Στην ανάγκη άμεσης και οργανωμένης αξιοποίησης της Τεχνητής Νοημοσύνης (ΤΝ) από τις ελληνικές επιχειρήσεις εστιάζει ο νέος πρακτικός Οδηγός του ΣΕΒ, υπογραμμίζοντας ότι η Ελλάδα μπορεί να μετατρέψει τη νέα τεχνολογική μετάβαση σε μοχλό ανταγωνιστικότητας, παραγωγικότητας και καινοτομίας για το σύνολο της οικονομίας.
Ο Σύνδεσμος Επιχειρήσεων και Βιομηχανιών επισημαίνει ότι η ΤΝ δεν αφορά πλέον ένα μελλοντικό ή θεωρητικό εργαλείο, αλλά μια τεχνολογία που ήδη αλλάζει τον τρόπο λειτουργίας των επιχειρήσεων, από την εξυπηρέτηση πελατών και τη βιομηχανική παραγωγή έως τη στελέχωση προσωπικού και τη λήψη αποφάσεων.
Σύμφωνα με τον Οδηγό, οι επιχειρήσεις μπορούν να αξιοποιήσουν εφαρμογές Τεχνητής Νοημοσύνης σε ένα ευρύ φάσμα δραστηριοτήτων, όπως ο αυτοματισμός απαντήσεων σε ερωτήματα after sales υποστήριξης, η ανάλυση και σύνοψη συμβολαίων προμηθευτών, η επεξεργασία αναφορών βλαβών και συντήρησης, αλλά και η ερμηνεία δεδομένων αισθητήρων σε παραγωγικές εγκαταστάσεις.
Ιδιαίτερη έμφαση δίνεται στις επαναλαμβανόμενες εργασίες υψηλής συχνότητας και χαμηλής πολυπλοκότητας, όπου οι δυνατότητες της ΤΝ κρίνονται πιο αποτελεσματικές. Αντίθετα, σε σύνθετες διαδικασίες που απαιτούν κρίση, εμπειρία ή διαχείριση εξαιρέσεων, ο ΣΕΒ θεωρεί αναγκαία τη διατήρηση της ανθρώπινης παρέμβασης, με την Τεχνητή Νοημοσύνη να λειτουργεί υποστηρικτικά.
Κεντρική θέση στον Οδηγό καταλαμβάνει η έννοια του «ψηφιακού διδύμου» (digital twin), δηλαδή ενός συστήματος που αναπαριστά ψηφιακά μια πραγματική επιχειρησιακή διαδικασία, παρακολουθώντας και αναλύοντας όλα τα στάδιά της.
Ο ΣΕΒ εξηγεί ότι μέσω ενός τέτοιου εργαλείου οι επιχειρήσεις μπορούν να γνωρίζουν εκ των προτέρων ποιο θα είναι το όφελος από την εφαρμογή συστημάτων ΤΝ, πριν αυτά τεθούν σε πλήρη λειτουργία.
Ως παράδειγμα παρουσιάζεται η διαχείριση αιτημάτων πελατών. Το «ψηφιακό δίδυμο» αντλεί αυτόματα δεδομένα από το πληροφοριακό σύστημα και αναπαράγει ολόκληρη τη διαδρομή κάθε αιτήματος: από τη στιγμή που καταχωρείται μέχρι την τελική επίλυσή του. Καταγράφει τον χρόνο αναμονής, τη δρομολόγηση, τις αλλαγές χειριστών και την ταχύτητα εξυπηρέτησης.
Στη συνέχεια, το σύστημα προσομοιώνει διαφορετικά σενάρια λειτουργίας μέσω Τεχνητής Νοημοσύνης, εκτιμώντας πόσο μπορεί να μειωθεί ο χρόνος απόκρισης, ποια νέα προβλήματα ενδέχεται να προκύψουν, ποιες περιπτώσεις δεν θα μπορούν να επιλυθούν αυτόματα και σε ποια σημεία θα απαιτείται ανθρώπινη παρέμβαση.
Εκτενής αναφορά γίνεται και στον τομέα των προσλήψεων και της διαχείρισης ανθρώπινου δυναμικού, όπου οι εφαρμογές ΤΝ θεωρούνται ήδη ιδιαίτερα προηγμένες.
