Έχει διαδοθεί ευρέως η αντίληψη ότι οι θέσεις εργασίας λευκού κολάρου βρίσκονται σε διαδικασία εξαφάνισης, με τις πρόσφατες απολύσεις στον τεχνολογικό τομέα, όπως αυτές που παρατηρήθηκαν σε εταιρείες όπως η Coinbase, η Meta και η Cisco, να θεωρούνται προάγγελοι μιας ευρύτερης τάσης που αναμένεται να επηρεάσει όλους τους εργαζόμενους της γνώσης. Ωστόσο, προτού κάποιος αποφασίσει να εγκαταλείψει την επαγγελματική του σταδιοδρομία ως προγραμματιστής λογισμικού, χρηματοοικονομικός αναλυτής ή ακόμα και δημοσιογράφος τεχνολογίας, αναζητώντας μια θέση σε κλάδους όπως αυτός των υδραυλικών, κρίνεται απαραίτητο να εξεταστούν τα τρέχοντα οικονομικά δεδομένα και οι σχετικές έρευνες. Αυτή η εξέταση θα αποκαλύψει εάν η τεχνητή νοημοσύνη έχει πράγματι αρχίσει να επηρεάζει σημαντικά και να μειώνει τις θέσεις εργασίας που απαιτούν υψηλή εξειδίκευση και πνευματική εργασία.
Η σύντομη και άμεση απάντηση σε αυτό το ερώτημα, βάσει των διαθέσιμων στοιχείων, είναι αρνητική. Δεν υπάρχουν επί του παρόντος ενδείξεις για μια τέτοια εκτεταμένη επίδραση.
Παρά τις προειδοποιήσεις για μια επικείμενη καταστροφή θέσεων εργασίας που θα αφανίσει ένα μεγάλο μέρος, αν όχι το μεγαλύτερο, αυτών των θέσεων, ή τις φήμες περί 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 διαθέσιμων δεδομένων δεν υποστηρίζει την εικόνα μιας άμεσης και εκτεταμένης ανατροπής.
Η ανάλυση των δεδομένων που συλλέχθηκαν για το Γραφείο Στατιστικών Εργασίας των ΗΠΑ (BLS) καταδεικνύει ότι το ποσοστό ανεργίας για τις θέσεις εργασίας που θεωρούνται δυνητικά περισσότερο επηρεαζόμενες από την τεχνολογία είναι παρόμοιο με αυτό των επαγγελμάτων που είναι λιγότερο εκτεθειμένα σε αυτήν. Επιπλέον, και αυτό είναι κρίσιμο 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. Αυτό υποδηλώνει μια σχετική σταθερότητα στην κατανομή του εργατικού δυναμικού.
Ενώ οι τρέχουσες στατιστικές της αγοράς εργασίας δεν αποκλείουν μια ξαφνική αναταραχή στις θέσεις εργασίας τα επόμενα χρόνια, ωστόσο εγείρουν αμφιβολίες σχετικά με την αναπόφευκτη φύση των καταστροφικών σεναρίων και τον ρυθμό με τον οποίο αυτά θα εκτυλίσσονταν. 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 δεν μπορούν να βρουν δουλειά. Συχνά λέγεται ότι ίσως δεν έχουμε δει ακόμα καμία σημαντική διαταραχή στις στατιστικές της αγοράς εργασίας, αλλά απλώς πρέπει να περιμένουμε. Αυτή η προσέγγιση, ωστόσο, μπορεί να παραβλέπει την τρέχουσα πραγματικότητα των δεδομένων.
Ίσως όμως 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 από την τεχνητή νοημοσύνη παραμένουν σε μεγάλο βαθμό κερδοσκοπικές. Η ανάλυση των υφιστάμενων στοιχείων δεν υποστηρίζει τις πιο ακραίες προβλέψεις, τουλάχιστον όχι ακόμα. Αυτό παρέχει ένα παράθυρο ευκαιρίας για προσεκτικότερο σχεδιασμό και προσαρμογή.
