Οι δείκτες που χρησιμοποιούνται σήμερα για να εκτιμηθεί ποια επαγγέλματα κινδυνεύουν περισσότερο από την εξάπλωση της τεχνητής νοημοσύνης ενδέχεται να είναι λιγότερο αξιόπιστοι από όσο θεωρείται ευρέως. Μάλιστα, σύμφωνα με νέα έρευνα, ένας από τους βασικούς λόγους αυτής της αβεβαιότητας φαίνεται να είναι η ίδια η AI, η οποία χρησιμοποιείται ολοένα και περισσότερο για την αξιολόγηση των επιπτώσεών της στην αγορά εργασίας.
Το ερώτημα για το πώς θα μεταβάλει η τεχνητή νοημοσύνη την απασχόληση αποτελεί σήμερα ένα από τα σημαντικότερα ζητήματα για οικονομολόγους, κυβερνήσεις και επιχειρήσεις. Οι προβλέψεις αυτές επηρεάζουν πολιτικές αποφάσεις, προγράμματα κατάρτισης και ακόμη και τις επαγγελματικές επιλογές νέων ανθρώπων, γεγονός που καθιστά κρίσιμη την κατανόηση των περιορισμών τους.
Οι μέθοδοι μέτρησης της «έκθεσης» στην AI
Σύμφωνα με μελέτη του Εθνικού Γραφείου Οικονομικών Ερευνών των ΗΠΑ (NBER), οι οικονομολόγοι χρησιμοποιούν ειδικούς «δείκτες έκθεσης» για να υπολογίσουν πόσο ευάλωτο είναι ένα επάγγελμα στην αυτοματοποίηση. Η διαδικασία βασίζεται στην ανάλυση των επιμέρους εργασιών που εκτελούνται καθημερινά σε κάθε επάγγελμα, από χειρωνακτικές δραστηριότητες έως σύνθετες γνωστικές λειτουργίες.
Όσο μεγαλύτερο μέρος αυτών των καθηκόντων μπορεί να εκτελεστεί αποτελεσματικά από συστήματα τεχνητής νοημοσύνης, τόσο υψηλότερος θεωρείται ο βαθμός έκθεσης του επαγγέλματος. Οι σχετικοί δείκτες χρησιμοποιούνται πλέον ευρέως σε ακαδημαϊκές μελέτες, εταιρικές αναλύσεις και δημόσιες πολιτικές.
Οι ερευνητές επισημαίνουν ότι υπάρχουν τρεις βασικές προσεγγίσεις για τη δημιουργία αυτών των δεικτών: αξιολογήσεις από ειδικούς και ερευνητές, έρευνες μεταξύ εργαζομένων και εκτιμήσεις που παράγονται από τα ίδια τα μοντέλα τεχνητής νοημοσύνης.
Ωστόσο, καμία από τις τρεις μεθόδους δεν είναι απαλλαγμένη από αδυναμίες. Οι ανθρώπινες αξιολογήσεις επηρεάζονται συχνά από υποκειμενικές κρίσεις, ενώ οι έρευνες εργαζομένων αποτυπώνουν κυρίως τις εμπειρίες όσων χρησιμοποιούν ήδη την τεχνολογία. Η χρήση της ίδιας της AI για την αξιολόγηση των επιπτώσεών της δημιουργεί μια διαφορετική κατηγορία προβλημάτων.
Διαφορετικές απαντήσεις από τα κορυφαία μοντέλα
Η πρόσφατη μελέτη του NBER ανέλυσε τις εκτιμήσεις τριών κορυφαίων μοντέλων τεχνητής νοημοσύνης — του ChatGPT-5, του Gemini 2.5 και του Claude 4.5 — και διαπίστωσε σημαντικές αποκλίσεις ως προς τα επαγγέλματα που θεωρούνται περισσότερο εκτεθειμένα στην αυτοματοποίηση.
Χαρακτηριστικό παράδειγμα αποτελούν οι λογιστές. Το Claude αξιολόγησε το επάγγελμα ως ιδιαίτερα ευάλωτο στην επέκταση της AI, ενώ το Gemini κατέληξε σε αισθητά χαμηλότερη εκτίμηση κινδύνου. Αντίστοιχες διαφορές εντοπίστηκαν στις αξιολογήσεις για στελέχη επιχειρήσεων και διευθυντές διαφήμισης.
