ΑΙ Εra: Οδηγός επιβίωσης και επαγγελματικής ανέλιξης στην εποχή της τεχνητής νοημοσύνης

Αγαπημένοι φίλοι,

Δεν ξέρω πόσους από εσάς απασχολεί ήδη η νέα πραγματικότητα της τεχνητής νοημοσύνης στη ζωή μας. Το βέβαιο είναι πως σε όλο και περισσότερα επαγγέλματα –με το δικό μας, το δημοσιογραφικό, να συγκαταλέγεται ανάμεσα στα πρώτα– οι αλλαγές είναι ήδη βαθιές και καθοριστικές.

Τον τελευταίο χρόνο παρακολούθησα συνέδρια με εξαιρετικά ενδιαφέρουσες διαλέξεις, συζήτησα με ειδικούς και μελέτησα αναλύσεις και άρθρα από έγκριτες διεθνείς πηγές. Στο κείμενο που ακολουθεί θα μοιραστώ μαζί σας πληροφορίες και συμπεράσματα που θεωρώ κρίσιμα και θα μπορούσαν να σας βοηθήσουν να λειτουργήσετε καλύτερα και να εξελιχθείτε επαγγελματικά.

Η τεχνητή νοημοσύνη δεν έρχεται απλώς να “κόψει” θέσεις εργασίας, έρχεται να ξαναγράψει τον τρόπο που γίνονται οι δουλειές. Το κρίσιμο δεν είναι αν θα επηρεαστεί η εργασία – αυτό θεωρείται δεδομένο. Το κρίσιμο είναι ποιοι ρόλοι θα μετασχηματιστούν, ποιοι θα αναβαθμιστούν και ποιοι εργαζόμενοι θα μείνουν πίσω.

Σύμφωνα με το ΔΝΤ, σχεδόν το 40% των θέσεων εργασίας παγκοσμίως είναι εκτεθειμένο σε αλλαγές που θα φέρει η AI – σε άλλες περιπτώσεις θα αντικαταστήσει καθήκοντα, σε άλλες θα ενισχύσει την παραγωγικότητα και τις δεξιότητες των εργαζομένων.

Την ίδια στιγμή, τα δεδομένα των εργοδοτών δείχνουν ότι δεν μιλάμε μόνο για “απώλειες”. Το World Economic Forum, εξετάζοντας πάνω από 1.000 μεγάλους εργοδότες διεθνώς, προβλέπει καθαρή αύξηση θέσεων ως το 2030 με έντονη όμως ανακατανομή ρόλων και δεξιοτήτων.

Η πραγματική αλλαγή: Δεν καταργεί επαγγέλματα, αυτοματοποιεί εργασίες.

Η πιο μεγάλη μετατόπιση είναι ότι η AI δεν χτυπά ολόκληρα επαγγέλματα μονοκόμματα – χτυπά κομμάτια δουλειάς: επαναλαμβανόμενες διαδικασίες, σύνοψη και ταξινόμηση πληροφορίας, αρχικά drafts, αναζητήσεις, reports, customer support, διοικητικές ρουτίνες.

Γι’ αυτό και πολλές μετρήσεις μέχρι τώρα δείχνουν λιγότερες απολύσεις από όσες προβλέπονταν αρχικά και αλλαγή ρόλων μέσα στις ίδιες εταιρείες. Οι Financial Times επισημαίνουν ότι, με βάση τα μέχρι τώρα στοιχεία, η τεχνητή νοημοσύνη συχνά λειτουργεί συμπληρωματικά και όχι ως καθαρός αντικαταστάτης, τουλάχιστον σε αυτό το στάδιο υιοθέτησης.

Δυσκολεύουν οι προσλήψεις στο entry-level.

Οι νέοι εργαζόμενοι που θα αποφοιτήσουν τώρα από τα πανεπιστήμια θα δυσκολευτούν να μπουν στο χώρο εργασίας. Οι junior level εργασίες, που παραδοσιακά ήταν μαθητεία πάνω σε απλούστερα tasks, όπως για παράδειγμα research, first drafts, reporting, data cleaning και άλλα, γίνονται πια με μεγαλύτερη ακρίβεια και αποτελεσματικότητα από την τεχνητή νοημοσύνη.

Και σε μεγάλους κλάδους υπηρεσιών, όπως ο τραπεζικός, στελέχη δηλώνουν ανοιχτά ότι η τεχνητή νοημοσύνη, ήδη ανεβάζει την παραγωγικότητα και “αλλάζει” τον τρόπο πρόσληψης προσωπικού τα επόμενα χρόνια.

