Η έκρηξη της παραγωγικής τεχνητής νοημοσύνης υποσχέθηκε μια νέα βιομηχανική επανάσταση. Δύο χρόνια μετά την καθολική υιοθέτησή της, η συζήτηση αρχίζει να μετακινείται από τον αρχικό ενθουσιασμό σε μια φάση αξιολόγησης. Πλέον, το κεντρικό ερώτημα δεν είναι τι μπορεί να κάνει το AI, αλλά αν η απόδοση της επένδυσης δικαιολογεί το κόστος.
Γι’ αυτό και η κουβέντα περί «φούσκας» επιστρέφει συνεχώς, όταν το AI scaling δεν μεταφράζεται γραμμικά σε value.
Από τη μία πλευρά, οι τεχνολογικοί κολοσσοί έπεσαν με τα μούτρα στο λεγόμενο «tokenmaxxing», τη μέγιστη δυνατή χρήση AI σε κάθε πτυχή της λειτουργίας τους. Από την άλλη, στελέχη της αγοράς κρούουν τον κώδωνα του κινδύνου για τα «εκρηκτικά» κόστη, ενώ ταυτόχρονα αναδιαμορφώνεται η συζήτηση γύρω από το μέλλον της εργασίας.
Επαγγέλματα όπως τηλεφωνητές και υπάλληλοι ασφαλιστικών διεκδικήσεων κινδυνεύουν με πλήρη αντικατάσταση, σε αντίθεση με διευθυντικά στελέχη ή γιατρούς, των οποίων η εργασία θα ενισχυθεί αλλά δεν θα εξαλειφθεί.
Για πολλές εταιρείες, η διαπίστωση ότι το AI δεν είναι δωρεάν ήρθε απότομα. Ο επιχειρησιακός διευθυντής (COO) της Uber, Andrew Macdonald, παραδέχθηκε πρόσφατα ότι γίνεται όλο και πιο δύσκολο να δικαιολογηθούν τα κεφάλαια που δαπανώνται για την κατανάλωση «tokens» (των μονάδων δεδομένων που επεξεργάζονται τα μοντέλα AI).
«Αν είσαι ένας απλός χρήστης, το AI φαίνεται δωρεάν. Στο τέλος της ημέρας, όμως, η εταιρεία πληρώνει τον λογαριασμό», δήλωσε χαρακτηριστικά ο Macdonald.
Η Uber βρέθηκε στο επίκεντρο αυτής της συζήτησης όταν ο CTO της εταιρείας, Praveen Neppalli Naga, αποκάλυψε ότι η εταιρεία είχε ήδη εξαντλήσει τον προϋπολογισμό της για το εργαλείο Claude Code για ολόκληρο το 2026, πολύ νωρίτερα από το αναμενόμενο.
Αυτό το «σοκ» ανάγκασε την ηγεσία της Uber να επανεξετάσει τη στρατηγική της. Σύμφωνα με τον Macdonald, η αυξημένη χρήση AI δεν μεταφράζεται αναλογικά σε περισσότερες ή καλύτερες υπηρεσίες για τον καταναλωτή. Η έλλειψη άμεσης σύνδεσης μεταξύ του κόστους των tokens και της επιχειρηματικής αξίας οδήγησε τον CEO της Uber, Dara Khosrowshahi, να επιβραδύνει τις προσλήψεις, προκειμένου να ισοσκελίσει τις τεράστιες επενδύσεις στο AI.
Το κόστος του «tokenmaxxing»
Αρκετές εταιρείες σήμερα πιέζουν τους υπαλλήλους τους να χρησιμοποιούν όσο το δυνατόν περισσότερο το AI για να αποσπάσουν τα κέρδη παραγωγικότητας της τεχνολογίας. Όμως, αυτή η πίεση προκαλεί προβλήματα.
Παρόμοια στροφή σημειώθηκε και στην Duolingo. Η εταιρεία απέσυρε την απόφαση να αξιολογεί τους υπαλλήλους της με βάση το πόσο χρησιμοποιούν το AI, αφού οι ίδιοι οι εργαζόμενοι αντέδρασαν, ρωτώντας αν πρέπει να χρησιμοποιούν την τεχνολογία απλώς για χάρη της χρήσης, ακόμα και αν δεν ταιριάζει με το επιθυμητό αποτέλεσμα.
Το pattern είναι κοινό: η πίεση για «AI-first» κουλτούρα συχνά προηγείται της κατανόησης του τι πραγματικά αποδίδει.
Ακόμα και στο επίπεδο των ίδιων των υποδομών, το κόστος αλλάζει τις ισορροπίες. Σύμφωνα με τον Bryan Catanzaro της Nvidia, σε αρκετές ομάδες το κόστος υπολογιστικής ισχύος ξεπερνά ήδη το κόστος ανθρώπινου δυναμικού.
Χαρακτηριστικό παράδειγμα αυτής της οικονομικής πίεσης αποτελεί και η Microsoft, που φέρεται να περιορίζει τη χρήση εξωτερικών ΑΙ εργαλείων όπως το Claude Code, στρέφοντας τους μηχανικούς της σε εσωτερικές λύσεις, όπως το GitHub Copilot CLI. Είναι μια ακόμη ένδειξη ότι η εποχή του ανεξέλεγκτου πειραματισμού δίνει τη θέση της σε πιο αυστηρό έλεγχο του κόστους.
Η «αποκάλυψη των θέσεων εργασίας»
Ενώ οι εταιρείες παλεύουν με τους προϋπολογισμούς τους, η ανησυχία για μαζική ανεργία λόγω AI παραμένει έντονη.
Ωστόσο, την ίδια ώρα, ο David M. Solomon, CEO της Goldman Sachs, εμφανίζεται αισιόδοξος. Σε άρθρο του στους New York Times, απορρίπτει τα σενάρια για μια «εργασιακή αποκάλυψη», βασιζόμενος στην ιστορική ικανότητα της αμερικανικής οικονομίας να προσαρμόζεται και να δημιουργεί νέες θέσεις εργασίας μετά από μεγάλες τεχνολογικές ανατροπές.
Tο AI θα επιτρέψει στους ανθρώπους να αναλάβουν πιο σύνθετα καθήκοντα, θα αναβαθμίσει τα υφιστάμενα επαγγέλματα αντί να τα καταργήσει, και θα δημιουργήσει νέες θέσεις εργασίας για τη διαχείριση των ίδιων των συστημάτων AI.
Αν και οι οικονομολόγοι της Goldman Sachs εκτιμούν ότι το AI θα μπορούσε να αυτοματοποιήσει το 25% των σημερινών ωρών εργασίας την επόμενη δεκαετία, ο Solomon βλέπει το AI ως ένα εργαλείο που θα απελευθερώσει τους εργαζόμενους από τετριμμένες εργασίες.
Το AI δεν απειλεί ομοιόμορφα την εργασία, όμως αναδιατάσσει τα επίπεδά της.
Στα white-collar επαγγέλματα, όπως λογιστές, τραπεζίτες, δικηγόροι και προγραμματιστές, μεγάλο μέρος των καθημερινών, επαναλαμβανόμενων εργασιών -από ανάλυση δεδομένων μέχρι drafting κειμένων- μετακινείται προς αυτοματοποίηση. Ήδη, οι entry-level θέσεις σε αρκετούς κλάδους έχουν μειωθεί σημαντικά. Έρευνες της McKinsey δείχνουν ότι το 51% των οργανισμών μειώνει ήδη τις entry-level θέσεις εργασίας λόγω του Generative AI. Επαγγέλματα όπως τηλεφωνητές και υπάλληλοι ασφαλιστικών διεκδικήσεων κινδυνεύουν με πλήρη αντικατάσταση, σε αντίθεση με διευθυντικά στελέχη ή γιατρούς, των οποίων η εργασία θα ενισχυθεί αλλά δεν θα εξαλειφθεί.
Στα blue-collar επαγγέλματα που απαιτούν χειρωνακτική εργασία (κατασκευές, εστίαση), η εικόνα είναι διαφορετική. Η φυσική εργασία παραμένει δύσκολα αυτοματοποιήσιμη, ενώ ταυτόχρονα δημιουργούνται νέες ανάγκες γύρω από την ίδια την υποδομή του AI, όπως data centers, logistics, κατασκευές. Η ανάγκη για υποδομές AI έχει δημιουργήσει πάνω από 200.000 θέσεις εργασίας στον κατασκευαστικό κλάδο για data centers από το 2022, όπως επισημαίνει ο Solomon
Ο Solomon παραθέτει τρεις λόγους για την αισιοδοξία του: το AI θα επιτρέψει στους ανθρώπους να αναλάβουν πιο σύνθετα καθήκοντα, θα αναβαθμίσει τα υφιστάμενα επαγγέλματα αντί να τα καταργήσει, και θα δημιουργήσει νέες θέσεις εργασίας για τη διαχείριση των ίδιων των συστημάτων AI.
Ενώ ορισμένοι εμμένουν στην υπόσχεση μιας «αναγέννησης» ή «επανάστασης» του AI, το κόστος υιοθέτησης αποδεικνύεται ένα επίμονο εμπόδιο. Αυτές οι εξελίξεις υποδηλώνουν επίσης ότι η οικονομική διάσταση της αντικατάστασης ή της ενίσχυσης της ανθρώπινης εργασίας με AI μπορεί να είναι πολύ πιο περίπλοκη από ό,τι προέβλεπαν κάποιες πρώιμες εκτιμήσεις.
Η δήλωση του Macdonald και η αισιοδοξία του Solomon φαίνονται αντίθετες, αλλά περιγράφουν το ίδιο φαινόμενο από διαφορετικές γωνίες: το AI καταναλώνει τεράστιους πόρους, αλλά η απόδοσή του παραμένει δύσκολο να μετρηθεί.