“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 Erika McEntarfer, οικονομολόγος εργασίας που διηύθυνε το BLS μέχρι την απόλυσή της από τον Πρόεδρο Τραμπ το περασμένο φθινόπωρο, μετά από μια έκθεση για τις θέσεις εργασίας που δυσαρέστησε την κυβέρνηση. (Δεν προκαλεί έκπληξη το γεγονός ότι οι εκθέσεις του BLS για την υποτονική αύξηση των θέσεων εργασίας συνεχίστηκαν μετά την απομάκρυνσή της.) Η δήλωση αυτή υπογραμμίζει την ανάγκη για μια πιο ψύχραιμη και βασισμένη σε δεδομένα προσέγγιση.
Η κυρία McEntarfer, η οποία είναι πλέον ερευνήτρια στο Ινστιτούτο Οικονομικής Πολιτικής Έρευνας του Στάνφορντ (Stanford Institute for Economic Policy Research), επισημαίνει ότι ο σχετικά μικρός αντίκτυπος που έχει μέχρι στιγμής η τεχνητή νοημοσύνη στην τρέχουσα αγορά εργασίας «εκπλήσσει πολλούς ανθρώπους, αλλά δεν θα έπρεπε». Εξηγεί περαιτέρω ότι «αυτό που γνωρίζουμε από την ιστορία είναι ότι χρειάζεται χρόνος για να ενσωματωθούν οι καινοτομίες και να επιφέρουν αλλαγές στις βιομηχανίες και στα επαγγέλματα. Η τεχνητή νοημοσύνη είναι απίθανο να μεταμορφώσει τις αγορές εργασίας προτού μεταμορφώσει πρώτα τις επιχειρήσεις». Αυτή η ιστορική προοπτική προσφέρει μια σημαντική διάσταση στην κατανόηση της τρέχουσας κατάστασης.
Η 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 ανατρεπτική», δηλώνει. «Θα μπορούσε να είναι. Πιθανότατα θα είναι ανατρεπτική, αλλά τα δεδομένα μας λένε αυτή τη στιγμή ότι η ανατροπή δεν έχει έρθει ακόμα, και ότι έχουμε χρόνο να σχεδιάσουμε». Αυτή η παρατήρηση υπογραμμίζει την ανάγκη για προληπτική δράση και όχι για πανικό.
Η κατάσταση στην αγορά εργασίας δεν είναι ιδανική, αλλά το ερώτημα είναι γιατί
Η αγορά εργασίας των ΗΠΑ, είναι βέβαιο, είναι δύσκολη για πολλούς, ιδιαίτερα για τους νεότερους επίδοξους εργαζόμενους. Τα ποσοστά ανεργίας για τους πρόσφατους πτυχιούχους πανεπιστημίων ανέρχονται περίπου στο 5,6%, ποσοστό σημαντικά υψηλότερο από το συνολικό επίπεδο για όλους τους εργαζόμενους. Πρόκειται για ένα ποσοστό που δεν έχει παρατηρηθεί από την περίοδο της πανδημίας και τα χρόνια αμέσως μετά την ύφεση του 2008. Ακόμη πιο ανησυχητικό είναι ότι τα ποσοστά προσλήψεων ήταν ιδιαίτερα απογοητευτικά κατά την μετα-COVID οικονομία, μια τάση που πλήττει σκληρά τους νέους που προσπαθούν να εισέλθουν στην αγορά εργασίας. Εάν κάποιος είναι πρόσφατος πτυχιούχος και αναζητά μια θέση εργασίας στον τομέα της τεχνολογίας, μπορεί να φαίνεται ότι κανείς δεν προσλαμβάνει. Αυτή η κατάσταση δημιουργεί σημαντικές προκλήσεις για την νέα γενιά.
Υπάρχουν ενδείξεις ότι η τεχνητή νοημοσύνη συμβάλλει στις δυσκολίες που αντιμετωπίζουν οι νέοι ηλικίας 22 έως 25 ετών που αναζητούν εργασία στην ανάπτυξη λογισμικού και σε άλλα επαγγέλματα που δέχονται σημαντικό αντίκτυπο από την τεχνητή νοημοσύνη. Ωστόσο, αυτά τα επαγγέλματα αντιπροσωπεύουν μόνο ένα μικρό τμήμα της συνολικής αγοράς εργασίας. Επιπλέον, είναι αβέβαιο πόσο μεγάλη ευθύνη πρέπει να αποδοθεί στην τεχνητή νοημοσύνη για τα προβλήματα απασχόλησης. Ομοίως άγνωστο είναι αν η απώλεια θέσεων εργασίας εισαγωγικού επιπέδου σε επαγγέλματα εκτεθειμένα στην τεχνητή νοημοσύνη αποτελεί προάγγελο του τι έρχεται για άλλους ή απλώς ένα μεμονωμένο σύμπτωμα αυτού που οι οικονομολόγοι αναφέρουν ως αγορά εργασίας «χαμηλών απολύσεων, χαμηλών προσλήψεων» που προκαλείται από άλλους παράγοντες. Η πολυπλοκότητα της κατάστασης απαιτεί περαιτέρω διερεύνηση.
