Για το πώς θα αλλάξει την αγορά εργασίας το AI μιλά η Σοφία Παπαδημητρίου (Dr.jur.München) Δικηγόρος Αθηνών παρ’ Αρείω Πάγω, Εξωτερική Συνεργάτις – Ερευνήτρια στο Πανεπιστήμιο Αιγαίου σε μια εκ βαθέων συνέντευξη στην ηλεκτρονική εφημερίδα «Attica Times» και την Οικονομική Αναλύτρια Δάφνη Γρηγοριάδη.
«Προγνωστική ΑΙ», «παραγωγική ΑΙ», «agentic AI»: Τα δεδομένα στον τομέα της τεχνητής νοημοσύνης αλλάζουν ραγδαία… Είμαστε έτοιμοι να ανταποκριθούμε στις νέες προκλήσεις, λαμβανομένου υπόψη ότι το τρίτο «κύμα» τεχνητής νοημοσύνης αναμένεται να αλλάξει ριζικά τον τρόπο εργασίας;
Το πρώτο σημαντικό βήμα είναι να κατανοήσουμε το πού βρισκόμαστε όσον αφορά στην εξέλιξη των τεχνολογιών τεχνητής νοημοσύνης. Όπως επεξηγεί ο Silvio Savarese, εκτελεστικός αντιπρόεδρος και επικεφαλής επιστήμονας στη Salesforce AI Research, η πρώτη «εκδοχή» ΑΙ, η λεγόμενη «προγνωστική ΑΙ», επέτρεψε στις επιχειρήσεις να προβλέπουν τάσεις και να λαμβάνουν αποφάσεις βάσει δεδομένων. Στη συνέχεια, η «παραγωγική ΑΙ» (GenAI) έδωσε τη δυνατότητα «δημιουργίας περιεχομένου και διεξαγωγής συνομιλιών με ανθρώπους». Το «agentic AI» σηματοδοτεί μια θεμελιώδη αλλαγή στον χώρο εργασίας, καθώς συστήματα ΑΙ μπορούν να εκτελούν αυτόνομα εργασίες και να αλληλοεπιδρούν με άλλους AI agents. Αυτή είναι και η διαφορά με τους «ψηφιακούς βοηθούς» που ανταποκρίνονται απλώς σε εντολές και ήδη χρησιμοποιούνται σε κάποιο βαθμό (π.χ. στον δημόσιο τομέα «mAigov», η «Θάλεια» του e- ΕΦΚΑ κλπ). O Silvio Savarese οραματίζεται ένα εργασιακό μέλλον, όπου ο άνθρωπος θα αναλάβει έναν ρόλο παρόμοιο με αυτόν του επικεφαλής ομάδας που θα συντονίζει «πράκτορες AI». Ο μετασχηματισμός αυτός της αγοράς εργασίας, ακόμα και θεωρήσουμε ότι στην πράξη θα μας απασχολήσει σε ένα επόμενο στάδιο, εγείρει μια σειρά ζητημάτων (νομικών, ηθικών), τα οποία, ήδη, πρέπει να ξεκινήσουμε να συζητούμε και να επιλύουμε. Πρωταρχικής σημασίας παραμένει η προϋπόθεση της ενημέρωσης σχετικά με το εάν η αλληλεπίδραση είναι με άνθρωπο ή με σύστημα ΑΙ, καθώς και η ανάγκη ανάπτυξης νέων δεξιοτήτων, ώστε να διασφαλιστεί, όχι μόνο τυπικά (σε νομικό επίπεδο) αλλά και ουσιαστικά ότι οι άνθρωποι θα έχουν τον πραγματικό έλεγχο στη λήψη των κρίσιμων αποφάσεων. Επομένως, σημαντικό συγκριτικό πλεονέκτημα θα έχουν μόνο όσες επιχειρήσεις και οργανισμοί ανταποκριθούν με «ταχύτατα» αντανακλαστικά στις νέες αυτές προκλήσεις.