Ακόμη και μεταξύ των μοντέλων που εμφάνισαν τη μεγαλύτερη σύγκλιση, όπως το ChatGPT και το Gemini, οι ερευνητές διαπίστωσαν ουσιαστικές διαφωνίες περίπου στο ένα τέταρτο των περιπτώσεων που εξετάστηκαν.
Όταν η AI επηρεάζεται από τους χρήστες της
Η έρευνα καταγράφει επίσης έναν λιγότερο προφανή παράγοντα που επηρεάζει τα αποτελέσματα. Οι εκτιμήσεις των μοντέλων φαίνεται να διαμορφώνονται εν μέρει από τα δεδομένα που παράγουν οι επαγγελματικές ομάδες οι οποίες έχουν ήδη ενσωματώσει την τεχνητή νοημοσύνη στην καθημερινή εργασία τους.
Επαγγέλματα όπως οι οικονομικοί αναλυτές ή άλλοι εργαζόμενοι που αξιοποιούν νωρίς τα νέα εργαλεία AI παράγουν μεγάλο όγκο δεδομένων, τα οποία στη συνέχεια χρησιμοποιούνται για την εκπαίδευση των ίδιων των μοντέλων. Αυτό δημιουργεί έναν μηχανισμό ανατροφοδότησης που μπορεί να επηρεάζει τις μετέπειτα αξιολογήσεις των επαγγελμάτων αυτών.
Οι ερευνητές προειδοποιούν ότι ορισμένοι εργοδότες, επενδυτές και υπεύθυνοι χάραξης πολιτικής αντιμετωπίζουν αυτούς τους δείκτες ως αντικειμενικές μετρήσεις, χωρίς να λαμβάνουν υπόψη το εύρος της αβεβαιότητας που τους συνοδεύει.
Η πραγματικότητα θα κριθεί στην πράξη
Η μελέτη καταλήγει ότι οι αποκλίσεις μεταξύ διαφορετικών μοντέλων δεν θα πρέπει να θεωρούνται απρόσμενες, καθώς πρόκειται για μια ταχέως εξελισσόμενη τεχνολογία. Παράλληλα, παραμένει ανοιχτό το ερώτημα αν οι αξιολογήσεις που παράγουν τα συστήματα AI είναι τελικά πιο ακριβείς ή λιγότερο αξιόπιστες από εκείνες που πραγματοποιούν άνθρωποι.
Για τον λόγο αυτό, οι οικονομολόγοι προτείνουν τη χρήση πολλαπλών μοντέλων στις σχετικές αναλύσεις και μεγαλύτερη διαφάνεια γύρω από τα περιθώρια σφάλματος. Όπως υπογραμμίζει η ερευνήτρια Μισέλ Γιν, μία από τις συντάκτριες της μελέτης, κανείς δεν θα πρέπει να λαμβάνει σημαντικές αποφάσεις για την καριέρα του ή για τις σπουδές των παιδιών του βασιζόμενος αποκλειστικά σε έναν και μόνο δείκτη. Οι πραγματικές επιπτώσεις της τεχνητής νοημοσύνης στην εργασία, σημειώνει η έρευνα, θα γίνουν κατανοητές κυρίως μέσα από την παρακολούθηση της εφαρμογής της τεχνολογίας στην πραγματική οικονομία και όχι μόνο μέσω θεωρητικών μοντέλων πρόβλεψης.
Διαβάστε ακόμη
Morgan Stanley – Credit Agricole: Το ράλι του δολαρίου ίσως έχει εξαντληθεί (γραφήματα)
Συμφωνία DIMAND – Ηilton για το νέο Hilton Θεσσαλονίκης στο συγκρότημα ΦΙΞ (pic)
James Bond: Ταξίδι στους τόπους που γυρίστηκαν οι ταινίες του 007
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα
Σχολίασε εδώ
Για να σχολιάσεις, χρησιμοποίησε ένα ψευδώνυμο.