Θα μας πάρει τις δουλειές η Τεχνητή Νοημοσύνη;

Η συζήτηση γύρω από το αν η Τεχνητή Νοημοσύνη θα αντικαταστήσει τους εργαζομένους έχει πάψει να είναι θεωρητική. Οι μεγάλες τεχνολογικές εταιρείες επενδύουν δισεκατομμύρια στα λεγόμενα AI agents, ενώ ολοένα και περισσότερα στελέχη υποστηρίζουν ότι οι ψηφιακοί «υπάλληλοι» θα αναλάβουν σύντομα ένα σημαντικό μέρος της καθημερινής εργασίας γραφείου.

Μάλιστα, σύμφωνα με στοιχεία του Layoffs.fyi που επικαλούνται οι «New York Times», περισσότερες από 200 εταιρείες τεχνολογίας έχουν προχωρήσει μέσα στη χρονιά σε περίπου 120.000 απολύσεις. Επιχειρήσεις όπως η Meta και η Oracle έχουν αποδώσει μέρος των περικοπών στην αξιοποίηση της Τεχνητής Νοημοσύνης, ενώ ο διευθύνων σύμβουλος της Cloudflare δήλωσε πρόσφατα ότι θεωρεί πιθανό η AI να αντικαταστήσει μελλοντικά εργαζομένους σε τομείς όπως η μεσαία διοίκηση, τα οικονομικά και το μάρκετινγκ.

Το μεγάλο ερώτημα, όμως, παραμένει: Είναι πράγματι έτοιμη η Τεχνητή Νοημοσύνη να αναλάβει μια κανονική θέση εργασίας;

Για να το διαπιστώσουν, οι «New York Times» πραγματοποίησαν ένα ιδιαίτερα ενδιαφέρον πείραμα. Αντί να αξιολογήσουν την AI μέσα από θεωρητικά τεστ, έδωσαν σε έναν σύγχρονο AI agent πλήρη πρόσβαση σε έναν υπολογιστή με εγκατεστημένες εφαρμογές γραφείου και του ανέθεσαν να εκτελέσει πραγματικές εργασίες, όπως θα έκανε ένας υπάλληλος σε μια εταιρεία.

Το αποτέλεσμα δεν ήταν ούτε θριαμβευτικό ούτε απογοητευτικό. Ήταν, κυρίως, αποκαλυπτικό.

Οι «ψηφιακοί υπάλληλοι» δοκιμάζονται στην πράξη

Οι δοκιμές βασίστηκαν σε ερευνητικά πρωτόκολλα που έχουν αναπτύξει το Πανεπιστήμιο Κάρνεγκι Μέλον και η OpenAI, με στόχο να αξιολογήσουν πώς αποδίδουν διαφορετικά μοντέλα Τεχνητής Νοημοσύνης σε πραγματικά εργασιακά περιβάλλοντα.

Για τις ανάγκες του πειράματος χρησιμοποιήθηκαν ψεύτικα εταιρικά έγγραφα, υπολογιστικά φύλλα, οργανωτικά διαγράμματα, υπηρεσιακά σημειώματα και λίστες προσωπικού. Ο AI πράκτορας είχε πρόσβαση σε εφαρμογές όπως Google Drive, Google Docs, υπολογιστικά φύλλα, Slack και πρόγραμμα περιήγησης, ενώ μπορούσε να λαμβάνει αυτόνομα αποφάσεις για τον τρόπο με τον οποίο θα ολοκλήρωνε κάθε αποστολή.

Οι δοκιμές έδειξαν ότι η Τεχνητή Νοημοσύνη είναι εντυπωσιακά αποτελεσματική όταν εργάζεται με δομημένα δεδομένα ή όταν μπορεί να λύσει ένα πρόβλημα γράφοντας κώδικα. Αντίθετα, δυσκολεύεται σημαντικά όταν χρειάζεται να κατανοήσει τις αποχρώσεις της ανθρώπινης λογικής ή να χρησιμοποιήσει εφαρμογές που έχουν σχεδιαστεί για ανθρώπους.

Πρώτη δοκιμασία: επικοινωνία μέσω Slack

Η πρώτη εργασία ήταν σχετικά απλή. Ο AI agent έπρεπε να επικοινωνήσει με συναδέλφους μέσω Slack (διαδικτυακή πλατφόρμα επικοινωνίας μεταξύ συναδέλφων), να συλλέξει αξιολογήσεις για μια συνάντηση και στη συνέχεια να καταγράψει τις απαντήσεις σε ένα υπολογιστικό φύλλο. Οι συνομιλητές του δεν ήταν πραγματικοί άνθρωποι, αλλά ειδικά σχεδιασμένα bots που απαντούσαν με προκαθορισμένα σενάρια.

