Οι μηχανικοί λογισμικού γράφουν σήμερα περισσότερο κώδικα από ποτέ, ενώ οι επιχειρήσεις επενδύουν δισεκατομμύρια στην τεχνητή νοημοσύνη. Γιατί, λοιπόν, τα αναμενόμενα οφέλη δεν έχουν ακόμη αποτυπωθεί με σαφήνεια στην πράξη;
Για χρόνια, η τεχνητή νοημοσύνη προβαλλόταν ως η τεχνολογία που θα εκτόξευε την παραγωγικότητα των επιχειρήσεων. Η προσδοκία ήταν ότι θα μείωνε το λειτουργικό κόστος και θα επέτρεπε στους εργαζομένους να ολοκληρώνουν περισσότερες εργασίες σε λιγότερο χρόνο. Πρόκειται για μια προοπτική που έμοιαζε σχεδόν υπερβολικά καλή για να είναι αληθινή.
Μέχρι στιγμής, όμως, η πραγματικότητα αποδεικνύεται πιο σύνθετη.
Από τη μία πλευρά, υπάρχουν περιπτώσεις όπως αυτή της μηχανικού λογισμικού Άιριν Άζρα Ζου. Σύμφωνα με την ίδια, το Claude Code της Anthropic της επιτρέπει να ολοκληρώνει μέσα σε μία ημέρα εργασίες που στο παρελθόν απαιτούσαν έως και μία εβδομάδα. Σύμφωνα με τη Ζου, η οποία εργάζεται στη νεοφυή εταιρεία logistics φορτηγών Double Nickel, το εργαλείο της εξοικονομεί εξαιρετικά πολύ χρόνο.
Από την άλλη πλευρά, η επίδραση αυτών των εξελίξεων στην παραγωγικότητα των επιχειρήσεων και της οικονομίας συνολικά παραμένει λιγότερο σαφής. Το γεγονός ότι γράφεται περισσότερος κώδικας δεν συνεπάγεται απαραίτητα καλύτερα προϊόντα ή πιο αποτελεσματικές υπηρεσίες. Επιπλέον, ενώ η τεχνητή νοημοσύνη φαίνεται να ενισχύει σημαντικά την αποδοτικότητα στον προγραμματισμό, τα οφέλη αυτά δεν έχουν ακόμη εμφανιστεί με την ίδια ένταση και σε άλλους επαγγελματικούς τομείς.
Για επαγγελματίες όπως ο επιστήμονας δεδομένων της Amazon, Σάρθακ Γκούπτα, η τεχνητή νοημοσύνη δεν συνεπάγεται απαραίτητα άμεση μείωση του φόρτου εργασίας. Αντίθετα, τουλάχιστον στο αρχικό στάδιο, απαιτεί επιπλέον χρόνο και προσπάθεια. Όπως εξηγεί ο ίδιος, αυτή την περίοδο βρίσκεται σε μια «διαδικασία προσαρμογής προς την αυτοματοποίηση», κατά την οποία εργάζεται περισσότερες ώρες ώστε να ενσωματώσει τα νέα εργαλεία στις διαδικασίες της δουλειάς του.
«Η αρχική αυτή επένδυση σε χρόνο και πόρους είναι αναπόφευκτη», σημειώνει ο Γκούπτα. Σε αυτό το πλαίσιο, αναπτύσσει αυτοματοποιημένες διαδικασίες, ενσωματώνει εργαλεία τεχνητής νοημοσύνης και προσαρμόζει τις υπάρχουσες ροές εργασίας στα νέα συστήματα. «Ωστόσο», όπως τονίζει, «η ουσιαστική αξία δεν εντοπίζεται τόσο στην ταχύτερη ολοκλήρωση μιας μεμονωμένης εργασίας, όσο στο γεγονός ότι οι αυτοματοποιημένες αυτές διαδικασίες αποδίδουν σε βάθος χρόνου, κάθε φορά που μια εργασία επαναλαμβάνεται».
