Προετοιμασία για την Εποχή της Τεχνητής Νοημοσύνης: Μαθήματα από την Εμπειρία, το Παρελθόν και τον Νόμο του Αμάρα, για Εργοδότες και Εργοδοτούμενους

του Κυριάκου Χριστοδουλίδη*

Πριν περίπου 10 χρόνια, αποφάσισα να χρησιμοποιήσω το ερευνητικό μου υπόβαθρο στον επιχειρηματικό τομέα αντί για τον ακαδημαϊκό. Έτσι, ξεκίνησα να εργάζομαι σε μια startup ρομποτικής ως Επιστήμονας Δεδομένων (Data Scientist). Σχεδόν όλοι όσοι εισερχόμασταν στον νεοφυή αυτό τομέα τότε, είχαμε PhD στις λεγόμενες ‘σκληρές επιστήμες’ όπως η φυσική, αφού η βαθιά γνώση μαθηματικών και στατιστικής ήταν προαπαιτούμενα.

Με το πέρασμα του χρόνου και έχοντας μετακινηθεί από καθαρά τεχνικούς ρόλους σε startups (όπου δημιουργούσα αλγόριθμους machine learning για nuclear imaging και predictive maintenance), σε συμβουλευτικούς ρόλους σε εταιρικά περιβάλλοντα, παρέχοντας στρατηγικής αλλά και τακτικής σημασίας λύσεις business intelligence (συχνά συνδυάζοντας forensic data analytics και procurement analytics), τα πράγματα έχουν αλλάξει αρκετά.

Τότε, ακόμα και στο Ηνωμένο Βασίλειο όπου έχτισα την καριέρα μου, οι εταιρείες που κατανοούσαν την πρακτική αξία τέτοιων συμβουλευτικών και ερευνητικών ικανοτήτων και επίσης παρείχαν τις κατάλληλες υποδομές και υποστήριξη, ήταν ελάχιστες. Με την ευρεία διάδοση της όμως πλέον, η Data science σταμάτησε να αποτελεί αποκλειστικότητα και πλεονέκτημα των τεράστιων οργανισμών και καινοτόμων startups.

Σε ένα γοργά αναπτυσσόμενο επιχειρηματικό περιβάλλον, όπου η γνώση, η ταχύτητα και η πρόβλεψη είναι δύναμη, η Data science και η χρήση ενός υπο-κλάδου της, της τεχνητής νοημοσύνης (AI), αποτελούν πλέον αναγκαιότητα για επιβίωση και μονόδρομο για απόκτηση ανταγωνιστικού πλεονεκτήματος.

Για αυτό και υπάρχει επιτακτική ανάγκη τόσο οι εργοδότες όσο και οι εργοδοτούμενοι να κατανοήσουν τις παρούσες τεχνολογικές τάσεις, τις μελλοντικές τους επιπτώσεις και να προετοιμαστούν κατάλληλα για τις επικείμενες αλλαγές.

Βασιζόμενος στις εμπειρίες μου ως Data Science Consultant για στελέχη επιχειρήσεων, σε αυτό το άρθρο αναλύω τον Νόμο του Amara και παρουσιάζω ιστορικά και σύγχρονα παραδείγματα και μαθήματα από τον χώρο των επιχειρήσεων και της τεχνολογίας, παρέχοντας πρακτικές συμβουλές σε εργοδότες και εργαζόμενους.

Ο Νόμος του Amara και η Εξαφάνιση του Παλιού Κόσμου

Επαγγέλματα, τεχνολογίες, οργανισμοί και εταιρείες είναι ευρέως διαδεδομένα και φαινομενικά σταθερά, μέχρι που ξαφνικά, αλλά όχι εντελώς απρόβλεπτα, εξαφανίζονται.

