Η χρήση της τεχνητής νοημοσύνης (AI) έχει αναδειχθεί ως ένα δίκοπο μαχαίρι για πολλούς επαγγελματίες. Ενώ η ταχύτητα και η ευκολία με την οποία μπορεί να παράγει αποτελέσματα είναι αναμφισβήτητη, οι ειδικοί προειδοποιούν για έναν επικείμενο κίνδυνο: την υποβάθμιση των δεξιοτήτων των εργαζομένων, γνωστή και ως “deskilling”.
Ο Josh Anderson, ένας σύμβουλος λογισμικού με 25ετή εμπειρία, βίωσε αυτή την πραγματικότητα κατά τη διάρκεια ενός πειράματος. Ενώ δημιουργούσε μια εφαρμογή, την Road Trip Ninja, αποκλειστικά με τη βοήθεια της AI, χωρίς να γράψει ο ίδιος ούτε μία γραμμή κώδικα, αρχικά ένιωσε σαν να βρισκόταν σε ένα μαγικό κόσμο. Η πρόοδος ήταν ραγδαία, με χαρακτηριστικά να εμφανίζονται σε ελάχιστα λεπτά.
Ωστόσο, καθώς το πρότζεκτ προχωρούσε και ο κώδικας αυξανόταν, ο ρυθμός άρχισε να επιβραδύνεται. Η αλληλεπίδραση με το chatbot γινόταν όλο και πιο χρονοβόρα, τα σχέδια άρχισαν να αποκλίνουν από τα αρχικά πρότυπα, και η επίλυση προβλημάτων εξελίχθηκε σε έναν “ατελείωτο αγώνα πάλης”. Όταν ο Anderson χρειάστηκε να επέμβει ο ίδιος για να κάνει αλλαγές, διαπίστωσε με έκπληξη ότι η αυτοπεποίθησή του είχε μειωθεί.
Αυτό που βίωσε ο Anderson δεν είναι μεμονωμένο περιστατικό. Πολλοί προγραμματιστές αντιμετώπισαν δυσκολίες όταν, για παράδειγμα, το σύστημα Claude της Anthropic τέθηκε εκτός λειτουργίας, αδυνατώντας να συνεχίσουν την εργασία τους χωρίς την άμεση βοήθεια της AI. “Οι διακοπές του Claude ήταν πολύ πιο έντονες όταν συνειδητοποιείς ότι έχεις αναθέσει το μισό σου μυαλό σε αυτό”, ανέφερε χαρακτηριστικά ένας χρήστης στο Reddit.
Ο John Nosta, ιδρυτής του NostaLab, χαρακτηρίζει αυτό το φαινόμενο ως “φαινόμενο επαναφοράς της AI”. Υποστηρίζει ότι ενώ η AI ενισχύει την παραγωγικότητα, ταυτόχρονα διαβρώνει σιωπηλά τις δεξιότητες που βρίσκονται πίσω από αυτήν, οδηγώντας σε πτώση των ικανοτήτων κάτω από το βασικό επίπεδο. Ο κίνδυνος δεν είναι μόνο η εξάρτηση, αλλά και η οπισθοδρόμηση.
Οι γρήγορες και άψογες απαντήσεις της AI μπορούν να διαστρεβλώσουν την αντίληψη των ανθρώπων για τις δικές τους ικανότητες, δημιουργώντας μια “υπερβολική αίσθηση ικανότητας”. Επιπλέον, η AI αντιστρέφει την παραδοσιακή ανθρώπινη γνωστική διαδικασία. Αντί να ξεκινάμε από την αμφιβολία, περνάμε στην εξερεύνηση, στη δομή και τέλος στην αυτοπεποίθηση, η AI μας φέρνει άμεσα στην απάντηση, παρακάμπτοντας αυτά τα στάδια. Αυτή η αντιστροφή, αν γίνει κανόνας, θέτει σε κίνδυνο την ίδια την ανθρώπινη νόηση.
Ο κίνδυνος της υποβάθμισης δεξιοτήτων είναι ιδιαίτερα έντονος για τους νεοεισερχόμενους στην αγορά εργασίας. Σε πολλές περιπτώσεις, η ευχέρεια στη χρήση της τεχνολογίας συγχέεται με την ουσιαστική ικανότητα. Η Rebecca Hinds, επικεφαλής του Work AI Institute, τονίζει ότι η AI μπορεί να δημιουργήσει την “ψευδαίσθηση της εμπειρογνωμοσύνης”, καθιστώντας δύσκολο τον διαχωρισμό μεταξύ της γνώσης του εργαζομένου και αυτής της τεχνολογίας.
