Περίληψη άρθρου:

Το κείμενο εξετάζει τον αντίκτυπο της γεννητικής τεχνητής νοημοσύνης (GenAI) στην αγορά εργασίας, δίνοντας έμφαση στη δημιουργία θέσεων εργασίας, την εκτόπιση και τον μετασχηματισμό. Τονίζεται ότι, ενώ η τεχνητή νοημοσύνη θα επηρεάσει σχεδόν όλες τις λειτουργίες σε διάφορους τομείς και γεωγραφικές περιοχές, είναι απίθανο να καταστήσει παρωχημένες τις θέσεις εργασίας χαμηλής ειδίκευσης. Η ανάλυση υποδηλώνει ότι ορισμένοι τομείς, όπως ο μηχανικός και ο νομικός, είναι περισσότερο εκτεθειμένοι στην ΤΝ σε σύγκριση με άλλους. Επιπλέον, το GenAI αναμένεται να ενισχύσει την παραγωγικότητα με την αυτοματοποίηση των καθηκόντων ρουτίνας, ενώ παράλληλα θα επιτρέψει στους εργαζόμενους να επικεντρωθούν σε πιο σύνθετες, στρατηγικές πτυχές του ρόλου τους. Το κείμενο  αναφέρει επίσης επαγγέλματα όπως η υγειονομική περίθαλψη και η πυρόσβεση που απαιτούν ανθρώπινη αλληλεπίδραση, φυσική παρέμβαση και λήψη αποφάσεων, αντιμετωπίζοντας αρχικά χαμηλότερο κίνδυνο από την ΤΝ. Διερευνά τη θετική συσχέτιση μεταξύ της έκθεσης στην ΤΝ και των υψηλότερων μισθών σε τομείς που απαιτούν προηγμένες δεξιότητες. Οι προσαρμοσμένες στρατηγικές GenAI για μακροπρόθεσμη ανάπτυξη περιλαμβάνουν την κατανόηση της σύνθεσης της εργασίας, την ενίσχυση των καθηκόντων με ΤΝ και την εστίαση στη συνεργασία ανθρώπου-ΤΝ.

Κύρια σημεία του άρθρου:

• Η τεχνολογία δημιουργεί ιστορικά νέες θέσεις εργασίας παρά τους φόβους για αυτοματοποίηση
• Το GenAI θα έχει εκτεταμένο αντίκτυπο σε διάφορους τομείς και γεωγραφικές περιοχές την επόμενη δεκαετία
• Η τεχνητή νοημοσύνη μάλλον θα ενισχύσει τις ανθρώπινες δεξιότητες παρά θα καταστήσει παρωχημένες τις θέσεις εργασίας χαμηλής ειδίκευσης
• Τομείς όπως ο μηχανικός και ο νομικός είναι ιδιαίτερα εκτεθειμένοι στην ΤΝ
• Η τεχνητή νοημοσύνη θα μπορούσε να δημιουργήσει νέους ρόλους και ευκαιρίες απασχόλησης, ενώ θα μετασχηματίσει τις υπάρχουσες λειτουργίες
• Το GenAI αναμένεται να βελτιώσει την παραγωγικότητα και τις ικανότητες, όχι να αντικαταστήσει πλήρως τους ανθρώπινους εργαζόμενους

Αναλυτικά το άρθρο:

Η τεχνολογική πρόοδος έχει προκαλέσει εδώ και καιρό φόβους ότι οι μηχανές θα καταστήσουν την ανθρώπινη εργασία περιττή. Σε όλη τη διάρκεια της ιστορίας, η τεχνολογία έχει μεταμορφώσει την εργασία, αντικαθιστώντας ορισμένες θέσεις εργασίας και δημιουργώντας παράλληλα νέες, ωστόσο η εκτεταμένη ανεργία λόγω της τεχνολογίας δεν έχει υλοποιηθεί.

Η ραγδαία ανάπτυξη της γεννητικής τεχνητής νοημοσύνης (GenAI), ικανής να αυτοματοποιεί εργασίες σε διάφορους κλάδους, έχει αναζωπυρώσει αυτές τις ανησυχίες. Ωστόσο, όπως παρουσιάσαμε στο πρώτο άρθρο της σειράς μας, τα επίπεδα απασχόλησης έχουν αυξηθεί σταθερά τον τελευταίο αιώνα, καθώς οι νέες τεχνολογίες συχνά δημιουργούν περισσότερες θέσεις εργασίας από όσες καταργούν.

