Πώς αλλάζει την εργασία η τεχνητή νοημοσύνη
Η έκρηξη του ενδιαφέροντος για την τεχνητή νοημοσύνη έχει προσελκύσει την προσοχή όχι μόνο στην εκπληκτική ικανότητα των αλγορίθμων να μιμούνται τον άνθρωπο, αλλά και στο γεγονός ότι οι αλγόριθμοι αυτοί θα μπορούσαν να αντικαταστήσουν πολλούς ανθρώπους στις δουλειές τους. Οι οικονομικές και κοινωνικές συνέπειες θα μπορούσαν να είναι δραματικές.
Ο δρόμος προς αυτόν τον οικονομικό μετασχηματισμό περνάει μέσα από το χώρο εργασίας. Μια ευρέως διαδεδομένη μελέτη της Goldman Sachs προβλέπει ότι περίπου τα δύο τρίτα των σημερινών επαγγελμάτων κατά την επόμενη δεκαετία θα μπορούσαν να επηρεαστούν και το ένα τέταρτο έως το ήμισυ της εργασίας που κάνουν οι άνθρωποι σήμερα θα μπορούσε να αναληφθεί από έναν αλγόριθμο. Θα μπορούσαν να επηρεαστούν έως και 300 εκατομμύρια θέσεις εργασίας παγκοσμίως. Η εταιρεία συμβούλων McKinsey δημοσίευσε τη δική της μελέτη, η οποία προβλέπει ότι η ώθηση της παγκόσμιας οικονομίας από την τεχνητή νοημοσύνη θα ανέλθει σε 4,4 τρισεκατομμύρια δολάρια κάθε χρόνο.
Οι επιπτώσεις τέτοιων γιγαντιαίων αριθμών είναι απογοητευτικές, αλλά πόσο αξιόπιστες είναι αυτές οι προβλέψεις;
Είμαι επικεφαλής ενός ερευνητικού προγράμματος με την ονομασία Digital Planet, το οποίο μελετά τον αντίκτυπο των ψηφιακών τεχνολογιών στις ζωές και τα μέσα διαβίωσης σε όλο τον κόσμο και τον τρόπο με τον οποίο ο αντίκτυπος αυτός μεταβάλλεται με την πάροδο του χρόνου. Μια ματιά στο πώς τα προηγούμενα κύματα ψηφιακών τεχνολογιών, όπως οι προσωπικοί υπολογιστές και το διαδίκτυο, επηρέασαν τους εργαζόμενους, προσφέρει μια εικόνα για τον πιθανό αντίκτυπο της Τεχνητής Νοημοσύνης στα επόμενα χρόνια. Αλλά αν η ιστορία του μέλλοντος της εργασίας αποτελεί οδηγό, θα πρέπει να είμαστε προετοιμασμένοι για κάποιες εκπλήξεις.
Η επανάσταση της πληροφορικής και το παράδοξο της παραγωγικότητας
Ένα βασικό μέγεθος για την παρακολούθηση των συνεπειών της τεχνολογίας στην οικονομία είναι η αύξηση της παραγωγικότητας των εργαζομένων – που ορίζεται ως το πόσο output μπορεί να παράγει ένας εργαζόμενος ανά ώρα. Αυτό το στατιστικό στοιχείο έχει σημασία για κάθε εργαζόμενο, επειδή συνδέεται άμεσα με το πόσα μπορεί να περιμένει να κερδίσει ένας εργαζόμενος για κάθε ώρα εργασίας. Με άλλα λόγια, η υψηλότερη παραγωγικότητα αναμένεται να οδηγήσει σε υψηλότερους μισθούς.
Τα προϊόντα γενετικής τεχνητής νοημοσύνης είναι ικανά να παράγουν γραπτό, γραφικό και ηχητικό περιεχόμενο ή προγράμματα λογισμικού με ελάχιστη ανθρώπινη συμμετοχή. Επαγγέλματα όπως η διαφήμιση, η ψυχαγωγία και οι δημιουργικές και αναλυτικές εργασίες θα μπορούσαν να είναι από τα πρώτα που θα αισθανθούν τις επιπτώσεις. Τα άτομα σε αυτούς τους τομείς μπορεί να ανησυχούν ότι οι εταιρείες θα χρησιμοποιούν τη γενετική τεχνητή νοημοσύνη για να κάνουν δουλειές που κάποτε έκαναν αυτοί, αλλά οι οικονομολόγοι βλέπουν μεγάλες δυνατότητες για την αύξηση της παραγωγικότητας του εργατικού δυναμικού στο σύνολό του.
