Μετάβαση στο περιεχόμενο
Η συζήτηση γύρω από την τεχνητή νοημοσύνη καταλήγει σχεδόν πάντα στην ίδια ερώτηση: πόσες δουλειές θα χαθούν;
Είναι μια λογική ανησυχία. Μέσα σε ελάχιστο χρόνο, εργαλεία AI απέκτησαν τη δυνατότητα να γράφουν κείμενα, να δημιουργούν εικόνες, να αναλύουν δεδομένα, να γράφουν κώδικα, να μεταφράζουν, να κάνουν έρευνα και να εκτελούν εργασίες που μέχρι πρόσφατα απαιτούσαν ανθρώπινη παρέμβαση.
Ίσως όμως κοιτάμε το θέμα από λάθος πλευρά.
Η μεγαλύτερη αλλαγή που φέρνει το AI δεν είναι απαραίτητα ότι μια ολόκληρη επαγγελματική θέση εξαφανίζεται. Είναι ότι μέσα σε κάθε επάγγελμα αλλάζει δραματικά η αξία των επιμέρους εργασιών.
Κάποια πράγματα που μέχρι χθες απαιτούσαν ώρες εργασίας γίνονται πλέον σε λεπτά. Κάποια skills που θεωρούνταν σημαντικά γίνονται commodity. Και κάποια άλλα, που συχνά θεωρούσαμε «soft skills», αποκτούν ξαφνικά πολύ μεγαλύτερη σημασία.
Το πραγματικό ερώτημα λοιπόν ίσως δεν είναι αν το AI θα πάρει τη δουλειά μας.
Είναι ποιο μέρος της δουλειάς μας θα εξακολουθεί να αξίζει κάτι όταν το εύκολο κομμάτι μπορεί να γίνει σχεδόν δωρεάν.
Όταν η παραγωγή γίνεται φθηνή
Για χρόνια, μεγάλο μέρος της αξίας πολλών επαγγελμάτων βρισκόταν στην ίδια την παραγωγή.
Ένας designer μπορούσε να χρειαστεί ώρες για να δημιουργήσει διαφορετικές προτάσεις. Ένας copywriter για να γράψει δέκα παραλλαγές ενός διαφημιστικού κειμένου. Ένας developer για να δημιουργήσει ένα σχετικά απλό component. Ένας analyst για να συγκεντρώσει δεδομένα και να τα μετατρέψει σε report.
Όλα αυτά εξακολουθούν να χρειάζονται ανθρώπους. Απλώς χρειάζονται πολύ λιγότερο χρόνο.
Το AI μειώνει θεαματικά το κόστος της πρώτης εκδοχής.
Μπορεί να δημιουργήσει ένα draft, να προτείνει δέκα headlines, να γράψει τον βασικό κώδικα, να συνοψίσει ένα μεγάλο document ή να οργανώσει χιλιάδες γραμμές δεδομένων.
Και όταν κάτι γίνεται πολύ φθηνότερο να παραχθεί, η αξία μετακινείται αλλού.
Δεν βρίσκεται πλέον τόσο στο «μπορώ να το φτιάξω».
Βρίσκεται περισσότερο στο «ξέρω τι πρέπει να φτιάξω».
Το να ξέρεις να γράφεις δεν αρκεί όταν όλοι μπορούν να γράψουν
Το content είναι ίσως το πιο εμφανές παράδειγμα.
Μέχρι πριν από λίγα χρόνια, η δυνατότητα να παραχθούν εκατοντάδες αξιοπρεπή άρθρα απαιτούσε σημαντικό χρόνο και κόστος. Σήμερα μπορούν να παραχθούν μέσα σε λίγες ώρες.
Αυτό δεν σημαίνει ότι το καλό content έχασε την αξία του.
Σημαίνει σχεδόν το αντίθετο.
Όσο περισσότερο μέτριο περιεχόμενο παράγεται, τόσο πιο δύσκολο γίνεται να ξεχωρίσει κάτι που πραγματικά έχει άποψη, εμπειρία, γνώση ή πρωτότυπη πληροφορία.
Το AI μπορεί να γράψει ένα άρθρο για το πώς λειτουργεί ένα e-shop. Δεν έχει όμως περάσει δέκα χρόνια βλέποντας γιατί πραγματικά αποτυγχάνουν e-commerce projects. Μπορεί να περιγράψει πώς πρέπει να λειτουργεί μια ομάδα. Δεν έχει διοικήσει μία. Μπορεί να δημιουργήσει ένα business plan. Δεν έχει χάσει χρήματα επειδή μια επιχειρηματική απόφαση αποδείχθηκε λανθασμένη.
