Στην Ελλάδα, το 59% των εργοδοτών στον κλάδο της Πληροφορικής έχουν εντάξει πλήρως την Τεχνητή Νοημοσύνη (ΤΝ) στη λειτουργία της επιχείρησής τους. Ακολουθεί ο κλάδος των Υπηρεσιών Επικοινωνίας (50%). Πιο πίσω στην υιοθέτηση των ΑΙ τεχνολογιών βρίσκεται ο κλάδος της Υγείας και των Βιο-Επιστημών (31%) καθώς και των Καταναλωτικών Αγαθών και Υπηρεσιών (30%). Ανάλογη εικόνα παρατηρείται και σε παγκόσμια κλίμακα με τους κλάδους της Πληροφορικής (63%) και των Υπηρεσιών Επικοινωνίας (58%) να έχουν σπεύσει να υιοθετήσουν τεχνολογίες  ΑΙ με  τους κλάδους των Καταναλωτικών Αγαθών (42%) και της Υγείας (40%) να ακολουθούν.

Οι επιχειρήσεις στην Ελλάδα με 250-999 εργαζόμενους είναι πιο ανοιχτές στην ένταξη της ΤΝ και των εργαλείων της στις λειτουργίες τους, με ποσοστό 41%. Ακολουθούν οι επιχειρήσεις με 1.000-4.999 εργαζόμενους (38%) και οι μεσαίες επιχειρήσεις (36%).

«Θετικοί» στην ΑΙ, οι εργαζόμενοι

Στην Ελλάδα η στάση των εργαζομένων για τον αντίκτυπο της Τεχνητής Νοημοσύνης στην εργασία τους είναι ακόμη επιφυλακτική, σύμφωνα με τα ευρήματα της έρευνας του ομίλου ManpowerGroup. Πιο θετικά είναι τα ανώτατα στελέχη (64%), τα μεσαία στελέχη ή οι προϊστάμενοι (58%) και οι υπάλληλοι γραφείου (63%).  Η πλειονότητα των εργαζομένων στο εργοστάσιο και στην «πρώτη γραμμή» (47%) αισθάνονται λιγότερο αισιόδοξοι.

Υψηλότερο ποσοστό εργαζομένων που υιοθετούν θετική στάση αποτυπώνεται στον κλάδο των Χρηματοοικονομικών και των Κτηματομεσιτικών στο ανώτατο επίπεδο καθώς το 75% της ανώτερης ηγεσίας δηλώνει θετικά διακείμενη προς τις εφαρμογές ΑΙ και ML. Επίσης, αισιόδοξα είναι τα μεσαία στελέχη στον κλάδο των Μεταφορών και της Εφοδιαστικής Αλυσίδας (69%), ενώ χωρίς δεύτερες σκέψεις απέναντι στην ΤΝ εμφανίζεται το 68% των υπαλλήλων γραφείου και επαγγελματιών στον κλάδο των Καταναλωτικών Αγαθών και Υπηρεσιών.

ΑΙ: Δημοφιλής στην Ελλάδα, αλλά γεμάτη προκλήσεις

Είναι λογικό, τη δημοτικότητα της Τεχνητής Νοημοσύνης να συνοδεύουν και προκλήσεις: Σχεδόν όλοι οι οργανισμοί στην Ελλάδα (96%) αντιμετωπίζουν προκλήσεις στην υιοθέτησή της. Οι προκλήσεις σχετίζονται συχνότερα με το υψηλό κόστος των επενδύσεων (37%), την έλλειψη δεξιοτήτων Τεχνητής Νοημοσύνης από τους εργαζομένους (33%), τις ανησυχίες σχετικά με το απόρρητο και τους κανονισμούς (31%), και την έλλειψη κατάλληλων εργαλείων και πλατφορμών Τεχνητής Νοημοσύνης (28%).

Οι εργοδότες στην Ελλάδα (70%) αναφέρουν ότι η Τεχνητή Νοημοσύνη θα έχει θετική επίδραση στη συνολική επιχειρηματική τους απόδοση. Η αντίληψη αυτή επικρατεί κυρίως στον κλάδο της Πληροφορικής (75%), των Χρηματοοικονομικών και των Κτηματομεσιτικών (75%). Επίσης, είναι αισιόδοξοι ότι οι AI τεχνολογίες θα βοηθήσουν στο upskilling & reskilling των υφιστάμενων εργαζομένων (66%) και στην απαιτούμενη εκπαίδευσή τους (62%).

Προβλεπόμενος αντίκτυπος της AI και ML στον αριθμό των απασχολούμενων ανά κλάδο

Ενώ σε παγκόσμια κλίμακα περισσότερες από τις μισές εταιρείες (55%) αναμένουν να αυξήσουν τον αριθμό των εργαζομένων τους λόγω AI και ML τα επόμενα δύο χρόνια, στην Ελλάδα το ποσοστό αυτό είναι σαφώς μικρότερο (41%). Τόσο παγκόσμια όσο και στην Ελλάδα σχεδόν 1 στους 4 (24% για εργοδότες παγκοσμίως και 25% για εργοδότες στην Ελλάδα) πιστεύει ότι «δεν θα υπάρξει αντίκτυπος». Συγκεκριμένα, αύξηση του αριθμού των εργαζομένων αναμένουν ο κλάδος των Καταναλωτικών Αγαθών & Υπηρεσιών (49%), η Πληροφορική (48%) και η Ενέργεια & Υπηρεσίες Κοινής Ωφέλειας (47%).

