Η ανησυχία του επιστημονικού κόσμου για το ενδεχόμενο να καταστεί η Τεχνητή Νοημοσύνη μια ανεξέλεγκτη οντότητα, που μελλοντικά θα υπερκεράσει και θα αντικαταστήσει την ανθρώπινη δραστηριότητα βρίσκεται πολύ ψηλά στην ατζέντα των συζητήσεων. Μήπως, όμως, ο σύγχρονος άνθρωπος βλέπει μόνο το «θαύμα» ή αντίστοιχα την «κατάρα», αλλά όχι την πραγματική χρησιμότητα των νέων τεχνολογιών, ιδίως σε ό,τι αφορά τον τομέα της απασχόλησης;
Σε πρόσφατη συνέντευξή της στο podcast McKinsey Talks Talent η καθηγήτρια του Πανεπιστημίου του Στάνφορντ, Μελίσα Βαλεντάιν, αναφέρθηκε σε ένα σχετικά νέο όρο, τη λεγόμενη «Ανθρωποκεντρική Τεχνητή Νοημοσύνη».
Με βάση τα όσα γνωρίζουμε, η Δημιουργική Τεχνητή Νοημοσύνη (GenAI) δεν είναι τίποτε άλλο παρά ένα γλωσσικό μοντέλο που επεξεργάζεται δεδομένα. Απευθύνουμε ένα ερώτημα, για παράδειγμα, σε ένα σύστημα ΤΝ, όπως το ChatGPT κι εκείνο μας δίνει μία απάντηση. Αυτή η απάντηση, ωστόσο, πόσο χρήσιμη είναι για τη βελτίωση των δεξιοτήτων των εργαζομένων; Μήπως οδηγεί σε οκνηρία και εν τέλει σε παραίτηση του ανθρώπου απέναντι στις «δυνατότητες και το μεγαλείο μιας μηχανής»;
Σύμφωνα με τη δρ. Βαλεντάιν είναι ακριβώς αυτό το σημείο, όπου κρύβεται η παγίδα. Όπως σημειώνει η ίδια, «υπάρχουν διαφορετικές πτυχές που αναφέρονται σε διαφορετικά παραδείγματα σχεδιασμού συστημάτων Τεχνητής Νοημοσύνης. Αλλά ο τρόπος που πρέπει να σκεφτούμε είναι ότι, αν πραγματικά εστιάζουμε στην ενίσχυση των ανθρώπινων δυνατοτήτων, τότε έχουμε την Ανθρωποκεντρική Τεχνητή Νοημοσύνη».
Ένα κρίσιμο ερώτημα και μια απάντηση που έρχεται από το (όχι και τόσο μακρινό) παρελθόν
Η υπεραπλούστευση κάποιων εργασιών, οι οποίες μέχρι πρότινος απαιτούσαν χρόνο αλλά και κόπο, έχει καταστεί πραγματικότητα μέσω της GenAI: Από την άμεση δημιουργία μιας σειράς από σχεδόν άψογες διαφάνειες σε μια επιστημονική παρουσίαση μέχρι τις αυτόματες απαντήσεις σε εκατοντάδες μηνύματα ηλεκτρονικού ταχυδρομείου. Η Τεχνητή Νοημοσύνη τείνει να αντικαθιστά την ανθρώπινη δραστηριότητα ή μήπως αυτή η θεώρηση είναι υπερβολική;
Για να απαντηθεί αυτό ερώτημα, θα πρέπει να γυρίσει κανείς το χρόνο περίπου 30 χρόνια πίσω: Στη δεκαετία του '90, αρκετοί οικονομολόγοι αλλά και ερευνητές στον τομέα της απασχόλησης μελετούσαν την είσοδο των νέων ψηφιακών τεχνολογιών στην Εποχή του Διαδικτύου. Τότε, η τάση που καταγραφόταν ήταν ότι ορισμένα επαγγέλματα αναπροσαρμόζονταν, καθώς οι νέες τεχνολογίες είτε τα βελτίωναν, είτε τα αποδυνάμωναν αντίστοιχα. Τότε, είχαν διατυπωθεί ορισμένες ιδιαίτερα δυσοίωνες προβλέψεις, που έκαναν λόγο για σημαντική απώλεια θέσεων εργασίας. Αν και αυτή η ζοφερή εικόνα δεν επαληθεύτηκε, υπήρξαν πολλές αλλαγές στα επαγγέλματα από τότε μέχρι και σήμερα.
