Η τεχνητή νοημοσύνη υπόσχεται να αλλάξει τον τρόπο που δουλεύουμε: πιο γρήγορα, πιο έξυπνα, πιο αποδοτικά. Όμως η πραγματικότητα δείχνει ότι, χωρίς σωστή χρήση, μπορεί να έχει το ακριβώς αντίθετο αποτέλεσμα.
Μια νέα έκθεση της εταιρείας Asana δείχνει ότι σχεδόν 8 στις 10 επιχειρήσεις παγκοσμίως φοβούνται πως θα βρεθούν αντιμέτωπες με αυτό που οι ειδικοί αποκαλούν «χρέος τεχνητής νοημοσύνης». Με απλά λόγια, πρόκειται για το κόστος —οικονομικό και ψυχολογικό— που προκύπτει όταν τα εργαλεία τεχνητής νοημοσύνης εφαρμόζονται βιαστικά και χωρίς σχέδιο.
Το «χρέος» αυτό δεν φαίνεται μόνο σε νούμερα. Φαίνεται στην καθημερινότητα: εργαζόμενοι που σπαταλούν ώρες διορθώνοντας λάθη που έκανε η μηχανή, περιεχόμενο που παράγεται αλλά δεν χρησιμεύει σε κανέναν, ή ακόμα και κώδικας που πρέπει να ξαναγραφτεί από την αρχή.
Στην έρευνα συμμετείχαν πάνω από 9.000 εργαζόμενοι σε θέσεις που απαιτούν γνώσεις στις Ηνωμένες Πολιτείες, το Ηνωμένο Βασίλειο, την Αυστραλία, τη Γερμανία και την Ιαπωνία.
Το χρέος τεχνητής νοημοσύνης είναι το κόστος της μη σωστής εφαρμογής των νεοσύστατων αυτόνομων συστημάτων, δήλωσε ο Mark Hoffman, εμπειρογνώμονας στο Work Innovation Lab της Asana, στο CNBC Make It.
«Αυτά τα κόστη μπορεί να είναι οικονομικά. Μπορεί επίσης να είναι χαμένος χρόνος, ο οποίος σχετίζεται με τα χρήματα. Μπορεί επίσης να είναι πολλά πράγματα που πρέπει να αναιρέσετε, κάτι που είναι δαπανηρό από οικονομική άποψη. Το να πρέπει να το κάνετε αυτό εξαντλεί τους ανθρώπους. Είναι όλα τα κόστη που σχετίζονται με την κακή εφαρμογή», είπε ο Hoffman.
Ένας νέος όρος που εμφανίστηκε πρόσφατα είναι το workslop — περιεχόμενο που έχει φτιαχτεί από την Τεχνητή Νοημοσύνη, μοιάζει «καλό», αλλά στην ουσία δεν λέει τίποτα. Έρευνα στις ΗΠΑ έδειξε ότι το workslop προσθέτει σχεδόν δύο ώρες έξτρα δουλειά τον μήνα σε κάθε υπάλληλο, κάτι που μεταφράζεται σε δισεκατομμύρια χαμένης παραγωγικότητας σε ετήσια βάση.
Και ενώ οι εταιρείες υιοθετούν την τεχνητή νοημοσύνη με ταχύτητα —από 52% το 2024 σε 70% το 2025— οι εργαζόμενοι δηλώνουν όλο και πιο κουρασμένοι. Η «ψηφιακή εξάντληση» έφτασε το 84% φέτος, ποσοστό που δείχνει ότι η πίεση μεγαλώνει αντί να μειώνεται.
Νέα έρευνα από το BetterUp Labs και το Stanford Social Media Lab διαπίστωσε ακόμη ότι το «workslop» που δημιουργείται από την τεχνητή νοημοσύνη καταστρέφει την ομαδική εργασία και προκαλεί πρόβλημα παραγωγικότητας πολλών εκατομμυρίων δολαρίων.
Σύμφωνα με την έρευνα, έχει δημιουργήσει σχεδόν δύο ώρες επιπλέον εργασίας για τους ανθρώπους που το αντιμετώπισαν, ένα αόρατο φόρο 186 δολαρίων το μήνα και μια μείωση της παραγωγικότητας κατά 9 εκατομμύρια δολάρια σε ένα χρόνο.
«Αυτή τη στιγμή γίνονται μεγάλες επενδύσεις σε αυτόν τον τομέα και, τελικά, το ερώτημα είναι αν αυτές οι επενδύσεις θα αποδώσουν», είπε ο Hoffman.