Προκλήσεις της «επόμενης γενιάς» εργαζομένων

Οι εργοδότες στην Ελλάδα προσδιορίζουν τις προκλήσεις που αντιμετωπίζουν οι εργαζόμενοι (>10 χρόνια στο ανθρώπινο δυναμικό). Μεταξύ άλλων, το 29% αναφέρουν ότι οι τεχνολογικές προσδοκίες στον χώρο εργασίας (π.χ. AI) απασχολεί τους νέους εργαζόμενους. Στην πρώτη θέση βρίσκονται οι προσδοκίες απολαβών (40%), ακολουθεί η εξέλιξη της σταδιοδρομίας (36%) και οι προσδοκίες σχετικά με την ισορροπία μεταξύ επαγγελματικής και προσωπικής ζωής (34%).

Παράγοντες αύξησης της δέσμευσης και της παραγωγικότητας των νεότερων εργαζομένων

Σύμφωνα με τις απαντήσεις των εργοδοτών στην Ελλάδα στην ερώτηση «Ποιο από τα παρακάτω ήταν το πιο αποτελεσματικό στην αύξηση της δέσμευσης και της παραγωγικότητας των νεότερων εργαζομένων (>10 χρόνια εργασίας) στο ανθρώπινο δυναμικό σας;», προκύπτει ότι τα βελτιωμένα τεχνολογικά εργαλεία (73%) αποτελούν την πιο αποτελεσματική στρατηγική για την εμπλοκή της νέας γενιάς εργαζομένων και ακολουθεί η έμφαση στη συνολική ευημερία (67%).

Οι εργοδότες λαμβάνουν υπόψη τους ότι η ενίσχυση της τεχνολογικής υποδομής και η φροντίδα για την ευημερία των εργαζομένων δεν συνιστά μόνο μια αναγκαία επένδυση, αλλά και μια στρατηγική που οδηγεί σε βελτιωμένα αποτελέσματα και υψηλότερη ικανοποίηση στο εργασιακό περιβάλλον.

Έως το 2030, η ΤΝ θα διαμορφώσει το παγκόσμιο ανθρώπινο δυναμικό, καθιερώνοντας δημοκρατικότερες διαδικασίες στη λήψη αποφάσεων και βοηθώντας εργαζόμενους και εργοδότες να αποκτούν νέες δεξιότητες στη χρήση εργαλείων AI. Οι εταιρείες θα αξιοποιούν την ΤΝ για αντικειμενική αξιολόγηση της απόδοσης μέσω "έξυπνων" σαρωτών και φορητών συσκευών, με τη διαφάνεια και την εμπιστοσύνη να είναι κρίσιμες. Η ΤΝ θα εντοπίζει κενά δεξιοτήτων και θα προτείνει προγράμματα αναβάθμισης και επανειδίκευσης. Η επιτυχής ενσωμάτωση της ΤΝ θα απαιτεί εκπαίδευση, υποστήριξη από ηγέτες, και συμμόρφωση με νέους νόμους για την προστασία της ιδιωτικότητας. Προτείνεται η ανάπτυξη στρατηγικής AI με προτεραιότητα τον άνθρωπο, ξεκινώντας με πιλοτικά προγράμματα όπως chatbots, και συνεργασία με προμηθευτές και συμβούλους τεχνολογίας. Καθοριστική είναι η κλιμάκωση πρωτοβουλιών αναβάθμισης δεξιοτήτων, η νόμιμη και ηθική διαχείριση δεδομένων και η αντιμετώπιση προβλημάτων, όπως η ασυνείδητη προκατάληψη, μέσω «Συμβουλίου AI».

• Generative AI - Δημιουργική Τεχνητή Νοημοσύνη

Η δημιουργική Τεχνητή Νοημοσύνη συνιστά  τεχνολογία που δημιουργεί νέο περιεχόμενο, όπως κείμενα, εικόνες ή μουσική, χρησιμοποιώντας ανθρώπινες προτροπές και είναι μη εξαρτώμενη άμεσα από την είσοδο του χρήστη. Το Generative AI χρησιμοποιείται επίσης για την παραγωγή κώδικα προγραμματισμού.

• Conversational AI- Διαλογική Τεχνητή Νοημοσύνη

Σκοπός του Conversational AI είναι να επικοινωνεί με ανθρώπους χρησιμοποιώντας φυσική γλώσσα, κατανοώντας τι λένε και δημιουργώντας κατανοητές απαντήσεις. Χρησιμοποιεί κατανόηση της φυσικής γλώσσας για να αντιληφθεί προθέσεις και να αναγνωρίσει χρήσιμα δεδομένα, όπως ημερομηνίες και ονόματα. Επιπλέον, μπορεί να αξιολογήσει την κατάσταση του χρήστη, π.χ., αν βρίσκεται σε ευάλωτη θέση.

• Μηχανική Μάθηση (ML)

Η μηχανική μάθηση (Machine Learning) χρησιμοποιείται ευρέως στις επιχειρήσεις για τη βελτίωση διαδικασιών, την ενίσχυση της λήψης αποφάσεων και τη δημιουργία νέων ευκαιριών.

Ακολουθήστε το reporter.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, στο reporter.gr