Οι εμπειρίες του Γκούπτα και της Ζου αναδεικνύουν μια σημαντική αντίφαση γύρω από την παραγωγικότητα που υπόσχεται η τεχνητή νοημοσύνη. Παρότι πολλοί εργαζόμενοι μπορούν πλέον να ολοκληρώνουν ορισμένες εργασίες ταχύτερα, οι ερευνητές επισημαίνουν ότι αυτά τα οφέλη δεν έχουν ακόμη φανεί στην πράξη ως μεγαλύτερη παραγωγικότητα, αυξημένα έσοδα ή μεγαλύτερη κερδοφορία για τις επιχειρήσεις.
Την ίδια στιγμή, οι εταιρείες βρίσκονται αντιμέτωπες με την πρόκληση να δικαιολογήσουν τις τεράστιες επενδύσεις που πραγματοποιούν στην τεχνητή νοημοσύνη. Το βασικό ζητούμενο πλέον δεν είναι να αποδειχθεί ότι οι εργαζόμενοι μπορούν να γίνουν πιο αποδοτικοί σε ατομικό επίπεδο, αλλά ότι αυτή η βελτίωση μπορεί να επεκταθεί σε ολόκληρο τον οργανισμό και να οδηγήσει σε μετρήσιμα επιχειρηματικά αποτελέσματα.
Έκρηξη παραγωγικότητας
Οι ηγέτες των επιχειρήσεων δείχνουν αυξημένη προθυμία να αναφέρονται στην τεχνητή νοημοσύνη και στην παραγωγικότητα. Σύμφωνα με το Business Insider, η πλατφόρμα επιχειρηματικής ανάλυσης AlphaSense εξέτασε πόσο συχνά εμφανίζεται ο όρος «AI» (ή συναφείς όροι) κοντά στη λέξη «παραγωγικότητα» στις ανακοινώσεις οικονομικών αποτελεσμάτων μεγάλων εταιρειών. Διαπιστώθηκε ότι οι δύο όροι εμφανίστηκαν μαζί σε 637 ανακοινώσεις κατά το δεύτερο τρίμηνο, σημειώνοντας αύξηση περίπου 25% σε σχέση με την αντίστοιχη περίοδο πέρυσι.
Ακολουθεί γράφημα με την αύξηση της συνύπαρξης των όρων «AI» και «παραγωγικότητα» στις ανακοινώσεις οικονομικών αποτελεσμάτων μεγάλων εταιρειών, που δείχνει τη στενότερη σύνδεσή τους:
Η παραγωγικότητα της εργασίας, που αποτυπώνει την αποδοτικότητα των εργαζομένων στο σύνολο της οικονομίας, έχει αυξηθεί σημαντικά τα τελευταία χρόνια. Στις Ηνωμένες Πολιτείες, η αύξησή της ξεπέρασε την τάση που είχε καταγραφεί πριν από την πανδημία από το 2020 και ενισχύθηκε ακόμη περισσότερο μετά τα τέλη του 2022, περίπου την ίδια περίοδο που κυκλοφόρησε το ChatGPT.
Ωστόσο, αυτά τα οφέλη δεν αποδίδονται απαραίτητα στην τεχνητή νοημοσύνη. Σύμφωνα με έγγραφο εργασίας του Εθνικού Γραφείου Οικονομικών Ερευνών (National Bureau of Economic Research) τον Φεβρουάριο, το οποίο βασίστηκε σε έρευνα σχεδόν 6.000 στελεχών, περίπου το 90% των επιχειρήσεων που χρησιμοποιούν ενεργά την τεχνητή νοημοσύνη ανέφεραν ότι η τεχνολογία δεν είχε καμία επίδραση στην παραγωγικότητά τους τα τελευταία τρία χρόνια.
