Η πλειονότητα των εργαζομένων γνώσης, σε ποσοστό που αγγίζει το 55%, χρησιμοποιεί πλέον την Τεχνητή Νοημοσύνη σε εβδομαδιαία βάση, σύμφωνα με τη νέα έκθεση «The AI Proficiency Report» της εταιρείας συμβούλων Section. Ωστόσο, τα ευρήματα της έρευνας, η οποία βασίστηκε σε δείγμα 5.000 εργαζομένων από τις ΗΠΑ, το Ηνωμένο Βασίλειο και τον Καναδά, αποκαλύπτουν ένα σοβαρό ποιοτικό έλλειμμα στη χρήση των νέων τεχνολογιών. Συγκεκριμένα, το 85% των περιπτώσεων χρήσης που καταγράφηκαν κρίθηκε ότι είναι απίθανο να δημιουργήσει πραγματική επιχειρηματική αξία, ενώ το 25% του εργατικού δυναμικού δηλώνει ότι δεν χρησιμοποιεί καθόλου την Τεχνητή Νοημοσύνη για επαγγελματικούς σκοπούς.
Η έκθεση κατηγοριοποιεί το 70% των εργαζομένων ως «πειραματιστές» (experimenters), οι οποίοι περιορίζονται σε βασικές εντολές και απλές εργασίες, χωρίς να εκμεταλλεύονται τις δυνατότητες της τεχνολογίας για εξοικονόμηση χρόνου ή πόρων. Μόλις το 15% των ερωτηθέντων διαθέτει μια αξιόλογη περίπτωση χρήσης που σχετίζεται με την εργασία του, ενώ λιγότερο από το 3% χρησιμοποιεί την Τεχνητή Νοημοσύνη με τρόπους που αποφέρουν σημαντική απόδοση επένδυσης (ROI). Επιπλέον, μόνο το 2% των περιπτώσεων κρίθηκαν ως «προηγμένες», αφορώντας κυρίως τη δημιουργία αυτοματισμών προς όφελος του οργανισμού, αντί για μεμονωμένες ενέργειες που αφορούν αποκλειστικά την ατομική παραγωγικότητα του χρήστη.
Χαμηλή παραγωγή αξίας και βασικές χρήσεις
Η ανάλυση 4.500 περιπτώσεων επαγγελματικής χρήσης έδειξε ότι η πιο διαδεδομένη εφαρμογή, για το 14% των εργαζομένων, είναι η απλή αντικατάσταση της αναζήτησης στο Google. Παράλληλα, περίπου το 17% των εργαζομένων χρησιμοποιεί εργαλεία AI για τη σύνταξη, την επεξεργασία και τη σύνοψη εγγράφων, αλλά μόλις το 2% έχει προχωρήσει στην ανάπτυξη αυτοματισμών για τη δημιουργία κειμένου. Ακόμη πιο χαμηλά είναι τα ποσοστά σε τεχνικούς τομείς, καθώς μόνο το 3% αναφέρει ότι η πιο πολύτιμη χρήση αφορά την ανάλυση δεδομένων ή τη δημιουργία κώδικα, γεγονός που επιβεβαιώνει ότι η πλειονότητα παραμένει σε επιφανειακό επίπεδο χρήσης.
Σε ό,τι αφορά την εξοικονόμηση χρόνου, τα δεδομένα της Section είναι αποκαλυπτικά για το χάσμα αποδοτικότητας. Ένα ποσοστό της τάξης του 40% των εργαζομένων που δεν κατέχουν διευθυντικές θέσεις δήλωσε ότι η Τεχνητή Νοημοσύνη δεν τους εξοικονομεί καθόλου χρόνο κατά τη διάρκεια της εβδομάδας. Αντίστοιχα, το 24% του συνολικού δείγματος ανέφερε μηδενική εξοικονόμηση χρόνου, ενώ ένα επιπλέον 44% δήλωσε ότι κερδίζει λιγότερο από τέσσερις ώρεςεβδομαδιαίως. Μόλις το 2% των μη διευθυντικών στελεχών ανέφερε εξοικονόμηση που υπερβαίνει τις 12 ώρες την εβδομάδα.