Τι επιπτώσεις θα έχει ο GenAI στην αγορά εργασίας; Πράγματι, η τεχνολογική καινοτομία επηρεάζει την εργασία μέσω:

• Δημιουργία θέσεων εργασίας, όπου οι αναδυόμενες τεχνολογίες μπορούν να σπείρουν νέους ρόλους και ευκαιρίες απασχόλησης
• Εκτόπιση θέσεων εργασίας, όπου ορισμένες θέσεις εργασίας ή λειτουργίες καθίστανται παρωχημένες λόγω της αυτοματοποίησης
• Μετασχηματισμό θέσεων εργασίας, όπου η φύση μιας λειτουργίας ή εργασίας αυξάνεται

Τέσσερις βασικές διαπιστώσεις σχετικά με τον πιθανό αντίκτυπο του GenAI στην αγορά εργασίας

1. Πανταχού παρών αντίκτυπος: Αλλά ο βαθμός στον οποίο θα επηρεαστούν οι λειτουργίες θα διαφέρει σημαντικά μεταξύ των τομέων και των γεωγραφικών περιοχών. Σε όλες τις ΗΠΑ, το 66% της απασχόλησης (ή το ισοδύναμο 104 εκατομμυρίων θέσεων εργασίας) είναι σε μεγάλο ή μέτριο βαθμό εκτεθειμένο στο GenAI. Το υπόλοιπο 34% των επαγγελμάτων έχει χαμηλή έκθεση στην ΤΝ, αλλά πιθανότατα θα εξακολουθήσει να επηρεάζεται από την ΤΝ μέσω κάποιων δευτερευόντων καθηκόντων. Σε παγκόσμιο επίπεδο, διαπιστώνουμε ότι το 59% των επαγγελμάτων έχει υψηλή ή μέτρια έκθεση, με 67% στις προηγμένες οικονομίες και 57% στις αναδυόμενες αγορές.

2. Πολλές δεξιότητες στο παιχνίδι: Η ικανότητα του GenAI να εκτελεί σύνθετες γνωστικές εργασίες σημαίνει ότι η κατάληψη της εξουσίας από την τεχνητή νοημοσύνη και η απαξίωση των θέσεων εργασίας χαμηλής ειδίκευσης πιθανότατα θα αποδειχθεί μύθος, και οι προηγμένες οικονομίες μπορεί αρχικά να δουν μεγαλύτερες δυνατότητες αύξησης του εργατικού δυναμικού. Οι μαθηματικές δεξιότητες και οι δεξιότητες προγραμματισμού έχουν τις υψηλότερες βαθμολογίες έκθεσης στο GenAI, ενώ η ενεργητική ακρόαση και η μάθηση έχουν τις χαμηλότερες, καθώς πρόκειται για εργασίες που απαιτούν σύνθετη ανθρώπινη αλληλεπίδραση, δημιουργικότητα και συναισθηματική κατανόηση.

2. Η έκθεση στον τομέα ποικίλλει: Οι τομείς της μηχανικής, των βιοεπιστημών, της πληροφορικής και των μαθηματικών και οι νομικοί τομείς είναι οι πιο εκτεθειμένοι στο GenAI, ενώ οι τομείς της κοινωνικής πολιτικής, της εκπαίδευσης, των υπηρεσιών τροφίμων και των υπηρεσιών προσωπικής φροντίδας είναι οι λιγότερο εκτεθειμένοι. Το GenAI μεταμορφώνει το εργατικό δυναμικό, επιτρέποντας στους εργαζόμενους να αναθέτουν καθήκοντα ρουτίνας, βαριάς επεξεργασίας δεδομένων στο GenAI.

4. Περισσότερα χρήματα, περισσότερη έκθεση: Οι υψηλότερες βαθμολογίες έκθεσης στην ΤΝ συσχετίζονται γενικά με επαγγέλματα που αποφέρουν υψηλότερους μισθούς, αλλά η ευρεία διάχυση των λειτουργιών σε όλους τους τομείς σημαίνει ότι η σχέση είναι διαφοροποιημένη.

Μέρος 1

Δυνατότητες επαύξησης της απασχόλησης με ΤΝ: πανταχού παρούσα αλλά ετερογενής

Η έρευνα δείχνει ότι οι περισσότερες θέσεις εργασίας στις ΗΠΑ θα μπορούσαν να έχουν μέτρια έως υψηλή έκθεση στην ΤΝ, με υψηλή ή πολύ υψηλή αύξηση για περίπου το ένα τρίτο αυτών.

