Στην αυγή της τέταρτης βιομηχανικής επανάστασης, η συζήτηση για την παραγωγικότητα έχει μετατοπιστεί από τις γραμμές παραγωγής των εργοστασίων στους αλγορίθμους των μεγάλων γλωσσικών μοντέλων (LLMs). Η Τεχνητή Νοημοσύνη (AI) δεν παρουσιάζεται πλέον ως μια μελλοντική υπόσχεση, αλλά ως ένας άμεσος σύμμαχος που υπόσχεται να λύσει το χρόνιο πρόβλημα της στάσιμης παραγωγικότητας στις δυτικές οικονομίες. Ωστόσο, η μετάβαση από τον ενθουσιασμό στην ουσιαστική οικονομική απόδοση αποδεικνύεται πιο σύνθετη από ό,τι αρχικά προβλεπόταν.
Το Παράδοξο της Παραγωγικότητας και η Τεχνητή Νοημοσύνη
Ιστορικά, η τεχνολογική πρόοδος δεν μεταφράζεται αμέσως σε αύξηση της παραγωγικότητας. Ο νομπελίστας οικονομολόγος Robert Solow είχε παρατηρήσει το 1987 ότι «βλέπουμε την εποχή των υπολογιστών παντού, εκτός από τα στατιστικά στοιχεία για την παραγωγικότητα». Σήμερα, βρισκόμαστε σε ένα παρόμοιο σημείο. Ενώ τα εργαλεία παραγωγικής τεχνητής νοημοσύνης (Generative AI) έχουν κατακλύσει τον εταιρικό κόσμο, οι δείκτες του ΑΕΠ και της παραγωγικότητας ανά ώρα εργασίας δεν έχουν δείξει ακόμα την αναμενόμενη «έκρηξη».
Η εξήγηση έγκαιται στην περίοδο προσαρμογής. Οι επιχειρήσεις δεν χρειάζεται μόνο να υιοθετήσουν το λογισμικό, αλλά να ανασχεδιάσουν πλήρως τις ροές εργασίας τους. Η απλή αντικατάσταση ενός κειμενογράφου ή ενός προγραμματιστή με ένα μοντέλο AI προσφέρει οριακά κέρδη. Η πραγματική επανάσταση έρχεται όταν η AI επιτρέπει τη δημιουργία νέων προϊόντων και υπηρεσιών που προηγουμένως ήταν αδύνατες. Σύμφωνα με πρόσφατες μελέτες της Goldman Sachs, η AI θα μπορούσε τελικά να αυξήσει το παγκόσμιο ΑΕΠ κατά 7% σε μια δεκαετία, αλλά αυτό απαιτεί κεφαλαιουχικές επενδύσεις που μόλις τώρα ξεκινούν.
Τομείς Αιχμής και Άμεσα Οφέλη
Παρά τη μακροοικονομική καθυστέρηση, σε μικροοικονομικό επίπεδο τα στοιχεία είναι ενθαρρυντικά. Στον τομέα της ανάπτυξης λογισμικού, εργαλεία όπως το GitHub Copilot έχουν αποδείξει ότι μπορούν να μειώσουν τον χρόνο συγγραφής κώδικα έως και 55%. Στην εξυπηρέτηση πελατών, η χρήση AI chatbots επιτρέπει στις εταιρείες να διαχειρίζονται τεράστιους όγκους αιτημάτων με λιγότερο προσωπικό, βελτιώνοντας ταυτόχρονα τους χρόνους απόκρισης.
- Δημιουργική Βιομηχανία: Ταχεία παραγωγή περιεχομένου και οπτικοποίησης ιδεών.
- Νομικές Υπηρεσίες: Αυτοματοποιημένη ανάλυση χιλιάδων εγγράφων για τον εντοπισμό νομικών κινδύνων.
- Ιατρική Έρευνα: Επιτάχυνση της ανακάλυψης φαρμάκων μέσω προσομοιώσεων πρωτεϊνικής αναδίπλωσης.
- Χρηματοοικονομικά: Ακριβέστερη πρόβλεψη κινδύνων και αυτοματοποίηση των αναφορών συμμόρφωσης.
Αυτά τα κέρδη παραγωγικότητας, ωστόσο, φέρνουν στο προσκήνιο το ερώτημα της ανακατανομής της εργασίας. Αν ένας εργαζόμενος μπορεί να κάνει τη δουλειά οκτώ ωρών σε τέσσερις, θα χρησιμοποιηθεί ο επιπλέον χρόνος για δημιουργικότερη εργασία ή θα οδηγήσει σε μείωση του προσωπικού; Η απάντηση σε αυτό το ερώτημα θα καθορίσει την κοινωνική αποδοχή της τεχνολογίας.
Η Ελληνική Πραγματικότητα και η Ψηφιακή Σύγκλιση
Για την Ελλάδα, η πρόκληση είναι διπλή. Η χώρα παλεύει παραδοσιακά με χαμηλούς δείκτες παραγωγικότητας σε σύγκριση με τον μέσο όρο της ΕΕ. Η ενσωμάτωση της AI προσφέρει μια μοναδική ευκαιρία για «άλμα» (leapfrogging), επιτρέποντας στις ελληνικές επιχειρήσεις να παρακάμψουν στάδια ψηφιακής ωριμότητας. Ωστόσο, το έλλειμμα σε εξειδικευμένο προσωπικό και η κυριαρχία των μικρομεσαίων επιχειρήσεων (ΜμΕ), οι οποίες συχνά στερούνται των πόρων για μεγάλες επενδύσεις σε τεχνολογία, αποτελούν τροχοπέδη.
«Η τεχνητή νοημοσύνη δεν θα αντικαταστήσει τους ανθρώπους, αλλά οι άνθρωποι που χρησιμοποιούν τεχνητή νοημοσύνη θα αντικαταστήσουν εκείνους που δεν τη χρησιμοποιούν», αναφέρει μια συχνή ρήση στον κλάδο της τεχνολογίας, η οποία αντηχεί έντονα στην ελληνική αγορά εργασίας.
Η κρατική μέριμνα μέσω προγραμμάτων όπως το «Ψηφιακός Μετασχηματισμός» είναι απαραίτητη, αλλά όχι επαρκής. Απαιτείται μια ριζική αλλαγή στην κουλτούρα της διοίκησης επιχειρήσεων, όπου η τεχνολογία δεν θα αντιμετωπίζεται ως κόστος, αλλά ως ο κύριος μοχλός ανάπτυξης.
Συμπεράσματα: Μια Μακροπρόθεσμη Συμμαχία
Εν κατακλείδι, η τεχνητή νοημοσύνη είναι όντως σύμμαχος της παραγωγικότητας, αλλά η συμμαχία αυτή δεν είναι αυτόματη. Απαιτεί θεσμικές παρεμβάσεις, συνεχή επανεκπαίδευση του εργατικού δυναμικού και, κυρίως, υπομονή από την πλευρά των επενδυτών. Η «χρυσή εποχή» της παραγωγικότητας που υπόσχεται η AI βρίσκεται ακόμα στο στάδιο της προετοιμασίας. Όπως συνέβη με τον ηλεκτρισμό και το διαδίκτυο, ο πραγματικός αντίκτυπος θα φανεί όταν η τεχνολογία γίνει «αόρατη» και ενσωματωθεί πλήρως σε κάθε πτυχή της οικονομικής δραστηριότητας.
