Η ανακοίνωση της Amazon τον περασμένο μήνα ότι περικόπτει 14.000 εταιρικές θέσεις εργασίας περιελάμβανε μια ανησυχητική προειδοποίηση για όσους ανησυχούν ότι η «αποκάλυψη» της Τεχνητής Νοημοσύνης μπορεί να έχει ήδη φτάσει.
Η A.I. «επιτρέπει στις εταιρείες να καινοτομούν πολύ πιο γρήγορα από ποτέ», έγραψε ένας ανώτερος αντιπρόεδρος σε μήνυμα του προς τους υπαλλήλους και το οποίο η εταιρεία κοινοποίησε δημόσια. Και για να αξιοποιήσουμε αυτό το δυναμικό, πρότεινε το στέλεχος, «είμαστε πεπεισμένοι ότι πρέπει να οργανωθούμε πιο λιτά, με λιγότερα επίπεδα (απασχόλησης)».
Η ανακοίνωση, σε συνδυασμό με άλλα νέα για απολύσεις από εταιρείες όπως η Target, η UPS, η Microsoft και η IBM, έχει ωθήσει ορισμένους να υπονοήσουν ότι η αμερικανική (τουλάχιστον έως τώρα) οικονομία έχει εισέλθει σε μια περίοδο αναδιάρθρωσης που βασίζεται στην Τεχνητή Νοημοσύνη.
Αλλά η «αποκάλυψη» της Τεχνητής Νοημοσύνης πιθανότατα δεν έχει έρθει ακόμα.
Ενώ η τεχνολογία μπορεί να έχει παίξει έμμεσο ρόλο σε ορισμένες από τις μειώσεις προσωπικού, οι ειδικοί λένε ότι η μετάβαση σε έναν χώρο εργασίας που να τροφοδοτείται από την Τεχνητή Νοημοσύνη πιθανότατα δεν θα συνεπάγεται μεγάλης κλίμακας απολύσεις στις οποίες οι εργοδότες θα προτιμήσουν τις μηχανές εις βάρος των ανθρώπων. Αντίθετα, η μετάβαση είναι πιθανό να είναι πιο σταδιακή, σε πολλές περιπτώσεις να συμβαίνει καθώς οι νέες εταιρείες, που έχουν δημιουργηθεί για να εκμεταλλεύονται την Τεχνητή Νοημοσύνη (ΤΝ), καταλαμβάνουν μερίδιο αγοράς από πιο καθιερωμένες εταιρείες που είναι πιο αργές στην υιοθέτησή της.
«Η ευρεία υιοθέτηση θα συμβεί στις νέες εταιρείες», δήλωσε ο Mert Demirer, οικονομολόγος στο M.I.T. «Πάντα ισχύει ότι όσο μικρότερη είναι η διαδικασία παραγωγής, τόσο πιο εύκολο είναι να αλλάξει».
Μεταξύ των καθιερωμένων εταιρειών, εκείνες του τεχνολογικού κλάδου φαίνεται να έχουν προχωρήσει περισσότερο στην υιοθέτηση της Τεχνητής Νοημοσύνης. Εργοδότες όπως η Amazon, η Microsoft και η Google έχουν διαθέσει μια σειρά από εργαλεία Α.Ι. στους υπαλλήλους τους, όπως βοηθούς που προτείνουν γραμμές κώδικα, τους λεγόμενους πράκτορες που μπορούν να δημιουργήσουν ολόκληρα τμήματα προγραμμάτων υπολογιστών και chatbots, τα οποία μπορούν να παράγουν σχέδια memo και αναφορών.
Ωστόσο, οι εργαζόμενοι στην Amazon, όπου οι ανακοινωθείσες περικοπές θέσεων εργασίας επηρέασαν λιγότερο από το 5% των εταιρικών εργαζομένων, λένε ότι η υιοθέτηση αυτών των εργαλείων είναι άνιση μεταξύ διαφορετικών ομάδων και οργανισμών. Και μέχρι στιγμής, οι απολύσεις και οι εξαγορές σε μεγάλες εταιρείες τεχνολογίας δεν φαίνεται να έχουν προκληθεί άμεσα από την αυτοματοποίηση των θέσεων εργασίας γραφείου.