Οι γνώσεις σχετικά με αυτές τις αβεβαιότητες θα μας αποκαλύψουν πολλά για την επαγγελματική μας μοίρα κατά τη μετάβαση σε μια οικονομία βασισμένη στην τεχνητή νοημοσύνη. Δεν υπάρχει έλλειψη σίγουρων διαβεβαιώσεων και προβλέψεων για 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 ανάγκη για μια πιο εμπεριστατωμένη κατανόηση.
Η ειλικρινής απάντηση είναι ότι κανείς δεν γνωρίζει με βεβαιότητα τι θα φέρει η τεχνητή νοημοσύνη και αν αυτή τη φορά θα είναι διαφορετικά. Για να το κατανοήσουμε καλύτερα, χρειαζόμαστε καλύτερα και πολύ πιο ολοκληρωμένα δεδομένα. Η έλλειψη επαρκών και λεπτομερών στοιχείων καθιστά δύσκολη την ακριβή πρόβλεψη των μελλοντικών τάσεων και επιπτώσεων στην αγορά εργασίας. Η συλλογή και ανάλυση αυτών των δεδομένων είναι ζωτικής σημασίας για τη χάραξη αποτελεσματικών πολιτικών.
Οι στατιστικές 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, ενώ ακαδημαϊκοί και ακόμη και ορισμένες εταιρείες τεχνητής νοημοσύνης έχουν αρχίσει να προσπαθούν να αποκτήσουν μια πιο λεπτομερή εικόνα συγκεκριμένων θέσεων εργασίας που επηρεάζονται. Ωστόσο, τα υπάρχοντα εργαλεία συλλογής δεδομένων δεν εξηγούν επαρκώς πώς η τεχνητή νοημοσύνη επηρεάζει την τεράστια και ποικιλόμορφη αγορά εργασίας των ΗΠΑ. Αυτό δημιουργεί ένα κενό στην κατανόηση των πραγματικών επιπτώσεων της τεχνολογίας.
Υπάρχει μια μακρά λίστα ερωτημάτων για τα οποία δεν διαθέτουμε τα 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 σε μεγαλύτερο κίνδυνο από τις αλλαγές; Όπως το θέτει ο David Deming, καθηγητής οικονομικών στο Πανεπιστήμιο του Χάρβαρντ: «Πετάμε κάπως στα τυφλά». Η έλλειψη σαφών απαντήσεων υπογραμμίζει την ανάγκη για εντατικότερη έρευνα.
Για να συγκεντρώσει περισσότερες πληροφορίες σχετικά με ορισμένα από αυτά τα ερωτήματα, ο Deming και οι συνεργάτες του διεξάγουν έρευνες σε αρκετές χιλιάδες άτομα κάθε τρεις μήνες από το 2024, θέτοντας τους 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 βοηθήσει στην τεκμηρίωση του πόσο γρήγορα υιοθετήθηκε 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 προσφέρει πολύτιμες πληροφορίες για την εξέλιξη της τεχνολογίας.
Απέχει πολύ από το να αποτελεί μια πλήρη εικόνα του πώς 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 Deming δείχνουν ότι ενώ οι επιχειρήσεις γενικά μπορεί να είναι σχετικά αργές στην επίσημη υιοθέτηση της τεχνολογίας, πολλοί από τους υπαλλήλους τους τη χρησιμοποιούν. Αυτό υποδηλώνει μια διάχυση της τεχνολογίας σε επίπεδο ατομικών εργαζομένων, ανεξάρτητα από τις επίσημες πολιτικές των εταιρειών.
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», λέει ο Deming. «Σας δίνει σημαντικές ενδείξεις για το πώς θα χρησιμοποιηθεί αύριο, και ποιος θα επηρεαστεί, και ποιος θα πληγεί και πώς πρέπει να προετοιμαστούμε για αυτό. Είναι μια διάγνωση του τι έρχεται στο μέλλον». Αυτή η προοπτική είναι κρίσιμη για την προετοιμασία απέναντι στις επερχόμενες αλλαγές.
