Για μεγάλο μέρος του 20ού αιώνα, η αμερικανική επιχειρηματική κουλτούρα στηρίχθηκε στην ιδέα της σταδιακής ανέλιξης. Πολλοί από τους σημερινούς επικεφαλής κολοσσών ξεκίνησαν από απλές, χαμηλόβαθμες θέσεις. Ο Αντόνιο Νέρι της Hewlett Packard Enterprise εργάστηκε αρχικά σε τηλεφωνικό κέντρο, ο Νταγκ ΜακΜίλον της Walmart φόρτωνε φορτηγά ως part-time υπάλληλος, ενώ η Μέρι Μπάρα της General Motors βρέθηκε στη γραμμή παραγωγής από τα 18 της χρόνια.

Ακριβώς αυτές οι θέσεις, που λειτουργούσαν ως «σχολείο» για τις επόμενες βαθμίδες, είναι σήμερα οι πιο εκτεθειμένες στον κίνδυνο εξαφάνισης.

Η αυτοματοποίηση και η γενετική τεχνητή νοημοσύνη αναλαμβάνουν ολοένα περισσότερες εργασίες χαμηλής εμπειρίας, μεταβάλλοντας ριζικά τη δομή των οργανισμών. Η αλλαγή αυτή δεν περιορίζεται στον αριθμό των προσλήψεων, αλλά επηρεάζει τον ίδιο τον μηχανισμό μέσω του οποίου οι εργαζόμενοι αποκτούν δεξιότητες και μεταφέρουν γνώση στο εσωτερικό των εταιρειών.

Ο διευθύνων σύμβουλος της Anthropic, Ντάριο Αμοντέι, έχει εκφράσει την εκτίμηση ότι έως και οι μισές θέσεις αρχικού επιπέδου ενδέχεται να χαθούν, καθώς η τεχνητή νοημοσύνη μπορεί να εκτελεί παρόμοια καθήκοντα αδιάκοπα και χωρίς περιορισμούς. Η προειδοποίηση αυτή έρχεται σε μια περίοδο κατά την οποία η είσοδος των νέων στην αγορά εργασίας γίνεται ήδη ολοένα δυσκολότερη.

Τα διαθέσιμα δεδομένα ενισχύουν αυτή την εικόνα. Ανάλυση της εταιρείας venture capital SignalFire, η οποία εξέτασε στοιχεία απασχόλησης από το 2019 έως το 2024 σε μεγάλες εισηγμένες τεχνολογικές εταιρείες και σε startups με χρηματοδότηση VC, καταγράφει μείωση κατά 50% στις προσλήψεις αποφοίτων με λιγότερο από έναν χρόνο επαγγελματικής εμπειρίας.

Η κάμψη αυτή εμφανίζεται σχεδόν οριζόντια: από πωλήσεις και μάρκετινγκ μέχρι μηχανική, ανθρώπινο δυναμικό, οικονομικές και νομικές υπηρεσίες. Όπως επισημαίνει ο επικεφαλής έρευνας της SignalFire, Άσερ Μπάντοκ, οι διακυμάνσεις στις προσλήψεις είναι συνηθισμένες, ωστόσο η συγκεκριμένη τάση χαρακτηρίζεται σταθερή και στατιστικά αξιόπιστη σε βάθος χρόνου.

Παρά τη ζοφερή εικόνα, η συνεργάτιδα της SignalFire, Χέδερ Ντόσεϊ, υπογραμμίζει ότι τα ευρήματα δεν θα πρέπει να λειτουργήσουν αποθαρρυντικά. Σύμφωνα με την ίδια, η υποχώρηση των παραδοσιακών entry-level ρόλων αποτελεί μέρος μιας ευρύτερης αναδιάρθρωσης, που αλλάζει συνολικά τον τρόπο με τον οποίο οι επιχειρήσεις σχεδιάζουν την ανάπτυξη του ανθρώπινου δυναμικού τους.