Η μελέτη της Goldman Sachs προβλέπει ότι η παραγωγικότητα θα αυξάνεται κατά 1,5% ετησίως μόνο λόγω της υιοθέτησης της γενετικής τεχνητής νοημοσύνης, ποσοστό που θα είναι σχεδόν διπλάσιο εκείνου από το 2010 έως το 2018. Η McKinsey είναι ακόμη πιο επιθετική στις προβλέψεις της, λέγοντας ότι αυτή η τεχνολογία και άλλες μορφές αυτοματοποίησης θα εγκαινιάσουν το «επόμενο σύνορο της παραγωγικότητας», ανεβάζοντάς τον ρυθμό αύξησης έως και 3,3% ετησίως έως το 2040.
Αυτού του είδους η ώθηση της παραγωγικότητας, η οποία θα πλησίαζε τα ποσοστά των προηγούμενων ετών, θα ήταν ευπρόσδεκτη τόσο από τους οικονομολόγους όσο και, θεωρητικά, από τους εργαζόμενους.
Αν παρακολουθήσουμε την ιστορία της αύξησης της παραγωγικότητας στις ΗΠΑ κατά τον 20ό αιώνα, αυτή κάλπαζε με ρυθμό περίπου 3% ετησίως από το 1920 έως το 1970, ανεβάζοντας τους πραγματικούς μισθούς και το βιοτικό επίπεδο. Είναι ενδιαφέρον ότι η αύξηση της παραγωγικότητας επιβραδύνθηκε τη δεκαετία του 1970 και του 1980, που συνέπεσε με την εισαγωγή των υπολογιστών και των πρώτων ψηφιακών τεχνολογιών. Αυτό το «παράδοξο της παραγωγικότητας» αποτυπώθηκε περίφημα σε ένα σχόλιο του οικονομολόγου του ΜΙΤ, Μπομπ Σόλοου: Μπορείτε να δείτε την εποχή των υπολογιστών παντού, αλλά όχι στις στατιστικές παραγωγικότητας.
Οι σκεπτικιστές της ψηφιακής τεχνολογίας κατηγόρησαν τον «μη παραγωγικό» χρόνο που ξοδεύεται στα μέσα κοινωνικής δικτύωσης ή στις αγορές και υποστήριξαν ότι προηγούμενες μεταμορφώσεις, όπως η εισαγωγή του ηλεκτρισμού ή της μηχανής εσωτερικής καύσης, είχαν μεγαλύτερο ρόλο στη ριζική αλλαγή της φύσης της εργασίας. Οι τεχνο-αισιόδοξοι διαφώνησαν∙ υποστήριξαν ότι οι νέες ψηφιακές τεχνολογίες χρειάζονται χρόνο για να μεταφραστούν σε αύξηση της παραγωγικότητας, επειδή θα πρέπει να λάβουν χώρα παράλληλα και άλλες συμπληρωματικές αλλαγές. Άλλοι πάλι ανησυχούσαν ότι τα metrics παραγωγικότητας δεν ήταν επαρκή για να αποτυπώσουν την αξία των υπολογιστών.
Για λίγο, φάνηκε ότι οι αισιόδοξοι θα δικαιωθούν. Στο δεύτερο μισό της δεκαετίας του 1990, περίπου την εποχή που εμφανίστηκε ο Παγκόσμιος Ιστός, η αύξηση της παραγωγικότητας στις ΗΠΑ διπλασιάστηκε, από 1,5% ετησίως στο πρώτο μισό της δεκαετίας αυτής σε 3% στο δεύτερο μισό. Και πάλι, υπήρξαν διαφωνίες σχετικά με το τι πραγματικά συνέβαινε, θολώνοντας ακόμη περισσότερο τα νερά ως προς το αν το παράδοξο είχε επιλυθεί. Ορισμένοι υποστήριζαν ότι οι επενδύσεις στις ψηφιακές τεχνολογίες απέδιδαν επιτέλους καρπούς, ενώ μια εναλλακτική άποψη ήταν ότι οι διαχειριστικές και τεχνολογικές καινοτομίες σε λίγους βασικούς κλάδους ήταν οι κύριοι παράγοντες.