Αλλά αυτό που δεν σας λέει είναι η μοίρα των διαφόρων θέσεων εργασίας. Η πρόβλεψη της πλήρους εξέλιξης των επαγγελμάτων παραμένει μια πρόκληση, καθώς η πολυπλοκότητα των αλληλεπιδράσεων μεταξύ τεχνολογίας και ανθρώπινου παράγοντα είναι τεράστια.
Οι νέοι εργαζόμενοι είναι οι πιο ευάλωτοι
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 από, ας πούμε, το πιο πρόσφατο μεγάλο γλωσσικό μοντέλο, οι ερευνητές μετρούν τη συνολική έκθεση ενός επαγγέλματος. Ένας μικρός στρατός οικονομολόγων έχει δημιουργήσει μια πληθώρα 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 προσπάθεια αντικατοπτρίζει την ταχύτητα των τεχνολογικών εξελίξεων.
Τα αποτελέσματα έχουν συχνά προκαλέσει πανικό, με γραφήματα που δείχνουν την αυξανόμενη ευπάθεια διαφόρων θέσεων εργασίας στην τεχνητή νοημοσύνη. Αυτές οι οπτικοποιήσεις, αν και εντυπωσιακές, μπορεί να μην αντικατοπτρίζουν πλήρως την πολυπλοκότητα της πραγματικής αγοράς εργασίας.
Ωστόσο, αυτό 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 σχετικά με την έκθεση αποτελούν ένα πολύτιμο σημείο εκκίνησης για περαιτέρω ανάλυση. Παρέχουν μια αρχική εκτίμηση των δυνητικών κινδύνων και ευκαιριών.
Σε μια εργασία με τίτλο «Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence» (Καναρίνια στο ανθρακωρυχείο; 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 εκτεθειμένα έως τα περισσότερο. 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 στα δεδομένα της ADP, τα οποία είναι πολύ μεγαλύτερα από αυτά που διατίθενται μέσω του BLS, επιτρέπει στους ερευνητές να εντοπίσουν καλύτερα τις επιπτώσεις που συνέβαιναν σε διαφορετικές ηλικιακές ομάδες, λέει ο Erik Brynjolfsson, ο διευθυντής του εργαστηρίου που ηγήθηκε της προσπάθειας, «ήταν εξαιρετικά εντυπωσιακό». Η λεπτομερής ανάλυση αυτών των δεδομένων προσέφερε μια μοναδική προοπτική.
Εντόπισαν τη μείωση του αριθμού των εργαζομένων ηλικίας 22 έως 25 ετών στα πιο εκτεθειμένα επαγγέλματα, όπως η ανάπτυξη λογισμικού και η εξυπηρέτηση πελατών, ξεκινώντας στα τέλη του 2022, όταν το ChatGPT κυκλοφόρησε για πρώτη φορά δημόσια. Άλλοι ερευνητές ανέφεραν στοιχεία ότι η μείωση αυτών των θέσεων εργασίας ξεκίνησε πολύ πριν από το ChatGPT και αμφισβήτησαν αν η αγορά εργασίας θα μπορούσε να αντιδράσει τόσο γρήγορα στην εισαγωγή της τεχνολογίας τεχνητής νοημοσύνης. Αυτή η διαφωνία υπογραμμίζει την πολυπλοκότητα της αιτιώδους συνάφειας.
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, είδαν πειστικά στοιχεία για μια σημαντική επίδραση από την τεχνητή νοημοσύνη μετά το 2024 και αυξανόμενη το 2025, οδηγώντας σε μείωση 16% στις θέσεις εργασίας εισαγωγικού επιπέδου σε επαγγέλματα εκτεθειμένα στην τεχνητή νοημοσύνη. Αντίθετα, ο αριθμός των εργαζομένων αυξήθηκε για τους μεγαλύτερους σε ηλικία εργαζόμενους στα ίδια επαγγέλματα, όπως και ο αριθμός των θέσεων εργασίας στα λιγότερο εκτεθειμένα επαγγέλματα. Αυτή η διαφοροποίηση υποδηλώνει μια επιλεκτική επίδραση της τεχνητής νοημοσύνης ανάλογα με την ηλικία και την εμπειρία.
