Πόσο θα αυξήσει την παραγωγικότητα η Τεχνητή Νοημοσύνη

Οι νέες αυτές τεχνολογικές εξελίξεις ωθούμενες από την πλήρη απελευθέρωση της κίνησης κεφαλαίων στην διεθνή οικονομία δημιουργούν συνθήκες μίας νέας βιομηχανικής επανάστασης της αποκαλούμενης “τέταρτης βιομηχανικής επανάστασης” της ψηφιακής τεχνολογίας. Στο περιβάλλον αυτό παρατηρείται ότι οι εργαζόμενοι σε διάφορες ηπείρους συνεργάζονται σε πραγματικό χρόνο, βελτιώνεται το επίπεδο της παραγωγικότητας τους και ενισχύονται οι ικανότητες των εργαζομένων μεσαίας και χαμηλής τεχνολογικής εξειδίκευσης.

Είναι ενδιαφέρον να σημειωθεί ότι κατά την διάρκεια αυτής της μετάβασης διαπιστώνεται μία ένταση των αντιπαραθέσεων και των στρατηγικών για παράδειγμα των ΗΠΑ, της Γαλλίας, της Κίνας, της Ινδίας, κ.λ.π., σε βαθμό που να εκκολάπτεται, μεταξύ άλλων, ένας εθνικός ή ηπειρωτικός απομονωτισμός. Στις συνθήκες αυτές τα κράτη θα επιδιώξουν να ρυθμίσουν σε εθνικό επίπεδο τη χρήση της τεχνητής νοημοσύνης, προκειμένου να ελαχιστοποιήσουν τις πιθανότητες κοινωνικών και πολιτικών κινδύνων. Ταυτόχρονα θα επιδιώξουν σε εθνικό επίπεδο την ανάπτυξη καινοτομιών τεχνητής νοημοσύνης, προκειμένου να αναβαθμίσουν την θέση τους στον παγκόσμιο γεωπολιτικό συσχετισμό δυνάμεων.

Όμως, στην πορεία αυτή καραδοκεί ο κίνδυνος υπονόμευσης της αναγκαίας και συγκροτημένης ανάπτυξης ενός μοντέλου διεθνούς συνεργασίας και θέσπισης ενός πλαισίου ενδυνάμωσης των αρχών και των κανόνων της δημοκρατίας, της συλλογικότητας και της ρύθμισης στις ασκούμενες πολιτικές, όπως στην Ευρώπη κατά την βιομηχανική επανάσταση του 19ου αιώνα. Κι αυτό, προκειμένου να αποφευχθεί η συρρίκνωση της αυτονομίας της παραγωγικής δραστηριότητας των εργαζομένων από την αλγοριθμική διαχείριση (χρήση της τεχνητής νοημοσύνης) στους χώρους εργασίας και παραγωγής.

Επίσης στο περιβάλλον αυτό των τεχνολογικών ανταγωνιστικών στρατηγικών καραδοκεί ο κίνδυνος εθνικών επιλογών προώθησης της τεχνητής νοημοσύνης σε χώρες ή ηπείρους που στις αρχές του 21ου αιώνα (π.χ. ΕΕ) χαρακτηρίζονται από τεχνολογική και ψηφιακή υστέρηση, αποδίδοντας σ’ αυτή τόσο το επενδυτικό τεχνολογικό χάσμα, όσο και το έλλειμμα παραγωγικότητας της ευρωπαϊκής οικονομίας.

Γεφύρωση του ψηφιακού χάσματος

Στις συνθήκες αυτές –σύμφωνα με πρόσφατη ομιλία της Isabel Schnabel (μέλος του εκτελεστικού συμβουλίου της Ευρωπαϊκής Κεντρικής Τράπεζας)– η πρόκληση για την Ευρώπη στις ημέρες μας είναι η επείγουσα γεφύρωση του τεχνολογικού και ψηφιακού χάσματος, ιδιαίτερα μεταξύ της Ευρωζώνης και των ΗΠΑ. Κατά την Schnabel οι αμερικανικές πολυεθνικές επιχειρήσεις που είναι εγκατεστημένες στην Ευρώπη εμφανίζουν πολύ υψηλότερα επίπεδα παραγωγικότητας που συνδέονται με τις τεχνολογίες πληροφοριών και επικοινωνιών.

Αντίθετα, οι Ευρωπαίοι ανταγωνιστές τους υστερούν σημαντικά, δεδομένου ότι μόνο το 30% των ευρωπαϊκών επιχειρήσεων αυξάνει το επίπεδο της παραγωγικότητας τους με την πραγματοποίηση ψηφιακών επενδύσεων (Chr. Chavagneux, Alternatives Economiques,19/2/2024). Όμως, η προσέγγιση της γραμμικής σχέσης ανάμεσα στην τεχνητή νοημοσύνη και την αύξηση της παραγωγικότητας έχει εγείρει σοβαρές επιφυλάξεις από σχετικές κοινωνικο-οικονομικές μελέτες, οι οποίες υποστηρίζουν ότι η τεχνητή νοημοσύνη από μόνη της δεν αρκεί για να αυξηθεί η παραγωγικότητα.

Η παρατήρηση αυτή σημαίνει ότι τόσο η διοίκηση, όσο και εργαζόμενοι απαιτείται να συμμετέχουν στις τεχνολογικές εξελίξεις των επιχειρήσεων, γεγονός που απαιτεί συμμετοχική και όχι κάθετη και αυταρχική, όπως παρατηρείται στις ημέρες μας, διαχείριση της τεχνητής νοημοσύνης (Chr. Chavagneux, 19/2/2024). Πράγματι, σήμερα η αλγοριθμική διαχείριση, δηλαδή η χρήση της τεχνητής νοημοσύνης από μεγάλες επιχειρήσεις στην αξιολόγηση, την πρόσληψη και την διαχείριση του εργατικού δυναμικού (κατανομή καθηκόντων, παρακολούθηση και αξιολόγηση της απόδοσης και της συμπεριφοράς των εργαζομένων), εγείρει σημαντικά ζητήματα, όπως του δικαίου των εργασιακών σχέσεων, των όρων και των συνθηκών απασχόλησης, της υγείας, της ίσης μεταχείρισης και της αυτονομίας των εργαζομένων.

Τεχνητή Νοημοσύνη και οργάνωση της εργασίας

Στις συνθήκες αυτές η διεθνής και η ευρωπαϊκή έρευνα (J. Giniaux – Kats, E. Campanini, M. Dufour, κ.ά., Νοέμβριος 2021) θεωρεί την αλγοριθμική διαχείριση (χρήση τεχνητής νοημοσύνης) ως ένα νέο μοντέλο οργάνωσης και ελέγχου της εργασίας, το οποίο τροποποιεί την διοίκηση του ανθρώπινου δυναμικού (ο αλγόριθμος αντικαθιστά την ιεραρχία), την αξιολόγηση (βασίζεται σε συνεχή αλγοριθμική παρακολούθηση) και την συμπεριφορά των εργαζομένων στους χώρους εργασίας (αξιολογείται με βάση τις οδηγίες του αλγόριθμου).

Όμως, κατά τον Eric Brynjolfsson (Kαθηγητής στο Πανεπιστήμιο Stanford, ΗΠΑ) «η τεχνητή νοημοσύνη  είναι αποτελεσματική όταν επιδιώκει να βοηθήσει τους εργαζόμενους και όχι όταν επιδιώκει να τους αντικαταστήσει» ή με συγκεκριμένες μεθόδους χρήσης της από τις επιχειρήσεις επιδιώκεται η χειραγώγηση και η περιθωριοποίησή τους, παροξύνοντας προϋπάρχουσες συνθήκες ανισοτήτων στην ευρωπαϊκή οικονομία και την αγορά εργασίας.

Από την άποψη αυτή είναι ενδιαφέρον να σημειωθεί ότι σε μακρο-οικονομικό επίπεδο η χρήση της τεχνητής νοημοσύνης σε όρους δημοκρατίας, εργασιακής απελευθέρωσης και εργασιακής προσδοκίας –κατά τον Brynjolfsson– θα συμβάλλει στην αύξηση του επιπέδου παραγωγικότητας στις ΗΠΑ κατά 3% ετησίως και ίσως και περισσότερο. Το ποσοστό είναι κατάτι μεγαλύτερο –σύμφωνα με την εκτίμηση του Αμερικανού οικονομολόγου Robert Gordon– από το 2,8% ετησίως που κατά μέσο όρο ίσχυε την περίοδο 1920-1970 (πλήρης επίδραση της δεύτερης βιομηχανικής επανάστασης) στις ΗΠΑ (Chr. Chavagneux, Alternatives Economiques, 21/2/2024).

Επιπλέον, οι όροι δημοκρατίας και εργασιακής απελευθέρωσης, καθώς και η συμβολή της τεχνητής νοημοσύνης στην αύξηση του επιπέδου της παραγωγικότητας και του παραγόμενου πλούτου θα διασφαλίσουν σε διεθνές και σε ευρωπαϊκό επίπεδο τόσο τη δίκαιη κατανομή του, όσο και την αποτελεσματική απορρόφηση της προκαλούμενης ανεργίας από την μείωση του χρόνου εργασίας χωρίς μείωση των αποδοχών.