«Πιστεύουμε ότι κάποια στιγμή τα εργαλεία Τεχνητής Νοημοσύνης θα μας επιτρέψουν να βελτιώσουμε την παραγωγικότητα σε σημείο που θα χρειαζόμαστε λιγότερο εργατικό δυναμικό, αλλά δεν έχουμε φτάσει ακόμα εκεί», δήλωσε ο Gil Luria, αναλυτής που καλύπτει τη Microsoft και την Amazon για την επενδυτική τράπεζα D.A. Davidson.
Αντ’ αυτού, πρόσθεσε, οι εταιρείες φαίνεται να κάνουν τις περικοπές εν μέρει για να διατηρήσουν σταθερά τα συνολικά περιθώρια κέρδους τους, ενώ ξοδεύουν δεκάδες δισεκατομμύρια δολάρια σε υποδομές Τεχνητής Νοημοσύνης, όπως κέντρα δεδομένων. Η μείωση του προσωπικού είναι ένας τρόπος να πειστούν οι μέτοχοι ότι οι εταιρείες «επενδύουν με υπεύθυνο τρόπο», δήλωσε ο Luria.
Η χρήση εργαλείων Τεχνητής Νοημοσύνης φαίνεται να είναι ακόμη λιγότερο εντατική εκτός των εταιρειών τεχνολογίας.
Σε πρόσφατη έρευνα της McKinsey, της συμβουλευτικής εταιρείας, σχεδόν το 80% των εταιρειών ανέφεραν ότι χρησιμοποιούν Γενετική Τεχνητή Νοημοσύνη, αλλά περίπου ο ίδιος αριθμός ανέφερε ότι τα εργαλεία δεν είχαν επηρεάσει σημαντικά τα κέρδη τους. Μια μελέτη που δημοσιεύθηκε αυτό το καλοκαίρι από ερευνητές του M.I.T. κατέληξε σε παρόμοιο συμπέρασμα, διαπιστώνοντας ότι οι κλάδοι εκτός της τεχνολογίας και των μέσων ενημέρωσης παρουσίασαν «μικρή διαρθρωτική αλλαγή» ως αποτέλεσμα της Τεχνητής Νοημοσύνης.
Σε ορισμένες περιπτώσεις, η απόλυση εργαζομένων δεν αφορά τόσο την αυτοματοποίηση των εργασιών τους σήμερα όσο τον στοιχηματισμό ότι δεν θα χρειαστούν στο μέλλον.
Τα τελευταία χρόνια, πολλοί εργοδότες είχαν εμπλακεί σε «συσσώρευση εργατικού δυναμικού» – κρατώντας εργαζόμενους που δεν χρειάζονταν επειδή ίσως να τους ήθελαν σε ένα ή δύο χρόνια και δεν επιθυμούσαν να μπουν ξανά στον κόπο και το ρίσκο της πρόσληψης. Αλλά δεδομένης της πιθανότητας ότι οι εξελίξεις στην Τεχνητή Νοημοσύνη θα μειώσουν την ανάγκη για εργαζόμενους σε αυτό το χρονοδιάγραμμα, αυτές οι εταιρείες αισθάνονται πλέον πιο άνετα να τους απολύσουν.
«Το κίνητρο της συσσώρευσης εργατικού δυναμικού είναι ότι θα χρειαστείτε εργαζόμενους όταν η ζήτηση ανακάμψει», δήλωσε ο Benjamin Friedrich, οικονομολόγος εργασίας στη Σχολή Διοίκησης Kellogg του Πανεπιστημίου Northwestern. «Θέλετε να είστε έτοιμοι να ξεκινήσετε».