Η Τεχνητή Νοημοσύνη κατάφερε να διαχειριστεί αρκετές απρόβλεπτες καταστάσεις. Όταν ένα όνομα εμφανίστηκε με ορθογραφικό λάθος, αναγνώρισε σωστά το πρόσωπο που έπρεπε να επικοινωνήσει. Όταν ένας από τους συμμετέχοντες δεν απάντησε ποτέ, δεν «κόλλησε» περιμένοντας, αλλά κατέγραψε ότι δεν υπήρχε διαθέσιμη αξιολόγηση και συνέχισε κανονικά.

Η πρώτη δοκιμασία ολοκληρώθηκε επιτυχώς, δείχνοντας ότι οι AI agents μπορούν ήδη να διαχειριστούν αρκετές οργανωτικές εργασίες ρουτίνας.

Η λογική δεν αρκεί

Η δεύτερη αποστολή ήταν πιο σύνθετη. Ο agent έπρεπε να βοηθήσει μια δημόσια υπηρεσία να μειώσει τον προϋπολογισμό της κατά 4%, εξετάζοντας ποιο προσωπικό θα μπορούσε να αποχωρήσει χωρίς να απαιτηθούν απολύσεις. Για να το πετύχει, έπρεπε να μελετήσει πολλαπλά έγγραφα, να αναλύσει στοιχεία προσωπικού και να συντάξει τρεις διαφορετικές αναφορές. Χρειάστηκε μόλις 16 λεπτά για να ολοκληρώσει την εργασία, εντοπίζοντας σωστά ότι οι απαιτούμενες περικοπές μπορούσαν να επιτευχθούν μέσω προγραμματισμένων συνταξιοδοτήσεων και παραιτήσεων.

Ωστόσο, έκανε ένα ιδιαίτερα σημαντικό λάθος. Διαπίστωσε ότι αρκετοί εργαζόμενοι επρόκειτο να πάρουν άδεια και θεώρησε ότι οι θέσεις τους μπορούσαν επίσης να καταργηθούν. Δεν αναρωτήθηκε ποτέ πόσο θα διαρκούσε η άδεια ούτε αν οι εργαζόμενοι επρόκειτο να επιστρέψουν. Ένας άνθρωπος πιθανότατα θα ζητούσε διευκρινίσεις πριν λάβει μια τόσο κρίσιμη απόφαση. Η Τεχνητή Νοημοσύνη, αντίθετα, βασίστηκε αποκλειστικά στις πληροφορίες που είχε μπροστά της και κατέληξε σε ένα λανθασμένο συμπέρασμα.

Το συγκεκριμένο εύρημα επιβεβαιώνει, σύμφωνα με πρόσφατη μελέτη του Πανεπιστημίου του Στάνφορντ και του Εθνικού Γραφείου Οικονομικών Ερευνών που αναφέρουν οι «New York Times», ότι η AI εξακολουθεί να δυσκολεύεται με τη λεγόμενη σιωπηρή γνώση (tacit knowledge): εκείνες τις εμπειρικές γνώσεις και τη διαίσθηση που αποκτούν οι άνθρωποι μέσα από την εργασιακή εμπειρία και δεν υπάρχουν καταγεγραμμένες σε κάποιο εγχειρίδιο.

Προτιμά να γράφει κώδικα αντί να χρησιμοποιεί εφαρμογές

Ένα από τα πιο ενδιαφέροντα συμπεράσματα του πειράματος ήταν ότι ο AI agent απέφευγε συστηματικά να χρησιμοποιήσει τις ίδιες εφαρμογές που χρησιμοποιούν καθημερινά οι άνθρωποι. Παρότι οι οδηγίες τον προέτρεπαν να ολοκληρώσει τις εργασίες μέσα από εφαρμογές όπως το Google Slides ή το Preview, εκείνος σχεδόν αμέσως αποφάσιζε ότι ήταν πιο αποτελεσματικό να γράψει ένα πρόγραμμα σε Python.

Σύμφωνα με τον καθηγητή Πληροφορικής Γκράχαμ Νιούμπιγκ του CMU, οι AI agents εργάζονται με έναν εντελώς διαφορετικό τρόπο από τους ανθρώπους. Αντί να αλληλεπιδρούν φυσικά με τα γραφικά περιβάλλοντα των εφαρμογών, προτιμούν να μετατρέπουν κάθε πρόβλημα σε προγραμματιστικό έργο. Με άλλα λόγια, η Τεχνητή Νοημοσύνη γνωρίζει καλά τις δικές της δυνατότητες. Ξέρει ότι αποδίδει εξαιρετικά όταν χειρίζεται κώδικα και δομημένα δεδομένα, αλλά δεν αισθάνεται το ίδιο «άνετα» σε περιβάλλοντα που έχουν σχεδιαστεί για την ανθρώπινη αντίληψη.