Ακολουθεί γράφημα με την αύξηση της αποδοτικότητας των εργαζομένων στο σύνολο της οικονομίας:
Αντίθετα, οι ερευνητές αποδίδουν την πρόσφατη αύξηση της παραγωγικότητας στην τηλεργασία, στην αυξημένη κινητικότητα στην αγορά εργασίας το 2021 και το 2022, καθώς και στις αλλαγές στη σύνθεση του εργατικού δυναμικού.
«Μέχρι στιγμής, οι επιπτώσεις της τεχνητής νοημοσύνης στην παραγωγικότητα φαίνεται να είναι μικρές και δεν έχουν επηρεάσει ουσιαστικά τη συνολική αύξηση της παραγωγικότητας», δήλωσε ο Μαρκ Ζάντι, επικεφαλής οικονομολόγος της Moody’s, στο Business Insider.
Μια νέα μελέτη του Wharton, από τους Τζέσικα Γουάχτερ και Τζόναθαν Γουάχτερ, καταλήγει ότι οι εταιρείες τεχνολογίας πραγματοποιούν επενδύσεις με την προσδοκία μιας εκρηκτικής αύξησης της παραγωγικότητας. Ωστόσο, εάν αυτό δεν συμβεί, «ο τρέχων κύκλος επενδύσεων θα αποτελέσει τη μεγαλύτερη κακή κατανομή κεφαλαίων στην ιστορία». Οι ερευνητές προειδοποιούν επίσης ότι ορισμένες μεγάλες εταιρείες τεχνολογίας ενδέχεται να βρεθούν αντιμέτωπες με κίνδυνο πτώχευσης, εάν η παραγωγικότητα δεν αυξηθεί σύντομα.
Ο Αλεξάντερ Σουχάρεφσκι, ανώτερος εταίρος της McKinsey, ανέφερε ότι σε πολλές εταιρείες εξακολουθεί να παρατηρείται το λεγόμενο «παράδοξο της γενικής τεχνητής νοημοσύνης», καθώς δεν έχει ακόμη αποσαφηνιστεί ο τρόπος με τον οποίο η τεχνητή νοημοσύνη μπορεί να αξιοποιηθεί σε μεγάλη κλίμακα σε όλες τις λειτουργίες τους.
Είναι σύνηθες οι εργαζόμενοι να αναφέρουν ότι η προσωπική τους παραγωγικότητα έχει αυξηθεί, ενώ οι εταιρείες να καταγράφουν ιδιαίτερα ενθαρρυντικά αποτελέσματα σε πιλοτικά προγράμματα. Ωστόσο, η μετατροπή αυτών των μεμονωμένων βελτιώσεων σε συνολική αναβάθμιση της απόδοσης μιας επιχείρησης αποδεικνύεται πολύ πιο δύσκολη. «Μέρος της πρόκλησης», σύμφωνα με τον Σουχάρεφσκι, «είναι η υιοθέτηση της τεχνολογίας από τους εργαζομένους και η εκμάθηση της αποτελεσματικής χρήσης της».
Στην Uber, για παράδειγμα, ο διευθύνων σύμβουλος Άντριου ΜακΝτόναλντ δήλωσε τον περασμένο μήνα ότι «δεν υπάρχει άμεση συσχέτιση μεταξύ της αυξημένης χρήσης της τεχνητής νοημοσύνης και λειτουργιών που προσφέρουν ουσιαστικό όφελος στους καταναλωτές».
Οι παρατηρήσεις αυτές οδήγησαν σε επανεξέταση του λεγόμενου tokenmaxxing: της πρακτικής κατά την οποία εργαζόμενοι χρησιμοποιούν υπερβολικά πολλά tokens —δηλαδή μονάδες κειμένου που επεξεργάζονται τα γλωσσικά μοντέλα και πάνω στις οποίες βασίζεται και η χρέωση— χωρίς αυτό να οδηγεί απαραίτητα σε αύξηση της παραγωγικότητας της εταιρείας, ενώ σε ορισμένες περιπτώσεις αυξάνει σημαντικά το κόστος. Ο Ενρίκε Ντανς, καθηγητής τεχνολογίας και καινοτομίας στο IE University της Ισπανίας, χαρακτήρισε το φαινόμενο «χαρακτηριστικό παράδειγμα λανθασμένου τρόπου μέτρησης της απόδοσης».