Ο Νόμος του Amara δηλώνει πως: “Τείνουμε να υπερεκτιμούμε την επίδραση μιας τεχνολογίας βραχυπρόθεσμα και να υποτιμούμε την επίδρασή της μακροπρόθεσμα”. Αυτό σημαίνει ότι ενώ ο αρχικός ενθουσιασμός για νέες τεχνολογίες είναι συχνά υψηλός, η ευρεία αποδοχή και ο πλήρης αντίκτυπός τους συνήθως χρειάζονται περισσότερο χρόνο για να υλοποιηθούν. Συμπληρώνουμε πως όταν ο πλήρης αντίκτυπος καινούριων τεχνολογιών επέλθει, μεγάλο μέρος του ‘παλιού κόσμου’ είτε εξελίσσεται είτε χάνεται.

Ηλεκτρικές συσκευές όπως λαμπτήρες, τουρμπίνες και ο δυναμό είχαn ήδη τελειοποιηθεί γύρω στο 1885, αλλά ο αρχικός ενθουσιασμός δεν ήταν αρκετός για να προκαλέσει τη σημαντική αναδιαμόρφωση του κόσμου όπως τον γνωρίζουμε. Η μαζική υιοθέτηση και ο σημαντικός αντίκτυπος των παραπάνω τεχνολογιών, δεν άρχισε παρά μόνο έως τις αρχές του 20ού αιώνα.

Το διαδίκτυο ακολούθησε ένα παρόμοιο μοτίβο: αν και αρχικά προκάλεσε τεράστιο ενθουσιασμό, η ανυπέρβλητη οικονομική και κοινωνική του επίδραση έγινε σαφής μόνο με την πάροδο του χρόνου. Αξίζει να αναφέρουμε πως ο βραβευμένος με Νόμπελ οικονομολόγος Πολ Κρούγκμαν, έγραψε το 1998 ότι “μέχρι το 2005 περίπου, θα γίνει σαφές ότι ο αντίκτυπος του διαδικτύου στην οικονομία δεν ήταν μεγαλύτερος από εκείνον του φαξ”. Φυσικά και οι προβλέψεις του γνωστού Νομπελίστα ήταν για ακόμη μια φορά παντελώς λανθασμένες και μας είναι πλέον αδύνατο να σκεφτούμε την καθημερινότητα μας, την οικονομία και την κοινωνία χωρίς σύνδεση στο διαδίκτυο.

Τεχνολογίες και τεχνικές σχετικές με την τεχνητή νοημοσύνη υπάρχουν, δημιουργούν ενθουσιασμό και προσδίδουν αξία στον επιχειρηματικό κόσμο εδώ και δεκαετίες. Ο κλάδος, αν και ακόμη νεοφυής, έχει ωριμάσει αρκετά έτσι ώστε να μπορούμε να πούμε με αυτοπεποίθηση πως εισερχόμαστε πλέον στην εποχή όπου αναμένονται τεράστιες αλλαγές.

Ας δούμε τώρα, μέσω ιστορικών παραδειγμάτων, τους κινδύνους της μη προετοιμασίας και μη προσαρμοστικότητας στις νέες τεχνολογικές πραγματικότητες.

Μαθήματα από Ιστορικά Λάθη: από τους Λουδίτες μέχρι την Kodak

Ιστορικά, ενώ ορισμένα άτομα και επιχειρήσεις επενδύουν στις τεχνολογικές καινοτομίες νωρίς, άλλοι χάνουν την ευκαιρία λόγω έλλειψης γνώσεων και προετοιμασίας, σκεπτικισμού ή ακόμα και κατάφορης άρνησης αποδοχής των νέων πραγματικοτήτων.

Στις αρχές του 19ου αιώνα, οι Λουδίτες, κυρίως υφαντές και τεχνίτες κλωστοϋφαντουργίας, ξεκίνησαν να καταστρέφουν μηχανές στα εργοστάσια, πιστεύοντας ότι οι νέες τεχνολογίες που εισήχθησαν λόγω της βιομηχανικής επανάστασης, θα αντικαθιστούσαν τη δουλειά τους και θα υποβάθμιζαν τις συνθήκες εργασίας και τους μισθούς τους. Αν και οι μηχανές κλωστοϋφαντουργίας και οι χειριστές τους εξακολουθούν να εξελίσσονται και να υπάρχουν, οι Λουδίτες έχουν πλέον χαθεί από την ιστορία.