Οι εταιρείες στρέφονται σε πιο «επίπεδες» οργανωτικές δομές, με λιγότερα ιεραρχικά επίπεδα. Η κλασική πυραμίδα δεν καταργείται, αλλά συμπιέζεται, με αποτέλεσμα η διαδρομή από τις βασικές εργασίες προς τη διοίκηση να γίνεται ολοένα πιο σπάνια. Το πρόβλημα δεν είναι η έλλειψη φιλοδοξίας, αλλά η απουσία των ενδιάμεσων σταδίων μάθησης.

Ταυτόχρονα, οι νέοι ρόλοι που δημιουργούνται απαιτούν συχνά αυξημένες δεξιότητες από την πρώτη ημέρα. Οι απόφοιτοι καλούνται να φτάσουν στην αγορά εργασίας ήδη «έτοιμοι», χωρίς την προστατευμένη φάση μιας αρχικής θέσης. Η Ντόσεϊ θυμίζει ότι κάτι παρόμοιο συνέβη και στο παρελθόν, όταν το διαδίκτυο και το email μετατράπηκαν σε βασικές επαγγελματικές δεξιότητες: όσοι τα κατείχαν έγκαιρα απέκτησαν σαφές πλεονέκτημα. Κατά την ίδια λογική, η εξοικείωση με την τεχνητή νοημοσύνη θα μπορούσε να λειτουργήσει αντίστοιχα σήμερα.

Ωστόσο, η ίδια παραδέχεται ότι αυτή η προοπτική δεν προσφέρει άμεση λύση. Οι απόφοιτοι των ετών 2024, 2025 και 2026 θεωρούνται ιδιαίτερα εκτεθειμένοι, καθώς ξεκινούν την επαγγελματική τους διαδρομή σε μια περίοδο έντονης μετάβασης και αβεβαιότητας.

Πιο επιφυλακτικός εμφανίζεται ο επίκουρος καθηγητής Οικονομικών στο University of Chicago, Άντερς Χούμλουμ, ο οποίος τονίζει ότι οι εκτιμήσεις για τον μακροπρόθεσμο αντίκτυπο της τεχνητής νοημοσύνης παραμένουν σε μεγάλο βαθμό θεωρητικές. Όπως σημειώνει, οι επιχειρήσεις βρίσκονται ακόμη στα πρώτα στάδια προσαρμογής στη γενετική AI, ενώ η μαζική χρήση εργαλείων όπως τα chatbots μετρά μόλις δυόμισι χρόνια.

Μέχρι στιγμής, προσθέτει, δεν παρατηρούνται σαφείς μεταβολές στα συνολικά επίπεδα απασχόλησης ή στα εισοδήματα συγκεκριμένων επαγγελμάτων. Ιστορικά, ακόμη και οι πιο ριζικές τεχνολογικές αλλαγές — από την ατμομηχανή έως τους ηλεκτρονικούς υπολογιστές — χρειάστηκαν δεκαετίες για να αφήσουν ισχυρό αποτύπωμα στην οικονομία.

Το κρίσιμο ερώτημα, σύμφωνα με τον Χούμλουμ, δεν είναι αν η τεχνητή νοημοσύνη μπορεί να αντικαταστήσει καθήκοντα χαμηλής εμπειρίας, αλλά με ποιον ρυθμό μπορούν οι οργανισμοί να προσαρμοστούν. Για να αποδώσουν τα νέα εργαλεία, απαιτούνται επενδύσεις στην εκπαίδευση και στη σωστή ενσωμάτωσή τους στην καθημερινή εργασία.

Παράλληλα, ο προβληματισμός αρχίζει να επεκτείνεται πέρα από τις αρχικές ή χαμηλόμισθες θέσεις. Ορισμένοι ειδικοί προειδοποιούν ότι, αν η τεχνητή νοημοσύνη συνεχίσει να εξελίσσεται με τον ίδιο ρυθμό, δεν αποκλείεται να επηρεάσει ακόμη και ανώτερα διοικητικά επίπεδα. Σε αυτή την περίπτωση, το ερώτημα δεν θα αφορά μόνο το ποιες δουλειές χάνονται, αλλά τη θέση του ανθρώπινου παράγοντα σε ολόκληρη την επαγγελματική πυραμίδα.