«Όταν μια μέτρηση μετατρέπεται σε στόχο, παύει να αποτελεί καλή μέτρηση», δήλωσε ο Ντανς στο Business Insider, προσθέτοντας: «Δεν μπορεί η παραγωγικότητα να μετριέται με βάση τον αριθμό των tokens που καταναλώνονται. Αυτό δεν έχει λογική. Η μέτρηση θα πρέπει να αφορά το αποτέλεσμα, δηλαδή τι έχει επιτευχθεί και τι έχει ολοκληρωθεί», πρόσθεσε.
Ενώ πολλοί εργαζόμενοι εξακολουθούν να προσπαθούν να κατανοήσουν πώς να αξιοποιήσουν αποτελεσματικά την τεχνητή νοημοσύνη, ο Μάικλ Φερόλι, επικεφαλής οικονομολόγος της JPMorgan, εκτιμά ότι οι δεξιότητες που απαιτούνται για τη χρήση μεγάλων γλωσσικών μοντέλων είναι λιγότερο απαιτητικές σε εκπαίδευση σε σχέση με προηγούμενες τεχνολογίες. «Αυτό», όπως σημειώνει, «αυξάνει την πιθανότητα να εμφανιστούν τα οφέλη στην παραγωγικότητα πιο γρήγορα από ό,τι σε προηγούμενες τεχνολογικές αλλαγές».
«Πιστεύω ότι υπάρχει πιθανότητα η εξέλιξη να είναι πιο γρήγορη», ανέφερε, προσθέτοντας ότι «ίσως χρειαστούν χρόνια και όχι δεκαετίες».
Η ενδιάμεση πλευρά της τεχνητής νοημοσύνης
Οι πιο ένθερμοι υποστηρικτές της τεχνητής νοημοσύνης έχουν προβλέψει ένα σχεδόν ουτοπικό μέλλον, όπου η παραγωγικότητα θα είναι ιδιαίτερα υψηλή, το ΑΕΠ θα αυξάνεται εντυπωσιακά, ένα καθολικό βασικό εισόδημα θα καλύπτει τις ανάγκες των πολιτών και, πέρα από την τετραήμερη εβδομάδα εργασίας, η εργασία όπως τη γνωρίζουμε σήμερα θα έχει αλλάξει ολοκληρωτικά.
«Θα φτάσει μια στιγμή που δεν θα υπάρχει ανάγκη για εργασία. Θα μπορεί κανείς να εργάζεται μόνο για προσωπική ικανοποίηση, αν το επιθυμεί, καθώς η τεχνητή νοημοσύνη θα μπορεί να τα κάνει όλα», είχε δηλώσει ο Έλον Μασκ το 2023.
Είναι σαφές ότι αυτή η κατάσταση δεν έχει ακόμη επιτευχθεί και πιθανότατα δεν πρόκειται να επιτευχθεί στο άμεσο μέλλον. Αντί γι’ αυτό, η επίδραση της τεχνητής νοημοσύνης στην οικονομία και την αγορά εργασίας παραμένει ασαφής και δεν έχει ακόμη διαμορφωθεί με ομοιόμορφο τρόπο. Το ΑΕΠ παραμένει ισχυρό, χωρίς όμως να καταγράφεται εντυπωσιακή άνοδος, ενώ παράλληλα η συμμετοχή στην αγορά εργασίας των ατόμων που μπορούν να εργαστούν συνεχίζει να αυξάνεται.