Για να εκτιμήσουμε τον πιθανό αντίκτυπο του GenAI σε όλα τα επαγγέλματα, αξιοποιήσαμε την έρευνα του Michael Webb στο Stanford.1 Η ανάλυση χρησιμοποιεί ένα πλαίσιο αντιστοίχισης ρήματος και ουσιαστικού που καλύπτει πάνω από 800 επαγγέλματα και τις περιγραφές των καθηκόντων τους από το O*NET. Χρησιμοποιώντας την περιγραφή κάθε επαγγέλματος, η προσέγγιση συνίσταται στην απομόνωση των ζευγών ρημάτων-ουσιαστικών που περιγράφουν καλύτερα τα διάφορα εργασιακά καθήκοντα μαζί με τη συχνότητα και τη σημασία κάθε καθήκοντος.

Στη συνέχεια, τα ζεύγη ρημάτων-ουσιαστικών συγκρίνονται με τις πατέντες που έχουν κατατεθεί για την τεχνολογία ΤΝ, συμπεριλαμβανομένων των τίτλων, των περιγραφών και των περιλήψεων των πατεντών, για να διαπιστωθεί πόσο εκτεθειμένα είναι στην ΤΝ. Το αθροιστικό γινόμενο της βαθμολογίας έκθεσης κάθε εργασίας και της συχνότητας των εργασιών σε κάθε επάγγελμα χρησιμοποιείται στη συνέχεια για την εκτίμηση μιας συνολικής ακατέργαστης βαθμολογίας επιπτώσεων της ΤΝ ανά επάγγελμα. Αυτές κανονικοποιούνται στη συνέχεια σε μια κλίμακα από 0 έως 1. Χρησιμοποιώντας τα δεδομένα του Γραφείου Στατιστικής Εργασίας, στη συνέχεια ομαδοποιήσαμε εκ νέου τις βαθμολογίες αυτών των 800 επαγγελμάτων σε 94 δευτερεύουσες επαγγελματικές υποκατηγορίες, 22 μείζονες επαγγελματικές υποκατηγορίες και 20 κλαδικές και βιομηχανικές ομαδοποιήσεις.

Για παράδειγμα, ο ρόλος ενός γεωργικού τεχνικού περιλαμβάνει ένα καθήκον για την "ανάπτυξη πλεγμάτων δειγματοληψίας εδάφους", το οποίο έχει ένα σχετικό ζεύγος ρήματος-ουσιαστικού "αναπτύσσει πλέγμα" που αντιπροσωπεύει το 5% των καθηκόντων ενός γεωργικού τεχνικού. Με τη σειρά του, το ζεύγος ρήμα-ουσιαστικό αντιπροσωπεύει το 0,05% των ζευγών ρήμα-ουσιαστικό που απαντώνται σε τίτλους, περιγραφές και περιλήψεις πατεντών ΤΝ. Το άθροισμα-προϊόν όλων των ζευγών ρημάτων-ουσιαστικών που περιγράφουν τις λειτουργίες των τεχνικών γεωργίας και την έκθεση των επιμέρους εργασιών τους σε ΤΝ δίνει την ακατέργαστη βαθμολογία αύξησης της ΤΝ.

Τα ευρήματά μας είναι αρκετά εντυπωσιακά, με το 66% της απασχόλησης στις ΗΠΑ να έχει μέτρια έως υψηλή έκθεση στο GenAI, ή το ισοδύναμο 104 εκατομμυρίων θέσεων εργασίας σε ολόκληρη τη χώρα (Διάγραμμα 1). Εντός αυτών, περίπου το 18% της συνολικής απασχόλησης, ή 28 εκατομμύρια θέσεις εργασίας, θα είχε υψηλή βαθμολογία επαύξησης ΤΝ, και το 5% της απασχόλησης, ή 8 εκατομμύρια θέσεις εργασίας, θα είχε πολύ υψηλή βαθμολογία επαύξησης. Είναι σημαντικό ότι το υπόλοιπο 34%, το οποίο έχει τη χαμηλότερη βαθμολογία έκθεσης στην ΤΝ, θα μπορούσε ακόμη να επηρεαστεί οριακά από την ΤΝ μέσω κάποιων δευτερευουσών εργασιών.