Σε ποιους κλάδους η τεχνητή νοημοσύνη μπορεί να έχει μεγαλύτερο αντίκτυπο;
To πεδίο εφαρμογής τεχνολογιών τεχνητής νοημοσύνης καταλαμβάνει όλους τους κλάδους και μπορεί να υλοποιηθεί παντού. Από τον τραπεζικό και ασφαλιστικό κλάδο, τη φαρμακοβιομηχανία, την ενέργεια και τις υπηρεσίες κοινής ωφέλειας μέχρι τις τηλεπικοινωνίες, το λιανεμπόριο και τον δημόσιο τομέα. Ιδίως, στον κλάδο της βιομηχανίας, η χρήση της τεχνητής νοημοσύνης εισάγει ένα ευρύ φάσμα καινοτομιών που βελτιώνουν και ενισχύουν τη διαδικασία της παραγωγής, βελτιστοποιούν την αποτελεσματικότητα της εφοδιαστικής αλυσίδας, επιταχύνουν την ανάπτυξη και τον σχεδιασμό προϊόντων ή νέων συσκευασιών και γενικότερα βελτιώνουν τη συνολική αποτελεσματικότητα, χρηστικότητα, αξιοπιστία και αποδοτικότητα ενός προϊόντος. Για παράδειγμα, τα συστήματα ΑΙ έχουν τη δυνατότητα να αναλύουν χιλιάδες διαφορετικές εναλλακτικές λύσεις και επιλογές και να προσδιορίζουν τα επιθυμητά χαρακτηριστικά ενός (νέου) προϊόντος, λαμβάνοντας υπόψη το κόστος, τη δυνατότητα κατασκευής, τη διαθεσιμότητα των υλικών, τη χρήση ενέργειας και πολλές άλλες κρίσιμες παραμέτρους.
Με το βλέμμα στραμμένο στο μέλλον, η ολοένα και μεγαλύτερη ενσωμάτωση τεχνολογιών ΑΙ στην παραγωγική διαδικασία θα βοηθήσει τη βιομηχανία να επιτύχει σταδιακά το όραμα του λεγόμενου «έξυπνου εργοστασίου», στο πλαίσιο του “Industry 4.0” (πλήρης αυτοματοποίηση των διαδικασιών, συνεργατικά ρομπότ “cobots”, αναβαθμισμένα συστήματα «όρασης» υπολογιστών για τον εντοπισμό των ελαττωματικών προϊόντων, την αφαίρεσή τους από τη γραμμή παραγωγής κλπ). Και εδώ, βέβαια, τίθενται, ζητήματα περί δίκαιης, υπεύθυνης και ηθικής χρήσης της ΑΙ που πρέπει να συζητηθούν από τώρα διεξοδικά.
Σημαντικό συγκριτικό πλεονέκτημα θα έχουν μόνο όσες επιχειρήσεις και οργανισμοί ανταποκριθούν με «ταχύτατα» αντανακλαστικά στις νέες προκλήσεις («Αgentic AI», “Industry 4.0”, “GreenAI”).
Όσον αφορά στον τομέα των μεταφορών, προβληματίζει ίσως και φοβίζει πολλούς η σκέψη ότι η ΑΙ θα οδηγήσει στην κυκλοφορία πλήρως αυτόνομων οχημάτων στο μέλλον. Ωστόσο, στην παρούσα φάση, ποια είναι τα ορατά οφέλη της χρήσης της τεχνητής νοημοσύνης στον συγκεκριμένο τομέα;
Ο αντίκτυπος της τεχνητής νοημοσύνης στις μεταφορές είναι ευρύς και έχετε δίκιο ως προς το ότι είναι, ήδη, ορατά τα οφέλη της χρήσης αυτών των τεχνολογιών. Τρεις είναι οι βασικοί τομείς, όπως τους έχω κατηγοριοποιήσει στο πλαίσιο της ερευνητικής μου δραστηριότητας: η «εξυπνότερη» διαχείριση της κυκλοφορίας, η βελτιστοποίηση των μέσων μαζικής μεταφοράς και οι αναβαθμισμένες υπηρεσίες στο πλαίσιο της εφοδιαστικής αλυσίδας. Θα αναφέρω ένα παράδειγμα ανά κατηγορία για να μιλήσουμε πιο πρακτικά. Είναι σύνηθες πλέον οι οδηγοί να χρησιμοποιούν μηχανές πλοήγησης κατά τις μετακινήσεις τους. Εφαρμογές, όπως το Google Maps και το Waze αξιοποιούν τη δύναμη της τεχνητής νοημοσύνης. Οι εφαρμογές αυτές μπορούν να αναλύουν δεδομένα σε πραγματικό χρόνο (τις οδικές συνθήκες, τυχόν ατυχήματα ή κλειστούς δρόμους κλπ) και να παρέχουν στους οδηγούς τις βέλτιστες διαδρομές. Στον τομέα των δημόσιων συγκοινωνιών, η προληπτική συντήρηση των μέσων μαζικής μεταφοράς χάρη στις καινοτόμες λύσεις που προσφέρει η ΑΙ ελαχιστοποιεί τον χρόνο που τα οχήματα και τα λοιπά δημόσια μέσα μεταφοράς βρίσκονται εκτός λειτουργίας αλλά και συμβάλλει στην εξοικονόμηση δαπάνης, αφού τα ανταλλακτικά μπορούν να παραγγελθούν εκ των προτέρων. Η πρόβλεψη πιθανών ζημιών ή βλαβών και ο έγκαιρος προγραμματισμός της αποκατάστασής τους επιτυγχάνεται μέσα από την ανάλυση δεδομένων αισθητήρων, ιστορικών αρχείων συντήρησης κλπ με τη χρήση τεχνολογιών τεχνητής νοημοσύνης. Στο πλαίσιο, τέλος, της εφοδιαστικής αλυσίδας, οι εταιρείες χρησιμοποιούν τεχνολογίες ΑΙ για την πρόβλεψη της ζήτησης, τη διαχείριση των αποθεμάτων των προϊόντων στις αποθήκες και βεβαίως για τη βελτιστοποίηση (από πλευράς κόστους και χρόνου) της διαδρομής παράδοσης έως τον τελικό καταναλωτή.
