του Χρήστου Ν. Κώνστα
Η καινούργια λέξη της εποχής μας είναι το «workslop».Ο όρος δημοσιεύτηκε στο HBR τον Σεπτέμβριο 2025, από ερευνητές του BetterUp Labs σε συνεργασία με το Stanford Social Media Lab. Περιγράφει την βαριά δουλειά που πρέπει να κάνει ένας εργαζόμενος, μόνο και μόνο για να διορθώσει την κακή απαράδεκτη, δουλειά που έχει κάνει προηγουμένως ένας άλλος συνάδελφος του.#money-grid-35365{list-style:none;margin:0;padding:0;overflow:hidden;}#money-grid-35365>li{float:left;width:49%;min-width:250px;list-style:none;margin:0 1% 1% 0;;padding:0;overflow:hidden;}#money-grid-35365>li.last{margin-right:0;}#money-grid-35365>li.last+li{clear:both;}@media only screen and (max-width:768px) {#money-grid-35365>li{width:100%;}}
Η μελέτη του HBR (Ιανουάριος 2026, 1.150 εργαζόμενοι ΗΠΑ) υπολόγισε το κόστος σε δολάρια. Σχεδόν 2 ώρες για κάθε περιστατικό, 186 δολάρια τον μήνα ανά εργαζόμενο, περίπου 9 εκατ. δολάρια ετησίως για έναν οργανισμό 10.000 ατόμων.
Η έρευνα της Workday (3.200 στελέχη) διαπίστωσε ότι περίπου το 37% του χρόνου που εξοικονομούν οι εργαζόμενοι μέσω Τεχνητής Νοημοσύνης, χάνεται σε επανεργασία , στη διόρθωση σφαλμάτων, επαλήθευση αποτελεσμάτων και επανεγγραφή περιεχομένου, για την προσαρμογή των αποτελεσμάτων του αλγορίθμου στην σημερινή οικονομική και κοινωνική πραγματικότητα.
Υπάρχει όμως κι ένα επιπλέον κόστος. Το 30% των εργαζομένων δηλώνει πως δεν θέλει να ξανασυνεργαστεί με τον «κακό» συνάδελφο που στέλνει μισοτελειωμένη ή κακότεχνη δουλειά. Το 50% των εργαζομένων αντιμετωπίζει τον ανεπαρκή συνάδελφο με μόνιμη καχυποψία.
Το ίδιο ακριβώς συμβαίνει τώρα με την Τεχνητή Νοημοσύνη.
Οι εργαζόμενοι που χρησιμοποιούν εργαλεία Τεχνητής νοημοσύνης συχνά διαπιστώνουν ότι το αποτέλεσμα που παραλαμβάνουν ενώ μοιάζει καλοδουλεμένο, στην πραγματικότητα αλλά είναι κούφιο ή λανθασμένο. Έτσι καθιερώθηκε πλέον όρος workslop, η ανάγκη για «διορθώσεις» στη δουλειά των LLM που μετατοπίζει το γνωστικό φορτίο από τον αποστολέα στον παραλήπτη. Κάποιος πρέπει να αποκωδικοποιήσει, να διορθώσει ή να ξαναγράψει το αποτέλεσμα.
Έτσι φτάσαμε στην αγορά εργασίας «δύο ταχυτήτων».
Υπάρχουν δουλειές ρουτίνας που σίγουρα μπορεί να κάνει μια μηχανή, ένα λογισμικό τεχνητής νοημοσύνης. Κατόπιν, έρχεται ο εργαζόμενος που βασισμένος στην κρίση και την εμπειρία του, διορθώνει, τελειοποιεί, «γυαλίζει» το τελικό αποτέλεσμα.
Η ζήτηση για αυτούς τους εργαζόμενους, αυξάνεται με διπλάσιο ρυθμό και απολαμβάνουν καλύτερους μισθούς σε σύγκριση με τους άλλους που εκτελούν εργασίες τις οποίες πλέον μπορεί να κάνει η Τεχνητή Νοημοσύνη και οι μηχανές.
Οι επιχειρήσεις για να μειώσουν το λειτουργικό κόστος και για να αυξήσουν την παραγωγικότητα, στηρίζονται ολοένα και περισσότερο στην Τεχνητή Νοημοσύνη. Παραδόξως η εντατική χρήση Τεχνητής Νοημοσύνης δεν οδηγεί σε μείωση αλλά αύξηση του προσωπικού (52% έναντι 36%) και και των μισθών (24% έναντι 17%), ταχύτερα από τις λιγότερο εκτεθειμένες στην ΤΝ επιχειρήσεις.
Το μυστικό;
Οι θέσεις που απαιτούν συγκεκριμένες δεξιότητες Τεχνητής Νοημοσύνης μεγαλώνουν σχεδόν οκταπλάσια (69%) σε σχέση με τη συνολική αγορά (9%), με το μισθολογικό προνόμιο να ανεβαίνει στο 62%.
Το πρόβλημα είναι ότι η εμπειρία και η γνώση που απαιτούνται για την αποτελεσματική διαχείριση των αποτελεσμάτων της δουλειάς των αλγορίθμων, συνήθως αποκτούνται από την πράξη, την καθημερινή τριβή, την επαφή με την αγορά. Όταν όμως οι επιχειρήσεις δεν προσλαμβάνουν προσωπικό για τις εισαγωγικές θέσεις, πως θα αξιοποιηθεί η εμπειρία και η εξέλιξη;
Mε την νέα κατάσταση, οι περισσότερο εκτεθειμένες «entry-level» θέσεις εργασίας, είναι 7 φορές πιθανότερο να απαιτούν δεξιότητες που παραδοσιακά θεωρούνταν «senior», ξεκινώντας από τις βασικές, όπως κρίση και ηγεσία.