Εκεί που ένας άνθρωπος θα χρειαζόταν ώρες…

Η τρίτη δοκιμασία αφορούσε τη συμπλήρωση 17 εντύπων επαλήθευσης εργασίας (I-9), χρησιμοποιώντας στοιχεία προσωπικού από ένα υπολογιστικό φύλλο. Οι οδηγίες ήταν σαφείς: η εργασία έπρεπε να γίνει μέσα από τον φυλλομετρητή.

Ο AI agent αγνόησε και πάλι τις οδηγίες. Μέσα σε λίγα δευτερόλεπτα έγραψε ένα πρόγραμμα σε Python, το οποίο συμπλήρωσε αυτόματα όλα τα έντυπα μέσα σε λιγότερο από πέντε λεπτά. Επιπλέον φρόντισε να ελέγχει και τη σωστή μορφοποίηση αριθμών τηλεφώνου και κοινωνικής ασφάλισης, δείχνοντας υψηλό επίπεδο ακρίβειας.

Εκεί όπου ξεχώρισε για την ταχύτητά του, όμως, απέτυχε σε κάτι που κάθε υπάλληλος γραφείου θεωρεί αυτονόητο. Αφού ολοκλήρωσε σωστά όλα τα έγγραφα, ο agent έπρεπε απλώς να τα ανεβάσει σε έναν φάκελο του Google Drive. Παρότι εντόπισε το σωστό κουμπί, δεν κατάλαβε ότι είχε ανοίξει το παράθυρο επιλογής αρχείων του λειτουργικού συστήματος. Από εκεί και πέρα ξεκίνησε μια αλληλουχία παράδοξων προσπαθειών:

● Δοκίμασε να συμπιέσει τα αρχεία,

● δημιούργησε δεύτερο AI agent ζητώντας βοήθεια,

● μετέτρεψε τα PDF σε τεράστιες ακολουθίες δεδομένων

● και επιχείρησε να τα ανεβάσει με αυτόν τον τρόπο.

Καμία από τις λύσεις δεν λειτούργησε. Έπειτα από περίπου 20 λεπτά προσπαθειών, εγκατέλειψε την αποστολή και χαρακτήρισε την εργασία ολοκληρωμένη, παρότι το βασικό ζητούμενο, η μεταφόρτωση των αρχείων δηλαδή, δεν είχε πραγματοποιηθεί.

Το τελικό συμπέρασμα

Το συμπέρασμα των «New York Times» βρίσκεται κάπου ανάμεσα στον ενθουσιασμό και τον σκεπτικισμό.

● Οι σύγχρονοι AI agents είναι ήδη ικανοί να εκτελέσουν μεγάλο μέρος μιας εργασίας γραφείου με εντυπωσιακή ταχύτητα. Μπορούν να αναλύσουν δεδομένα, να συντάξουν έγγραφα, να οργανώσουν πληροφορίες και να αυτοματοποιήσουν διαδικασίες που για έναν άνθρωπο θα απαιτούσαν ώρες.

● Την ίδια στιγμή, όμως, αποδεικνύονται απρόβλεπτοι όταν χρειάζεται να χρησιμοποιήσουν εφαρμογές, να αντιληφθούν λεπτές αποχρώσεις της ανθρώπινης σκέψης ή να διαχειριστούν καταστάσεις που απαιτούν κοινή λογική και εμπειρική κρίση.

Δεν είναι τυχαίο ότι εταιρεία που αναπτύσσει και εκπαιδεύει συστήματα Τεχνητής Νοημοσύνης διαπίστωσε σε πρόσφατες δοκιμές ότι το καλύτερο διαθέσιμο μοντέλο παρέδιδε εργασία έτοιμη για τον πελάτη μόλις στο 16% των πραγματικών επαγγελματικών έργων που του ανατέθηκαν.

Η εικόνα που διαμορφώνεται σήμερα είναι σαφής. Η Τεχνητή Νοημοσύνη δεν αποτελεί ακόμη τον «τέλειο υπάλληλο» που αρκετοί προέβλεπαν. Είναι ένας εξαιρετικά γρήγορος και ικανός συνεργάτης, ο οποίος μπορεί να αυξήσει θεαματικά την παραγωγικότητα, αλλά εξακολουθεί να χρειάζεται ανθρώπινη επίβλεψη. Και, τουλάχιστον προς το παρόν, το αφεντικό παραμένει ο άνθρωπος.

Διαβάστε επίσης:

Τεχνητή Νοημοσύνη: Γιατί η επίθεση στην Hugging Face από agents της OpenAI είναι πολύ χειρότερη απ’ όσο φάνηκε

Meta: Τι αλλάζει σε Facebook και Instagram μετά τον συμβιβασμό ύψους 18 δισ. δολαρίων

O Μπιλ Γκέιτς για την AI:  «Είναι πιο επικίνδυνη από ό,τι παραδέχονται οι μεγάλες εταιρείες τεχνολογίας» – Απειλή για τις θέσεις εργασίας

Ακολουθήστε το topontiki.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις.

Δείτε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο, τη στιγμή που συμβαίνουν.