Η πληροφορία γίνεται φθηνότερη.
Η εμπειρία όχι.
Το ίδιο συμβαίνει με τον προγραμματισμό
Η ανάπτυξη λογισμικού είναι ένας από τους κλάδους όπου η αλλαγή φαίνεται ήδη έντονα.
Ένας developer μπορεί πλέον να περιγράψει τι θέλει και να πάρει μέσα σε δευτερόλεπτα κώδικα που παλαιότερα θα έγραφε χειροκίνητα. Μπορεί να εντοπίσει bugs γρηγορότερα, να δημιουργήσει tests, να διαβάσει ένα άγνωστο codebase ή να κατασκευάσει prototypes με εντυπωσιακή ταχύτητα.
Αυτό σημαίνει ότι οι developers δεν θα χρειάζονται;
Πιο πιθανό είναι ότι αλλάζει το τι περιμένουμε από έναν καλό developer.
Η αξία μετακινείται από την ικανότητα να γράφει απλώς κώδικα στην ικανότητα να καταλαβαίνει αρχιτεκτονική, ασφάλεια, performance, δεδομένα, επιχειρηματικές απαιτήσεις και τις συνέπειες μιας τεχνικής απόφασης.
Το AI μπορεί να δημιουργήσει κώδικα.
Κάποιος όμως πρέπει να γνωρίζει αν αυτός ο κώδικας πρέπει να υπάρχει εξαρχής.
Από το execution στην κρίση
Αυτό ίσως είναι το σημαντικότερο shift.
Για δεκαετίες, η αγορά εργασίας αντάμειβε σε μεγάλο βαθμό την ικανότητα εκτέλεσης. Όσο καλύτερα και γρηγορότερα μπορούσε κάποιος να πραγματοποιήσει μια συγκεκριμένη εργασία, τόσο μεγαλύτερη ήταν συνήθως η αξία του.
Το AI συμπιέζει το κόστος της εκτέλεσης.
Όταν όμως η εκτέλεση γίνεται ευκολότερη, αποκτά μεγαλύτερη αξία η κρίση.
Ποιο πρόβλημα αξίζει να λυθεί; Ποια από τα δεδομένα έχουν σημασία; Ποια πρόταση είναι πραγματικά καλή; Ποιο ρίσκο δεν έχει εντοπίσει το σύστημα; Πότε η απάντηση του AI είναι λανθασμένη; Πότε πρέπει να αγνοηθεί μια σύσταση επειδή δεν ταιριάζει στην πραγματικότητα της επιχείρησης;
Αυτές οι αποφάσεις απαιτούν context.
Και το context είναι πολύ πιο δύσκολο να αυτοματοποιηθεί από την παραγωγή ενός deliverable.
Οι juniors ίσως αντιμετωπίσουν το μεγαλύτερο παράδοξο
Υπάρχει όμως και μια πιο δύσκολη πλευρά αυτής της αλλαγής.
Πολλές από τις εργασίες που το AI μπορεί να εκτελέσει καλύτερα είναι ακριβώς εκείνες μέσα από τις οποίες μάθαιναν οι νεότεροι επαγγελματίες.
Ένας junior developer μάθαινε γράφοντας απλό κώδικα. Ένας νέος designer δημιουργώντας δεκάδες σχετικά απλά layouts. Ένας junior marketer γράφοντας reports, κάνοντας keyword research ή δημιουργώντας παραλλαγές campaigns.
Αν αυτές οι εργασίες αυτοματοποιηθούν, δημιουργείται ένα παράδοξο.
Οι επιχειρήσεις θα χρειάζονται ανθρώπους με εμπειρία, αλλά μπορεί να προσφέρουν λιγότερες ευκαιρίες για να αποκτήσει κάποιος αυτή την εμπειρία.
Αυτό ίσως αποδειχθεί μία από τις σημαντικότερες προκλήσεις της εποχής του AI. Όχι μόνο πώς θα χρησιμοποιήσουμε την τεχνολογία, αλλά πώς θα εκπαιδεύσουμε την επόμενη γενιά επαγγελματιών όταν τα πρώτα σκαλοπάτια της καριέρας τους αρχίζουν να αλλάζουν.
