Το 99% των θέσεων εργασίας πρόκειται να εξαφανιστούν: Αποκάλυψη εργασίας ή παράδεισος αναψυχής;

(Νταν Τρι) - Η Τεχνητή Νοημοσύνη προκαλεί ένα θανάσιμο πλήγμα στην αγορά εργασίας, απειλώντας το 99% των θέσεων εργασίας. Είναι αυτό το τέλος του κόσμου της εργασίας ή μια ευκαιρία να ανοίξει μια εποχή ζωής χωρίς εργασία;

Ενώ οι ηγέτες των επιχειρήσεων εξακολουθούν να συζητούν για το πώς η Τεχνητή Νοημοσύνη θα «συμπληρώσει» τους ανθρώπους, ένας καθηγητής πληροφορικής έκανε μια ανατριχιαστική προφητεία: μέσα στα επόμενα πέντε χρόνια, το 99% των θέσεων εργασίας στον κόσμο θα καταληφθεί από την Τεχνητή Νοημοσύνη και τα ανθρωποειδή ρομπότ.

Όταν η Τεχνητή Νοημοσύνη αντικαθιστά τα πάντα, δεν υπάρχει πλέον «Σχέδιο Β»

Αυτή είναι η άποψη του Δρ. Roman Yampolskiy, μιας από τις κορυφαίες φωνές για την ασφάλεια της Τεχνητής Νοημοσύνης. Η προειδοποίησή του, η οποία διατυπώθηκε στο podcast The Diary of a CEO, έρχεται σε αντίθεση με τη συνήθη αισιοδοξία. Ο Yampolskiy δεν προτείνει να αρχίσουμε να ανησυχούμε, αλλά αντίθετα, να αποδεχτούμε την πραγματικότητα: «Το ερώτημα δεν είναι πλέον αν θα συμβεί. Το ερώτημα είναι: πόσο σύντομα θα απολυθείτε;»

Αυτή η άποψη έρχεται σε πλήρη αντίθεση με το δημοφιλές επιχείρημα ότι οι άνθρωποι μπορούν να μεταβούν σε νέες θέσεις εργασίας που δεν έχουν ακόμη επηρεαστεί από την Τεχνητή Νοημοσύνη. «Παλιότερα, λέγαμε: Αυτή η δουλειά θα αντικατασταθεί, μάθετε μια άλλη δουλειά», τονίζει ο Γιαμπόλσκι. «Αλλά αν πω ότι κάθε δουλειά θα αντικατασταθεί, τότε δεν υπάρχει σχέδιο Β. Δεν μπορείς να επανεκπαιδευτείς».

Επισημαίνει μια ζοφερή πραγματικότητα: οι αντικαταστάσεις συμβαίνουν σαν ένα ατελείωτο φαινόμενο ντόμινο. Θέσεις εργασίας εξαφανίζονται, οι νέες αυτοματοποιούνται γρήγορα από την Τεχνητή Νοημοσύνη. Πάρτε για παράδειγμα την επιστήμη των υπολογιστών, μόλις πριν από λίγα χρόνια οι άνθρωποι συμβούλευαν τους νέους να μάθουν προγραμματισμό. Στη συνέχεια, η Τεχνητή Νοημοσύνη έμαθε να κωδικοποιεί και βελτιώθηκε σε αυτόν. Στη συνέχεια, οι άνθρωποι στράφηκαν σε «μηχανικούς άμεσης βοήθειας», αλλά τώρα η Τεχνητή Νοημοσύνη είναι ακόμη καλύτερη στο σχεδιασμό των δικών της προτάσεων από τους ανθρώπους. Ως αποτέλεσμα, και οι δύο αυτές θέσεις εργασίας κινδυνεύουν να εξαφανιστούν.

Ο Γιαμπόλσκι προβλέπει μια εποχή ρεκόρ ανεργίας, καθώς τόσο η εργατική όσο και η χειρωνακτική εργασία θα αντικατασταθούν από ρομπότ και τεχνητή νοημοσύνη. «Βρισκόμαστε μπροστά σε έναν κόσμο με πρωτοφανή επίπεδα ανεργίας», λέει. «Όχι 10% ανεργία, η οποία είναι ήδη τρομακτική, αλλά 99%.» Οι μόνες θέσεις εργασίας που απομένουν είναι εκείνες όπου οι άνθρωποι εξακολουθούν να θέλουν να εξυπηρετούνται από τους συνανθρώπους τους για συναισθηματικούς ή προσωπικούς λόγους.

Η προειδοποίηση του Yampolskiy δεν είναι μοναδική. Συμμετέχει μαζί με άλλους ηγέτες της τεχνολογίας, όπως ο Διευθύνων Σύμβουλος της Anthropic, Dario Amodei, και ο επενδυτής Vinod Khosla, κρούοντας τον κώδωνα του κινδύνου για την «αποκάλυψη της απασχόλησης». Ενώ οι αριθμοί διαφέρουν (ο Amodei προβλέπει ότι η Τεχνητή Νοημοσύνη θα καταλάβει τις μισές από όλες τις θέσεις εργασίας σε υπαλλήλους γραφείου σε πέντε χρόνια, ωθώντας την ανεργία στο 20%), όλοι συμφωνούν ότι αντιμετωπίζουμε μια άνευ προηγουμένου κρίση απασχόλησης.

Το παράδοξο των δεδομένων: Οι προγραμματιστές είναι πιο αντικαταστάσιμοι από τους οδηγούς

Τι καθορίζει πόσο γρήγορα η Τεχνητή Νοημοσύνη αντικαθιστά μια θέση εργασίας; Πολλοί πιστεύουν ότι είναι η πολυπλοκότητα. Αλλά μια βαθύτερη ανάλυση αποκαλύπτει ένα εκπληκτικό παράδοξο: οι θέσεις εργασίας που είναι πλούσιες σε δεδομένα είναι οι πιο πιθανό να αντικατασταθούν, ανεξάρτητα από την πολυπλοκότητά τους.

Σκεφτείτε δύο φαινομενικά αντίθετα παραδείγματα: την οδήγηση αυτοκινήτου και τον προγραμματισμό. Οι περισσότεροι από εμάς θα υποθέταμε ότι ο προγραμματισμός απαιτεί πιο σύνθετη σκέψη. Ωστόσο, στον αγώνα της Τεχνητής Νοημοσύνης, τα μεγάλα γλωσσικά μοντέλα (LLM) έχουν προχωρήσει πολύ περισσότερο από την τεχνολογία αυτόνομης οδήγησης.

Ο κύριος λόγος έγκειται στην πηγή δεδομένων. Για να εκπαιδεύσει ένα αυτόνομο αυτοκίνητο, η Τεχνητή Νοημοσύνη χρειάζεται χιλιάδες ώρες οδήγησης σε αμέτρητες διαφορετικές καταστάσεις, συμπεριλαμβανομένων εξαιρετικά σπάνιων, σχεδόν αδύνατων στην αναπαραγωγή βλαβών. Αντίθετα, το LLM μπορεί να μάθει από τον τεράστιο όγκο δεδομένων στο Διαδίκτυο.

Με άλλα λόγια, η Τεχνητή Νοημοσύνη είναι σαν έναν φοιτητή που έχει πρόσβαση σε ολόκληρες ερωτήσεις και απαντήσεις προηγούμενων εξετάσεων, ενώ ένα άλλο άτομο έχει μόνο μερικές σκόρπιες σημειώσεις. Αυτό είναι το «παράδοξο των δεδομένων» - η Τεχνητή Νοημοσύνη μπορεί να αντικαταστήσει τους προγραμματιστές πιο γρήγορα από τους οδηγούς, όχι επειδή ο προγραμματισμός είναι ευκολότερος, αλλά επειδή τα δεδομένα είναι πιο άφθονα.

Ένα νεοσύστατο επάγγελμα έχει αντικατασταθεί από την Τεχνητή Νοημοσύνη. Από οδηγό, δάσκαλο μέχρι προγραμματιστή ή δημιουργό, καμία δουλειά δεν μένει εκτός οπτικού πεδίου (Φωτογραφία: SwissCognitive).

Πολλοί κλάδοι αντιμετωπίζουν αυτήν την πραγματικότητα:

Ανάπτυξη Λογισμικού: Με πάνω από 420 εκατομμύρια αποθετήρια στο GitHub, η Τεχνητή Νοημοσύνη έχει στη διάθεσή της ένα τεράστιο απόθεμα δεδομένων για να μάθει προγραμματισμό. Εκτιμάται ότι το 75% των προγραμματιστών χρησιμοποιούν πλέον βοηθούς Τεχνητής Νοημοσύνης, γεγονός που δείχνει την ταχεία διείσδυση αυτής της τεχνολογίας στον κλάδο.

Εξυπηρέτηση Πελατών: Τα δεδομένα από κλήσεις, email και αιτήματα υποστήριξης διευκολύνουν την Τεχνητή Νοημοσύνη να αυτοματοποιήσει τις διαδικασίες. Η IBM, για παράδειγμα, σημείωσε μείωση κόστους κατά 23,5% χάρη στην Τεχνητή Νοημοσύνη σε αυτόν τον τομέα.

Χρηματοοικονομικά : Οι αλγοριθμικές συναλλαγές, βασισμένες σε τεράστια δεδομένα της αγοράς, αντιπροσωπεύουν πλέον περίπου το 70% του όγκου της χρηματιστηριακής αγοράς των ΗΠΑ, γεγονός που αποτελεί τη σαφέστερη μέχρι σήμερα απόδειξη ότι η Τεχνητή Νοημοσύνη έχει καταλάβει έναν πολύπλοκο τομέα όπως τα χρηματοοικονομικά.

Αντιθέτως, οι βιομηχανίες που έχουν έλλειψη δεδομένων είναι φυσικά ανθεκτικές στην Τεχνητή Νοημοσύνη. Η υγειονομική περίθαλψη, οι κατασκευές και η εκπαίδευση αποτελούν χαρακτηριστικά παραδείγματα. Τα κατακερματισμένα δεδομένα ασθενών, τα κατακερματισμένα αρχεία κατασκευών και οι νόμοι περί απορρήτου, όπως ο FERPA, στην εκπαίδευση, δυσκολεύουν την Τεχνητή Νοημοσύνη να αξιοποιήσει πλήρως τις δυνατότητές της. Για να αντισταθμίσουν, ωστόσο, αυτές οι βιομηχανίες καταφεύγουν σε επεμβατικές πρακτικές δεδομένων, όπως η εγκατάσταση καμερών σε χειρουργεία ή η παρακολούθηση φοιτητών με Τεχνητή Νοημοσύνη, εγείροντας ανησυχίες σχετικά με την ιδιωτικότητα και την ηθική.

Αποκάλυψη ή αδρανής παράδεισος;

Το σενάριο της ανεργίας στο 99% μπορεί να ακούγεται ζοφερό, αλλά πολλοί ειδικοί βλέπουν ένα πιο αισιόδοξο μέλλον. Πιστεύουν ότι αυτό το μαζικό κύμα αυτοματοποίησης θα εγκαινιάσει μια εποχή λιγότερης εργασίας ή ακόμα και καθόλου εργασίας.

Ο πρώην Διευθύνων Σύμβουλος της Microsoft, Μπιλ Γκέιτς, προέβλεψε κάποτε ότι τα επόμενα 10 χρόνια, οι άνθρωποι θα χρειάζεται να εργάζονται μόνο 2 ημέρες την εβδομάδα. Ο Διευθύνων Σύμβουλος της Nvidia, Τζένσεν Χουάνγκ, πιστεύει ότι η 4ήμερη εργασία την εβδομάδα θα γίνει ο κανόνας.

Ο Γιαμπόλσκι είναι ακόμη πιο αισιόδοξος, πιστεύοντας ότι η έννοια της «εργασίας» θα εξαφανιστεί εντελώς. Θέτει ένα μεγάλο ερώτημα για όλη την ανθρωπότητα: τι θα κάνουμε με 60-80 ώρες ελεύθερου χρόνου κάθε εβδομάδα; Πώς θα επιβιώσουμε οικονομικά, ποιος θα μας πληρώνει και, το πιο σημαντικό, πού θα βρούμε νόημα στη ζωή;

Ωστόσο, το ζήτημα της προέλευσης των χρημάτων αποτελεί ένα θέμα που συζητείται έντονα. Κάποιοι, όπως ο Έλον Μασκ και ο Σαμ Άλτμαν, υποστηρίζουν την ιδέα ενός «Παγκόσμιου Υψηλού Εισοδήματος» ή Καθολικού Βασικού Εισοδήματος (UBI). Πιστεύουν ότι το πλεόνασμα αγαθών και υπηρεσιών που δημιουργείται από την Τεχνητή Νοημοσύνη θα είναι αρκετό για να θρέψει όλους, απελευθερώνοντας τους ανθρώπους από το βάρος της βιοποριστικής εργασίας.

Ο Μασκ είπε κάποτε: «Δεν θα έχουμε καθολικό βασικό εισόδημα, θα έχουμε παγκόσμιο υψηλό εισόδημα. Κατά κάποιο τρόπο, είναι πιο ισοπεδωτικό, είναι πιο ισότιμο».

Αλλά ο Τζέφρι Χίντον, ο «πατέρας της Τεχνητής Νοημοσύνης», προσφέρει μια εντελώς διαφορετική άποψη. Υποστηρίζει ότι το Καθολικό Εισόδημα (UBI) δεν αντιμετωπίζει το ζήτημα της ανθρώπινης αξιοπρέπειας. Ο Χίντον τονίζει ότι η εργασία δεν είναι απλώς μια πηγή εισοδήματος, αλλά και μια πηγή αίσθησης αξίας και νοήματος. Χωρίς εργασία, οι άνθρωποι χάνουν τον πιο θεμελιώδη τρόπο να αυτοπροσδιορίζονται στην κοινωνία.

«Το UBI δεν θα λύσει το πρόβλημα της ανθρώπινης αξιοπρέπειας», υποστήριξε, «τα μετρητά δεν μπορούν να αντικαταστήσουν το αίσθημα χρησιμότητας που φέρνει η εργασία».

Έτσι, η αγορά εργασίας αντιμετωπίζει δύο αντίθετα σενάρια. Αφενός, υπάρχει μια «αποκάλυψη της εργασίας» όπου η Τεχνητή Νοημοσύνη θα αφαιρέσει τα προς το ζην από το μεγαλύτερο μέρος της ανθρωπότητας. Αφετέρου, υπάρχει μια «εποχή της αφθονίας» όπου οι άνθρωποι απελευθερώνονται από το βάρος της εργασίας για να επιδιώξουν υψηλότερες αξίες.

Ωστόσο, και τα δύο σενάρια θέτουν σημαντικές προκλήσεις. Χωρίς εργασία, πώς θα επιβιώσουν οι άνθρωποι οικονομικά, και το πιο σημαντικό, πώς θα βρουν νόημα στη ζωή όταν έχουν χάσει την «πηγή της αξιοπρέπειας»;

Ο Δρόμος προς την Επιβίωση

Αντί να πανικοβάλλεστε, ήρθε η ώρα να προσαρμοστείτε. Η ευκαιρία δεν θα έγκειται πλέον στην τελειοποίηση μιας δεξιότητας ή ενός λογισμικού, αλλά στην ικανότητα να συνδυάζουμε την ανθρώπινη σκέψη με τη δύναμη της Τεχνητής Νοημοσύνης.

Μπορεί να ακούγεται ζοφερό το γεγονός ότι το 99% των θέσεων εργασίας θα εξαφανιστεί, αλλά πολλοί ειδικοί είναι αισιόδοξοι ότι το κύμα αυτοματοποίησης θα εγκαινιάσει μια εποχή λιγότερης εργασίας ή ακόμα και καθόλου εργασίας (Φωτογραφία: Motherjones).

Ακολουθούν μερικές συμβουλές από τους ειδικούς:

Υιοθετήστε μια διασταύρωση σταδιοδρομίας: Μην μένετε μόνο στην παραδοσιακή πορεία. Αναζητήστε ρόλους που συνδυάζουν την ανθρώπινη κρίση με τις δυνατότητες της Τεχνητής Νοημοσύνης ή θέσεις που συνδέουν την τεχνολογία με τις επιχειρηματικές ανάγκες. Για παράδειγμα, αντί να είστε απλώς γιατρός, γίνετε αναλυτής δεδομένων υγειονομικής περίθαλψης.

Εστίαση στην προσαρμοστικότητα: Οι εργοδότες δεν θα σας κρίνουν πλέον με βάση τις γνώσεις σας, αλλά με βάση την ικανότητά σας να μαθαίνετε και να προσαρμόζεστε στις αλλαγές. Δείξτε ότι μπορείτε να εργαστείτε αποτελεσματικά σε ένα μεταβαλλόμενο περιβάλλον και ότι μπορείτε να κατανοήσετε γρήγορα τις νέες τεχνολογίες.

Στοχεύοντας στο «σημείο επαφής»: Οι εταιρείες που εφαρμόζουν την Τεχνητή Νοημοσύνη αντιμετωπίζουν δυσκολίες στην ενσωμάτωση της τεχνολογίας με τις ανθρώπινες διαδικασίες. Οι ρόλοι διαχείρισης, καθοδήγησης και βελτιστοποίησης διαδικασιών αποτελούν νέες ευκαιρίες που δεν απαιτούν βαθιές τεχνικές γνώσεις, αλλά απαιτούν κατανόηση του τρόπου λειτουργίας του οργανισμού. Πρόκειται για ρόλους όπου η ανθρώπινη ευελιξία εξακολουθεί να αποτελεί τον καθοριστικό παράγοντα.

Αξιοποίηση του «τελευταίου κενού»: Όσο έξυπνη κι αν γίνει η Τεχνητή Νοημοσύνη, χρειάζεται έναν άνθρωπο για να τη συνδέσει με τις τοπικές πραγματικότητες. Στη μεταποίηση, οι εργαζόμενοι είναι αυτοί που ξέρουν πώς να εργάζονται με αυτοματοποιημένα συστήματα. Στην εκπαίδευση, οι εκπαιδευτικοί είναι αυτοί που καταλαβαίνουν πώς να χρησιμοποιούν την Τεχνητή Νοημοσύνη για να εξατομικεύουν τη μάθηση. Ο συνδυασμός της γνώσης του κλάδου και της θεμελιώδους κατανόησης της Τεχνητής Νοημοσύνης μπορεί να ανοίξει περισσότερες ευκαιρίες από το να ξεκινάς από το μηδέν σε έναν άγνωστο τομέα.

Η Τεχνητή Νοημοσύνη μπορεί να αποτελέσει εργαλείο για μεγάλο καλό, αλλά μπορεί επίσης να αποτελέσει εργαλείο για μεγάλο κακό, όπως προειδοποιεί ο Τζέφρι Χίντον. Το μέλλον της εργασίας και το νόημα της ζωής θα εξαρτηθούν από τις επιλογές που θα κάνουμε. Δεν είναι καιρός για πανικό, αλλά για δράση και για να διαμορφώσουμε το μέλλον μας.

Πηγή: https://dantri.com.vn/kinh-doanh/99-cong-viec-sap-bien-mat-tan-the-viec-lam-hay-thien-duong-nhan-roi-20250912200715561.htm