Χρησιμοποιώντας τη Διεθνή Τυποποιημένη Βιομηχανική Ταξινόμηση όλων των οικονομικών δραστηριοτήτων της Διεθνούς Οργάνωσης Εργασίας, εφαρμόσαμε στη συνέχεια τις ακατέργαστες βαθμολογίες αύξησης της ΤΝ σε όλους τους κλάδους σε 80 οικονομίες παγκοσμίως. Υποθέσαμε ότι στις αναδυόμενες αγορές ο τομέας της γεωργίας, της δασοκομίας και της αλιείας είχε χαμηλή βαθμολογία έκθεσης στην ΤΝ. Τα ευρήματά μας δείχνουν ότι σε παγκόσμιο επίπεδο περίπου το 59% του εργατικού δυναμικού είναι σε μεγάλο ή μέτριο βαθμό εκτεθειμένο στη ΓΕΝ, με 67% στις ανεπτυγμένες οικονομίες και 57% στις αναδυόμενες οικονομίες.

Μέρος 2

Πληθώρα δεξιοτήτων στο παιχνίδι σε όλους τους τομείς

Με την GenAI να βελτιώνει την αποδοτικότητα και την ακρίβεια, οι εργαζόμενοι μπορούν να μεταμορφώσουν τους ρόλους τους εστιάζοντας σε αυτό που οι άνθρωποι κάνουν καλύτερα.

Απομακρυνθείτε από το μύθο της απαξίωσης των χαμηλών δεξιοτήτων

Ο ρόλος της ΤΝΠ στην ενίσχυση των ανθρώπινων δεξιοτήτων ποικίλλει σημαντικά σε διάφορους τομείς, αντανακλώντας τις διαφορετικές δυνατότητες και τους περιορισμούς των τεχνολογιών ΤΝ. Όπως είναι αναμενόμενο, εξετάζοντας ένα υποσύνολο 10 ανθρώπινων δεξιοτήτων, διαπιστώνουμε ότι ο προγραμματισμός και τα μαθηματικά παρουσιάζουν την υψηλότερη συσχέτιση με τη βαθμολογία μας για την επαύξηση των ικανοτήτων του GenAI, ενώ η ενεργός ακρόαση και η ομιλία κατατάσσονται στη χαμηλότερη θέση (Διάγραμμα 3).

Η ικανότητα του GenAI να αυτοματοποιεί εργασίες κωδικοποίησης, όπως η αποσφαλμάτωση και η συγγραφή απλού κώδικα, ενισχύει την παραγωγικότητα και επιτρέπει στους προγραμματιστές να επικεντρωθούν στις σύνθετες, δημιουργικές πτυχές της ανάπτυξης λογισμικού. Ομοίως, στα μαθηματικά, η ΤΝ υπερέχει στην εκτέλεση πολύπλοκων υπολογισμών γρήγορα και με ακρίβεια, αποδεικνύοντας ανεκτίμητη αξία σε εργασίες έντασης δεδομένων.

Αντίθετα, τομείς όπως οι στρατηγικές μάθησης, η ομιλία και η ενεργητική ακρόαση παρουσιάζουν χαμηλότερες βαθμολογίες επαύξησης της ΤΝ. Ενώ η ΤΝ μπορεί να υποστηρίξει τις διαδικασίες μάθησης και επικοινωνίας, εξακολουθεί να απαιτεί σημαντική ανθρώπινη συμβολή και επίβλεψη, ιδίως σε εργασίες που περιλαμβάνουν σύνθετη ανθρώπινη αλληλεπίδραση, δημιουργικότητα και συναισθηματική κατανόηση. Αυτές οι βαθμολογίες υπογραμμίζουν τις συνεχιζόμενες δυνατότητες των τεχνολογιών ΤΝ και τους διαφορετικούς βαθμούς επίδρασής τους σε όλο το φάσμα των δεξιοτήτων.

Οι βαθμολογίες έκθεσης στην ΤΝ διαφέρουν σημαντικά μεταξύ των τομέων

Αντί να αντικαταστήσει τους ανθρώπινους εργαζόμενους, η ΓΕΝΑΙ θα χρησιμεύσει ως ένα ισχυρό εργαλείο για την ενίσχυση και την εξέλιξη των ρόλων, ενισχύοντας την παραγωγικότητα και τις ικανότητες των εργαζομένων σε διάφορους τομείς. Στο δεύτερο και τρίτο άρθρο της σειράς μας "Οικονομικές επιπτώσεις της ΤΝ", δείξαμε ότι τα οφέλη από τις επενδύσεις κεφαλαίου και την παραγωγικότητα της ΤΝ θα μπορούσαν να είναι σημαντικά: συνολικά μεταξύ 1 και 2 τρισεκατομμυρίων δολαρίων σε πρόσθετη ακαθάριστη εγχώρια παραγωγή (ΑΕΠ) κατά την επόμενη δεκαετία στις ΗΠΑ και μεταξύ 2 και 3,5 τρισεκατομμυρίων δολαρίων σε πρόσθετη παγκόσμια παραγωγή.