Οι δεξιότητες που αλλάζουν: δεν αρκεί “να ξέρεις το αντικείμενο”

Σύμφωνα με τον ΟΟΣΑ η ζήτηση δεξιοτήτων μετακινείται: Απαιτείται λιγότερο προσωπικό για  εργασίες ρουτίνας και περισσότερο εργασιακό δυναμικό για συντονισμό, κρίση, επικοινωνία, επίλυση προβλημάτων και γνώση χρήσης της τεχνητής νοημοσύνης μέσω εξειδικευμένων εργαλείων.

Παράλληλα, αναλύσεις εταιρειών, όπως η PwC, υπογραμμίζουν ότι οι επιχειρήσεις που αντιμετωπίζουν την AI ως “στρατηγική ανάπτυξης” και όχι μόνο ως “εργαλείο περικοπών”, τείνουν να επενδύουν περισσότερο σε ρόλους που αυξάνουν την αξία που παράγει ο εργαζόμενος.

Τι πρέπει να κάνει ένας εργαζόμενος για να επιβιώσει και να εξελιχθεί στην AI εποχή

Α) Γίνε “AI-power user” στο δικό σου αντικείμενο

Δεν χρειάζεται να γίνεις προγραμματιστής. Χρειάζεται να γίνεις ο άνθρωπος που φέρνει καλύτερο αποτέλεσμα μεσω  AI στο αντικείμενό του.

Πρακτικά:

Μάθε 2–3 βασικά εργαλεία που ταιριάζουν στη δουλειά σου, όπως για παράδειγμα συγγραφή, ανάλυση εγγράφων, παρουσιάσεις, έρευνα, στατιστικά στοιχεία και άλλα.

Φτιάξε προσωπική βιβλιοθήκη prompts και templates: briefs, emails, reports, checklists.

Μάθε να κάνεις διασταύρωση πηγών, έλεγχος του hallucination. Tα LLM’S (Chat GTP, Gemini κ.α.) κάνουν συχνά λάθη, έχουν το φαινόμενο των παραισθήσεων, όπως ονομάζεται. Όταν δεν γνωρίζουν την απάντηση, συχνά … φαντασιώνονται μια!

Β) Reskilling:

Στην AI εποχή, το πιο επικίνδυνο δεν είναι “να μην ξέρεις” — είναι να πιστεύεις ότι η γνώση σου αρκεί για πάντα. Οι εταιρείες θα ανταμείψουν αυτούς που ανανεώνουν δεξιότητες σταθερά και στρατηγικά, όχι περιστασιακά. Μην τα περιμένεις όλα για τον εργοδότη. Ψάξε μόνος σου, πειραματίσου. Το διαδίκτυο δίνει τεράστιες δυνατότητες επιμόρφωσης.

Μπορείς να βρεις οnline courses με δομημένο πρόγραμμα: Για παράδειγμα το Coursera προσφέρει courses από πανεπιστήμια όπως το Stanford, το University of Michigan και το Imperial College London — με μαθήματα που καλύπτουν από βασικές αρχές AI και machine learning μέχρι πρακτική χρήση εργαλείων, analytics και εφαρμογών στην επιχειρησιακή πραγματικότητα.

Πέρα από τα επίσημα courses, υπάρχουν και πρακτικά video tutorials στο YouTube που βοηθούν στο πώς να δουλεύεις άμεσα με εργαλεία: για παράδειγμα “AI for productivity”, “ChatGPT for professionals”, “Prompt engineering basics”, και “AI in journalism workflows”. Τέτοια βίντεο προσφέρουν step-by-step οδηγίες χρήσης εργαλείων σε πραγματικά tasks — και είναι ιδανικά για να δεις πώς χρησιμοποιούνται στην πράξη όσα μαθαίνεις στα επίσημα μαθήματα.

Ξέρω ότι αν δεν έχεις ασχοληθεί καθόλου, όλα αυτά σου φαίνονται βουνό. Αν κάνεις την αρχή από κάτι μικρό, επειδή θα σου προσφέρει σημαντική εργασιακή αναβάθμιση, τα επόμενα steps θα έρθουν από δική σου προσωπική ανάγκη.

Όσοι προσπαθήσετε για πρώτη φορά, σας εύχομαι καλή επιτυχία και να το χαρείτε. Δείτε το και λίγο σαν παιχνίδι.

Τατιάνα