Στο επίπεδο εργοδοτών και στη σύγχρονη εποχή, η Kodak, αν και είχε δημιουργήσει λειτουργική ψηφιακή κάμερα με προοπτικές εμπορευσιμότητας ήδη από το 1975, απέτυχε να ενσωματώσει αποτελεσματικά και εγκαίρως τις καινοτομίες και τις επενδύσεις της στο επιχειρηματικό της μοντέλο και ως εκ τούτου κατέρρευσε. Η FujiFilm από την άλλη, προώθησε αυτές τις ιδέες και τα αποτελέσματα της έρευνάς της στην αγορά κατά τη δεκαετία του ’90, αποκτώντας ανταγωνιστικό πλεονέκτημα και ως εκ τούτου επικράτησε και μεγαλούργησε.

Αξίζει να αναφέρουμε πως παρόμοια μοίρα με την Kodak και για παρόμοιους λόγους, είχαν επίσης εταιρείες όπως η Nokia, Blackberry, Blockbuster, Myspace και άλλες.

Πρόσφατα Παραδείγματα Επιβεβαιώνουν την Αναπόφευκτη Τεχνολογική Πρόοδο

Οι τελευταίες δεκαετίες έχουν δείξει εμφατικά πως η τεχνολογική πρόοδος δημιουργεί νικητές και ηττημένους—εκείνους που επενδύουν στην καινοτομία και εκείνους που αντιδρούν στις νέες πραγματικότητες, εκείνους που ενισχύουν το όραμά τους και συνδημιουργούν το καινούριο, και εκείνους που στην καλύτερη περίπτωση αναγκάζονται να προσαρμοστούν σε αυτό.

Πιο κάτω αναφέρομαι παραδείγματα τεχνολογιών από τις τελευταίες τρεις δεκαετίες, που αξιοποιήθηκαν πιο αποτελεσματικά από μια μειονότητα πρώιμων χρηστών και οργανισμών:

• Η Έκρηξη του Διαδικτύου και το Ηλεκτρονικό Εμπόριο
• Τα Smartphones
• Τα Κοινωνικά Δίκτυα
• Το Cloud Computing
• Τα Κρυπτονομίσματα και η Blockchain
• Τεχνολογίες Remote-work

Οι πρώιμοι χρήστες, εργοδοτούμενοι και εταιρείες, των πιο πάνω τεχνολογιών, μεταμόρφωσαν το επιχειρηματικό τους μοντέλο, κάνοντας τις εταιρείες τους πιο ανταγωνιστικές, παραγωγικές και επικερδείς. Για παράδειγμα, δημιούργησαν νέες υπηρεσίες και προϊόντα, βελτίωσαν την επικοινωνία και τις πωλήσεις τους κ.τ.λ.

Πολλές εταιρείες χρησιμοποιούν πλέον την ΑΙ για να βελτιώσουν τις εφοδιαστικές τους αλυσίδες, να αυτοματοποιήσουν τη συμμόρφωση με κανονισμούς, να βελτιώσουν τη στόχευση διαφημίσεων, να βοηθήσουν στη διάγνωση ασθενειών και την ανακάλυψη φαρμάκων.

Παρά τις πολλές επιτυχίες της ΑΙ όμως, κάθε επιχείρηση παραμένει μοναδική και συχνά υπάρχει σύγχυση σχετικά με το πώς μπορεί να επωφεληθεί από την αυτήν.

