολυπλοκότητα των κοινωνικών και οικονομικών επιπτώσεων, ακόμη και χωρίς μαζική ανεργία.
Όσο περισσότερο κατανοούμε αυτή τη μετάβαση, τόσο καλύτερα προετοιμασμένοι θα είμαστε για να την αντιμετωπίσουμε. Και για αυτό θα χρειαστούμε καλύτερα και πιο ολοκληρωμένα δεδομένα. Η έλλειψη επαρκών πληροφοριών αποτελεί ένα σημαντικό εμπόδιο στην αποτελεσματική διαχείριση των επερχόμενων αλλαγών.
Για την κυρία McEntarfer, την πρώην επίτροπο του BLS, το πραγματικό ερώτημα είναι η ταχύτητα οποιασδήποτε διαταραχής. «Εάν συμβεί με τον κανονικό ρυθμό της τεχνολογικής αλλαγής, οι αγορές εργασίας θα έχουν χρόνο να προσαρμοστούν. Εάν υπάρξει μια αιφνίδια και σοβαρή διαταραχή, τότε αυτό θα αποτελέσει μια μεγάλη πρόκληση για τους υπεύθυνους χάραξης πολιτικής», δηλώνει. «Αυτό είναι πραγματικά το πιο σημαντικό ερώτημα που αντιμετωπίζουμε αυτή τη στιγμή: πόσο γρήγορος θα είναι αυτός ο μετασχηματισμός.» Και, προσθέτει, «θα το γνωρίζουμε.» Αυτή η παρατήρηση τονίζει την κρισιμότητα του παράγοντα του χρόνου στην αντιμετώπιση των τεχνολογικών αλλαγών.
Πριν από δύο δεκαετίες, η χώρα βρέθηκε απροετοίμαστη απέναντι στο λεγόμενο «σοκ της Κίνας», καθώς οι πολιτικές ελεύθερου εμπορίου οδήγησαν σε εισροή εισαγωγών και στην καταστροφή θέσεων εργασίας στον μεταποιητικό τομέα σε πολλά μέρη της χώρας. Χρειάστηκαν χρόνια για να κατανοήσουν οι ερευνητές τα δεδομένα που έδειχναν πώς οι εμπορικές πολιτικές, οι οποίες γενικά είχαν γίνει δεκτές με ενθουσιασμό, κατέστρεφαν κοινότητες. Σήμερα, η απειλή ενός οικονομικού μετασχηματισμού που προκαλείται από την τεχνητή νοημοσύνη υποδηλώνει δυνητικά πολύ μεγαλύτερη ζημιά για τεράστιες ομάδες εργαζομένων. Αυτή η ιστορική αναλογία χρησιμεύει ως προειδοποίηση για την ανάγκη προληπτικής δράσης.
Για να αποτρέψουμε μια ακόμη καταστροφική μετάβαση στην αγορά εργασίας, θα χρειαστούμε καλά χρονομετρημένες κυβερνητικές και επιχειρηματικές πολιτικές, ειδικά προγράμματα για την κατάρτιση και την επανεκπαίδευση των εργαζομένων. Εάν η κυρία McEntarfer και άλλοι οικονομολόγοι εργασίας έχουν δίκιο, πιθανότατα έχουμε χρόνο να σχεδιάσουμε συνειδητές και αποτελεσματικές στρατηγικές για τη διαχείριση της μετάβασης. Ωστόσο, πρώτα πρέπει να κατανοήσουμε καλύτερα τι συμβαίνει—και πόσο γρήγορα. Η έγκαιρη και ακριβής κατανόηση των εξελίξεων είναι το θεμέλιο για την ανάπτυξη επιτυχημένων παρεμβάσεων.
Είναι δύσκολο να βρει κανείς οικονομολόγο που να είναι πιο ενθουσιώδης για το μέλλον της τεχνητής νοημοσύνης από τον κύριο Brynjolfsson του Στάνφορντ, ο οποίος πιστεύει ότι βρισκόμαστε πιθανότατα στο χείλος μιας τεράστιας ώθησης που θα μεταμορφώσει την οικονομία. «Ίσως η καλύτερη αύξηση παραγωγικότητας της ζωής μου να έρχεται», δηλώνει.
Ωστόσο, ο κύριος Brynjolfsson προειδοποιεί επίσης ότι η έλλειψη δεδομένων περιορίζει σοβαρά την ορατότητά μας στις οικονομικές και κοινωνικές επιπτώσεις που έρχονται. Σε μια εποχή που δαπανώνται εκατοντάδες δισεκατομμύρια για την ανάπτυξη της τεχνολογίας, δηλώνει, «δεν επενδύουμε ούτε το 1% αυτού στην κατανόηση της μετάβασης.» Αυτή η ανισορροπία στην επένδυση υπογραμμίζει ένα κρίσιμο κενό στην προετοιμασία για το μέλλον.
