Skip to main content

Οι υπάλληλοι γραφείου ετοιμάζονται να πάθουν ό,τι και τα μαύρα ταξί του Λονδίνου λόγω Uber

Καθώς οι αρχάριοι εργαζόμενοι αποκτούν εργαλεία AI μπορούν να καλύψουν το χάσμα σε γνώσεις και εμπειρία, όπως ένας οδηγός Uber μπορεί να ανταγωνιστεί έναν οδηγό μαύρου ταξί.

Η τεχνητή νοημοσύνη είναι εδώ και μάλιστα στη μορφή της generative AI (παραγωγική ή γενετική νοημοσύνη) δεν καταλαβαίνει μόνο τι της λέμε, αλλά δίνει και απαντήσεις, προτείνει λύσεις, γράφει email, συστατικές επιστολές, στίχους τραγουδιών, ακόμη και κώδικα. Εξακολουθεί να κάνει πολλά λάθη, αλλά όλοι αντιλαμβάνονται πως «διεκδικεί» την εκτέλεση εργασιών που έως τώρα μπορούσαν να κάνουν μόνο οι άνθρωποι.

Για να κάνει πιο κατανοητό τον τρόπο με τον οποίο η AI απειλεί τους υπαλλήλους γραφείου, το Business Insider σε άρθρο του συγκρίνει τις επιπτώσεις με εκείνες που βίωσαν οι οδηγοί των παραδοσιακών ταξί του Λονδίνου, όταν μπήκε στη ζωή τους η Uber.

«Αν έχετε μπει ποτέ σε ένα μαύρο ταξί στο Λονδίνο, πιθανότατα θα έχετε παρατηρήσει πόσο ενημερωμένος φαίνεται να είναι ο οδηγός σας. Ονομάστε μια διεύθυνση στο Λονδίνο και το πιθανότερο είναι ότι θα ξέρουν ακριβώς πού θέλετε να πάτε και ποιος είναι ο καλύτερος τρόπος για να φτάσετε εκεί, μέσα σε λίγα λεπτά. Αυτό οφείλεται στο γεγονός ότι για δεκαετίες κάθε οδηγός μαύρου ταξί στο Λονδίνο καλείται να περάσει ένα τεστ που ονομάζεται η Γνώση (the Knowledge), το οποίο απαιτεί απομνημόνευση δρόμων πολλών χιλιομέτρων. Μπορεί να χρειαστούν τρία έως τέσσερα χρόνια μελέτης για να περάσει κάποιος το τεστ σύμφωνα με τις αρχές Μεταφορών του Λονδίνου» αναφέρει το άρθρο.

Πριν από περίπου μια δεκαετία η Uber έφτασε στο Λονδίνο. Η Γνώση δεν ήταν πλέον απαραίτητη για να κυκλοφορήσει κανείς στην πόλη. Με ένα κινητό τηλέφωνο συνδεδεμένο στο παρμπρίζ κάποιου, οποιοσδήποτε οδηγός μπορούσε να περιηγηθεί στους δρόμους της πρωτεύουσας.

«Ξαφνικά, το να γνωρίζεις το όνομα κάθε δρόμου στο Λονδίνο δεν ήταν πλέον πολύτιμη γνώση, και έτσι οποιοσδήποτε με άδεια οδήγησης μπορούσε να οδηγήσει ένα ταξί», εξηγεί στο Business Insider ο καθηγητής Carl Benedikt Frey, διευθυντής προγρμμάτων για την εργασία του μέλλοντος στο Oxford Martin School. «Το αποτέλεσμα ήταν μεγαλύτερος ανταγωνισμός για τους κατεστημένους οδηγούς ταξί που είδαν τα εισοδήματά τους να μειώνονται κατά περίπου 10%.

Θα μπορούσαμε να δούμε την τεχνητή νοημοσύνη να έχει παρόμοιο αντίκτυπο σε μια σειρά από θέσεις «λευκού γιακά», όπως λέγονται οι εργασίες υπαλλήλων γραφείου.