Επιχειρήσεις: Πώς Μπορούν να αρχίσουν να Αξιοποιουν τις Δυνατότητες της AI

Οι εφαρμογές της τεχνητής νοημοσύνης στο εταιρικό περιβάλλον δεν είναι πάντα τόσο εξωτικές όσο φωνητικές εντολές σε εικονικούς βοηθούς όπως η Siri και η Alexa ή αυτοοδηγούμενα αυτοκίνητα. Μάλιστα, η αναζήτηση ‘εξωτικών λύσεων’ σε εταιρικά περιβάλλοντα όπου δεν υπάρχει προηγούμενη εμπειρία υιοθέτησης της AI στο επιχειρηματικό τους μοντέλο, είναι η πιο τυπική παγίδα που πρέπει να αποφευχθεί.

Αντ’ αυτού, η προτεραιότητα πρέπει να δοθεί σε αποτελέσματα που διευθετούν άμεσα ανθρώπινες ανησυχίες. Ιδιοκτήτες και στελέχη εταιρειών πρέπει να εξακολουθούν να νοιάζονται για το πού είναι το χρήμα, πώς να παραμείνουν έξω από τη φυλακή και πώς να γίνει ο χρόνος τους πιο αποδοτικός και ευχάριστος. Μόνο όταν η ΑΙ παρέχει απαντήσεις στα παραπάνω γρηγορότερα, ασφαλέστερα, ακριβέστερα, μεταμορφώνοντας έναν οργανισμό, ο αντίκτυπός της γίνεται εξαιρετικά γόνιμος.

Επίσης, η ΑΙ δεν πετυχαίνει επιχειρηματικό μετασχηματισμό από τη μια στιγμή στην άλλη, αλλά σταδιακά και μετρήσιμα. Για παράδειγμα, εταιρείες που μείωσαν το κόστος προμηθειών τους μέχρι και 40-50% έπρεπε πρώτα να το μειώσουν κατά 5% μέσω μικρότερων Data Science projects, και αφού πειστούν, να επενδύσουν περισσότερο στις μεγαλύτερης κλίμακας AI λύσεις τους.

Αφού οι επιχειρήσεις πρώτα κατανοήσουν πως οι λύσεις τεχνητής νοημοσύνης δεν είναι ένα μαγικό ραβδί, όπως συχνά διαφημίζονται, πρέπει να επιμορφωθούν καλύτερα όσο αφορά τις πραγματικές δυνατότητές της αλλά και το πώς μπορούν να υλοποιηθούν στην περίπτωσή τους.

Η έξυπνη και στοχευμένη χρήση AI δυνατοτήτων από επιχειρήσεις απαιτεί τουλάχιστον τα ακόλουθα:

• Πρωτίστως στρατηγική συνεργασία με τεχνολογικούς εταίρους και προμηθευτές για σωστή κατανόηση της περίπτωσής τους και ανάπτυξη και υλοποίηση λύσεων, προσαρμοσμένων στις ανάγκες και τα μέτρα τους.
• Καλή κατανόηση των στρατηγικών τους στόχων, όπως επίσης του ανθρώπινου δυναμικού, της τεχνολογίας και διαδικασιών του οργανισμού τους. Οι λύσεις AI πρέπει πρωτίστως να εξυπηρετούν και να εξελίσσουν τα παραπάνω, αφού αν δεν ξέρεις σε ποιο λιμάνι πηγαίνεις, κανένας άνεμος δεν μπορεί να είναι ευνοϊκός.
• Επένδυση στη δια βίου εκπαίδευση, κατάρτιση προσωπικού σε νέα εργαλεία και πρόσληψη νέων ρόλων (π.χ. data scientist, data engineer κ.τ.λ).