Σύμφωνα με το PwC 2026 Global AI Jobs Barometer (δημοσιεύτηκε 15 Ιουνίου 2026, πριν 4 μέρες), οι εταιρείες με υψηλή έκθεση στην ΤΝ παρουσίασαν αύξηση προσωπικού 52% έναντι 36% των λιγότερο εκτεθειμένων, ενώ το μισθολογικό πριμ για δεξιότητες ΤΝ ανήλθε στο 62%.
Με απλά λόγια, η Τεχνητή Νοημοσύνη, ήδη από σήμερα, από τις μέρες μας, καταργεί ακριβώς τη ρουτίνα που λειτουργούσε ιστορικά ως μαθητεία.
Αυτό σημαίνει ότι η σκάλα της εισόδου στην αγορά εργασίας στενεύει και ο νέος εργαζόμενος καλείται να ξεκινήσει από ένα σκαλί που πριν ανέβαινε με τα χρόνια.
Για την ελληνική αγορά, για την καθημερινότητα μας, το πρακτικό συμπέρασμα είναι σαφές και κινείται σε δύο επίπεδα.
Ο πραγματικός κίνδυνος από την επέλαση της Τεχνητής Νοημοσύνης, πλέον δεν είναι τόσο η μαζική απώλεια θέσεων όσο ο φραγμός της εισόδου για τους νέους και η υποβάθμιση του περιεχομένου των θέσεων που απομένουν. Ξαφνικά οι δεξιότητες κρίσης, δημιουργικότητας και ηγεσίας θεωρούνται -και είναι- άμεση αναγκαιότητα και γι’ αυτό αποκτούν δυσανάλογη αξία. Για μια οικονομία όπως η ελληνική, που παλεύει ήδη με τη διαρροή ταλέντων στο εξωτερικό και την χαμηλή ποιότητα της απασχόλησης, η συρρίκνωση της περιόδου «μαθητείας» είναι ζήτημα στρατηγικό, όχι θεωρητικό.
Η μετάβαση από τη «δουλειά» στη «διαχείριση αλγορίθμων» επιβάλλει στους οργανισμούς να έχουν σαφή στόχευση ως προς το τι παραδίδουν στην ευθύνη της μηχανής. Η εξωτερίκευση ακριβώς εκείνων των εργασιών που δίνουν νόημα στη δουλειά, είναι η μεγαλύτερη παγίδα. Σε ευρωπαϊκό επίπεδο, η συζήτηση έχει ήδη μετατοπιστεί προς ένα «AI Social Contract», ένα νέο κοινωνικό συμβόλαιο που θα διαχειριστεί τις επιπτώσεις στην απασχόληση και τη συνοχή, πριν αυτές καταστούν μη αναστρέψιμες.
Τον τελευταίο καιρό -υπό την πίεση της εισόδου τους στο Χρηματιστήριο με αστρονομικές αποτιμήσεις- οι ηγέτες της τεχνολογίας έχουν σταματήσει να προβλέπουν τον θάνατο των θέσεων εργασίας.
Τώρα πια μιλούν για την «ουτοπία της παραγωγικότητας».
Αυτά που συμβαίνουν σήμερα στους χώρους εργασίας δεν είναι πρωτοφανή. Έχουν συμβεί και στο παρελθόν. Πρωτοφανής είναι η ταχύτητα των εξελίξεων.
Θυμηθείτε, στις αρχές του 20ού αιώνα, στη βιομηχανία της εποχής κυριαρχούσε ο «Τεϊλορισμός». Ο μηχανικός Frederick Winslow Taylor τεμάχισε την εργοστασιακή εργασία σε μικροσκοπικές, τυποποιημένες κινήσεις για να μεγιστοποιήσει την απόδοση. Πέτυχε απολύτως τον στόχο του αλλά μετέτρεψε τον εργαζόμενο άνθρωπο σε εξάρτημα της μηχανής.
Η διακύβευση σήμερα έχει παρόμοια δυναμική. Στόχος είναι η αφαίρεση της ανθρώπινης κρίσης και της αυτονομίας από την εργασία, για να αυξηθεί απόδοση. Εκεί ακριβώς βρίσκεται το πλεονέκτημα του εργαζόμενου που διαθέτει φαντασία, γνώσεις και ικανότητες διαχείρισης.
©ΧΡΗΜΑ & ΤΟΥΡΙΣΜΟΣ
#money-grid-34887{list-style:none;margin:0;padding:0;overflow:hidden;}#money-grid-34887>li{float:left;width:49%;min-width:250px;list-style:none;margin:0 1% 1% 0;;padding:0;overflow:hidden;}#money-grid-34887>li.last{margin-right:0;}#money-grid-34887>li.last+li{clear:both;}@media only screen and (max-width:768px) {#money-grid-34887>li{width:100%;}}The post Η Τεχνητή Νοημοσύνη δεν καταστρέφει θέσεις εργασίας. Τις «αδειάζει»! appeared first on ΧΡΗΜΑ & ΤΟΥΡΙΣΜΟΣ money-tourism.gr.
Διαβάστε περισσότερα