Σε μικροεπίπεδο, χρησιμοποιήσαμε τα δεδομένα ιεραρχίας επαγγελμάτων του Γραφείου Στατιστικής Εργασίας των ΗΠΑ (BLS) για να κατηγοριοποιήσουμε 800 επαγγέλματα σε 22 διαφορετικές μεγάλες επαγγελματικές ομάδες (Διάγραμμα 4). Διαπιστώσαμε ότι το GenAI μετασχηματίζει το εργατικό δυναμικό, επιτρέποντας στους εργαζόμενους να αναθέτουν καθήκοντα ρουτίνας, βαριάς επεξεργασίας δεδομένων σε συστήματα GenAI, ενισχύοντας έτσι την εστίασή τους σε τομείς όπου οι ανθρώπινες δεξιότητες όπως η στρατηγική σκέψη, η ενσυναίσθηση και η δημιουργικότητα είναι υψίστης σημασίας. Αυτή η εξέλιξη σηματοδοτεί την ανύψωση και τον εμπλουτισμό της ανθρώπινης παρέμβασης.

Για τους ρόλους που περιλαμβάνουν επαναλαμβανόμενες εργασίες έντασης δεδομένων, όπως ο προγραμματισμός, η αναθεώρηση, ο σχεδιασμός, η επιθεώρηση, η αποσφαλμάτωση και η κωδικοποίηση, το GenAI θα μπορούσε να έχει σημαντικό αντίκτυπο. Με την αυτοματοποίηση αυτών των διαδικασιών, η ΤΝ επιτρέπει στους εργαζόμενους να επικεντρωθούν σε πιο σύνθετες, στρατηγικές πτυχές των ρόλων τους. Για παράδειγμα, στις λειτουργίες των εγκαταστάσεων και των συστημάτων, η ΤΝ μπορεί να παρακολουθεί την κατάσταση του συστήματος και τα λειτουργικά δεδομένα, αυτοματοποιώντας εργασίες ρουτίνας και επιτρέποντας στους ανθρώπινους χειριστές να επικεντρωθούν στη λήψη κρίσιμων αποφάσεων και στην επίλυση προβλημάτων. Αυτή η μετατόπιση όχι μόνο βελτιώνει την αποδοτικότητα και την ακρίβεια, αλλά επιτρέπει επίσης στους εργαζόμενους να αναβαθμίσουν τις δεξιότητές τους και να ασχοληθούν με πιο ικανοποιητικά και πνευματικά διεγερτικά καθήκοντα.

Από την άλλη πλευρά, οι ρόλοι που απαιτούν υψηλό βαθμό ανθρώπινης αλληλεπίδρασης, ενσυναίσθησης, δημιουργικότητας και κρίσης είναι λιγότερο πιθανό να επηρεαστούν αρχικά από το GenAI. Τα καθήκοντα που περιλαμβάνουν τη διοικητική εποπτεία, τη λήψη στρατηγικών αποφάσεων, τη διαπροσωπική φροντίδα, τη συναισθηματική αντίληψη και την οικοδόμηση σχέσεων παραμένουν κατά κύριο λόγο ανθρώπινες. Για παράδειγμα, στην εκπαίδευση, ενώ ο GenAI μπορεί να βοηθήσει στη δημιουργία και οργάνωση διδακτικού υλικού, η "προσωπική επαφή" των εκπαιδευτικών παραμένει αναντικατάστατη. Οι δάσκαλοι και οι καθηγητές προσαρμόζουν τη διδασκαλία τους στα ατομικά στυλ και τις ανάγκες των μαθητών, καθοδηγούν την εμπλοκή στην τάξη και παρέχουν τη συναισθηματική και ενσυναισθητική υποστήριξη που η GenAI είναι λιγότερο προσαρμοσμένη να κάνει. Ομοίως, οι λειτουργίες στον τομέα της υγειονομικής περίθαλψης θα μπορούσαν να επωφεληθούν από την ενίσχυση του GenAI, ο οποίος μπορεί να χειριστεί διοικητικά ή αναλυτικά καθήκοντα, επιτρέποντας στους επαγγελματίες περισσότερο χρόνο και ενέργεια για να επικεντρωθούν στις υψηλής αξίας, ανθρωποκεντρικές πτυχές της εργασίας τους.