Ο Henry Ajder, ιδρυτής της εταιρείας συμβούλων τεχνητής νοημοσύνης Latent Space Advisory και σύμβουλος της βρετανικής κυβέρνησης, της Meta και της νεοφυούς εταιρείας τεχνητής νοημοσύνης Synthesia, τόνισε την ανάγκη για προσεκτική εφαρμογή και δομές.
«Οι άνθρωποι που είναι CTO ή υπεύθυνοι καινοτομίας, οι καλοί με τους οποίους έχω συνεργαστεί, αυτοί που πιστεύω ότι έκανα το καλύτερο δυνατό για να πετύχουν, δεν ωραιοποιούν την αναστάτωση που θα κοστίσει αυτό… όπως με κάθε είδους θεμελιώδη αναδιαμόρφωση, θα υπάρξουν προβλήματα, θα υπάρξουν εμπόδια», δήλωσε ο Ajder σε συνέντευξή του.
«Δεν είναι μαγική λύση»
Η έκθεση της Asana καταλήγει στη διαπίστωση ότι, παρά την αύξηση της υιοθέτησης της τεχνητής νοημοσύνης από 52% το 2024 σε 70% το 2025, οι εργαζόμενοι αντιμετωπίζουν επίσης υψηλότερα επίπεδα ψηφιακής εξάντλησης.
Η Mona Mourshed, ιδρυτική παγκόσμια διευθύνουσα σύμβουλος της Generation, μιας οργάνωσης απασχόλησης με έδρα τις ΗΠΑ, δήλωσε στο CNBC ότι παρά το γεγονός ότι οι εταιρείες εισάγουν εργαλεία τεχνητής νοημοσύνης και ενθαρρύνουν τη χρήση τους, οι εργαζόμενοι εξακολουθούν να αντιμετωπίζουν δυσκολίες.
«Ο βασικός λόγος για τον οποίο αντιμετωπίζουν δυσκολίες, και το γνωρίζουμε αυτό από τις συζητήσεις μας με τους αποφοίτους μας, είναι ότι συχνά λείπει η περίπτωση χρήσης για το πώς και γιατί πρέπει να χρησιμοποιήσετε αυτό το εργαλείο τεχνητής νοημοσύνης στη ροή της εργασίας σας», είπε η Mourshed.
Η Mourshed σημείωσε ότι οι εταιρείες επενδύουν στην τεχνητή νοημοσύνη με την ελπίδα ότι η εργασία θα εκτελείται καλύτερα, γρηγορότερα και φθηνότερα, αλλά δεν προσφέρουν την απαραίτητη εκπαίδευση ή οδηγίες για να επιτρέψουν βελτιώσεις.
«Δεν είναι μια μαγική λύση, και ξαφνικά κάνει όλα όσα θέλετε μόλις την εγκαταστήσετε… θα είναι μια πολύ πιο επίπονη διαδρομή για να φτάσετε σε αυτά τα οφέλη από ό,τι για τις εταιρείες που το έχουν σκεφτεί καλά».
Ο ειδικός σε θέματα τεχνητής νοημοσύνης Ajder είπε ότι η σωστή στρατηγική είναι να δοκιμάζεις προσεκτικά τη χρήση της τεχνητής νοημοσύνης και να χτίζεις την υποδομή γύρω από αυτήν, αντί να βιάζεσαι να μπεις στον αγώνα χωρίς να είσαι προετοιμασμένος.
«Δεν ξεκινάς απλά με την ενσωμάτωση, ξεκινάς με πιλοτικές εφαρμογές, ξεκινάς με τον προσδιορισμό του πεδίου εφαρμογής, με sandboxing, με δοκιμές αυτών των συστημάτων», είπε.
Αυτό περιλαμβάνει τα πάντα, από τη σωστή εκπαίδευση των υπαλλήλων έως τη σκέψη για το είδος των μοντέλων τεχνητής νοημοσύνης που μπορεί να χρειαστεί η επιχείρηση. Είναι πολύ πιο δύσκολο να ανταποκριθείς σε λάθη ή δυσλειτουργίες όταν δεν υπάρχει διαδικασία.
«Δεν λέω ότι δεν μπορείς να αναλάβεις προσεκτικά τον κίνδυνο όταν πρόκειται για τη χρήση της τεχνητής νοημοσύνης, αλλά πρέπει να είναι υπολογισμένος και να έχει καθοριστεί το πεδίο εφαρμογής του», είπε ο Ajder.
