Η συζήτηση γύρω από την τεχνητή νοημοσύνη (AI) περιστρέφεται συχνά γύρω από το ερώτημα πόσες θέσεις εργασίας μπορεί να χαθούν. Στην πράξη, όμως, η εικόνα είναι πολύ πιο σύνθετη. Η ΑΙ έχει ήδη μπει στην καθημερινότητα συμβούλων, τραπεζιτών, δικηγόρων, στελεχών πετρελαϊκών εταιρειών και ερευνητών της φαρμακοβιομηχανίας, άλλοτε εξοικονομώντας ώρες δουλειάς και άλλοτε δημιουργώντας εντελώς νέα προβλήματα.
Οι Financial Times καταγράφουν ορισμένους από τους καλύτερους, τους χειρότερους αλλά και τους πιο παράξενους τρόπους με τους οποίους χρησιμοποιείται σήμερα η ΑΙ στον εργασιακό χώρο. Και τα παραδείγματα δείχνουν ότι η τεχνολογία δεν λειτουργεί απλώς ως υποκατάστατο του ανθρώπου, αλλά αλλάζει τον τρόπο με τον οποίο οργανώνεται και εκτελείται η ίδια η εργασία.
Συμβουλευτικές: Από τα PowerPoint στα προσωπικά AI podcasts
Στις μεγάλες συμβουλευτικές εταιρείες, η πρώτη και πιο προφανής αλλαγή αφορά τις εργασίες που μέχρι πρότινος απορροφούσαν μεγάλο μέρος του χρόνου των νεότερων στελεχών. Παρουσιάσεις PowerPoint, μετακινήσεις πλαισίων κειμένου και διορθώσεις γραφικών γίνονται πλέον πολύ ταχύτερα με τη βοήθεια παραγωγικής ΑΙ.
Ωστόσο, σύμφωνα με τους FT, τα μεγαλύτερα οφέλη ενδέχεται να βρίσκονται όχι στην παραγωγή της τελικής παρουσίασης αλλά στην έρευνα που προηγείται.
Εταιρείες όπως η McKinsey, η Bain και η PwC έχουν δημιουργήσει εσωτερικά εργαλεία ΑΙ -μεταξύ άλλων τα Lilli, Sage και ChatPwC- μέσω των οποίων οι εργαζόμενοι μπορούν να αναζητούν γρήγορα πληροφορίες μέσα σε τεράστιες βάσεις εταιρικής γνώσης: παλαιότερες παρουσιάσεις, προηγούμενα projects και ιδιόκτητα δεδομένα αγοράς.
Η διαδικασία μπορεί να γλιτώσει ημέρες βασικής έρευνας και να αφήσει περισσότερο χρόνο για ανάλυση και επεξεργασία λύσεων. Η McKinsey έχει προχωρήσει ακόμη περισσότερο, δίνοντας σε συμβούλους τη δυνατότητα να λαμβάνουν τις πληροφορίες που χρειάζονται με τη μορφή εξατομικευμένου podcast, το οποίο μπορούν να διακόπτουν ακόμη και για να κάνουν ερωτήσεις.
Υπάρχει όμως και μια πιο παράξενη πλευρά. Ορισμένες εταιρείες παρακολουθούν πόσο χρησιμοποιούν οι εργαζόμενοι τα εργαλεία ΑΙ, την ώρα που παράλληλα αυξάνεται η ανησυχία για το κόστος των tokens. Σύμβουλος ανέφερε χαρακτηριστικά σε επαγγελματικό forum ότι, όταν δεν έχει χρησιμοποιήσει αρκετά την ΑΙ μέσα στην ημέρα, μπορεί να ρωτήσει το Claude κάτι όπως «γιατί βρισκόμαστε εδώ;», απλώς για να καταγραφεί μεγαλύτερη χρήση.
Η ΑΙ μπαίνει ακόμη και στη στελέχωση των ομάδων. Η McKinsey, σύμφωνα με τους FT, χρησιμοποιεί τεχνολογία ώστε να εξετάζει αν μια ομάδα διαθέτει τον κατάλληλο συνδυασμό τεχνικών δεξιοτήτων, εμπειρίας και προσωπικής «χημείας» για ένα νέο project.
Πετρέλαιο και φυσικό αέριο: 5.000 συμφωνίες εμπιστευτικότητας και ΑΙ
Στους ενεργειακούς κολοσσούς, η ΑΙ χρησιμοποιείται για να μειώσει μεγάλο μέρος της γραφειοκρατίας. Ο διευθύνων σύμβουλος της Shell, Ουαέλ Σάουαν αναφέρει ότι η εταιρεία χειρίζεται περίπου 5.000 συμφωνίες εμπιστευτικότητας τον χρόνο. Στο παρελθόν καθεμία θα περνούσε από δικηγόρο. Σήμερα, περίπου το 90% των πιο τυποποιημένων περιπτώσεων μπορεί να διεκπεραιώνεται μέσω ΑΙ, επιτρέποντας στους νομικούς να επικεντρώνονται στις πιο σύνθετες υποθέσεις.
Παράλληλα, η τεχνολογία χρησιμοποιείται σε dashboards που παρέχουν στα στελέχη επενδυτικά δεδομένα, αλλά και από μηχανικούς που παρακολουθούν αγωγούς και κοιτάσματα, ώστε να εντοπίζουν πότε απαιτείται συντήρηση.
Στην έρευνα και την παραγωγή, η ΑΙ αναλύει σεισμικά δεδομένα και υπολογίζει τη βέλτιστη διαδρομή γεώτρησης. Η BP, σύμφωνα με το δημοσίευμα, μπορεί πλέον να εξετάζει εκατοντάδες πιθανές διαδρομές μέσα σε μία ημέρα, όταν παλαιότερα η διαδικασία χρειαζόταν εβδομάδες ή μήνες.
Και η πιο ασυνήθιστη εφαρμογή; Η BP χρησιμοποιεί ΑΙ για να προβλέπει ακόμη και πότε οι οδηγοί είναι πιθανότερο να αγοράσουν περισσότερο καφέ από τα καταστήματά της, συνδυάζοντας δεδομένα για τον καιρό, τις προηγούμενες πωλήσεις και τις τοπικές προτιμήσεις.
Τράπεζες: 30 λεπτά προετοιμασίας πριν από το μεγάλο meeting και τα επίτηδες λάθη
Στη Wall Street, η ΑΙ αλλάζει την προετοιμασία των τραπεζιτών πριν από τις συναντήσεις με πελάτες. Εσωτερικά εργαλεία, όπως το LLM Suite της JPMorgan, αλλά και υπηρεσίες τρίτων όπως το Rogo, μπορούν μέσα σε λίγα λεπτά να συγκεντρώνουν τις προηγούμενες επικοινωνίες με έναν πελάτη, τις εξελίξεις που τον αφορούν και πληροφορίες για πιθανούς στόχους εξαγορών.
Τραπεζίτης μεγάλης εταιρείας της Wall Street περιγράφει στους FT ότι μπορεί να μπει σε μια συνάντηση έχοντας αφιερώσει μόλις 30 λεπτά στην προετοιμασία, καθώς η ΑΙ συνοψίζει γρήγορα την εσωτερική αλληλογραφία γύρω από τον πελάτη.
Η τεχνολογία αναλαμβάνει επίσης μέρος της εργασίας των junior bankers, δημιουργώντας πρώτα drafts χρηματοοικονομικών μοντέλων και παρουσιάσεων – σημαντική διευκόλυνση σε έναν κλάδο όπου οι εβδομάδες των 80 ωρών δεν είναι ασυνήθιστες.
Το πρόβλημα είναι ότι οι πιο έμπειροι τραπεζίτες φοβούνται πως η υπερβολική εξάρτηση από την ΑΙ μπορεί να εμποδίσει τους νεότερους εργαζομένους να αποκτήσουν την «αίσθηση» των αριθμών και των πελατών που παραδοσιακά ερχόταν μέσα από πολλές ώρες χειροκίνητης δουλειάς.
Έχει εμφανιστεί μάλιστα και ένα παράδοξο: επειδή τα κείμενα που παράγονται από ΑΙ γίνονται εύκολα αναγνωρίσιμα, ορισμένοι τραπεζίτες βάζουν επίτηδες λάθη ή απλοποιούν το ύφος των emails, ώστε να μη φαίνεται ότι έχουν γραφτεί από μηχανή.
Ακόμη πιο ασυνήθιστη είναι η νέα σχέση μεταξύ junior αναλυτών και chatbots. Όπως περιγράφει τραπεζίτης, κάποιοι νέοι αναλυτές έχουν πλέον κάποιον… χαμηλότερα στην άτυπη ιεραρχία: το AI bot τους, το οποίο δεν διστάζουν να επιπλήξουν όταν κάνει λάθος.
AI: Τέλος στα ξενύχτια για τους δικηγόρους
Για τους δικηγόρους, μια από τις σημαντικότερες αλλαγές αφορά την ανάγνωση τεράστιου όγκου εγγράφων. Ο Sam Newhouse, global vice-chair του M&A και private equity practice της Latham & Watkins, εξηγεί ότι ένας junior δικηγόρος δεν χρειάζεται πλέον να περάσει τη νύχτα διαβάζοντας δεκάδες ρήτρες μιας σύμβασης. Η ΑΙ μπορεί να δώσει γρήγορα μια πρώτη απάντηση, αφήνοντας περισσότερο χρόνο για ουσιαστική νομική σκέψη.
Ακόμη και η ανάλυση εκατοντάδων συμφωνιών μπορεί πλέον να πραγματοποιηθεί πολύ ταχύτερα – αν και, όπως τονίζει, όχι ακόμη με απόλυτη ακρίβεια.
Αυτό δεν σημαίνει απαραίτητα λιγότερη δουλειά. Όσο πιο εύκολο γίνεται να εξεταστούν περισσότερα δεδομένα, τόσο αυξάνεται και η απαίτηση για βαθύτερο έλεγχο μιας υπόθεσης.
Το μεγαλύτερο ρίσκο είναι οι λεγόμενες «παραισθήσεις» της ΑΙ, όταν δηλαδή ένα μοντέλο παράγει λανθασμένες αλλά πειστικές πληροφορίες. Οι FT αναφέρουν περιπτώσεις αμερικανικών δικηγορικών εταιρειών που βρέθηκαν εκτεθειμένες ενώπιον δικαστηρίων λόγω λανθασμένων παραπομπών και ανακριβών αναφορών σε νομοθεσία που είχαν παραχθεί με εργαλεία ΑΙ.
Παράλληλα, ο φόβος ορισμένων πελατών ότι ευαίσθητα δεδομένα μπορεί να εισαχθούν σε μεγάλα γλωσσικά μοντέλα έχει οδηγήσει σε ακόμη αυστηρότερους περιορισμούς πρόσβασης σε έγγραφα, σε ορισμένες περιπτώσεις ακόμη και στην απαγόρευση εκτύπωσης ή λήψης τους.
Φαρμακοβιομηχανία: Από τα 4-5 χρόνια στους 12-18 μήνες
Στη φαρμακοβιομηχανία, η μεγάλη υπόσχεση της ΑΙ είναι η επιτάχυνση της ανακάλυψης νέων φαρμάκων. Η διαδικασία ώστε ένα μόριο να φτάσει μέχρι το στάδιο των προκλινικών δοκιμών απαιτεί κατά μέσο όρο τέσσερα έως πέντε χρόνια. Με τη χρήση ΑΙ, το διάστημα αυτό θα μπορούσε να περιοριστεί σε 12 έως 18 μήνες, σύμφωνα με τον Thorsten Rall της Capgemini, τον οποίο επικαλούνται οι FT.
Η τεχνολογία μπορεί να επεξεργάζεται τεράστιες ποσότητες δεδομένων και να βοηθά τους επιστήμονες να προβλέπουν ποιοι ασθενείς είναι πιθανότερο να ανταποκριθούν σε μια θεραπεία.
Η Danielle Belgrave, αντιπρόεδρος AI και machine learning της GSK, επισημαίνει ότι ένα από τα σημαντικότερα πεδία είναι ο εντοπισμός βιοδεικτών που μπορούν να προβλέψουν την ανταπόκριση ενός ασθενούς.
Οι κίνδυνοι, ωστόσο, είναι σημαντικοί. Ο Παγκόσμιος Οργανισμός Υγείας έχει προειδοποιήσει ότι τα μοντέλα μπορεί να αναπαράγουν προκαταλήψεις που υπάρχουν ήδη στα δεδομένα, ενώ λανθασμένες θετικές ή αρνητικές προβλέψεις μπορούν να δημιουργήσουν κινδύνους για την ασφάλεια των ασθενών εάν δεν ελεγχθούν επαρκώς.
Το πλέον παράδοξο εύρημα έρχεται από ερευνητές στη Γερμανία: σε μελέτη τους διαπίστωσαν ότι ακόμη και οι «παραισθήσεις» των γλωσσικών μοντέλων, οι οποίες θεωρούνται συνήθως βασικό μειονέκτημα της ΑΙ, μπορούν υπό συγκεκριμένες συνθήκες να βελτιώσουν την απόδοση μοντέλων που χρησιμοποιούνται στην ανακάλυψη φαρμάκων.