Το να χρησιμοποιείς AI δεν θα είναι για πολύ ανταγωνιστικό πλεονέκτημα
Σήμερα υπάρχει ακόμη η αίσθηση ότι κάποιος που χρησιμοποιεί καλά το AI έχει σημαντικό πλεονέκτημα.
Πιθανότατα έχει.
Αλλά αυτό δεν θα διαρκέσει για πάντα.
Σε λίγα χρόνια η χρήση AI θα είναι τόσο φυσιολογική όσο είναι σήμερα η χρήση μιας μηχανής αναζήτησης, ενός spreadsheet ή ενός smartphone. Δεν θα αποτελεί ξεχωριστό skill. Θα αποτελεί βασική προϋπόθεση.
Το ανταγωνιστικό πλεονέκτημα θα μετακινηθεί ξανά.
Δεν θα έχει τόσο σημασία ποιος μπορεί να χρησιμοποιήσει το AI, αλλά ποιος μπορεί να το χρησιμοποιήσει πάνω σε καλύτερη γνώση, καλύτερα δεδομένα, μεγαλύτερη εμπειρία και καθαρότερη σκέψη.
Δύο άνθρωποι μπορεί να έχουν πρόσβαση στο ίδιο ακριβώς μοντέλο.
Ο ένας θα παράγει κάτι μέτριο.
Ο άλλος κάτι εξαιρετικό.
Η διαφορά δεν θα βρίσκεται απαραίτητα στο AI.
Κάποιες ανθρώπινες δεξιότητες μπορεί να γίνουν ακριβότερες
Υπάρχει μια ενδιαφέρουσα ειρωνεία σε όλα αυτά.
Όσο περισσότερο αυτοματοποιείται η τεχνική παραγωγή, τόσο μεγαλύτερη αξία μπορεί να αποκτούν δεξιότητες που μέχρι πρόσφατα θεωρούνταν δύσκολο να μετρηθούν.
Η ικανότητα να καταλαβαίνεις έναν πελάτη. Να διαπραγματεύεσαι. Να εμπνέεις εμπιστοσύνη. Να εξηγείς μια δύσκολη ιδέα απλά. Να αντιλαμβάνεσαι ότι κάτι δεν πάει καλά πριν εμφανιστεί στα δεδομένα. Να αναλαμβάνεις ευθύνη για μια απόφαση.
Κυρίως, η ικανότητα να κάνεις καλές ερωτήσεις.
Το AI είναι εξαιρετικά καλό στο να παράγει απαντήσεις.
Αυτό κάνει την ποιότητα της ερώτησης ακόμη σημαντικότερη.
Δεν θα υπάρχει μία αγορά εργασίας πριν και μία μετά το AI
Οι μεγάλες τεχνολογικές αλλαγές σπάνια συμβαίνουν με έναν διακόπτη.
Δεν θα ξυπνήσουμε ένα πρωί σε έναν κόσμο όπου τα μισά επαγγέλματα έχουν εξαφανιστεί. Η αλλαγή θα είναι πολύ πιο άνιση.
Κάποια επαγγέλματα θα πιεστούν περισσότερο. Κάποια θα αλλάξουν. Νέοι ρόλοι θα εμφανιστούν. Σε πολλές περιπτώσεις, ο ίδιος αριθμός ανθρώπων θα μπορεί να παράγει πολύ περισσότερο έργο.
Και πιθανότατα θα υπάρξουν πραγματικές απώλειες θέσεων εργασίας σε συγκεκριμένες κατηγορίες. Το να υποστηρίζεται ότι το AI δεν θα αντικαταστήσει καμία δουλειά θα ήταν εξίσου αυθαίρετο με το να θεωρείται δεδομένο ότι θα αντικαταστήσει τους πάντες.
Το πιο ενδιαφέρον όμως βρίσκεται ανάμεσα στα δύο άκρα.
Το AI δεν αυτοματοποιεί απλώς επαγγέλματα. Αυτοματοποιεί κομμάτια επαγγελμάτων.
Και καθώς αφαιρεί σταδιακά τα πιο επαναλαμβανόμενα, προβλέψιμα και εύκολα παραγόμενα κομμάτια, αποκαλύπτει ποια είναι τελικά η πραγματική αξία του ανθρώπου μέσα σε κάθε δουλειά.
Ίσως λοιπόν η σημαντικότερη ερώτηση για τα επόμενα χρόνια να μην είναι:
«Μπορεί το AI να κάνει τη δουλειά μου;»
Αλλά:
«Τι μπορώ να προσφέρω εγώ όταν το AI μπορεί να κάνει το εύκολο μέρος της;»