Εργοδοτούμενοι: Πως μπορούν να Αξιοποιήσουν επιτυχώς την Δύναμη της AI

Πέρα από τη σωστή ενημέρωση για τη λειτουργία και τις δυνατότητες της AI μέσω διαδικτυακών μαθημάτων, webinars και άρθρων, οι εργαζόμενοι μπορούν να ακολουθήσουν τις παρακάτω συμβουλές και να τις προσαρμόσουν στην ιδιαίτερη περίπτωσή τους:

• Πρωτοβουλία για Εντοπισμό Ευκαιριών και Πειραματισμός: Κάθε εργαζόμενος μπορεί άμεσα να αναρωτηθεί τι βρίσκει αναποτελεσματικό ή βαρετό στη δουλειά του και να αναζητήσει τρόπους με τους οποίους εργαλεία AI μπορούν να αυτοματοποιήσουν καθημερινές εργασίες και να προσφέρουν συστάσεις για το πώς να κάνουν τις διεργασίες τους πιο ευχάριστες. Σταδιακά και μικρά βήματα, μπορούν να βοηθήσουν στο να αξιολογηθεί πώς διάφορες AI εφαρμογές μπορούν να βοηθήσουν. Για παράδειγμα, το ChatGPT μπορεί να βοηθήσει στη συγγραφή ενός email, την ερμηνεία μιας νομοθεσίας ή ακόμα και να προτείνει τεχνικές διαπραγμάτευσης. Σταδιακά, η ενσωμάτωση τεχνολογιών AI στις καθημερινές ρουτίνες των εργαζόμενων θα δημιουργήσει εμπιστοσύνη στις δυνατότητές τους αλλά και μεγαλύτερη συνειδητοποίηση ως προς τις αδυναμίες τους.
• Ανάπτυξη Νέων Δεξιοτήτων: Ίσως η πιο χρήσιμη ικανότητα για έναν εργαζόμενο είναι η εκμάθηση γραφής κώδικα σε κάποια γλώσσα προγραμματισμού που υποστηρίζεται από μεγάλη κοινότητα, όπως η Python. Η εκμάθηση εργαλείων όπως το PowerBI αποτελεί για πολλούς μία άλλη εναλλακτική προσέγγιση. Αυτή η ικανότητα δεν βοηθά μόνο στη δημιουργία εφαρμογών που επιλύουν συγκεκριμένες προκλήσεις, αλλά και στην ενίσχυση της δομημένης και αποτελεσματικής σκέψης.
• Δικτύωση και Συνεργασία: Η συμμετοχή σε κοινότητες και φόρουμ που σχετίζονται με την τεχνητή νοημοσύνη βοηθά στην ανταλλαγή εμπειριών και γνώσεων από άλλους επαγγελματίες. Αυτή η συνεργασία και αλληλεπίδραση θα προσφέρει πολύτιμες γνώσεις και προοπτικές.

Συμπεράσματα: Οι Επόμενες Κινήσεις

Οι τεχνολογικές εξελίξεις, όπως η τεχνητή νοημοσύνη, φέρνουν επαναστατικές αλλαγές στην καθημερινή ζωή, τον επιχειρηματικό κόσμο και την οικονομία. Αν και ο πλήρης τους αντίκτυπος φαίνεται μακροπρόθεσμα, βρισκόμαστε ήδη σε μια κρίσιμη καμπή όπου οι εξελίξεις είναι καταιγιστικές.

Εργοδότες και εργαζόμενοι πρέπει να επενδύουν στην εκπαίδευση και την ανάπτυξη νέων δεξιοτήτων και κυρίως να αποζητούν καθοδήγηση από ειδικούς Data Science Consultants, για να παραμείνουν ανταγωνιστικοί. Ανακαλύπτοντας ευκαιρίες και αναπτύσσοντας νέες δεξιότητες, δεν θα καταλήξουμε θύματα της τεχνολογικής προόδου. Αντίθετα, αξιοποιώντας πλήρως τις δυνατότητες της AI, θα παραμείνουμε ανταγωνιστικοί και καινοτόμοι, διαγράφοντας το μέλλον με δυναμισμό και αισιοδοξία.

*PhD, CFE, Data Science Consultant

Ακολουθήστε τις ειδήσεις του speaknews.gr στο Google News πατώντας εδώ