Ανεξάρτητα από την εξήγηση, εξίσου μυστηριωδώς όπως ξεκίνησε, αυτή η άνοδος στα τέλη της δεκαετίας του 1990 ήταν βραχύβια. Έτσι, παρά τις τεράστιες εταιρικές επενδύσεις σε υπολογιστές και διαδίκτυο – αλλαγές που μεταμόρφωσαν τον εργασιακό χώρο – το πόσο ωφελήθηκε η οικονομία και οι μισθοί των εργαζομένων από την τεχνολογία παρέμεινε αβέβαιο.
Αρχές της δεκαετίας του 2000: Νέα ύφεση, νέο hype, νέες ελπίδες
Ενώ η αρχή του 21ου αιώνα συνέπεσε με το σκάσιμο της λεγόμενης φούσκας dot-com, το 2007 σημαδεύτηκε από την άφιξη μιας άλλης τεχνολογικής επανάστασης: του iPhone της Apple, το οποίο οι καταναλωτές αγόρασαν κατά εκατομμύρια και το οποίο οι εταιρείες χρησιμοποίησαν με αμέτρητους τρόπους. Ωστόσο, η αύξηση της παραγωγικότητας της εργασίας άρχισε να σταματά και πάλι στα μέσα της δεκαετίας του 2000, ανέβηκε για λίγο το 2009 κατά τη διάρκεια της Μεγάλης Ύφεσης, για να επιστρέψει σε πτωτική πορεία από το 2010 έως το 2019.
Καθ’ όλη τη διάρκεια αυτής της νέας ύφεσης, οι τεχνο-αισιόδοξοι προέβλεπαν νέους ανέμους αλλαγής. Η τεχνητή νοημοσύνη και η αυτοματοποίηση γίνονταν μόδα και αναμενόταν να μεταμορφώσουν την εργασία και την παραγωγικότητα των εργαζομένων. Πέρα από την παραδοσιακή βιομηχανική αυτοματοποίηση, τα drones και τα προηγμένα ρομπότ, κεφάλαια και ταλέντο διοχετεύονταν σε πολλές game-changing τεχνολογίες, συμπεριλαμβανομένων των αυτόνομων οχημάτων, των αυτοματοποιημένων ταμείων στα σουπερμάρκετ, ακόμη και των ρομπότ που παρασκευάζουν πίτσα. Η τεχνητή νοημοσύνη και η αυτοματοποίηση προβλεπόταν ότι θα ωθούσαν την αύξηση της παραγωγικότητας πάνω από 2% ετησίως σε μια δεκαετία, από τα χαμηλά επίπεδα του 0,4% της περιόδου 2010-2014.
Αλλά πριν φτάσουμε εκεί και προλάβουμε να εκτιμήσουμε πώς αυτές οι νέες τεχνολογίες θα επηρεάσουν τον εργασιακό χώρο, μια νέα έκπληξη χτύπησε: η πανδημία του COVID-19.
Η πανδημική ώθηση της παραγωγικότητας – και στη συνέχεια η πτώση
Όσο καταστροφική και αν ήταν η πανδημία, η παραγωγικότητα των εργαζομένων αυξήθηκε κατακόρυφα μετά την έναρξή της το 2020: το output ανά ώρα εργασίας παγκοσμίως έφτασε το 4,9%, το υψηλότερο ποσοστό που έχει καταγραφεί από τότε που υπάρχουν διαθέσιμα στοιχεία.
Μεγάλο μέρος αυτής της απότομης ανόδου διευκολύνθηκε από την τεχνολογία: οι μεγαλύτερες εταιρείες έντασης γνώσης – οι εκ φύσεως πιο παραγωγικές – στράφηκαν στην εξ αποστάσεως εργασία, εξασφαλίζοντας τη συνέχεια μέσω ψηφιακών τεχνολογιών όπως οι τηλεδιασκέψεις και τεχνολογιών επικοινωνίας όπως το Slack, εξοικονομώντας χρόνο μετακίνησης και εστιάζοντας στην ευημερία.
