Υιοθέτηση της Τεχνητής Νοημοσύνης ανά κλάδο: Τι μπορούν να διδαχθούν οι παραδοσιακοί τομείς από την τεχνολογία

Η τρέχουσα συζήτηση γύρω από την είσοδο της τεχνητής νοημοσύνης στον επαγγελματικό στίβο κυριαρχείται σε μεγάλο βαθμό από τις εξελίξεις στη Σίλικον Βάλεϊ. Ωστόσο, η θεώρηση του τεχνολογικού κλάδου ως ενός απομονωμένου πεδίου παραβλέπει τη συνολική δυναμική της τεχνολογικής διάχυσης: ο τομέας της τεχνολογίας αποτελεί απλώς τον πρώτο σταθμό σε μια μακρά αλυσίδα μετασχηματισμού της εργασίας.

Καθώς τα εργαλεία παραγωγικής τεχνητής νοημοσύνης (Generative AI) και αυτοματοποίησης ωριμάζουν, οι αλλαγές που ήδη μεταμορφώνουν τον προγραμματισμό και τη διαχείριση προϊόντων αναμένεται να επεκταθούν αναπόφευκτα στην υγεία, την εκπαίδευση, το λιανεμπόριο και τη βιομηχανία. Σύμφωνα με πρόσφατη έρευνα της εκπαιδευτικής πλατφόρμας TripleTen, οι διακυμάνσεις στους ρυθμούς υιοθέτησης δεν συνιστούν ένδειξη υστέρησης, αλλά αντικατοπτρίζουν τις διαφορετικές ταχύτητες με τις οποίες κάθε τομέας ενσωματώνει νέες ροές εργασίας.

Από τα χρηματοοικονομικά στην υγεία: Οι διαφορετικές ταχύτητες ενσωμάτωσης

Ενώ οι εταιρείες τεχνολογίας διατηρούν τα πρωτεία, ο χρηματοπιστωτικός τομέας καταγράφεται ως ο δεύτερος ταχύτερα προσαρμοζόμενος κλάδος. Τα στοιχεία της έρευνας δείχνουν ότι το 48% των εργαζομένων στα χρηματοοικονομικά έχει κληθεί να χρησιμοποιήσει AI chatbots, ενώ το 32% εφαρμόζει αυτοματισμούς σε τμήματα της καθημερινότητάς του. Το γεγονός αυτό αποδεικνύει την ταχύτητα ενσωμάτωσης της τεχνολογίας όταν οι πρακτικές εφαρμογές είναι σαφείς.

Αντίθετα, τομείς όπως η υγεία (18% χρήση chatbots) και η εκπαίδευση (25%) εμφανίζουν χαμηλότερη αρχική έκθεση. Πρόκειται για κλάδους που περιλαμβάνουν εξειδικευμένο προσωπικό πρώτης γραμμής, αυστηρά ρυθμιστικά πλαίσια και έντονο το στοιχείο της ανθρώπινης επαφής. Η ενσωμάτωση αυτοματοποιημένων εργαλείων σε τόσο σύνθετα περιβάλλοντα απαιτεί εκ των πραγμάτων πιο προσεκτικά και μεθοδικά βήματα.

Η αξιολόγηση των αποτελεσμάτων και η καινοτομία από τη βάση

Σε όλους τους κλάδους που εξετάστηκαν, το 79% των εργαζομένων αναφέρει ότι του ζητήθηκε να αποκτήσει τουλάχιστον μία νέα δεξιότητα. Παρ’ όλα αυτά, μια κρίσιμη ικανότητα υποτιμάται: μόνο το 30% των διευθυντών και εργοδοτών θεωρεί απολύτως αναγκαία την ικανότητα επαλήθευσης της ορθότητας των απαντήσεων που παράγει η τεχνητή νοημοσύνη. Πρόκειται για το σημείο όπου η επαγγελματική εμπειρία παραμένει αναντικατάστατη, καθώς για να εντοπίσει κανείς ένα λάθος του αλγορίθμου, πρέπει να γνωρίζει εξαρχής το σωστό αποτέλεσμα.

Παράλληλα, η έγκαιρη εξοικείωση προσφέρει σημαντικό επαγγελματικό πλεονέκτημα. Όταν τα στελέχη διοίκησης διδάχθηκαν μια νέα διαδικασία αυτοματοποίησης απευθείας από έναν υπάλληλο, το 88% αυτών των καινοτομιών μετατράπηκε σε επίσημη πρακτική της εταιρείας. Όπως επισημαίνει η Άνα Ριάμποβα, επικεφαλής στρατηγικής AI στην TripleTen: «Όλοι μιλούν για εξοικονόμηση χρόνου, αλλά το πραγματικό κέρδος είναι η διεύρυνση των δυνατοτήτων σας. Διατηρείτε τις βασικές σας δεξιότητες, αλλά παύετε να περιορίζεστε από αυτές».

Το εκπαιδευτικό χάσμα και η αξία της συναδελφικής μάθησης

Καθώς οι παραδοσιακοί κλάδοι προχωρούν προς την υιοθέτηση νέων τεχνολογιών, η πρόκληση εστιάζεται στην πρόσβαση σε ποιοτική κατάρτιση. Σχεδόν οι μισοί εργαζόμενοι στην υγεία και την εκπαίδευση δεν διέθεσαν προσωπικούς πόρους για επαγγελματική ανάπτυξη κατά το περασμένο έτος, σε αντίθεση με τους επαγγελματίες τεχνολογίας, οι οποίοι αξιοποιούν AI εργαλεία ως εκπαιδευτικά μέσα σε διπλάσιο ποσοστό (48% έναντι 21%).

Αξίζει να σημειωθεί ότι, παρά την άνοδο των ψηφιακών βοηθών, οι εργαζόμενοι εξακολουθούν να εμπιστεύονται περισσότερο τους συναδέλφους τους: το 31% προτιμά να μάθει μια νέα δεξιότητα από κάποιον που ασκεί ήδη τον ίδιο ρόλο, ποσοστό σαφώς υψηλότερο από εκείνο των επίσημων πιστοποιήσεων (19%) ή των εργαλείων τεχνητής νοημοσύνης (16%). Η μετάβαση, επομένως, απαιτεί όχι μόνο επένδυση σε λογισμικό, αλλά και ενίσχυση των εσωτερικών δικτύων ανταλλαγής γνώσης.