Όταν η AI χρησιμοποιείται ως υποστήριξη, ειδικά σε τομείς όπου ο εργαζόμενος έχει ήδη εμπειρία, μπορεί να προσφέρει ένα “γνωστικό μέρισμα”, απελευθερώνοντας χρόνο και οξύνοντας την κριτική ικανότητα. Αντιθέτως, όταν χρησιμοποιείται ως αυτοματοποιημένη συντόμευση, δημιουργεί “γνωστικό χρέος”, καθιστώντας τους ανθρώπους ταχύτερους, αλλά διαβρώνοντας σιωπηλά τις δεξιότητές τους.
Για τους νέους επαγγελματίες, οι αρχικές θέσεις εργασίας αποτελούν παραδοσιακά “πεδία εκπαίδευσης” για την ανάλυση σύνθετων προβλημάτων, την επίλυση δυσκολιών και την υπεράσπιση των απόψεών τους. Χωρίς αυτή την εμπειρία, οι εργαζόμενοι μπορούν να φαίνονται ικανοί, χωρίς όμως να έχουν αναπτύξει πραγματική εμπειρογνωμοσύνη.
Αυτό το φαινόμενο καθιστά δυσκολότερη για τους εργαζομένους σε αρχικά στάδια της καριέρας τους να χτίσουν ανθεκτικότητα. Η Ben Eubanks, επικεφαλής ερευνών στην Lighthouse Research & Advisory, επισημαίνει ότι η AI διευρύνει το χάσμα μεταξύ της θεωρητικής μάθησης και της πρακτικής εφαρμογής. “Δεν χρειάζεται πλέον να έρχεσαι σε επαφή με ένα πρόβλημα, να αφομοιώσεις μια λύση ή να αμφισβητήσεις τον τρόπο που πάντα γίνονταν τα πράγματα”, λέει. “Αντ’ αυτού, μπορείς να ρωτήσεις την AI και να πάρεις αμέσως μια τακτοποιημένη λύση.”
Αυτό ωθεί ορισμένες εταιρείες να ενισχύουν αυτή τη συμπεριφορά, αξιολογώντας τους εργαζομένους με βάση τη συχνότητα χρήσης των εργαλείων AI, επιβραβεύοντας την ταχύτητα και την παραγωγή έναντι της βαθιάς κατανόησης.
Ωστόσο, προβλήματα ανακύπτουν όταν κάτι “χαλάει” ή όταν οι εργαζόμενοι πρέπει να σκεφτούν ένα πρόβλημα μόνοι τους. Ο Anderson το βίωσε αυτό έντονα, συνειδητοποιώντας ότι, παρότι κατανοούσε πώς λειτουργούσε η AI, δεν είχε “προπονηθεί” στις απαραίτητες δεξιότητες κατά τη διάρκεια του πειράματος.
Αυτό οδηγεί ορισμένους ηγέτες να επανεξετάζουν τις στρατηγικές εκπαίδευσης. Ο Mehdi Paryavi, CEO του International Data Center Authority, προτείνει την ανάγκη για “νοητικά γυμναστήρια”, χώρους όπου οι εργαζόμενοι θα μπορούν να εξασκούνται συνειδητά στην επίλυση προβλημάτων χωρίς τη βοήθεια της AI, όπως ακριβώς τα φυσικά γυμναστήρια χτίζουν μυϊκή δύναμη.
Η εμπειρία του Anderson αποτελεί χαρακτηριστικό παράδειγμα του τι συμβαίνει όταν αυτές οι “νοητικές προπονήσεις” παραλείπονται. Παρότι περήφανος για το αποτέλεσμα, όταν επέστρεψε στην πρακτική εφαρμογή, κάτι αισθανόταν “λάθος”. Παρομοίασε την κατάσταση με κάποιον που παρακολουθεί γκολφέρ. Μπορεί να μελετήσει την κίνηση, να κατανοήσει τους μηχανισμούς, αλλά αυτό δεν σημαίνει ότι το σώμα του γνωρίζει πώς να την εκτελέσει. Έτσι, όταν πήρε ξανά το μπαστούνι στα χέρια του, ένιωσε τη διαφορά: “Το χτύπημά μου ήταν εκτός ρυθμού,” παραδέχτηκε, “Ήξερα πώς να το κάνω, αλλά το σώμα μου δεν μπορούσε να κινηθεί όπως ήθελα.”