Οι αρχάριοι

Μια πρόσφατη μελέτη από τους Erik Brynjolfsson, Lindsey R. Raymond και Danielle Li μέτρησε τον αντίκτυπο ενός βοηθού συνομιλίας που βασίζεται σε AI σε σχεδόν 5.200 υπαλλήλους υποστήριξης πελατών σε μια εταιρεία λογισμικού Fortune 500. Η τριάδα ανακάλυψε ότι το εργαλείο βοήθησε στην αύξηση της παραγωγικότητας κατά 14%, αλλά κυρίως, ήταν οι αρχάριοι εργαζόμενοι που ωφελήθηκαν περισσότερο.

«Διαπιστώνουμε ότι αυτά τα κέρδη συγκεντρώνονται δυσανάλογα σε λιγότερο έμπειρους και χαμηλότερης δεξιότητας εργαζόμενους», σύμφωνα με την ακαδημαϊκή τους εργασία. «Υποστηρίζουμε ότι αυτό συμβαίνει επειδή τα συστήματα ML λειτουργούν καταγράφοντας και διαδίδοντας τα πρότυπα συμπεριφοράς που χαρακτηρίζουν τους πιο παραγωγικούς παράγοντες».

Με άλλα λόγια, τα διδάγματα από μήνες ή χρόνια εμπειρίας ενσωματώνονται σε ένα εργαλείο τεχνητής νοημοσύνης. Καθώς οι αρχάριοι εργαζόμενοι αποκτούν πρόσβαση σε αυτά τα εργαλεία, μπορούν να καλύψουν το χάσμα στην απόδοση με πιο έμπειρους συναδέλφους, ακριβώς όπως ένας οδηγός Uber που ξαφνικά μπορεί να ανταγωνιστεί έναν οδηγό μαύρου ταξί και τις γνώσεις του.

Αυτή η δυναμική δεν απαντάται μόνο στην υποστήριξη πελατών. Σκεφτείτε επίσης μεταφραστές, σχεδιαστές ιστοσελίδων, δικηγόρους, λογιστές, κειμενογράφους και επαγγελματίες ανθρώπινου δυναμικού. Οι δεξιότητες που αναπτύχθηκαν μέσω προηγμένων πτυχίων ή ετών εμπειρίας σε έναν συγκεκριμένο ρόλο ή σε μια συγκεκριμένη εταιρεία, ενδέχεται σύντομα να ενσωματωθούν σε ένα εργαλείο τεχνητής νοημοσύνης, χαμηλώνοντας τον πήχη για την είσοδο στον κλάδο.

Και οι επίδοξοι προγραμματιστές

Ο Διευθύνων Σύμβουλος της Microsoft, Satya Nadella, για παράδειγμα, είπε πρόσφατα στο Time ότι τα εργαλεία τεχνητής νοημοσύνης θα μπορούσαν να μειώσουν τα εμπόδια εισόδου για τους προγραμματιστές λογισμικού. Αναφερόμενος στο εργαλείο κωδικοποίησης GitHub Copilot της Microsoft με δυνατότητα AI, είπε:

«Εννοώ, για να σας δώσω ένα συγκεκριμένο παράδειγμα, οι προγραμματιστές που χρησιμοποιούν το GitHub Copilot είναι κατά 50% πιο παραγωγικοί. Έχουμε περίπου 100 εκατομμύρια επαγγελματίες προγραμματιστές, πιστεύουμε ότι ο κόσμος πιθανότατα μπορεί να φτάσει σε ένα δισεκατομμύριο επαγγελματίες προγραμματιστές. Αυτό θα είναι μια τεράστια αύξηση στο σύνολο των προγραμματιστών, επειδή τα εμπόδια για να είσαι προγραμματιστής λογισμικού πρόκειται να μειωθούν. Αυτό δεν σημαίνει ότι οι σπουδαίοι προγραμματιστές λογισμικού δεν θα παραμείνουν σπουδαίοι προγραμματιστές λογισμικού, αλλά η δυνατότητα περισσότερων ατόμων να εισέλθουν στο πεδίο θα αυξηθεί».

Αυτά είναι καλά νέα για επίδοξους προγραμματιστές λογισμικού, αλλά είναι επίσης κακά νέα για πολλούς από τους υφιστάμενους. Αυτό που κάποτε ήταν μια υψηλά αμειβόμενη εργασία που απαιτούσε ειδική κατάρτιση μπορεί να γίνει μια λιγότερο καλά αμειβόμενη εργασία που απαιτεί λιγότερη εκπαίδευση.