Ο Σύνδεσμος Επιχειρήσεων και Βιομηχανιών (ΣΕΒ) δημοσίευσε έναν αναλυτικό Οδηγό με πρακτικές συμβουλές για την ενσωμάτωση της τεχνητής νοημοσύνης (ΤΝ) στον επιχειρηματικό ιστό της χώρας. Στο κείμενο αυτό, υπογραμμίζεται ότι η Ελλάδα διαθέτει τις προϋποθέσεις να χρησιμοποιήσει την τεχνολογία αυτή ως καταλύτη για την ενίσχυση της ανταγωνιστικότητάς της, προωθώντας την καινοτομία σε κρίσιμους τομείς και αναβαθμίζοντας τις δεξιότητες του εργατικού δυναμικού σε ολόκληρο το φάσμα της οικονομίας.
Τομείς εφαρμογής και στρατηγική προτεραιοποίηση
Σύμφωνα με τον Οδηγό, η εισαγωγή της ΤΝ μπορεί να ξεκινήσει από συγκεκριμένες λειτουργίες, όπως ο αυτοματισμός των απαντήσεων σε ερωτήματα after sales, η ανάλυση και η σύνοψη συμβολαίων προμηθευτών, η εξαγωγή πολύτιμης γνώσης από αναφορές βλαβών και συντήρησης, καθώς και η ερμηνεία δεδομένων που προέρχονται από αισθητήρες. Βασική αρχή που προτείνεται είναι η ιεράρχηση των δραστηριοτήτων εκείνων που προσφέρουν τη μεγαλύτερη προστιθέμενη αξία, είναι τεχνικά εφικτές και υποστηρίζονται από επαρκή και διαθέσιμα δεδομένα. Ιδιαίτερη έμφαση δίνεται στο γεγονός ότι οι επαναλαμβανόμενες διεργασίες με χαμηλή πολυπλοκότητα είναι οι πλέον κατάλληλες για τις τρέχουσες δυνατότητες της ΤΝ. Αντιθέτως, σε περιπτώσεις αυξημένης πολυπλοκότητας, η ανθρώπινη παρέμβαση παραμένει απαραίτητη, με την ΤΝ να λειτουργεί υποστηρικτικά.
Η καινοτομία του ψηφιακού διδύμου
Μία από τις πιο ενδιαφέρουσες πρακτικές που περιγράφονται είναι η δημιουργία ενός "ψηφιακού διδύμου". Πρόκειται για ένα εργαλείο το οποίο παρακολουθεί, καταγράφει και αναλύει μια υπάρχουσα επιχειρησιακή διαδικασία, δημιουργώντας μια πιστή αναπαράστασή της σε ένα περιβάλλον ΤΝ. Στόχος είναι να προσδιοριστεί εκ των προτέρων το όφελος από την εφαρμογή της τεχνολογίας στην πράξη. Για παράδειγμα, αν ο στόχος είναι η μείωση του χρόνου ανταπόκρισης σε αιτήματα πελατών, το ψηφιακό δίδυμο αντλεί αυτόματα από το σύστημα κάθε καταγεγραμμένο αίτημα και αναπαράγει βήμα προς βήμα την πορεία του: από τη στιγμή εισαγωγής, την κατηγοριοποίηση, τον χρόνο αναμονής, τη δρομολόγηση, τον αριθμό των εμπλεκόμενων ατόμων, έως την τελική επίλυση. Στη συνέχεια, το σύστημα προσομοιώνει σενάρια του "τι θα συνέβαινε αν", τρέχοντας προσομοιώσεις πάνω σε ιστορικά δεδομένα. Αυτό επιτρέπει στην επιχείρηση να δει εκ των προτέρων πόσο θα μειωθεί ο χρόνος ανταπόκρισης, πού θα προκύψουν νέα εμπόδια, ποιες εξαιρέσεις δεν μπορεί να χειριστεί ο αυτοματισμός και πόσες περιπτώσεις θα απαιτήσουν ανθρώπινη παρέμβαση.
Εφαρμογή στον τομέα των προσλήψεων
Ένα ακόμη χαρακτηριστικό παράδειγμα αφορά τον τομέα της διαχείρισης ανθρώπινου δυναμικού. Ένας ψηφιακός βοηθός μπορεί να αναλύσει δεδομένα όπως ο φόρτος εργασίας, η απόδοση των ομάδων και οι υπάρχουσες δεξιότητες, προτείνοντας τεκμηριωμένες ανάγκες στελέχωσης, αντί να βασίζεται σε υποκειμενικά αιτήματα. Στη συνέχεια, μπορεί να δημιουργήσει περιγραφές θέσεων εργασίας που εστιάζουν ακριβώς στις δεξιότητες που λείπουν. Η διαδικασία επιτάχυνσης περιλαμβάνει την αυτόματη ανίχνευση και κατηγοριοποίηση υποψηφίων μέσω ανάλυσης βιογραφικών και προφίλ, με αντιστοίχιση δεξιοτήτων και εμπειρίας στις πραγματικές ανάγκες της θέσης. Επιπλέον, η ΤΝ μπορεί να διενεργήσει έξυπνη αξιολόγηση, προτείνοντας μια shortlist βασισμένη σε δεδομένα και παρέχοντας συγκριτικές πληροφορίες, μειώνοντας έτσι την εξάρτηση από το "ένστικτο" ως βασικό κριτήριο πρόσληψης. Ακόμη, το σύστημα μπορεί να προσαρμόσει δυναμικά την προσφορά εργασίας στον επιλεγέντα υποψήφιο, λαμβάνοντας υπόψη την αγορά, το προφίλ του και την εσωτερική πολιτική, ενώ παράλληλα δημιουργεί ένα αυτοματοποιημένο, προσωποποιημένο πλάνο ένταξης. Τόσο πριν όσο και μετά την πρόσληψη, ψηφιακοί βοηθοί παρέχουν συνεχή υποστήριξη σε εργαζομένους και στελέχη, απαντώντας σε ερωτήσεις και παρακολουθώντας την πρόοδο για την έγκαιρη ανίχνευση προβλημάτων.
Διαχείριση των ανησυχιών των εργαζομένων
Ο Οδηγός του ΣΕΒ δεν παραλείπει να αναφερθεί στις ανησυχίες που προκαλεί η ΤΝ στους εργαζομένους. Αυτές περιλαμβάνουν τον φόβο αντικατάστασης, την απώλεια εξειδίκευσης και κύρους, την έλλειψη κατανόησης της τεχνολογίας, την ανησυχία για την ιδιωτικότητα και την παρακολούθηση, καθώς και τη δυσπιστία απέναντι σε αποφάσεις που λαμβάνονται από μηχανές. Χαρακτηριστικό είναι το παράδειγμα που παρατίθεται για τον τομέα εξυπηρέτησης πελατών, όπου η εφαρμογή ΤΝ μπορεί να οδηγήσει σε μείωση θέσεων εργασίας της τάξης του 37%. Ο ΣΕΒ, ωστόσο, τονίζει την ανάγκη για στρατηγική διαχείριση αυτής της μετάβασης, με έμφαση στην αναβάθμιση δεξιοτήτων και τη δημιουργία νέων ρόλων.