Περισσότερο και λιγότερο εκτεθειμένα επαγγέλματα

Η κατανομή σε διάφορους τομείς δείχνει ότι οι μεγάλοι κλάδοι με περιορισμένες διαφορές στις βαθμολογίες αύξησης της ΤΝ μπορούν ακόμη να εμφανίσουν μεγάλο εύρος στις βαθμολογίες αύξησης μεταξύ των επιμέρους επαγγελμάτων. Αυτό είναι πιο εμφανές όταν εξετάζουμε τα 10 κορυφαία και τα 10 χαμηλότερα επαγγέλματα μεταξύ της λεπτομερέστερης κατηγοριοποίησης των 94 δευτερευουσών ομάδων επαγγελμάτων (Διάγραμμα 5 και Διάγραμμα 6). 

Εξετάζοντας τα 10 κορυφαία επαγγέλματα με τις υψηλότερες βαθμολογίες επαύξησης της ΤΝ, επαγγέλματα όπως οι χειριστές εγκαταστάσεων και συστημάτων, οι φυσικοί επιστήμονες, οι γεωργικοί εργάτες, οι σχεδιαστές, οι προγραμματιστές, οι μηχανικοί και οι αρχιτέκτονες περιλαμβάνουν σε μεγάλο βαθμό επαναλαμβανόμενες και καθοδηγούμενες από δεδομένα εργασίες που η ΤΝ μπορεί να αυτοματοποιήσει. Σε αυτές περιλαμβάνονται η ανάλυση και η παρακολούθηση δεδομένων, ο προγραμματισμός εργασιών, η εξέταση εγγράφων, οι εργασίες σχεδιασμού και οι διαδικασίες επιθεώρησης ασφαλείας.

Αν και τα επαγγέλματα αυτά εκτίθενται σημαντικά στην ΤΝ, η πλήρης αυτοματοποίηση είναι απίθανη, καθώς οι εργαζόμενοι παραμένουν απαραίτητοι για την επίβλεψη των διαδικασιών, τη λήψη στρατηγικών αποφάσεων και τα καθήκοντα που απαιτούν λεπτή κρίση. Πράγματι, η ευρεία διασπορά των βαθμολογιών επαύξησης της ΤΝ για την πρώτη 10άδα της ομάδας των 94 δευτερευόντων επαγγελμάτων καταδεικνύει τη σημασία της ανθρώπινης παρέμβασης.

Τα 10 δευτερεύοντα επαγγέλματα με τις χαμηλότερες βαθμολογίες ενίσχυσης της ΤΝ (Διάγραμμα 6) έχουν τα υψηλότερα εγγενή ανθρώπινα στοιχεία που απαιτούνται για τις λειτουργίες τους. Για παράδειγμα, ρόλοι όπως οι καθηγητές μεταδευτεροβάθμιας εκπαίδευσης απαιτούν ανθρώπινη αλληλεπίδραση και ικανότητα προσαρμογής της μάθησης. Επαγγέλματα όπως οι επαγγελματίες υγείας απαιτούν εξατομικευμένη φροντίδα και κρίσιμες αποφάσεις που η ΤΝ δεν μπορεί επί του παρόντος να προσφέρει. Ρόλοι όπως οι μάγειρες και οι πυροσβέστες απαιτούν ακριβή φυσική παρέμβαση και λήψη αποφάσεων υψηλού κινδύνου σε απρόβλεπτες καταστάσεις. Άλλοι ρόλοι, όπως οι αντιπρόσωποι πωλήσεων και οι διοικητικοί βοηθοί, απαιτούν τη δημιουργία σχέσεων και την ανθρώπινη κρίση. Κατά συνέπεια, αυτοί οι ρόλοι, οι οποίοι απαιτούν ανθρώπινη αλληλεπίδραση, λήψη αποφάσεων, φυσική παρέμβαση και εξατομίκευση, αντιμετωπίζουν αρχικά μικρότερο κίνδυνο από την έκθεση στην ΤΝ.

Παρόλα αυτά, όπως συμβαίνει με τα κύρια επαγγέλματα με υψηλές βαθμολογίες έκθεσης στην ΤΝ, υπάρχει μεγάλη διασπορά στα επαγγέλματα με χαμηλή έκθεση στην ΤΝ. Ακόμα και τα επαγγέλματα που απαιτούν ανθρώπινη αλληλεπίδραση έχουν κάποιες υπολειτουργίες που μπορούν να ενισχυθούν μέσω της Γενικής Τεχνολογίας της Πληροφορίας. Σκεφτείτε τη βαθμολόγηση ή την προετοιμασία του υλικού των μαθημάτων για έναν εκπαιδευτικό, ή την πρόληψη, την παρακολούθηση και την έγκαιρη ανίχνευση κινδύνων για τους πυροσβέστες, ή ακόμη και τον προγραμματισμό ηλεκτρονικού ταχυδρομείου για τους αντιπροσώπους πωλήσεων.

