- Μακροχρόνια έρευνα δείχνει ότι η γενετική ΤΝ δεν «ελαφραίνει» την εργασία: συχνά οδηγεί σε εργασιακή συμπίεση και περισσότερες υποχρεώσεις.
- Εντοπίστηκαν τρία μοτίβα: διεύρυνση καθηκόντων, διάβρωση ορίων εργασίας-ανάπαυσης και αύξηση multitasking.
- Η μελέτη προτείνει μια συνειδητή «πρακτική AI»: κανόνες για το πώς, πότε και μέχρι πού χρησιμοποιείται η AI, ώστε η αλλαγή να επιτευχθεί σωστά.
Η τεχνητή νοημοσύνη δεν σου μειώνει τη δουλειά, αλλά σου προσθέτει περισσότερη
Η υπόσχεση είναι μεγάλη: η Τεχνητή Νοημοσύνη θα αναλάβει τις ρουτίνες και θα απελευθερώσει χρόνο για πιο δημιουργική σκέψη.
Όμως μια έρευνα διάρκειας 8 μηνών από αμερικανική εταιρεία τεχνολογίας που συμπεριέλαβε περίπου 200 εργαζομένους δείχνει μια διαφορετική εικόνα, όπως αναφέρει το Harvard Business Review.
Όσοι χρησιμοποίησαν εργαλεία γενετικής AI, δούλεψαν πιο γρήγορα, ανέλαβαν περισσότερα καθήκοντα και σταδιακά θόλωσαν τα όρια ανάμεσα σε εργασία και ελεύθερο χρόνο — συχνά μάλιστα χωρίς να τους έχει ζητηθεί.
Η έρευνα διήρκεσε 8 μήνες (Απρίλιος–Δεκέμβριος) και κάλυψε περίπου 200 εργαζομένους, με επιτόπια παρατήρηση και πάνω από 40 συνεντεύξεις.
Πως έγινε η μελέτη και τι βρήκε
Η μελέτη πραγματοποιήθηκε από τον Απρίλιο έως τον Δεκέμβριο του προηγούμενου έτους, μέσω επιτόπιων παρατηρήσεων, ανάλυσης εσωτερικής επικοινωνίας και περισσότερων από 40 εις βάθος συνεντεύξεων.
Οι ερευνητές εντόπισαν τρεις μορφές εργασιακής συμπίεσης. Σύμφωνα με τα ευρήματα, η AI δεν μείωσε την πίεση — την ενίσχυσε.
1. Όταν όλοι ξαφνικά κάνουν τα πάντα
Το πρώτο μοτίβο είναι η σταδιακή διεύρυνση καθηκόντων. Product managers και designers άρχισαν να γράφουν κώδικα. Ερευνητές ανέλαβαν εργασίες μηχανικών. Εργαζόμενοι σε πολλούς ρόλους δοκίμασαν καθήκοντα που παλαιότερα είτε τα ανέθεταν αλλού είτε τα απέφευγαν.
Τα εργαλεία AI έκαναν «ξένα» αντικείμενα να φαίνονται εφικτά και αρκετοί το βίωσαν ως κάτι εμπλουτιστικό.
Όμως αυτά τα μικρά πειράματα, αθροιστικά, μετατράπηκαν σε πολύ μεγαλύτερο εύρος ευθύνης — σε ορισμένες περιπτώσεις, απορρόφησαν δουλειά που υπό άλλες συνθήκες θα δικαιολογούσε πρόσθετες προσλήψεις.
Υπήρξαν και παρενέργειες: μηχανικοί πέρασαν περισσότερο χρόνο ελέγχοντας και διορθώνοντας AI-υποστηριζόμενα αποτελέσματα συναδέλφων.
Μεγάλο μέρος αυτής της «επιμέλειας» γινόταν ανεπίσημα, σε chat threads ή σε σύντομες συζητήσεις, επιβαρύνοντας υφιστάμενες δυνατότητες χωρίς να καταγράφεται τυπικά.
2. Πως η AI υπονομεύει διαλείμματα και αποκατάσταση
Το δεύτερο μοτίβο αφορά τη διάβρωση των ορίων ανάμεσα σε εργασία και ανάπαυση. Επειδή ένα prompt σε εργαλείο AI μοιάζει «ελαφρύ» — περισσότερο σαν σύντομο μήνυμα παρά σαν έναρξη επίσημου task — οι εργαζόμενοι άρχισαν να «σφηνώνουν» μικρά βήματα δουλειάς σε διαλείμματα, meetings και μεταβατικές στιγμές.
Κάποιοι έστελναν ένα τελευταίο prompt πριν φύγουν από τη θέση τους, ώστε η AI να «δουλεύει» όσο εκείνοι απουσίαζαν.