Ενώ ήταν σαφές ότι οι ψηφιακές τεχνολογίες συνέβαλαν στην αύξηση της παραγωγικότητας των εργαζομένων στη γνώση, υπήρξε μια επιταχυνόμενη στροφή προς μεγαλύτερη αυτοματοποίηση σε πολλούς άλλους τομείς, καθώς οι εργαζόμενοι έπρεπε να παραμείνουν στο σπίτι για την ασφάλειά τους και να συμμορφωθούν με τα lockdown. Εταιρείες σε κλάδους που κυμαίνονται από την επεξεργασία κρέατος έως τα εστιατόρια, το λιανικό εμπόριο και τη φιλοξενία επένδυσαν σε αυτοματισμούς, όπως ρομπότ και αυτοματοποιημένη επεξεργασία παραγγελιών και εξυπηρέτηση πελατών, γεγονός που βοήθησε στην ενίσχυση της παραγωγικότητάς τους.
Στη συνέχεια, όμως, υπήρξε μια ακόμη στροφή. Το κύμα επενδύσεων στον τομέα της τεχνολογίας την περίοδο 2020-2021 κατέρρευσε, όπως και το hype για τα αυτόνομα οχήματα και τα ρομπότ που παρασκευάζουν πίτσα. Άλλες υποσχέσεις, όπως η επανάσταση που θα έφερνε το metaverse στην εξ αποστάσεως εργασία ή την εκπαίδευση, φάνηκαν επίσης να περνούν στο παρασκήνιο.
Παράλληλα, η γενετική τεχνητή νοημοσύνη εισέβαλε στο προσκήνιο με ακόμη πιο άμεσες δυνατότητες βελτίωσης της παραγωγικότητας, επηρεάζοντας παράλληλα τις θέσεις εργασίας – σε μαζική κλίμακα. Ο κύκλος του hype γύρω από τη νέα τεχνολογία ξεκίνησε εκ νέου.
Κοιτάζοντας μπροστά: Κοινωνικοί παράγοντες στην τεχνολογική εξέλιξη
Δεδομένου του αριθμού των ανατροπών μέχρι στιγμής, τι θα μπορούσαμε να περιμένουμε από εδώ και πέρα; Ακολουθούν τέσσερα ζητήματα προς εξέταση.
Πρώτον, το μέλλον της εργασίας δεν αφορά μόνο τον αριθμό των εργαζομένων, τα τεχνικά εργαλεία που χρησιμοποιούν ή την εργασία που κάνουν- θα πρέπει να εξεταστεί πώς η τεχνητή νοημοσύνη επηρεάζει παράγοντες όπως η ποικιλομορφία στο χώρο εργασίας και οι κοινωνικές ανισότητες, που με τη σειρά τους έχουν βαθύ αντίκτυπο στις οικονομικές ευκαιρίες και την κουλτούρα στο χώρο εργασίας.
Για παράδειγμα, ενώ η ευρεία στροφή προς την εξ αποστάσεως εργασία θα μπορούσε να συμβάλει στην προώθηση της ποικιλομορφίας με πιο ευέλικτες προσλήψεις, η αυξανόμενη χρήση της τεχνητής νοημοσύνης είναι πιθανό να έχει το αντίθετο αποτέλεσμα. Οι μαύροι και οι ισπανόφωνοι εργαζόμενοι υπερεκπροσωπούνται στα 30 επαγγέλματα με την υψηλότερη έκθεση στην αυτοματοποίηση και υποεκπροσωπούνται στα 30 επαγγέλματα με τη χαμηλότερη έκθεση. Ενώ η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους εργαζομένους να κάνουν περισσότερα πράγματα σε λιγότερο χρόνο, και αυτή η αυξημένη παραγωγικότητα θα μπορούσε να αυξήσει τους μισθούς όσων απασχολούνται, θα μπορούσε να οδηγήσει σε σοβαρή απώλεια μισθών για εκείνους των οποίων οι θέσεις εργασίας εκτοπίζονται. Μια μελέτη του 2021 διαπίστωσε ότι η μισθολογική ανισότητα τείνει να αυξάνεται περισσότερο σε χώρες στις οποίες οι εταιρείες στηρίζονται ήδη πολύ στα ρομπότ και οι οποίες υιοθετούν γρήγορα τις τελευταίες ρομποτικές τεχνολογίες.