Μέρος 3

Η επιρροή της ΤΝ σε όλα τα μισθολογικά κλιμάκια

Οι θέσεις εργασίας που απαιτούν πιο προηγμένες δεξιότητες και πληρώνουν μεγαλύτερους μισθούς έχουν μεγαλύτερη έκθεση στην ΤΝ;

Η σχέση μεταξύ της έκθεσης στο GenAI και των επιπέδων μισθών σε διάφορα επαγγέλματα φαίνεται να παρουσιάζει μια μικρή θετική συσχέτιση, αν και με ορισμένες αποχρώσεις. Η ανάλυση των 20 κύριων βιομηχανικών κλάδων με βάση τη διψήφια δομή του συστήματος ταξινόμησης βιομηχανιών της Βόρειας Αμερικής (NAICS) και των αντίστοιχων μέσων μισθών τους δείχνει ότι οι υψηλότερες βαθμολογίες έκθεσης σε ΓΑΙ συσχετίζονται γενικά με υψηλότερους μισθούς (Διάγραμμα 7 και Διάγραμμα 8).

Τομείς όπως οι πληροφορίες, η χρηματοδότηση και η ασφάλιση, οι υπηρεσίες κοινής ωφέλειας και οι επαγγελματικές, επιστημονικές και τεχνικές υπηρεσίες αναφέρουν υψηλότερους ετήσιους μισθούς (μεταξύ 85.000 και 92.000 δολαρίων) και παρουσιάζουν ελαφρώς υψηλότερες βαθμολογίες έκθεσης στην ΤΝ. Αυτό θα μπορούσε να υποδηλώνει ότι οι τομείς που απαιτούν πιο προηγμένες δεξιότητες και συνεπώς έχουν υψηλότερους μισθούς έχουν μεγαλύτερη έκθεση στην ΤΝ. Από την άλλη πλευρά, κλάδοι όπως το λιανικό εμπόριο, οι υπηρεσίες παροχής καταλύματος και εστίασης και οι τέχνες και η ψυχαγωγία αναφέρουν χαμηλότερους ετήσιους μισθούς (στο εύρος 35.000 έως 50.000 δολάρια) και συνδέονται με χαμηλότερες βαθμολογίες έκθεσης στο GenAI.

Παρόλα αυτά, είναι σημαντικό να τονιστεί η ευρεία διάχυση των επαγγελμάτων σε αυτές τις μεγάλες κλαδικές ομαδοποιήσεις, τόσο όσον αφορά την έκθεση στην ΤΝ όσο και τους μισθούς. Η υγειονομική περίθαλψη είναι ένα χαρακτηριστικό παράδειγμα όπου τόσο οι λειτουργίες υψηλής εξειδίκευσης/υψηλού μισθού όσο και οι λειτουργίες χαμηλής εξειδίκευσης/χαμηλού μισθού έχουν υψηλή έκθεση στην ΤΝ. Για παράδειγμα, ένας ακτινολόγος (υψηλότερες δεξιότητες/υψηλότερος μισθός) είναι ιδιαίτερα εκτεθειμένος στην ΤΝ για την ανίχνευση και τη διάγνωση, όπως και ένας νοσηλευτής (χαμηλότερες δεξιότητες/χαμηλότερος μισθός) για διοικητικά καθήκοντα.

Μέρος  4

Επιχειρηματικές επιπτώσεις της ενσωμάτωσης της ΤΝ

Τέλος, περιγράφουμε τον τρόπο εκτέλεσης μιας προσαρμοσμένης στρατηγικής GenAI για μακροπρόθεσμη ανάπτυξη ακολουθώντας την καθοδήγηση δύο πυλώνων.

Οι ηγέτες των επιχειρήσεων μπορούν να εφαρμόσουν αποτελεσματικά το GenAI με τρόπο που όχι μόνο να ευθυγραμμίζεται με τις άμεσες επιχειρησιακές τους ανάγκες, αλλά και να τοποθετεί τους οργανισμούς τους στην πρώτη γραμμή της τεχνολογικής προόδου. Η χρήση μιας προληπτικής προσέγγισης συμβάλλει στο να διασφαλιστεί ότι η ΤΝ χρησιμεύει ως καταλύτης για την ενίσχυση του εργατικού δυναμικού, τη βελτιστοποίηση των λειτουργιών και τη βιώσιμη ανάπτυξη, προετοιμάζοντας τον οργανισμό για τις προκλήσεις και τις ευκαιρίες ενός μέλλοντος με γνώμονα την ΤΝ.