Ερευνώντας βαθύτερα τα δεδομένα, οι ερευνητές ανακάλυψαν μια άλλη 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. Σε θέσεις εργασίας όπου η τεχνητή νοημοσύνη χρησιμοποιούνταν κυρίως για να ενισχύσει την ανθρώπινη εργασία, ο αριθμός των εργαζομένων αυξήθηκε ταχύτερα από τον μέσο όρο για τους εργαζόμενους εισαγωγικού επιπέδου. Αυτό υπογραμμίζει τη διάκριση μεταξύ αυτοματοποίησης και ενίσχυσης της ανθρώπινης εργασίας.
Αυτό είναι συνεπές με μία εξήγηση για τα προβλήματα 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 από την τεχνητή νοημοσύνη· οι συγγραφείς το ονομάζουν 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 μια σημαντική ερμηνεία των παρατηρούμενων τάσεων.
Παρά τα ευρήματα σχετικά με τον αντίκτυπο της τεχνητής νοημοσύνης στους νέους εργαζόμενους, ο Bharat Chandar, οικονομολόγος στο Στάνφορντ και ένας από τους συγγραφείς (μαζί με τους Brynjolfsson και Ruyu Chen), τονίζει ότι είναι ακόμα νωρίς όσον αφορά την κατανόηση του πώς η τεχνολογία θα επηρεάσει τις θέσεις εργασίας στο μέλλον. Θα μπορούσε να είναι ότι η απώλεια θέσεων εργασίας θα επεκταθεί σε μεγαλύτερους σε ηλικία εργαζόμενους και σε επαγγέλματα λιγότερο εκτεθειμένα στην τεχνητή νοημοσύνη, λέει. Αλλά ο Chandar δηλώνει επίσης ότι είναι πιθανό οι εταιρείες και οι εργαζόμενοι να προσαρμοστούν στις μεταβαλλόμενες απαιτήσεις εργασίας, και οι επιπτώσεις να σταθεροποιηθούν ή ακόμα και να εξαφανιστούν. Η αβεβαιότητα παραμένει, υπογραμμίζοντας την ανάγκη για συνεχή παρακολούθηση και ανάλυση.
Για να παρακολουθήσει την εξέλιξη της κατάστασης, το Stanford Digital Economy Lab πρόκειται να ξεκινήσει ένα τακτικά ενημερωμένο έργο που θα παρέχει δεδομένα για το πώς η τεχνητή νοημοσύνη μεταμορφώνει την οικονομία. Αυτή η πρωτοβουλία θα είναι κρίσιμη για την παροχή έγκυρων πληροφοριών και την υποστήριξη της χάραξης πολιτικών.
Η έρευνα του Στάνφορντ και άλλες εργασίες έχουν εστιάσει ιδιαίτερα στην κωδικοποίηση, μια εργασία στην οποία η τεχνητή νοημοσύνη γίνεται εξαιρετικά ικανή. Η ικανότητα της τεχνητής νοημοσύνης να παράγει και να διορθώνει κώδικα έχει προκαλέσει ανησυχίες για το μέλλον των προγραμματιστών.
Μια πρόσφατη εργασία του Διοικητικού Συμβουλίου της Ομοσπονδιακής Τράπεζας των ΗΠΑ 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 κωδικοποίησης εξακολουθεί να αυξάνεται, σημείωσαν, απλώς με πιο αργό ρυθμό από ό,τι πριν από το 2022. Αυτό υποδηλώνει μια μετατόπιση στον ρυθμό ανάπτυξης, όχι μια πλήρη συρρίκνωση του τομέα.
Εν ολίγοις, οι θέσεις εργασίας κωδικοποίησης δεν εξαφανίζονται, τουλάχιστον όχι σύντομα. Ωστόσο, είναι ένα επάγγελμα που σαφώς μεταμορφώνεται. Η φύση των εργασιών, οι απαιτούμενες δεξιότητες και ο τρόπος με τον οποίο οι προγραμματιστές αλληλεπιδρούν με την τεχνολογία εξελίσσονται ραγδαία. Αυτή η μεταμόρφωση απαιτεί προσαρμογή από τους εργαζόμενους και τους εκπαιδευτικούς φορείς.