Σύμφωνα με τον Οδηγό, οι ψηφιακοί βοηθοί μπορούν να αναλύουν δεδομένα απόδοσης, φόρτου εργασίας και δεξιοτήτων, εντοπίζοντας πραγματικές ανάγκες στελέχωσης πριν ακόμη κατατεθούν σχετικά αιτήματα από τα τμήματα μιας επιχείρησης.
Παράλληλα, τα συστήματα ΤΝ μπορούν να δημιουργούν περιγραφές θέσεων εργασίας προσαρμοσμένες στις δεξιότητες που λείπουν από έναν οργανισμό, να αναλύουν αυτόματα βιογραφικά, να κατηγοριοποιούν υποψηφίους και να πραγματοποιούν αντιστοίχιση δεξιοτήτων και εμπειρίας με τις πραγματικές απαιτήσεις κάθε θέσης.
Ο Οδηγός περιγράφει επίσης τη δυνατότητα δημιουργίας shortlist υποψηφίων με βάση αντικειμενικά δεδομένα και συγκριτικές αξιολογήσεις, περιορίζοντας —όπως σημειώνεται— τον ρόλο του «ενστίκτου» στις προσλήψεις.
Επιπλέον, η ΤΝ μπορεί να προσαρμόζει δυναμικά τις οικονομικές προσφορές προς υποψηφίους, λαμβάνοντας υπόψη δεδομένα αγοράς, εμπειρία, εξειδίκευση και την εσωτερική πολιτική αμοιβών κάθε επιχείρησης, ενώ είναι σε θέση να δημιουργεί και προσωποποιημένα πλάνα ένταξης νέων εργαζομένων.
Ο ΣΕΒ επισημαίνει ακόμη ότι ψηφιακοί βοηθοί μπορούν να παρέχουν συνεχή υποστήριξη τόσο στους εργαζόμενους όσο και στα στελέχη ανθρώπινου δυναμικού, απαντώντας σε ερωτήσεις, παρακολουθώντας την πρόοδο ένταξης και εντοπίζοντας εγκαίρως πιθανά προβλήματα προσαρμογής.
Σημαντικό τμήμα του Οδηγού αφιερώνεται στις ανησυχίες των εργαζομένων για τις επιπτώσεις της Τεχνητής Νοημοσύνης στην αγορά εργασίας.
Μεταξύ των βασικών φόβων που καταγράφονται είναι η πιθανή αντικατάσταση θέσεων εργασίας, η απώλεια επαγγελματικής εξειδίκευσης και κύρους, η αδυναμία κατανόησης της νέας τεχνολογίας, αλλά και οι ανησυχίες για ζητήματα παρακολούθησης και αξιολόγησης μέσω αλγορίθμων.
Ο Οδηγός αναφέρεται επίσης στη δυσπιστία που εξακολουθεί να υπάρχει απέναντι στις αποφάσεις που λαμβάνονται με τη συνδρομή ΤΝ, ιδιαίτερα όταν αυτές αφορούν κρίσιμα ζητήματα όπως οι προσλήψεις, οι αξιολογήσεις προσωπικού ή η εξυπηρέτηση πελατών.
Χαρακτηριστικό είναι το παράδειγμα που παρατίθεται για τον κλάδο της εξυπηρέτησης πελατών, όπου η αξιοποίηση συστημάτων ΤΝ εκτιμάται ότι θα μπορούσε να οδηγήσει σε μείωση θέσεων εργασίας έως και 37%, μέσω αυτοματοποίησης διαδικασιών και περιορισμού της ανθρώπινης παρέμβασης.
Ο ΣΕΒ υπογραμμίζει πάντως ότι η επιτυχής μετάβαση στην εποχή της Τεχνητής Νοημοσύνης προϋποθέτει επενδύσεις όχι μόνο σε τεχνολογίες, αλλά και σε εκπαίδευση, επανακατάρτιση και αναβάθμιση δεξιοτήτων, ώστε οι εργαζόμενοι να μπορούν να συνεργάζονται αποτελεσματικά με τα νέα ψηφιακά εργαλεία και να αξιοποιούν τις δυνατότητές τους προς όφελος της παραγωγικότητας και της ανταγωνιστικότητας.