Κανονισμός (ΕΕ) 2024/1689 (AI Act): Η προσαρμογή σε αυτό το πολυεπίπεδο νομικό περιβάλλον απαιτεί από τους νομικούς συμβούλους των επιχειρήσεων μια ολιστική προσέγγιση που συνδυάζει τη βαθιά γνώση του ρυθμιστικού πλαισίου με την κατανόηση των τεχνικών και επιχειρηματικών ιδιαιτεροτήτων κάθε εταιρείας.
Σύμφωνα με τα στοιχεία της Eurostat, το 2023, μόλις το 14% των μεγάλων επιχειρήσεων στην Ελλάδα χρησιμοποιούσαν, τουλάχιστον, μια εφαρμογή ΑΙ, έναντι ποσοστού 30,4% στην Ευρωπαϊκή Ένωση. Αν και είναι βέβαιο ότι τα ως άνω ποσοστά θα έχουν αυξηθεί, καθώς οι εξελίξεις είναι ραγδαίες, υπάρχει κάποιος «οδικός χάρτης» που μπορεί να βοηθήσει τις επιχειρήσεις να επιταχύνουν τη μετάβασή τους στην εποχή της τεχνητής νοημοσύνης;
Όσες επιχειρήσεις επιθυμούν να είναι ανταγωνιστικές, οφείλουν να υιοθετήσουν την τεχνητή νοημοσύνη ως βασικό εργαλείο της εταιρικής στρατηγικής τους και όχι να τη χρησιμοποιούν αποσπασματικά. Ωστόσο, δεν υπάρχει «μια λύση για όλους». Για παράδειγμα, η ανάπτυξη μεγάλων γλωσσικών μοντέλων (LLMs) που δύνανται να διαχειρίζονται μια ευρεία γκάμα εργασιών δεν είναι αυτό που χρειάζεται μια μικρή εταιρεία. Άλλωστε, αποτελεί μια κοστοβόρα επιλογή σε χρήμα, ενέργεια και υπολογιστικούς πόρους. Στην περίπτωση αυτή, ενδείκνυται, ίσως, να επιλεγεί ένα εξειδικευμένο LLM που είναι εκπαιδευμένο να κατανοεί σε βάθος συγκεκριμένη κατηγορία δεδομένων και είναι φθηνότερο και ταχύτερο. Σε συγκεκριμένους τομείς, μάλιστα, όπως στον τομέα της υγείας, στην εξυπηρέτηση πελατών, στο λιανικό εμπόριο, ενδεχομένως ενδείκνυται να χρησιμοποιηθεί ένα μικρό γλωσσικό μοντέλο (SLMs). Παρότι γνωστά LLMs (π.χ. το ChattGPT-4 της OpenAI) μπορούν να επεξεργαστούν μεγάλους όγκους δεδομένων, δεν είναι πάντα τα καταλληλότερα για να κατανοήσουν την έννοια ιατρικών όρων ή συγκεκριμένα ζητήματα που αντιμετωπίζει μια μεμονωμένη επιχείρηση. Κάθε εταιρεία, επομένως, πρέπει να αναλύσει τις ανάγκες της και να επιλέξει το σωστού μεγέθους μοντέλο που είναι το καταλληλότερο για τις ανάγκες της. Αυτό όσο και εάν ακούγεται απλό αποτελεί μια σύνθετη διαδικασία. Προϋποθέτει, κατ’ αρχάς, την εμπέδωση μιας νέας εταιρικής κουλτούρας, την αλλαγή των υφιστάμενων δομών, την εκπαίδευση του προσωπικού, ώστε όλοι πλέον οι εργαζόμενοι να είναι χρήστες ΑΙ, την ανάπτυξη νέων δεξιοτήτων, τη συνδυασμένη εφαρμογή θεωρίας και πράξης, τη σταδιακή απόκτηση εμπειρίας, σε κάθε επίπεδο, καθημερινά (“learning by doing”). Στο διαρκώς εξελισσόμενο αυτό περιβάλλον, ο νομικός σύμβουλος επιχειρήσεων αναδεικνύεται σε στρατηγικό συνεργάτη, καθώς πρέπει να συνδυάζει τη βαθιά νομική γνώση του ρυθμιστικού πλαισίου με την τεχνική κατανόηση και την επιχειρηματική διορατικότητα.