Ακολουθεί γράφημα με την αύξηση των δαπανών μεγάλων εταιρειών τεχνολογίας στην τεχνητή νοημοσύνη:
Αυτό, ωστόσο, δεν σημαίνει ότι η τεχνητή νοημοσύνη δεν επηρεάζει την αγορά εργασίας. Οι εταιρείες δικαιολογούν τις μαζικές απολύσεις και την επιβράδυνση των προσλήψεων στην τεχνητή νοημοσύνη. Σε ορισμένες περιπτώσεις, αναφέρουν ότι οι περικοπές συνδέονται με τη χρηματοδότηση επενδύσεων στην τεχνητή νοημοσύνη ή με την προσδοκία αυξήσεων στην παραγωγικότητα που δεν έχουν ακόμη υλοποιηθεί πλήρως.
«Η αύξηση της παραγωγικότητας λόγω της τεχνητής νοημοσύνης θα έρθει με αργό ρυθμό», δήλωσε ο Ζάντι. Όπως εκτιμά, «δεν αναμένεται σημαντική επίδραση στα οικονομικά στοιχεία πριν από τα τέλη της δεκαετίας του 2020 ή τις αρχές της δεκαετίας του 2030».
«Δεν θεωρώ ότι θα δούμε μαζικές απολύσεις ή εκτεταμένη ανεργία. Θα υπάρξουν απώλειες θέσεων εργασίας σε ορισμένους κλάδους, αλλά και δημιουργία θέσεων σε άλλους. Συνολικά, η αγορά εργασίας αναμένεται να παραμείνει σχετικά σταθερή», πρόσθεσε.
Οι επιχειρήσεις λαμβάνουν επίσης αποφάσεις για το προσωπικό για λόγους που δεν σχετίζονται άμεσα με την τεχνητή νοημοσύνη, όπως η υπερβολική στελέχωση κατά την περίοδο της πανδημίας και η οικονομική αβεβαιότητα που συνδέεται με τον πληθωρισμό, τους δασμούς και τις γεωπολιτικές εντάσεις, όπως ο πόλεμος στο Ιράν.
Οι θέσεις εργασίας στον τομέα της μηχανικής λογισμικού ενδέχεται να αποτελέσουν μια πρώτη ένδειξη για το πώς θα εξελιχθούν αυτές οι δυναμικές και σε άλλες θέσεις γραφείου, καθώς πολλές εργασίες προγραμματισμού μπορούν πλέον να υποστηριχθούν από εργαλεία τεχνητής νοημοσύνης. Σε αυτό το πλαίσιο, παρατηρείται ότι, παρά τις απολύσεις σε τεχνολογικές εταιρείες, δεν έχει καταγραφεί αντίστοιχη μείωση στις αγγελίες για θέσεις μηχανικών λογισμικού.
Υπάρχει η εκτίμηση ότι η τεχνητή νοημοσύνη οδηγεί τις εταιρείες στο να παράγουν περισσότερο κώδικα από ποτέ. Ωστόσο, η αύξηση αυτή δεν καταργεί την ανάγκη για ανθρώπινη παρέμβαση. Αντιθέτως, εξακολουθεί να απαιτείται η διαχείριση, ο έλεγχος και η διόρθωσή του από μηχανικούς λογισμικού.
Όπως ανέφερε σε ανάρτησή του τον Ιούνιο ο Άαρον Λέβι, διευθύνων σύμβουλος της εταιρείας cloud αποθήκευσης Box, «κάποιος πρέπει να καταλάβει τι έχει δημιουργηθεί, να το συντηρήσει, να αντιμετωπίσει τα ζητήματα ασφάλειας που προκύπτουν, να αναβαθμίσει τα συστήματα που το υποστηρίζουν, και πολλά ακόμη». Σύμφωνα με τον ίδιο, όλα αυτά συνεπάγονται «νέες θέσεις εργασίας».
Ακολουθεί γράφημα με την εξέλιξη των αγγελιών για θέσεις στον τομέα της μηχανικής λογισμικού στο Indeed:
Παρόμοια, ο Ντέιβιντ Σακς, επενδυτής της Silicon Valley, χαρακτήρισε τον προγραμματισμό ως «την πιο επιτυχημένη εφαρμογή της τεχνητής νοημοσύνης», επισημαίνοντας την έντονη αύξηση της δραστηριότητας στην πλατφόρμα GitHub, που χρησιμοποιείται ευρέως από προγραμματιστές.
