BCM: Γιατί στον χρηματοοικονομικό κλάδο υπάρχει έλλειψη ανθρώπινου δυναμικού ακόμα και στην εποχή της τεχνητής νοημοσύνης

NEWSROOM
Φωτογραφία: shutterstock
Φωτογραφία: shutterstock

Όπως έδειξαν τα τελευταία στατιστικά στοιχεία από την αγορά εργασίας, το ποσοστό ανεργίας στην Ελλάδα τον περασμένο Αύγουστο ήταν 12,2%. Πρόκειται για ένα σχετικά πιο ευνοϊκό ποσοστό συγκριτικά με το 13,7% που ίσχυε έναν χρόνο πριν. Στον τομέα των χρηματοπιστωτικών υπηρεσιών, η κατάσταση είναι ακόμη πιο δυναμική. Για παράδειγμα, μεταξύ των επενδυτικών εταιρειών εξακολουθεί να υπάρχει έλλειψη επαγγελματιών όπως οικονομολόγων, αναλυτών, εμπόρων-μεταπωλητών, μεσιτών και συμβούλων, οι οποίοι είναι δυσεύρετοι στην αγορά σήμερα. Πώς είναι δυνατόν αυτό, όταν η δουλειά τους γίνεται ευκολότερη από ολοένα και πιο ισχυρούς υπολογιστές, πιο έξυπνα προγράμματα και εφαρμογές; Στο περιβάλλον μας, οι επενδύσεις γίνονται διαδικτυακά και υποστηρίζονται από διάφορα αυτοματοποιημένα συστήματα, πλατφόρμες συναλλαγών και κοινωνικούς αλγόριθμους που μπορούν να προσομοιάζουν με μεγάλη ακρίβεια τη συμπεριφορά συγκεκριμένων παραμέτρων στην αγορά σύμφωνα με τις απαιτήσεις του πελάτη.

Ωστόσο, οι ώρες εργασίας δεν έχουν αλλάξει σημαντικά τα τελευταία χρόνια. Με σταθερό αριθμό εργαζομένων και αυξανόμενη απόδοση εργασίας, χάρη στις προαναφερθείσες τεχνολογίες, η ίδια ομάδα πρέπει να διαχειριστεί μεγαλύτερο μερίδιο της εργασίας. Πώς είναι δυνατόν λοιπόν οι εταιρείες να αναζητούν όλο και περισσότερους οικονομολόγους, αναλυτές, εμπόρους ή project managers; Με τον ίδιο όγκο εργασίας, ο αριθμός των εργαζομένων σε αυτά τα επαγγέλματα θα έπρεπε να μειώνεται. Αυτό που κάνουν δέκα άνθρωποι σήμερα θα μπορούσε να γίνει από οκτώ ή εννέα άτομα σε δύο ή τρία χρόνια. Αλλά και η απασχόληση σε αυτά τα επαγγέλματα δεν μειώνεται. Αντιθέτως. Πώς θα μπορούσαμε να το εξηγήσουμε αυτό;

Η εμπειρία δείχνει ότι ο παράγοντας «έλλειψη ανθρώπων» είναι το λεγόμενο συμπληρωματικό αποτέλεσμα. Δηλαδή, η αύξηση των πωλήσεων ενός προϊόντος προωθεί την αύξηση του ενδιαφέροντος για το άλλο προϊόν. Ένα χαρακτηριστικό παράδειγμα είναι ο καφές και η ζάχαρη. Όσο περισσότερος καφές καταναλώνεται, τόσο αυξάνεται και η ζήτηση της ζάχαρης. Το ίδιο συμβαίνει επίσης με την τεχνολογία και τους ανθρώπους στις επιχειρήσεις. Έτσι, οι μηχανές και η τεχνολογία όχι μόνο «παίρνουν» δουλειές, αλλά δημιουργούν και θέσεις εργασίας για τους ανθρώπους. Ακόμη και με μια πρόχειρη ματιά, λοιπόν, είναι προφανής η συμπληρωματική σχέση μεταξύ της ανθρώπινης προσέγγισης και της ανάλυσης, της αναγνώρισης προτύπων, της ευρετικής προσέγγισης, της αναλογίας και της προσέγγισης AI/IT, της ακρίβειας και της λογικής. Περισσότερος καφές (τεχνολογία) – περισσότερη ζάχαρη (ανθρώπινη εργασία).

H πρόοδος στα μεγάλα δεδομένα (big data) μπορεί να χρησιμοποιηθεί ως άλλο ένα παράδειγμα. Σήμερα, είμαστε σε θέση να συλλέγουμε περισσότερα δεδομένα, τα οποία είναι επίσης πιο περίπλοκα, ταχύτερα και φθηνότερα από πριν. Αντίστοιχα, η δυσκολία απόκτησης δεδομένων μειώνεται. Όμως, όσο περισσότερα δεδομένα υπάρχουν, τόσο περισσότερο χρειάζεται να ερμηνευθούν. Τα δεδομένα που συλλέγονται χωρίς σωστή ερμηνεία είναι άχρηστα. Εδώ, έρχεται ο προαναφερόμενος οικονομολόγος, αναλυτής ή project manager. Περισσότερα δεδομένα – περισσότεροι ειδικοί να τα αναλύσουν. Και η εταιρεία θα αναλύσει τα δεδομένα, γιατί αν δε το κάνει θα συντριβεί από ανταγωνιστές που συλλέγουν και χρησιμοποιούν σωστά τις πολύτιμες πληροφορίες. Ωστόσο, δεν είναι μόνο η ερμηνεία δεδομένων, αλλά και η ικανότητα να τίθενται ερωτήματα και να προκύπτουν συλλογισμοί κριτικής σκέψης. Η τεχνολογία δημιουργεί χώρο για αυτό, και εκεί δημιουργείται η ζήτηση για ανθρώπινη εργασία.

Η «διευκόλυνση» και η αυξημένη αποτελεσματικότητα της εργασίας που επιφέρει, για παράδειγμα, η τεχνητή νοημοσύνη στις επιχειρήσεις δημιουργεί επίσης ζήτηση για άλλα επαγγέλματα που εμπιστεύονται τον άνθρωπο και όχι τους υπολογιστές. Δεν λέω ότι αυτό πρέπει να ισχύει για πάντα, αλλά προς το παρόν φαίνεται ότι πρόκειται να γλυκάνουμε τον καφέ μας λίγο παραπάνω.

Tomas Kolomaznik

BCM Begin Capital Markets

ΣΧΕΤΙΚΑ