Από την εισαγωγή των προηγμένων συστημάτων τεχνητής νοημοσύνης, πολλές εταιρείες ανέμεναν ότι οι εργαζόμενοι θα αποκτούσαν ταχύτατα νέα εργαλεία που θα αναβάθμιζαν την παραγωγικότητα και θα μεταμόρφωναν για πάντα τις επιχειρήσεις τους. Τρία χρόνια μετά, η υπόσχεση αυτή παραμένει, σε μεγάλο βαθμό, ανεκπλήρωτη. Το ερώτημα που τίθεται είναι γιατί και πώς μπορεί να διορθωθεί αυτή η καθυστέρηση.
Στη διάρκεια μιας σειράς συζητήσεων ανάμεσα σε ανώτατα στελέχη στο Νταβός, ένα κοινό συμπέρασμα ήταν ότι μεγάλο μέρος του προβλήματος οφείλεται στην ατελή υιοθέτηση των εργαλείων από τους εργαζόμενους. Πολλοί εμφανίζονται διστακτικοί, φοβούμενοι τις συνέπειες που μπορεί να έχει η τεχνητή νοημοσύνη στις θέσεις τους, ή αμφισβητώντας την πρακτική χρησιμότητα των νέων εργαλείων. Για να υπερκεραστεί αυτή η αμφιθυμία, αρκετοί εργοδότες επέλεξαν να επιβάλλουν τη χρήση της τεχνητής νοημοσύνης και να την εντάξουν στην αξιολόγηση της απόδοσης των εργαζομένων.
Εκπαίδευση και επανασχεδιασμός των θέσεων εργασίας
Ένα άλλο ζήτημα που προέκυψε ήταν η έλλειψη κατάλληλων δεξιοτήτων για τη μέγιστη αξιοποίηση της τεχνητής νοημοσύνης. Μερικές εταιρείες επιλέγουν να προσλάβουν νέους εργαζόμενους, κυρίως απόφοιτους πανεπιστημίων, που είναι ήδη εξοικειωμένοι με αυτά τα εργαλεία. Ωστόσο, η προσθήκη νέου προσωπικού δεν αρκεί. Η εκπαίδευση των υπαρχόντων εργαζομένων είναι καθοριστική και απαιτεί ουσιαστική επένδυση.
Επιπλέον, για να παρατηρηθούν πραγματικά κέρδη στην παραγωγικότητα, απαιτείται ένας θεμελιώδης επανασχεδιασμός των διαδικασιών εργασίας μέσα στις επιχειρήσεις. Φαίνεται ότι το 84% των διαδικασιών παραμένει σε παλαιά μορφή, χωρίς να έχει σχεδιαστεί εκ νέου ώστε να ενσωματώνει πλήρως τα νέα εργαλεία. Μόνο το 16% των οργανισμών προσεγγίζει την εργασία με τρόπο που να αξιοποιεί τη νοημοσύνη των τεχνολογικών συστημάτων από την αρχή.
Ο αργός ρυθμός της αλλαγής
Όλες αυτές οι προτεινόμενες λύσεις απαιτούν χρόνο. Η ενθάρρυνση των εργαζομένων να συμμετάσχουν εθελοντικά χρειάζεται υπομονή, η εκπαίδευση πρέπει να είναι ουσιαστική και ο επανασχεδιασμός των θέσεων εργασίας είναι ακόμη πιο απαιτητικός. Σε πολλές μεγάλες επιχειρήσεις, δεν υπάρχει πλήρης γνώση για το τι κάνουν οι εργαζόμενοι καθημερινά, γεγονός που καθιστά τη διαδικασία συλλογής στοιχείων και ανακατανομής εργασιών σε σχέση με την τεχνητή νοημοσύνη επίπονη και χρονοβόρα.
Πάντως, κατά τη διάρκεια των συζητήσεων στο Νταβός, λίγοι από τους συμμετέχοντες ανέμεναν μείωση προσωπικού τα επόμενα τρία έως πέντε χρόνια.
Μαθήματα από το Νταβός
Η ενσωμάτωση της τεχνητής νοημοσύνης στον χώρο εργασίας αποδεικνύεται πιο δύσκολη από ό,τι πολλοί αρχικά φαντάζονταν. Ανεξάρτητα από την ταχύτητα της τεχνολογικής προόδου, η ανθρώπινη προσαρμογή παραμένει αργή και απαιτεί συστηματική προσπάθεια. Η αργή αυτή πρόοδος, ωστόσο, δίνει χρόνο για εκπαίδευση, δημόσιο διάλογο και τη διαμόρφωση πολιτικών που θα καθορίσουν το μέλλον της εργασίας.
Οι αλλαγές που θα φέρει η τεχνητή νοημοσύνη δεν φαίνονται άμεσα, αλλά όταν ολοκληρωθούν, θα είναι πιθανότατα πιο ριζικές από ό,τι μπορούμε σήμερα να φανταστούμε, τόσο προς όφελος των επιχειρήσεων όσο και με προκλήσεις που θα απαιτήσουν προσεκτική διαχείριση. Η υπομονή και η σταδιακή ενσωμάτωση της τεχνητής νοημοσύνης αποτελούν την πιο ασφαλή οδό για μια πραγματικά μετασχηματισμένη και παραγωγική εργασία.