«Το γεγονός ότι η ζήτηση για μηχανικούς λογισμικού έχει αυξηθεί θα πρέπει να αμφισβητεί την ευρέως διαδεδομένη άποψη ότι η τεχνητή νοημοσύνη θα οδηγήσει σε μαζική απώλεια θέσεων εργασίας», έγραψε σε ανάρτησή του στην πλατφόρμα Χ.
Οι εταιρείες προσπαθούν να αποδείξουν ότι η τεχνητή νοημοσύνη αξίζει τις μεγάλες επενδύσεις που γίνονται σε αυτήν, ενώ οι εργαζόμενοι από την πλευρά τους προσπαθούν να διατηρήσουν και να αναδείξουν την αξία τους μέσα σε ένα εργασιακό περιβάλλον που αλλάζει ραγδαία. Το κύριο ζήτημα μέχρι στιγμής είναι ότι οι οργανισμοί καλούνται να δημιουργήσουν ταυτόχρονα και σε πραγματικό χρόνο τη νέα τεχνολογική τους υποδομή, χωρίς όμως οι κανόνες και οι πρακτικές λειτουργίας των επιχειρήσεων να έχουν προσαρμοστεί πλήρως σε αυτή τη νέα πραγματικότητα.
Η σημερινή κατάσταση θυμίζει την εποχή που τα υπολογιστικά φύλλα έκαναν για πρώτη φορά την εμφάνισή τους στους χώρους εργασίας. Το Lotus 1-2-3, ο προκάτοχος του Excel, άλλαξε ριζικά τον τρόπο με τον οποίο οι λογιστές δούλευαν, αυξάνοντας σημαντικά την ταχύτητα και την αποδοτικότητά τους μετά την κυκλοφορία του το 1983.
«Η τεχνητή νοημοσύνη δεν έχει ακόμη εξελιχθεί σε αυτό που κάποιοι περίμεναν ως μια ριζική αλλαγή στην αγορά εργασίας. Όπως συνέβη παλαιότερα με τα υπολογιστικά φύλλα και το ηλεκτρονικό ταχυδρομείο, εκτιμάται ότι τελικά θα συμβάλει στην αύξηση της παραγωγικότητας των εργαζομένων», ανέφερε η εταιρεία εύρεσης εργασίας Challenger σε έκθεσή της τον Ιούνιο.
Τα υπολογιστικά φύλλα δεν καθιερώθηκαν άμεσα ως βασικό θεμέλιο του παγκόσμιου χρηματοπιστωτικού συστήματος. Σήμερα, ωστόσο, είναι δύσκολο να φανταστεί κανείς έναν χώρο εργασίας χωρίς το Excel. Με αντίστοιχο τρόπο, η τεχνητή νοημοσύνη βρίσκεται ακόμη σε πρώιμο στάδιο υιοθέτησης στους οργανισμούς και δεν έχει εξελιχθεί σε μια καθιερωμένη υποδομή που υποστηρίζει τις καθημερινές λειτουργίες της εργασίας.
«Η τεχνητή νοημοσύνη δεν αποτελεί ακόμη ένα ώριμο εργαλείο που μπορεί κανείς να εγκαταστήσει, να θέσει σε λειτουργία και να αρχίσει άμεσα να αναδιαμορφώνει τις διαδικασίες του», δήλωσε ο Ντανς. «Αυτό πιθανότατα θα συμβεί στο μέλλον, αλλά προς το παρόν, δεν έχουμε φτάσει σε αυτό το σημείο».
Διαβάστε ακόμη
FT: Ελληνες εφοπλιστές «κυνηγούν» καύσιμα σε όλο τον κόσμο μετά την κρίση στη Μέση Ανατολή
Κήπος: Οδηγός επιβίωσης κάτω από τον καυτό καλοκαιρινό ήλιο
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα