Η τεχνητή νοημοσύνη μπαίνει πλέον στο επίκεντρο της επιχειρηματικής στρατηγικής, όχι ως απλή τεχνολογική καινοτομία αλλά ως εργαλείο άμεσης αξίας, εκτιμά ο ΣΕΒ. Σε νέο «Οδηγό» που παρουσίασε ο φορέας, περιγράφονται πρακτικές εφαρμογές και βήματα για την αξιοποίηση των δυνατοτήτων της ΤΝ με στόχο την αύξηση παραγωγικότητας και τη βελτίωση υπηρεσιών.
Ο Οδηγός προτείνει να δοθεί προτεραιότητα σε δραστηριότητες που “φέρνουν” τη μεγαλύτερη αξία και είναι εφικτές με τα διαθέσιμα δεδομένα —πρόκειται κυρίως για επαναλαμβανόμενες διεργασίες χαμηλής πολυπλοκότητας, όπου η τεχνητή νοημοσύνη μπορεί να αποδώσει άμεσα και με ασφάλεια.
Στην πρώτη γραμμή των εφαρμογών που περιγράφονται βρίσκονται ο αυτοματισμός απαντήσεων σε after sales ερωτήματα, η ανάλυση και σύνοψη συμβολαίων προμηθευτών και η εξαγωγή γνώσης από αναφορές βλαβών και συντήρησης. Επιπλέον, ο Οδηγός δίνει έμφαση στην ανάλυση και ερμηνεία δεδομένων αισθητήρων, όπου η ΤΝ συμβάλλει στην ταχύτερη διάγνωση προβλημάτων και στη βελτιστοποίηση λειτουργιών.
Ο ρόλος του «ψηφιακού διδύμου»
Μια από τις κεντρικές προτάσεις είναι η υιοθέτηση του «ψηφιακού διδύμου» — ενός ψηφιακού μοντέλου που παρακολουθεί, καταγράφει και αναπαριστά μια υφιστάμενη διαδικασία σε περιβάλλον τεχνητής νοημοσύνης. Το ψηφιακό δίδυμο επιτρέπει την προσομοίωση παρεμβάσεων πριν από την υλοποίηση, εκτιμώντας εκ των προτέρων το αναμενόμενο όφελος και τους πιθανούς κινδύνους.
Για παράδειγμα, όταν στόχος είναι η μείωση του χρόνου ανταπόκρισης στα αιτήματα πελατών, το «Ψηφιακό Δίδυμο» αντλεί αυτόματα κάθε σχετικό αίτημα από το σύστημα και αναπαράγει βήμα-βήμα τη διαδικασία διεκπεραίωσης. Στη συνέχεια προσομοιώνει σκηνικά «τι θα συνέβαινε αν», δείχνοντας πόσο θα μειωνόταν ο χρόνος ανταπόκρισης, πού αναμένεται να προκύψουν εμπόδια και πότε θα χρειαστεί ανθρώπινη παρέμβαση.
Εφαρμογές στις προσλήψεις
Στον χώρο των προσλήψεων, ο Οδηγός προτείνει τη χρήση της ΤΝ ως ψηφιακού βοηθού που αναλύει δεδομένα όπως φόρτος εργασίας, αποδόσεις ομάδων και ελλείψεις σε δεξιότητες, ώστε να προτείνει τεκμηριωμένες ανάγκες στελέχωσης. Επίσης, μπορεί να δημιουργεί περιγραφές θέσεων με βάση τις δεξιότητες που λείπουν και να διαμορφώνει πιο στοχευμένες αγγελίες.
Οι αλγόριθμοι επιταχύνουν την ανίχνευση και κατηγοριοποίηση υποψηφίων, αναλύοντας αυτόματα βιογραφικά και προφίλ και διενεργώντας «έξυπνη αξιολόγηση» για τη σύνταξη shortlist βάσει δεδομένων. Παράλληλα, η ΤΝ προσαρμόζει δυναμικά τις προσφορές εργασίας και σχεδιάζει προσωποποιημένα πλάνα ένταξης για τους νέους εργαζόμενους, ενώ οι ψηφιακοί βοηθοί παρέχουν συνεχή υποστήριξη πριν και μετά την πρόσληψη.
Ανησυχίες των εργαζομένων
Ο Οδηγός δεν παραβλέπει τις ανησυχίες του προσωπικού. Περιλαμβάνει πρακτικές συμβουλές για την αντιμετώπιση φόβων και επιφυλάξεων που εμφανίζονται κατά την εισαγωγή τεχνολογιών ΤΝ στον χώρο εργασίας.
Οι βασικές ανησυχίες που καταγράφονται είναι:
- Τον φόβο αντικατάστασης («Η ΤΝ θα πάρει τη δουλειά μου»)
- Την απώλεια εξειδίκευσης και κύρους («Τα χρόνια εμπειρίας μου καθίστανται αναξιόπιστα, μπορεί να αντικατασταθώ εύκολα»)
- Την έλλειψη κατανόησης και την ανησυχία για ιδιωτικότητα ή παρακολούθηση («Η ΤΝ με παρακολουθεί και αξιολογεί»)
- Τη δυσπιστία απέναντι στις αποφάσεις της ΤΝ («Πώς να εμπιστευτώ μηχανή για σημαντικές αποφάσεις;»). Σύμφωνα με παράδειγμα του Οδηγού, στον τομέα της εξυπηρέτησης πελατών η τεχνητή νοημοσύνη μπορεί να οδηγήσει σε μείωση θέσεων εργασίας κατά 37%.
Τέλος, ο ΣΕΒ τονίζει ότι σε πιο σύνθετα και κρίσιμα σημεία της λειτουργίας απαιτείται ανθρώπινη συνεργασία, με την τεχνητή νοημοσύνη να λειτουργεί υποστηρικτικά και όχι απομονωμένα. Η επιτυχία, κατά τον Οδηγό, προϋποθέτει στρατηγική επιλογή εφαρμογών, προσεκτική διαχείριση δεδομένων και ενεργή εμπλοκή των ανθρώπων στη μετάβαση.