Το μεγάλο χάσμα μεταξύ διοίκησης και εργαζομένων
Υπάρχει μια έντονη διάσταση απόψεων μεταξύ της ηγεσίας (C-suite) και των απλών εργαζομένων (individual contributors – ICs). Τα ανώτατα στελέχη εμφανίζονται κατά 31% πιο πιθανό να πιστεύουν ότι η εταιρεία τους έχει επιτύχει ευρεία υιοθέτηση της τεχνολογίας. Ενώ το 75% των μελών του C-suite δηλώνει ενθουσιασμένο με τις προοπτικές της Τεχνητής Νοημοσύνης και το 94% την εμπιστεύεται απόλυτα, η εικόνα στη βάση της ιεραρχίας είναι διαφορετική. Το 68% των απλών εργαζομένων αισθάνεται άγχος ή πίεση από τις νέες απαιτήσεις, ποσοστό που στα ανώτατα στελέχη περιορίζεται μόλις στο 26%, δημιουργώντας ένα περιβάλλον ασυμβίβαστων αντιλήψεων.
Η ανισότητα αυτή αντικατοπτρίζεται και στην πρόσβαση σε πόρους και εκπαίδευση εντός των οργανισμών. Σύμφωνα με τα στοιχεία, το 80% των στελεχών C-suite διαθέτει πρόσβαση σε εργαλεία AI, σε αντίθεση με το 32% των απλών εργαζομένων. Παρόμοια εικόνα παρατηρείται και στην εκπαίδευση, όπου το 81% της ηγεσίας λαμβάνει σχετική κατάρτιση, έναντι μόλις 27% του υπόλοιπου προσωπικού. Αυτό εξηγεί εν μέρει γιατί μόνο το 2% των στελεχών δηλώνει ότι δεν εξοικονομεί χρόνο, ενώ ένα σημαντικό 19% υποστηρίζει ότι κερδίζει πάνω από 12 ώρες εβδομαδιαίως, ζώντας σε μια διαφορετική τεχνολογική πραγματικότητα από τους υφισταμένους τους.
Σημαντικές υστερήσεις σε βασικούς κλάδους και ρόλους
Η έκθεση της Section εντοπίζει σημαντικές διαφοροποιήσεις στην ωριμότητα χρήσης ανάλογα με τον κλάδο και τον επαγγελματικό ρόλο. Οι τομείς της Τεχνολογίας, των Χρηματοοικονομικών και της Συμβουλευτικής προηγούνται, καθώς είναι πιο πιθανό να διαθέτουν εταιρική στρατηγική και πολιτική χρήσης. Αντίθετα, κλάδοι όπως η Υγεία, η Εκπαίδευση και το Λιανεμπόριο καταγράφονται ως ουραγοί, παρουσιάζοντας ελλείψεις σε υποδομές και καθοδήγηση. Τα στοιχεία δείχνουν ότι οι εργαζόμενοι σε εταιρείες με σαφή στρατηγική AI είναι κατά 1,6 φορές πιο ικανοί στη χρήση των εργαλείων από εκείνους που εργάζονται χωρίς κατευθυντήριες γραμμές.
Αξιοσημείωτα είναι και τα ευρήματα που αφορούν εξειδικευμένους ρόλους που θεωρητικά θα έπρεπε να πρωτοστατούν στην υιοθέτηση της τεχνολογίας. Το 54% των μηχανικών λογισμικού δηλώνει ότι δεν χρησιμοποιεί την Τεχνητή Νοημοσύνη για τη συγγραφή ή την αποσφαλμάτωση κώδικα, ενώ το 87% των διαχειριστών προϊόντων (product managers) δεν τη χρησιμοποιεί για τη δημιουργία πρωτοτύπων. Ακόμη και στο τμήμα Μάρκετινγκ, έναν τομέα έντασης λόγου, το προσωπικό εξοικονομεί κατά μέσο όρο το πολύ τέσσερις ώρες την εβδομάδα, ενώ η εξυπηρέτηση πελατών βρίσκεται στην τελευταία θέση σε επίπεδα επάρκειας και εξοικονόμησης χρόνου.
Η ανάγκη για νέους δείκτες επιτυχίας
Η έκθεση καταλήγει στο συμπέρασμα ότι οι δείκτες που χρησιμοποιούν οι επιχειρήσεις για να μετρήσουν την επιτυχία, όπως τα ποσοστά υιοθέτησης και η συχνότητα πρόσβασης, είναι πλέον παραπλανητικοί. Καθώς το 59% των αναφερόμενων χρήσεων αφορά απλώς βοήθεια σε εργασίες (task assistance), η απλή χρήση εργαλείων δεν μεταφράζεται σε επιχειρηματικό όφελος. Προτείνεται η στροφή σε νέες μετρήσεις, όπως ο χρόνος που εξοικονομείται ανά εργαζόμενο και η ποιότητα των περιπτώσεων χρήσης, καθώς και η δημιουργία βιβλιοθηκών με συγκεκριμένα παραδείγματα (use case libraries) ανά τμήμα για την καθοδήγηση του προσωπικού.