Μία από τις κάπως εκπληκτικές ανατροπές που αποκαλύφθηκαν είναι ότι οι μισθοί σε τομείς με υψηλή έκθεση 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, υποδηλώνει όχι το τέλος της εργασίας σε θέσεις εκτεθειμένες στην τεχνητή νοημοσύνη, αλλά, πιο συγκεκριμένα, την κατάργηση του τυπικού μοντέλου σταδιοδρομίας στο οποίο οι νέοι πτυχιούχοι προσλαμβάνονται για να εκτελέσουν εργασίες λογισμικού που μπορούν να αυτοματοποιηθούν και εκπαιδεύονται αργά για να αποκτήσουν αυτή την πολύτιμη σιωπηρή εμπειρία. Το μοντέλο «κερδίζω ενώ μαθαίνω» μπορεί τελικά να έχει διαρραγεί – τουλάχιστον για ορισμένα επαγγέλματα. Αυτή η αλλαγή έχει σημαντικές επιπτώσεις για την εκπαίδευση και την ανάπτυξη δεξιοτήτων.
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» εντοπίζουν 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.
Ωστόσο, μια πιο προσεκτική ματιά στα δεδομένα 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 όλο 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). Αυτή η μετατόπιση υποδηλώνει μια στρατηγική προσαρμογή στις νέες απαιτήσεις της αγοράς.
Είναι αυτή η φορά διαφορετική;
Η ανησυχία για τη δυνατότητα της τεχνητής νοημοσύνης να αντικαταστήσει τους εργαζόμενους δεν είναι κάτι καινούργιο. Το 2013, έγραψα το άρθρο «Πώς η Τεχνολογία Καταστρέφει Θέσεις Εργασίας», περιγράφοντας πώς μια πληθώρα νέων ψηφιακών τεχνολογιών, συμπεριλαμβανομένης της τεχνητής νοημοσύνης, άρχιζαν να απειλούν τις θέσεις εργασίας λευκού κολάρου. Δεν ήμουν μόνος. Ήταν ένα δημοφιλές θέμα σε μια εποχή που η αγορά εργασίας ήταν υποτονική και οι θέσεις εργασίας σπάνιες. Αυτή η ιστορική αναδρομή δείχνει ότι οι φόβοι για την τεχνολογική ανεργία έχουν επανεμφανιστεί πολλές φορές στο παρελθόν.
Σε μία από τις τελευταίες του ημέρες στην εξουσία στα τέλη του 2016, ο Πρόεδρος Ομπάμα εξέδωσε μια έκθεση που συντάχθηκε από τους συμβούλους του, προειδοποιώντας ότι η τεχνητή νοημοσύνη απειλούσε τους εργαζόμενους. Μεταξύ των ευρημάτων ήταν ότι τα αυτοματοποιημένα οχήματα – ειδικά τα φορτηγά χωρίς οδηγό – θα μπορούσαν να εξαλείψουν 2,2 εκατομμύρια έως 3,1 εκατομμύρια υπάρχουσες θέσεις εργασίας στις ΗΠΑ. Περίπου την ίδια εποχή, ένας από τους πρωτοπόρους της τεχνητής νοημοσύνης, ο Geoffrey Hinton, δήλωσε ότι «οι άνθρωποι πρέπει να σταματήσουν να εκπαιδεύουν ακτινολόγους» επειδή ήταν «εντελώς προφανές» ότι το επάγγελμα επρόκειτο σύντομα να αντικατασταθεί από την τεχνολογία. Αυτές οι προβλέψεις, αν και τολμηρές, δεν επαληθεύτηκαν πλήρως.
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 – εξακολουθούμε να 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 μια πληθώρα πολύτιμων εργασιών, συμπεριλαμβανομένης της ερμηνείας των αποτελεσμάτων και της αλληλεπίδρασης με τους ασθενείς, οι οποίες δεν μπορούν να επιτευχθούν με την τεχνητή νοημοσύνη (ακόμα). Αυτό υπογραμμίζει την αξία των ανθρώπινων δεξιοτήτων που υπερβαίνουν την απλή αυτοματοποίηση.
