Συνήθως η συζήτηση για την τεχνητή νοημοσύνη επικεντρώνεται στα τσιπ, στα data centers, στα εργοστάσια παραγωγής ενέργειας και στη ραγδαία αύξηση της ζήτησης για ηλεκτρικό ρεύμα. Όλα αυτά είναι κρίσιμα κομμάτια του παζλ, όμως σταδιακά αναδύεται ένας παράγοντας που μέχρι πρόσφατα έμενε στο περιθώριο: το ανθρώπινο δυναμικό που θα στηρίξει αυτή την τεράστια υποδομή.

Η έκρηξη της τεχνητής νοημοσύνης δεν είναι μόνο ένα ψηφιακό φαινόμενο. Είναι, στην πράξη, ένα βαθιά φυσικό και κατασκευαστικό έργο. Για κάθε νέο data center απαιτούνται ηλεκτρολόγοι, τεχνικοί υποσταθμών, μηχανικοί δικτύων, εγκαταστάτες, συγκολλητές και συνεργεία κατασκευών. Πρόκειται για ειδικότητες που δεν μπορούν να υποκατασταθούν από λογισμικό ή κεφάλαια, αλλά απαιτούν χρόνια εκπαίδευσης και εμπειρίας.

Καθώς η πρώτη φάση της ανάπτυξης της τεχνητής νοημοσύνης εστίασε κυρίως στην υπολογιστική ισχύ, οι επενδύσεις κατευθύνθηκαν στους ημιαγωγούς, στο cloud και στην κατασκευή γιγαντιαίων data centers. Όμως κάθε τέτοια εγκατάσταση πρέπει να συνδεθεί με το ηλεκτρικό δίκτυο, να εξοπλιστεί με μετασχηματιστές, υποσταθμούς, συστήματα ψύξης και εφεδρική ισχύ, και όλα αυτά πρέπει να υλοποιηθούν από εξειδικευμένα συνεργεία που ήδη βρίσκονται σε έλλειψη.

Όπως αναφέρει πρόσφατη ανάλυση του Reuters, η επιτάχυνση της κατασκευής data centers επιδεινώνει τις ελλείψεις σε ηλεκτρολόγους και τεχνικούς δικτύων, σε μια περίοδο που μεγάλο μέρος του έμπειρου εργατικού δυναμικού πλησιάζει στη συνταξιοδότηση. Το αποτέλεσμα είναι μια αγορά εργασίας που δεν μπορεί να συμβαδίσει με τον ρυθμό των επενδύσεων.

Οι επιπτώσεις είναι ήδη μετρήσιμες. Σύμφωνα με την Goldman Sachs Research, η ζήτηση ηλεκτρικής ενέργειας για data centers στις ΗΠΑ μπορεί να αυξηθεί από 31 γιγαβάτ το 2025 σε 66 γιγαβάτ το 2027, υπερδιπλασιάζοντας τη σχετική χωρητικότητα μέσα σε μόλις δύο χρόνια. Για να υποστηριχθεί αυτή η επέκταση, θα απαιτηθούν εκατοντάδες χιλιάδες νέοι εργαζόμενοι στον τομέα της ενέργειας και των υποδομών, περίπου 510.000 στις ΗΠΑ έως το 2030 και άλλοι 250.000 στην Ευρώπη.

Η πρόκληση όμως δεν είναι μόνο αριθμητική, αλλά δομική. Η ζήτηση δεν αυξάνεται μεμονωμένα σε έναν κλάδο, αλλά ταυτόχρονα σε πολλούς: σε εταιρείες κοινής ωφέλειας, σε εργολάβους δικτύων, σε έργα ανανεώσιμων πηγών ενέργειας και σε βιομηχανικά έργα εκσυγχρονισμού. Όλοι αυτοί ανταγωνίζονται για το ίδιο περιορισμένο απόθεμα εξειδικευμένων εργατών.

Οι προβλέψεις της Υπηρεσίας Στατιστικών Εργασίας των ΗΠΑ (BLS) δείχνουν ότι η απασχόληση ηλεκτρολόγων θα αυξηθεί κατά περίπου 9% έως το 2034, με δεκάδες χιλιάδες κενές θέσεις κάθε χρόνο λόγω συνταξιοδοτήσεων. Αντίστοιχα, οι τεχνικοί γραμμών μεταφοράς θα δουν αυξημένη ζήτηση, με χιλιάδες ετήσια κενά.

Αυτό δεν σημαίνει ότι η ανάπτυξη της τεχνητής νοημοσύνης θα σταματήσει, αλλά ότι μπορεί να γίνει πιο αργή και πιο δαπανηρή. Έργα υποδομών ενδέχεται να καθυστερήσουν, τα κόστη να αυξηθούν και η πίεση να μεταφερθεί τελικά στους λογαριασμούς ενέργειας και στους καταναλωτές. Οι ρυθμιστικές αρχές ήδη εξετάζουν ποιος θα επωμιστεί το βάρος των νέων επενδύσεων: οι μεγάλοι “οδηγοί” ζήτησης όπως τα data centers ή το ευρύτερο κοινό.

Μέσα σε αυτό το περιβάλλον, η άνθηση της τεχνητής νοημοσύνης παύει να είναι αποκλειστικά τεχνολογικό ζήτημα. Μετατρέπεται σε ένα σύνθετο ζήτημα υποδομών, εργασίας και ενεργειακής πολιτικής, όπου η φυσική δυνατότητα υλοποίησης μπορεί να αποδειχθεί εξίσου κρίσιμη με την ψηφιακή καινοτομία.

Και τελικά, όσο κι αν η τεχνητή νοημοσύνη “ζει στο cloud”, η πραγματική της βάση παραμένει απολύτως γήινη: χρειάζεται εργάτες, δίκτυα, καλώδια και ανθρώπους για να την κάνουν λειτουργική.