Η ισορροπία μεταξύ Καινοτομίας και Βιωσιμότητας αποτελεί τη λύση στον αγώνα κατά της Κλιματικής Κρίσης. Είναι επιτακτική ανάγκη η GenΑΙ να θέσει σε προτεραιότητα την «πράσινη» ανάπτυξή της.
Με αφορμή τα αποτελέσματα της COP29 των Ηνωμένων Εθνών στο Μπακού του Αζερμπαϊτζάν τον Νοέμβριο 2024, γεννιέται το ερώτημα, εάν η GenAI μπορεί να συνδράμει ή να αμβλύνει τις προσπάθειες για την αντιμετώπιση της κλιματικής κρίσης;
Στον αγώνα κατά της κλιματικής κρίσης, το ζητούμενο είναι να βρεθεί η «χρυσή τομή», ώστε να μετριαστούν οι αρνητικές επιπτώσεις της τεχνητής νοημοσύνης στο περιβάλλον με ταυτόχρονη μεγιστοποίηση των ωφελειών της. Οι εκπομπές άνθρακα που εκλύονται στην ατμόσφαιρα κατά την εκπαίδευση των μεγάλων γλωσσικών μοντέλων, στα οποία βασίζεται η παραγωγική ΑΙ είναι ανησυχητικά υψηλές. Εκτός από την κατανάλωση ενέργειας, η ραγδαία εξέλιξη της GenAI αυξάνει τη ζήτηση για νέο εξοπλισμό πληροφορικής που απαιτεί την εξόρυξη σπάνιων γαιών για την κατασκευή των υλικών, επιδεινώνοντας περαιτέρω το περιβαλλοντικό αποτύπωμα. Ταυτόχρονα, συμβάλλει στην αύξηση των ηλεκτρονικών απορριμμάτων, καθώς οι παλαιότερες συσκευές καθίστανται πολύ γρήγορα απαρχαιωμένες. Από την άλλη, τα οφέλη είναι πολλαπλά: Οι εταιρείες χρησιμοποιούν αλγόριθμους ΑΙ, προκειμένου να βελτιστοποιήσουν τη διανομή ενέργειας, να ελαχιστοποιήσουν τη σπατάλη και να ενσωματώσουν στα δίκτυά τους ανανεώσιμες πηγές ενέργειες. Οι ερευνητές χρησιμοποιούν εργαλεία GenAI για να μειώσουν το ανθρακικό αποτύπωμα των μεταφορών και της παραγωγικής διαδικασίας ή για να δημιουργήσουν καλύτερα μοντέλα πρόβλεψης των φυσικών καταστροφών.
Η ισορροπία μεταξύ καινοτομίας και βιωσιμότητας είναι η μόνη λύση μέσω της υποστήριξης πρακτικών τεχνητής νοημοσύνης με περιβαλλοντική «συνείδηση». Ενδεικτικά παραδείγματα: επεξεργασία ΑΙ σε κέντρα δεδομένων που τροφοδοτούνται από ανανεώσιμες πηγές ενέργειας, ανακύκλωση υλικοτεχνικού εξοπλισμού τεχνητής νοημοσύνης, επαναχρησιμοποίηση υλικών, πιο βιώσιμες διαδικασίες παραγωγής τεχνολογιών ΑΙ, ευαισθητοποίηση και υπευθυνότητα όλων των εμπλεκομένων, προγραμματιστών, χρηστών και επιχειρήσεων. Μόνο εάν αναγνωρίσουμε τη διττή φύση της και αντιμετωπίσουμε τις αρνητικές επιπτώσεις της, θα μπορέσουμε να επιτύχουμε τον φιλόδοξο αλλά και ρεαλιστικό στόχο, να αποτελέσει, δηλαδή, η GenAI -όχι έναν επιπλέον επιβαρυντικό παράγοντα- αλλά μέρος της λύσης του προβλήματος της κλιματικής κρίσης.