Ίσως αυτή τη φορά να είναι διαφορετικά, και να μπορούμε να παραμερίσουμε τα μαθήματα της οικονομικής ιστορίας. Σίγουρα, η τεχνητή νοημοσύνη έχει αποκτήσει αφάνταστες δυνάμεις για να εκτελεί ανθρώπινες εργασίες. Ίσως θα καταβροχθίσει θέσεις εργασίας με τρόπους που δεν έχουμε ξαναδεί. Και ίσως αυτό να συμβεί απότομα, χωρίς προειδοποίηση κρυμμένη στις στατιστικές της αγοράς εργασίας. Αλλά 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. Η προετοιμασία για αυτές τις μεταβάσεις είναι πιο σημαντική από τον πανικό.
«Ακόμα κι αν δεν υπάρξει μαζική ή ακόμα και αυξημένη ανεργία, η μετάβαση θα μπορούσε να είναι πολύ δύσκολη», λέει ο 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 ανθρώπους που χάνουν τις δουλειές τους, ή θέσεις εργασίας που επαναπροσδιορίζονται με τρόπους που τις καθιστούν λιγότερο αμειβόμενες ή λιγότερο ουσιαστικές. Και κάποιοι άνθρωποι των οποίων οι θέσεις εργασίας απειλούνται μπορεί να μην είναι σε θέση να προσαρμοστούν». Αυτή η δήλωση υπογραμμίζει την κοινωνική και οικονομική πρόκληση που αντιπροσωπεύει η τεχνολογική αλλαγή.
Όσο περισσότερο κατανοούμε αυτή τη μετάβαση, τόσο καλύτερα προετοιμασμένοι θα είμαστε να την αντιμετωπίσουμε. Και για αυτό θα χρειαστούμε καλύτερα και πιο ολοκληρωμένα δεδομένα. Η έλλειψη σαφών πληροφοριών μπορεί να οδηγήσει σε αναποτελεσματικές πολιτικές και αυξημένες δυσκολίες για τους εργαζόμενους.
Για την 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 ξαφνική και σοβαρή διαταραχή, τότε αυτό θα αποτελέσει μια μεγάλη πρόκληση για τους υπεύθυνους χάραξης πολιτικής», λέει. «Αυτό είναι πραγματικά το πιο σημαντικό ερώτημα που αντιμετωπίζουμε αυτή τη στιγμή: πόσο γρήγορη θα είναι αυτή η μεταμόρφωση». Και, προσθέτει, «θα το γνωρίζουμε». Η κατανόηση του ρυθμού της αλλαγής είναι κρίσιμη για την αποτελεσματική διαχείριση.
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 τομέα της μεταποίησης 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 μιας οικονομικής μεταμόρφωσης που προκαλείται από την τεχνητή νοημοσύνη υποδηλώνει δυνητικά πολύ μεγαλύτερη ζημιά για τεράστιες ομάδες εργαζομένων. Η ιστορική αυτή αναλογία υπογραμμίζει την ανάγκη για προληπτική δράση.
Για να αποφευχθεί μια άλλη 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 McEntarfer και άλλοι οικονομολόγοι εργασίας έχουν δίκιο, πιθανότατα έχουμε χρόνο να σχεδιάσουμε συνειδητές και αποτελεσματικές στρατηγικές για τη διαχείριση της μετάβασης. Αλλά πρώτα πρέπει να κατανοήσουμε καλύτερα τι συμβαίνει – και πόσο γρήγορα. Η επένδυση στην κατανόηση και την προετοιμασία είναι ζωτικής σημασίας.
Είναι δύσκολο να βρει κανείς οικονομολόγο που να είναι πιο ενθουσιώδης για το μέλλον της τεχνητής νοημοσύνης από τον Brynjolfsson του Στάνφορντ, ο οποίος πιστεύει ότι βρισκόμαστε πιθανότατα στο χείλος μιας τεράστιας ώθησης που θα μεταμορφώσει την οικονομία. «Ίσως η καλύτερη ανάπτυξη παραγωγικότητας της ζωής μου έρχεται», λέει. Αυτή η αισιόδοξη προοπτική υποδηλώνει σημαντικές ευκαιρίες.
Ωστόσο, ο 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, λέει, «δεν επενδύουμε ούτε το 1% αυτού στην κατανόηση της μετάβασης». Αυτή η παρατήρηση υπογραμμίζει ένα κρίσιμο κενό στην προσέγγιση της ανάπτυξης της τεχνητής νοημοσύνης.
Πηγή: technologyreview.com