Κι ερχόμαστε στο λυκαυγές του 2024: Η έλευση της Τεχνητής Νοημοσύνης θεωρείται πλέον γεγονός και ήδη έχει αρχίσει να καλλιεργείται έντονα μια ρητορική φόβου, ότι μελλοντικά θα χαθούν πολλές θέσεις εργασίας. Μήπως, όμως, αυτός ο φόβος είναι τελικά παράλογος;
Upskilling, Reskilling και ένα παράδειγμα
Το μόνο σίγουρο είναι ότι η Τεχνητή Νοημοσύνη θα επιφέρει πολλές αλλαγές στον τομέα της απασχόλησης. Στο σημείο αυτό, λοιπόν, δύο είναι τα σημαντικά «όπλα» που μπορεί να αξιοποιήσει ο άνθρωπος, ώστε να υπερνικήσει το φόβο που αναφέρθηκε πιο πάνω: Η αναβάθμιση των εργασιακών του δεξιοτήτων (upskilling) και η επανεκπαίδευσή του (reskilling). Αν αυτές οι δύο λύσεις συνδυαστούν με ένα σύστημα Ανθρωποκεντρικής Τεχνητής Νοημοσύνης, τότε το κέρδος για τον εργαζόμενο θα είναι σημαντικό.
Τι θα μπορούσε να είναι τέτοιο σύστημα; Φανταστείτε μια μικρή εταιρεία που χρησιμοποιεί έως τώρα ένα συγκεκριμένο περιβάλλον διεπαφής (user interface – UI) μεταξύ των χρηστών – υπαλλήλων της. Ξαφνικά, η διοίκηση της εταιρείας αποφασίζει να εισαγάγει ένα νέο user interface που λειτουργεί με τεχνολογίες Τεχνητής Νοημοσύνης – από το πώς θα μπορούσε να σχεδιαστεί λ.χ. ένα νέο προϊόν μέχρι την παροχή συγκεκριμένων απαντήσεων σε ερωτήματα εν δυνάμει πελατών μέσω μηνυμάτων email.
Εάν σκεφτεί κανείς ένα τέτοιο σύστημα να δουλεύει με τον ίδιο τρόπο που απευθύνουμε ένα ερώτημα στο ChatGPT αναμένοντας μια απάντηση, η οποία ενδέχεται να είναι είτε ανακριβής, είτε αναποτελεσματική, είτε λανθασμένη, τότε σίγουρα το εν λόγω UI θα αποτύχει ως προς τον τελικό σκοπό του.
Εάν, όμως, το σύστημα αυτό είναι «ανοικτό» σε περισσότερη διάδραση με τους χρήστες - υπαλλήλους και στελέχη της εν λόγω εταιρείας, αναζητώντας περισσότερες λεπτομέρειες, αλλά και δεδομένα που προκύπτουν από την ανθρώπινη εργασιακή εμπειρία, τότε τα πράγματα αλλάζουν. Στην περίπτωση αυτή, ο άνθρωπος εξακολουθεί να εκπαιδεύει τη μηχανή, που χρειάζεται δεδομένα για να λειτουργήσει πιο ορθά και πιο αποτελεσματικά. Όμως και η ίδια η μηχανή βελτιώνει τον τρόπο λειτουργίας και αντίδρασής της απέναντι σε διάφορα περιπτωσιολογικά σενάρια που αφορούν την εργασιακή καθημερινότητα της εταιρείας και των υπαλλήλων της. Δημιουργείται, με άλλα λόγια, μια συνέργεια, μια σχέση αμοιβαιότητας που βελτιστοποιεί το αποτέλεσμα.
Ταυτόχρονα, καθώς το συγκεκριμένο σύστημα αναβαθμίζει και εξειδικεύει τον τρόπο λειτουργίας του, δημιουργεί – μοιραία – νέες θέσεις εργασίας. Η βελτιστοποίηση του αποτελέσματος μπορεί να οδηγήσει μια εταιρεία στο να λειτουργεί με όρους οικονομικής μεγέθυνσης, διευρύνοντας τους τομείς των δραστηριοτήτων της.
Όμως δεν φτάνει από μόνη της μια μηχανή – εν προκειμένω ένα σύστημα Τεχνητής Νοημοσύνης – για να επιτύχει κάτι τέτοιο, γιατί απλούστατα ο ανθρώπινος παράγοντας αποτελεί αναπόσπαστο μέρος αυτής της εξίσωσης.