Δεύτερον, καθώς ο εργασιακός χώρος μετά τον COVID-19 αναζητά μια ισορροπία μεταξύ in-person και απομακρυσμένης εργασίας, οι επιπτώσεις στην παραγωγικότητα – και οι απόψεις επί του θέματος – θα παραμείνουν αβέβαιες και ρευστές. Μια μελέτη του 2022 έδειξε βελτιωμένη αποδοτικότητα για την απομακρυσμένη εργασία, καθώς οι εταιρείες και οι εργαζόμενοι έγιναν πιο άνετοι με τις ρυθμίσεις εργασίας από το σπίτι, αλλά σύμφωνα με μια άλλη μελέτη του 2023, οι διευθυντές και οι εργαζόμενοι διαφωνούν σχετικά με τον αντίκτυπο: Οι πρώτοι πιστεύουν ότι η απομακρυσμένη εργασία μειώνει την παραγωγικότητα, ενώ οι εργαζόμενοι πιστεύουν το αντίθετο.
Τρίτον, η αντίδραση της κοινωνίας στην εξάπλωση της γενετικής τεχνητής νοημοσύνης θα μπορούσε να επηρεάσει σε μεγάλο βαθμό την πορεία και τον τελικό αντίκτυπό της. Οι αναλύσεις δείχνουν ότι η γενετική τεχνητή νοημοσύνη μπορεί να ενισχύσει την παραγωγικότητα των εργαζομένων σε συγκεκριμένες εργασίες – για παράδειγμα, μια μελέτη του 2023 διαπίστωσε ότι η σταδιακή εισαγωγή ενός βοηθού συνομιλίας βασισμένου στη γενετική τεχνητή νοημοσύνη αύξησε την παραγωγικότητα του προσωπικού εξυπηρέτησης πελατών κατά 14%. Ωστόσο, ήδη πληθαίνουν οι εκκλήσεις να εξεταστούν οι σοβαρότεροι κίνδυνοι της γενετικής τεχνητής νοημοσύνης και να ληφθούν σοβαρά υπόψη. Συν τοις άλλοις, η αναγνώριση του αστρονομικού υπολογιστικού και περιβαλλοντικού κόστους της γενετικής τεχνητής νοημοσύνης θα μπορούσε να περιορίσει την ανάπτυξη και τη χρήση της.
Τέλος, δεδομένου του πόσο λάθος έχουν κάνει οι οικονομολόγοι και άλλοι ειδικοί στο παρελθόν, είναι ασφαλές να πούμε ότι πολλές από τις σημερινές προβλέψεις σχετικά με τον αντίκτυπο της τεχνολογίας τεχνητής νοημοσύνης στην εργασία και την παραγωγικότητα των εργαζομένων θα αποδειχθούν επίσης λανθασμένες. Αριθμοί όπως 300 εκατομμύρια θέσεις εργασίας που επηρεάζονται ή 4,4 τρισεκατομμύρια δολάρια ετήσια ώθηση στην παγκόσμια οικονομία είναι εντυπωσιακοί, αλλά νομίζω ότι οι άνθρωποι τείνουν να τους πιστεύουν περισσότερο απ’ ό,τι δικαιολογείται.
Επίσης, το «θέσεις εργασίας που επηρεάζονται» δεν σημαίνει ότι χάνονται θέσεις εργασίας – μπορεί να σημαίνει αύξηση των θέσεων εργασίας ή ακόμη και μετάβαση σε νέες θέσεις εργασίας. Το καλύτερο είναι να χρησιμοποιούμε τις αναλύσεις, όπως της Goldman ή της McKinsey, για να πυροδοτούμε τη φαντασία μας σχετικά με τα πιθανά σενάρια για το μέλλον της εργασίας και των εργαζομένων. Είναι καλύτερο να κάνουμε στη συνέχεια καταιγισμό ιδεών για τους πολλούς παράγοντες που θα μπορούσαν να επηρεάσουν το ποιο από αυτά τα σενάρια θα πραγματοποιηθεί, να αναζητήσουμε τα πρώτα προειδοποιητικά σημάδια και να προετοιμαστούμε αναλόγως.
Η ιστορία του μέλλοντος της εργασίας έχει υπάρξει γεμάτη εκπλήξεις∙ μην σοκαριστείτε αν οι αυριανές τεχνολογίες είναι εξίσου μπερδεμένες.
ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:
