της Κωνσταντίνας Στυλιανής Τσιριγώτη,

ΕΙΣΑΓΩΓΉ 

Η εποχή που διανύουμε σήμερα χαρακτηρίζεται από θεμελιώδεις αλλαγές στον τομέα της τεχνολογίας, της οικονομίας και της ανάπτυξης των κοινωνιών. Συγκεκριμένα, η σύγχρονη επανάσταση στον τομέα της τεχνολογίας έχει περιγραφεί με τον όρο «4η βιομηχανική επανάσταση». Ο όρος “Industry 4.0” ή «Τέταρτη Βιομηχανική Επανάσταση» πραγματεύεται την ένωση των σημερινών τεχνολογιών επικοινωνίας με την παραγωγή αγαθών και υπηρεσιών. Ουσιαστικά, η δυναμική αυτή είναι απόρροια της εξέλιξης της ψηφιακής τεχνολογίας αλλά και της συνεχούς αναζήτησης νέων τρόπων βελτίωσης της ανταγωνιστικότητας (Σαββάκης, 2018). H ψηφιοποίηση που συντελείται στα κοινωνικοοικονομικά δρώμενα εντάσσει πολίτες και επιχειρήσεις σε μία νέα πραγματικότητα. Η ένταξη αυτή επιτυγχάνεται πρακτικά με διάφορες μορφές της ψηφιοποιημένης τεχνολογίας, μία εκ των κύριων να είναι η τεχνητή νοημοσύνη. Μία κρίσιμη καινοτομία, όπως αυτή,  δύναται να φέρει επαναστατικές αλλαγές στα κοινωνικά, πολιτικά και οικονομικά δεδομένα, ώστε για κάποιους να νοείται ως “ευλογία” ενώ για άλλους μπορεί να υφίσταται ζημιά.

Στόχος της παρακάτω ανάλυσης είναι, αρχικά, η οριοθέτηση της τεχνητής νοημοσύνης στην οικονομία στην συνέχεια, η εξέταση των προτερημάτων της που αφορούν την απόδοση στην εργασία και την επιχειρηματικότητα καθώς και τις αρνητικές της όψεις. Επιπλέον δεν παραλείπεται η αναφορά στην επίδραση της τεχνητής στην ανάπτυξη και διεύρυνση των οικονομιών των χωρών.

 ΠΡΟΣΔΙΟΡΙΖΟΝΤΑΣ ΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Ο όρος «τεχνητή νοημοσύνη» (Artificial Intelligence) αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ. O τομέας αυτός ορίστηκε ως «επιστήμη και μεθοδολογία της δημιουργίας νοημόνων μηχανών» (John McCarthy, 2007).

Η τεχνητή νοημοσύνη άρχισε να αναπτύσσεται στη δεκαετία του 1960 γύρω από την ιδέα ότι μπορούμε να αποκωδικοποιήσουμε τις έξυπνες ανθρώπινες συμπεριφορές ως μια ακολουθία λογικών κανόνων, που μεταγράφονται σε αλγόριθμους, τους οποίους οι μηχανές θα μπορούσαν να ακολουθήσουν για να εμφανίσουν και εκείνες μία «έξυπνη» συμπεριφορά, αντίστοιχη των ανθρώπινων όντων. Οι πληροφορίες που δίνονταν στη μηχανή στη συνέχεια να μετατρέπονταν σε σύμβολα (γραφήματα, λογικούς τύπους) που ο υπολογιστής μπορούσε να χειριστεί χρησιμοποιώντας ένα σύνολο κανόνων. Σύμφωνα με τον Δρ. John Kelly III, Ανώτερου Αντιπροέδρου  Έρευνας και Λύσεων της IBM: «Η επιτυχία των γνωστικών υπολογιστών δε θα μετράται με δοκιμές Turing[1] ή από την ικανότητα του υπολογιστή να μιμείται τους ανθρώπους. Θα μετράται με πιο πρακτικούς τρόπους, όπως αποδόσεις επενδύσεων, νέες ευκαιρίες στην αγορά, ιάσιμες ασθένειες και ζωές που σώζονται». Σύμφωνα με έρευνα της Tech Pro Research, έως και το 24% των επιχειρήσεων εφαρμόζουν ήδη ή σχεδιάζουν να χρησιμοποιήσουν στο άμεσο μέλλον την τεχνητή νοημοσύνη. Τα καλύτερα παραδείγματα αντλούν από τους τομείς της υγείας, των χρηματοπιστωτικών υπηρεσιών και της αυτοκινητοβιομηχανίας, όπου η ενσωμάτωση της τεχνητής νοημοσύνης είναι πλέον «ων εκ των ουκ άνευ».

ΠΟΙΑ ΤΑ ΠΡΟΤΕΡΗΜΑΤΑ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ;

Εξαιτίας της αφθονίας της πληροφορίας και της πολυπλοκότητας αυτής που δέχεται καθημερινά ο άνθρωπος στον σύγχρονο κόσμο, βρίσκεται αρκετές φορές σε διλήμματα ή αδιέξοδα κατά τη λήψη αποφάσεων στην καθημερινή ζωή (δεν μπορεί να λαμβάνει τις διαρκώς τις βέλτιστες αποφάσεις). Αντίθετα, τα δημιουργήματα της τεχνητής νοημοσύνης που έχουν σχεδιασθεί βάσει αλγορίθμων και (αυτοματοποιημένων) λογισμικών συστημάτων, οδηγούνται σε μια σταθερά επιτυχημένη συμπεριφορά αναφορικά με τον σκοπό δημιουργίας τους. Ουσιαστικά, αυτό τους δίνει βασικό πλεονέκτημα έναντι των ανθρώπων, που δεν είναι αλάνθαστοι.

Ποια είναι, λοιπόν, πρακτικά, τα προτερήματα των μέσω τεχνητής νοημοσύνης; Το βασικό τους πλεονέκτημα έγκειται στο ότι  αυξάνουν την παραγωγικότητα στο επιχειρείν, την ασφάλεια και την αποδοτικότητα, καθώς μπορούν να εργάζονται διαρκώς με την ίδια ένταση και τον ίδιο ρυθμό. Παρότι ένα ρομπότ δεν μπορεί να εκτελέσει όλα τα καθήκοντα που είναι ικανός ένας άνθρωπος, αντ’ αυτού καταφέρνει  συγκεκριμένες εργασίες να τις υλοποιεί καλύτερα από αυτόν. Συγκεκριμένα εργασίες στις οποίες απαιτούνται για παράδειγμα επαναληπτικές διαδικασίες για μεγάλο χρονικό διάστημα σε δύσκολες συνθήκες τα ρομπότ φαίνονται αποδοτικότερα. Έτσι μπορούν να εργαστούν σε επικίνδυνα περιβάλλοντα και γενικότερα σε περιοχές απρόσιτες για τον άνθρωπο (G. Giralt,1997).

Όσον αφορά τον χρηματοπιστωτικό τομέα, ενδεικτικά οφέλη από την εφαρμογή της τεχνητής νοημοσύνης περιλαμβάνουν: τη βελτίωση της εμπειρίας του πελάτη, την απλοποίηση και αυτοματοποίηση διαδικασιών με ελαχιστοποίηση της εμπλοκής του ανθρώπινου παράγοντα και τη βελτίωση του κόστους των υπηρεσιών. Ωστόσο, εκτός από τις μεγάλες ευκαιρίες αναδύονται και νέες προς αντιμετώπιση προκλήσεις, οι οποίες αφορούν στην προσαρμογή από την μεριά των επιχειρήσεων και του εργατικού δυναμικού (Στουρνάρας, 2020).

Συνολικά, λοιπόν,  ο μετασχηματισμός που προκύπτει από την χρήση των νέων τεχνολογικών δυνατοτήτων –και δη της τεχνητής νοημοσύνης- αυξάνει την δυναμική των επιχειρήσεων, διευρύνει την παρουσία τους στο διεθνές εμπόριο και αναπτύσσει νέους τρόπους αναβάθμισης του ανταγωνιστικού της πλεονεκτήματος στην αγορά, εντούτοις, σαφώς, χρήζει προσαρμογής από μεριά επιχειρήσεων και κοινωνιών.   

ΟΙ ΑΡΝΗΤΙΚΕΣ ΟΨΕΙΣ

Οι οικονομικές πιέσεις και οι πιέσεις για αύξηση της παραγωγικότητας ενδέχεται να ευνοήσουν την προσέγγιση της υποκατάστασης, σύμφωνα με την οποία άτομα και ομάδες εργαζομένων θα αντικατασταθούν από ρομπότ και αυτόματες μηχανές. Γενικότερα, χάρη στην ενσωμάτωση της τεχνητής νοημοσύνης και γενικότερα όλων των μορφών ψηφιοποίησης[2] στο επιχειρείν και δη στην αγορά εργασίας, παρατηρείται μία μείωση του αριθμού των εργαζομένων που απαιτούνται για την εκτέλεση εργασιών ρουτίνας ή για σαφώς καθορισμένα καθήκοντα, καθώς αυτά εκτελούνται πλέον σε σημαντικό βαθμό από βιομηχανικά ρομπότ ή ρομπότ παροχής υπηρεσιών. Η συγκεκριμένη «εξαφάνιση» των εργαζομένων χαμηλών ή μεσαίων δεξιοτήτων θα μπορούσε να οδηγήσει στην απώλεια σχεδόν του ενός τρίτου των υφιστάμενων θέσεων εργασίας κατά τις προσεχείς δεκαετίες (Dr Jari Kaivo-oja,2015).

Σύμφωνα με σχετικές έρευνες και έχοντας ως δεδομένο την επίδραση της τεχνολογίας, τα επόμενα χρόνια θα επηρεαστούν αρνητικά οι θέσεις εργασίας στον κατασκευαστικό τομέα, την ενέργεια και τα χρηματοοικονομικά, ενώ μεγάλο «πλήγμα» θα δεχθεί και ο τομέας της υγείας, κυρίως λόγω της τηλεϊατρικής. Στους «ηττημένους» προστίθενται και οι κλάδοι του λιανικού εμπορίου, των εκδόσεων και των εντύπων. Επίσης, βάσει έρευνας της Bank of America, μέχρι το 2025, τα ρομπότ θα έχουν καταλάβει το 45% των βιομηχανικών εργασιών, εξαφανίζοντας εκατομμύρια θέσεις εργασίας. Η τεχνολογική αυτή αλλαγή συνεπάγεται, μεταξύ άλλων, σχετική αύξηση της ζήτησης για εργαζόμενους υψηλής εξειδίκευσης και μείωση της ζήτησης για εργαζόμενους χαμηλότερης εξειδίκευσης, οι οποίοι κατά κανόνα εκτελούν εργασίες που αφορούν γνωστικά και χειρωνακτικά καθήκοντα ρουτίνας.

Από την άλλη, η εξέλιξη αυτή θα συνίσταται σημαντικό κόστος προσαρμογής για τις επιχειρήσεις που θα αφορά σε επανακατάρτιση του εργατικού δυναμικού, ανανέωση του επαγγελματικού εξοπλισμού ή των χώρων εργασίας κ.α. Όλα αυτά είναι προϋποθέσεις που δε δύνανται όλες οι επιχειρήσεις να αφομοιώσουν γρήγορα και αποφασιστικά. Κάποιες εξ αυτών θα χρειαστούν αρκετό χρόνο που θα τους αφήσει “πίσω” στον ανταγωνισμό, ενώ για άλλες το κόστος προσαρμογής μπορεί να είναι τέτοιο που να επιτάσσει των τερματισμό της λειτουργίας τους.

ΟΙΚΟΝΟΜΙΚΗ ΑΝΑΠΤΥΞΗ ΤΩΝ ΧΩΡΩΝ

Η δυναμική ενίσχυσης της παραγωγικότητας στις αναπτυγμένες οικονομίες αφορά σε καινοτόμες τεχνολογίες τεχνητής νοημοσύνης, οι οποίες επιτρέπουν στους ανθρώπους να αξιοποιούν καλύτερα το χρόνο τους και να κάνουν τις εργασίες στις οποίες οι άνθρωποι υπερτερούν: να δημιουργούν, να οραματίζονται και να καινοτομούν. Η αύξηση της παραγωγικότητας μειώνει δραματικά τον αριθμό των ετών που απαιτούνται προκειμένου οι  οικονομίες να διπλασιάσουν το μέγεθός τους. Αυτός ο «χρόνος διπλασιασμού» είναι ένας δείκτης οικονομικής ανάπτυξης και τα αποτελέσματα είναι, σε μεγάλο βαθμό, απόρροια της ικανότητας ενός κράτους να διαχύσει τις τεχνολογικές καινοτομίες στην ευρύτερη οικονομική υποδομή του.

Σύμφωνα με έρευνα του Accenture Institute for High Performance σε συνεργασία με τη Frontier Economics το 2016, οι ΗΠΑ είναι η χώρα που θα επωφεληθεί περισσότερο από την τεχνητή νοημοσύνη, αυξάνοντας τον ετήσιο ρυθμό ανάπτυξής της από 2,6% σε 4,6% το 2035, κάτι που αντιστοιχεί σε επιπλέον 8,3 τρις δολάρια, σε όρους ακαθάριστης προστιθέμενης αξίας(ΑΕΠ). Το Ηνωμένο Βασίλειο μπορεί να αποκομίσει επιπλέον 814 δις δολάρια μέχρι το 2035, αυξάνοντας έτσι το ρυθμό ανάπτυξης της ακαθάριστης προστιθέμενης αξίας από 2,5% σε 3,9%. Η Ιαπωνία μπορεί ακόμα και να τριπλασιάσει το ρυθμό αύξησης της ακαθάριστης προστιθέμενης αξίας της μέχρι το 2035, ενώ οι Φινλανδία, Σουηδία, Ολλανδία, Γερμανία και Αυστρία μπορούν να τον διπλασιάσουν.

Ετήσιοι ρυθμοί ανάπτυξης έως το 2035 σε επίπεδο ακαθάριστης προστιθέμενης αξίας (προσέγγιση του ΑΕΠ), συγκρίνοντας το βασικό και το ΑΙ σενάριο έως το 2035. 

τσιριγοτη1

(ΠΗΓΗ: έρευνα του Accenture Institute for High Performance σε συνεργασία με τη Frontier Economics,2016 source)

 Στην Ελλάδα, σύμφωνα με πρόσφατη μελέτη της Accenture σε συνεργασία με τη Microsoft, η εφαρμογή της τεχνητής νοημοσύνης μπορεί να οδηγήσει σε σωρευτική αύξηση του ΑΕΠ κατά 195 δισ. δολάρια για την περίοδο 2020-2035.

Συνεπώς, προκύπτει ότι χώρες, οι οποίες έχουν αναπτύξει τις απαραίτητες υποδομές τεχνολογίας, μπορούν βελτιώσουν την ανταγωνιστικότητά τους χρησιμοποιώντας μέσα τεχνητής νοημοσύνης και αυτό να έχει σημαντικό αντίκτυπο στο ΑΕΠ και κατ’ επέκταση στην ανάπτυξη και ευημερία των κοινωνιών τους. Αυτό, βέβαια, απαιτεί τον απαραίτητο τεχνολογικό εκσυγχρονισμό και όχι όλες οι χώρες έχουν προσεγγίσει αυτό το επίπεδο προόδου στον τομέα αυτό.

ΕΠΙΛΟΓΟΣ

 Συμπερασματικά, συνήθης είναι η διαπίστωση πως οι  νέες  τεχνολογίες  δεν  σημαίνουν  μόνο  νέα  οφέλη  και  νέες  δυνατότητες, αλλά  και  νέες  δαπάνες  και  απειλές. Έτσι και στην περίπτωση της τεχνητής νοημοσύνης, το μέλλον είναι αμφίβολο. Κανείς δεν μπορεί να παραβλέψει τη συνεισφορά της στον τομέα της επιχειρηματικότητας καθώς και στην οικονομική ανάπτυξη κρατών. Από την άλλη, ο φόβος για το «άγνωστο» από τους απλούς ανθρώπους είναι κάτι που δεν μπορεί να αμφισβητηθεί, και η κατάσταση από την μεριά τους επιτάσσει προσαρμογή στα νέα δεδομένα, η οποία θα συνίσταται είτε σε επανακατάρτιση είτε σε αλλαγή επαγγέλματος είτε σε μετανάστευση. Παρόλα ταύτα, οι μελέτες των οικονομολόγων έχουν δείξει πως η εισαγωγή της τεχνητής νοημοσύνης στις ζωές των ανθρώπων μόνο θετικό αντίκτυπο έχει μιας και αυξάνει τις απολαβές των χωρών και δημιουργεί νέες προοπτικές ανάπτυξης και ευημερίας. Συνδυαζόμενα τα κέρδη αυτά με επενδύσεις, οι οποίες θα στοχεύουν σε μέτρα προσαρμογής για την κοινωνία, δύναται να βρεθεί η βέλτιστη ισορροπία.

Βιβλιογραφία

Σαββάκης, Α. (2018). «4η βιομηχανική επανάσταση, χωρίς Υπουργείο Βιομηχανίας;» insider.gr, online here.

Ηλιόπουλος Θ., (2019). «Η Σύζευξη Ανθρώπου Και Μηχανής».  Available here.

Nikolaides N. (2018). «Πως Η Τεχνητή Νοημοσύνη Θα Αλλάξει Τον Τρόπο Λήψης Αποφάσεων Στις Επιχειρήσεις.» Heyoliver.com [online] Available here.

Ευρωπαϊκός Οργανισμός για την Ασφάλεια και την Υγεία,(2015) «Το μέλλον της εργασίας: ρομποτική». Available here.

Μιχαλοπούλου Ν. (2017). «Απειλούν Τα Ρομπότ Τις Θέσεις Εργασίας;». Πρώτο Θέμα. Available here.

Πλιάκος, Κ., (2017). «Γιώργος Ζαρκαδάκης: Η Τεχνητή Νοημοσύνη Καταργεί Τις Παλιές Εργασιακές Δομές». CNN.gr. Available here.

επιχειρώ (2016). «Η Τεχνητή Νοημοσύνη Μπορεί Να Διπλασιάσει Ρυθμό Οικονομικής Ανάπτυξης Και Να Αυξήσει Την Παραγωγικότητα.» Available here.

Ναυτεμπορική (2020) «Τεχνητή Νοημοσύνη: Δυνητικό Κέρδος 195 Δισ. Για Το Ελληνικό ΑΕΠ» Available here.

Giralt G. (1997). Η Ρομποτική. μτφρ. Η. Πετροπούλου. Αθήνα, Τραυλός.

[1] O Alan Turing (1912-1954) ήταν μαθηματικός, επιστήμονας πληροφορικής, κρυπταναλυτής και φιλόσοφος και έχει θεωρηθεί ως ο «πατέρας» της θεωρητικής  πληροφορικής και της τεχνητής νοημοσύνης.

[2] Ως μορφές της ψηφιοποίησης, νοούνται- πέραν της τεχνητής νοημοσύνης- το Internet of Things, τα Big Data Analytics, η Ρομποτική, τα Κρυπτονομίσματα, το Fintech κ.α.