Είναι απίθανο, ωστόσο, οι μεγάλες, καθιερωμένες εταιρείες να είναι σε θέση να αντικαταστήσουν μεγάλο αριθμό εργαζομένων με την Τεχνητή Νοημοσύνη κατά το επόμενο ένα ή δύο χρόνια. Ένας λόγος είναι ότι οι μεγάλες εταιρείες είναι από τη φύση τους αργές και γραφειοκρατικές όταν επαναπροσδιορίζουν τις εργασιακές τους διαδικασίες. Η έκθεση της McKinsey παρατήρησε ότι το φλερτ πολλών εταιρειών με την Τεχνητή Νοημοσύνη περιελάμβανε «πολλαπλασιασμό ασύνδετων μικροπρωτοβουλιών» που υπέφεραν από «περιορισμένο συντονισμό».
Αλλά ένας πιο σημαντικός λόγος έχει να κάνει με έναν βαθύτερο συντηρητισμό: Οι καθιερωμένες εταιρείες τείνουν να χρησιμοποιούν νέα τεχνολογία για να κάνουν αυτό που έκαναν πάντα, μόνο κάπως πιο γρήγορα και λιγότερο δαπανηρά, δήλωσε ο Andrew McAfee, κύριος ερευνητής στη Σχολή Διοίκησης Sloan του M.I.T. Δεν τείνουν να επανεξετάζουν ολόκληρη τη δομή τους.
Αντιθέτως, οι νέες εταιρείες συχνά αναρωτιούνται πώς να οργανωθούν καλύτερα όταν ξεκινούν από το μηδέν, χωρίς τους υπαλλήλους ή τις τελετουργίες που η νέα τεχνολογία καθιστά παρωχημένες.
Ο Dr. McAfee, ο οποίος είναι επίσης ιδρυτής της Workhelix, μιας νεοσύστατης επιχείρησης Τεχνητής Νοημοσύνης, ανέφερε ως παράδειγμα την ηλεκτροδότηση των εργοστασίων που ξεκίνησε στα τέλη του 19ου αιώνα. Κατά τις πρώτες δεκαετίες της, είπε, πολλοί ιδιοκτήτες εργοστασίων απλώς άρχισαν να τροφοδοτούν τα μηχανήματά τους με ηλεκτρική ενέργεια αντί για ατμό. Αλλά δεν αναδιοργάνωσαν τις διαδικασίες τους. Μόνο όταν οι επιχειρηματίες επαναπροσδιόρισαν τη λειτουργία του εργοστασίου ώστε να ενσωματώσουν νέες διατάξεις και νέες διαδικασίες, όπως οι γραμμές συναρμολόγησης, η ηλεκτρική ενέργεια έφερε τεράστια κέρδη παραγωγικότητας.
Κάτι παρόμοιο είναι πιθανό να συμβεί και με την Τεχνητή Νοημοσύνη: μια μακρά περίοδος οριακών αλλαγών σε καθιερωμένες εταιρείες πριν οι νέες επιχειρήσεις αλλάξουν τελικά τον τρόπο με τον οποίο στελεχώνεται και οργανώνεται η εργασία.
Στο νομικό επάγγελμα, για παράδειγμα, οι μεγάλες εταιρείες έχουν αναπτύξει εδώ και καιρό ομάδες συνεργατών και αρκετών εξωτερικών συνεργατών, χρεώνοντας τους πελάτες για τις υπηρεσίες με ωριαία χρέωση. Αλλά ορισμένοι επιχειρηματίες έχουν πρόσφατα ιδρύσει εταιρείες που βασίζονται σε πολύ λιγότερους νομικούς εμπειρογνώμονες ανά πελάτη, υποστηρίζοντάς τους αντ’ αυτού με Τεχνητή Νοημοσύνη.
«Οι εταιρείες επαγγελματικών υπηρεσιών εξακολουθούν γενικά να λειτουργούν με ένα επιχειρηματικό μοντέλο που να βασίζεται στον χρόνο και τα υλικά, το οποίο αντισταθμίζει τη χρήση της Τεχνητής Νοημοσύνης για τη μείωση των ωρών», δήλωσε ο Omar Haroun, διευθύνων σύμβουλος της μητρικής εταιρείας της Eudia Counsel, μιας δικηγορικής εταιρείας που βασίζεται στην Τεχνητή Νοημοσύνη.
«Προσπαθούμε στην πραγματικότητα να αποδείξουμε ότι ένας εργαζόμενος με γνώση μπορεί να κάνει τη δουλειά 10».