Πυλώνας 1: Ανάπτυξη ενός προσαρμοσμένου σχεδίου χρήσης και ανάπτυξης της ΤΝ

• Κατανόηση της σύνθεσης της εργασίας και των καθηκόντων: Ξεκινήστε μια λεπτομερή ανάλυση του εργατικού σας δυναμικού, καταγράφοντας τους διάφορους ρόλους και τις αρμοδιότητες σε όλα τα τμήματα. Αυτή η λεπτομερής κατανόηση είναι ζωτικής σημασίας για τον εντοπισμό των τομέων στους οποίους η ΤΝ μπορεί να επιφέρει μετασχηματιστικές αλλαγές, να συμβάλει στη βελτιστοποίηση των λειτουργιών και να ενισχύσει την αποτελεσματικότητα των εργασιών.

• Προσαρμόστε την εφαρμογή AI: Αναγνωρίστε την ποικιλομορφία στην εφαρμοσιμότητα της ΤΝ. Η εφαρμογή της ΤΝ δεν είναι μια λύση που ταιριάζει σε όλους- διαφέρει δραστικά σε διαφορετικούς κλάδους και ακόμη και εντός του ίδιου επιχειρηματικού τομέα. Επομένως, μια σχολαστικά επεξεργασμένη στρατηγική ΤΝ θα πρέπει να έχει τις ρίζες της σε μια ολοκληρωμένη κατανόηση της συγκεκριμένης δυναμικής του εργατικού δυναμικού του οργανισμού σας και του τρόπου με τον οποίο τα διάφορα εργαλεία ΤΝ μπορούν να αξιοποιηθούν για τον εξορθολογισμό και την ενίσχυση αυτών των μοναδικών λειτουργικών πτυχών.

• Επικεντρωθείτε στην ενίσχυση, όχι στην αντικατάσταση: Στοχεύστε στην ενσωμάτωση της ΤΝ με τρόπο που να συμπληρώνει και να αναβαθμίζει την ανθρώπινη εργασία. Ο στόχος είναι να αξιοποιήσετε τις δυνατότητες της ΤΝ για να ενισχύσετε την απόδοση της εργασίας, επιτρέποντας στους εργαζόμενους να στρέψουν την προσοχή τους σε πτυχές του ρόλου τους που απαιτούν ανθρώπινη διορατικότητα, δημιουργικότητα και λήψη αποφάσεων.

Πυλώνας 2: Ανάπτυξη και διατήρηση πόρων ΤΝ

• Στρατηγικός σχεδιασμός για την εξέλιξη της ΤΝ: Ανάπτυξη μιας στρατηγικής με προοπτική για την υιοθέτηση και τη συνεχή εξέλιξη της ΤΝ στον οργανισμό σας. Η στρατηγική αυτή θα πρέπει να είναι ευέλικτη, ικανή να προσαρμόζεται στις ταχείες τεχνολογικές εξελίξεις, στις αλλαγές στις λειτουργίες της εταιρείας και στο εξελισσόμενο τοπίο της ΤΝ. Πρόκειται για τη δημιουργία ενός οικοσυστήματος όπου η τεχνητή νοημοσύνη και η ανθρώπινη νοημοσύνη συνενώνονται για την προώθηση της καινοτομίας και της αποδοτικότητας.

• Επένδυση σε πόρους και τεχνογνωσία: Δεσμευτείτε να επενδύσετε στους βασικούς πόρους και τη γνώση που απαιτούνται για την αποτελεσματική ενσωμάτωση της ΤΝ. Η δέσμευση αυτή εκτείνεται πέρα από τις οικονομικές επενδύσεις- περιλαμβάνει την αφιέρωση χρόνου και προσπάθειας για την ανάπτυξη και την εκπαίδευση μοντέλων ΤΝ, την προμήθεια του πιο πρόσφατου λογισμικού και υλικού και τη δημιουργία μιας ισχυρής υποδομής. Αυτή η υποδομή θα πρέπει να περιλαμβάνει προηγμένη υπολογιστική ισχύ, καθώς και ασφαλή κέντρα δεδομένων και ολοκληρωμένες υπηρεσίες υποστήριξης, ώστε να διασφαλιστεί ότι η εμπειρία της ΤΝ είναι απρόσκοπτη.

Πηγή: The impact of GenAI on the labor market