Με τον καιρό, οι συνηθισμένες διακοπές μέσα στην ημέρα συρρικνώθηκαν. Πολλοί συμμετέχοντες συνειδητοποίησαν εκ των υστέρων ότι τα διαλείμματά τους δεν πρόσφεραν πια την ίδια ξεκούραση.
3. Περισσότερη ταχύτητα, περισσότερη εξάντληση
Η τρίτη μορφή συμπίεσης ήταν η αύξηση του multitasking. Οι εργαζόμενοι διαχειρίζονταν πολλαπλές AI-υποστηριζόμενες «ροές» ταυτόχρονα: έγραφαν κώδικα χειροκίνητα ενώ η AI παρήγαγε εναλλακτικές, έτρεχαν παράλληλους agents ή επανέφεραν εργασίες που είχαν αναβάλει επί μακρόν.
Η αίσθηση ότι έχεις δίπλα σου έναν ικανό συνεργάτη δημιουργούσε δυναμική, αλλά οδηγούσε επίσης σε συνεχή εναλλαγή προσοχής και σε μια ολοένα μεγαλύτερη λίστα από ανοιχτά ζητήματα.
Οι προσδοκίες για ταχύτητα ανέβηκαν — όχι κατ’ ανάγκη μέσω ρητών οδηγιών, αλλά μέσω του τι γινόταν ορατό και «φυσιολογικό» στις καθημερινές ροές εργασίας.
Οι «αθόρυβες» αυξήσεις ταχύτητας μπορούν να μετατραπούν σε νέο baseline απόδοσης, ακόμη κι αν κανείς δεν τις ζητήσει ρητά.
Ο αυτοτροφοδοτούμενος κύκλος: από την επιτάχυνση στην υπερεξάρτηση
Το σωρευτικό αποτέλεσμα, σύμφωνα με τους ερευνητές, ήταν ένας αυτοενισχυόμενος κύκλος: η AI επιτάχυνε τα tasks, άρα ανέβασαν οι προσδοκίες.
Οι υψηλότερες προσδοκίες έκαναν τους εργαζομένους πιο εξαρτημένους από την AI, κάτι που διεύρυνε το εύρος εργασιών τους και αύξησε περαιτέρω την πυκνότητα της δουλειάς.
Άλμα παραγωγικότητας ή γνωστική υπερφόρτωση;
Οι ερευνητές προειδοποιούν ότι οι βραχυπρόθεσμες αυξήσεις παραγωγικότητας ενδέχεται να καλύπτουν μια αυξανόμενη γνωστική επιβάρυνση.
Επειδή η χρήση AI από τους εργαζομένους ήταν σε μεγάλο βαθμό εθελοντική, οι προϊστάμενοι μπορεί να μην αντιλαμβάνονται πόσο πρόσθετο φορτίο σηκώνουν οι ομάδες.
Μακροπρόθεσμα, υπάρχει κίνδυνος για μειωμένη ικανότητα κρίσης, περισσότερα λάθη και δυσκολία να ξεχωρίσει η πραγματική αποτελεσματικότητα από μια μη βιώσιμη ένταση.
Τι προτείνει η μελέτη ως αντίμετρο
Ως αντίμετρο, η μελέτη προτείνει να αναπτυχθεί μια συνειδητή «πρακτική AI»: δηλαδή δεσμευτικοί κανόνες για το πώς χρησιμοποιείται η AI, πότε σταματάμε και πώς (ή αν) επιτρέπεται να επεκτείνεται η εργασία ως αντίδραση στις νέες δυνατότητες.
Το κεντρικό ερώτημα για τις επιχειρήσεις, λοιπόν, δεν είναι αν η AI θα αλλάξει την εργασία, αλλά αν θα σχεδιάσουν αυτή την αλλαγή συνειδητά ή αν θα την αφήσουν να συμβεί απαρατήρητα.
«Πρακτική AI» σημαίνει κανόνες συμπεριφοράς και ροές έγκρισης, όχι μόνο εκπαίδευση στο prompt engineering.
Πίνακας: Οι 3 μορφές εργασιακής συμπίεσης που εντόπισε η μελέτη
| Μοτίβο | Πώς εμφανίζεται | Κρυφό κόστος |
|---|---|---|
| Διεύρυνση καθηκόντων | Άτομα εκτός ειδικότητας αναλαμβάνουν νέα tasks με βοήθεια AI | Περισσότερες ευθύνες χωρίς αντίστοιχους πόρους/ρόλους, αυξημένος έλεγχος από ειδικούς |
| Διάβρωση ορίων | Prompts σε διαλείμματα, meetings, «ενδιάμεσες» στιγμές | Μικρότερη αποκατάσταση, αίσθηση συνεχούς εργασίας |
| Multitasking | Παράλληλες ροές (manual + AI), πολλοί agents, περισσότερα ανοικτά μέτωπα | Συχνή εναλλαγή προσοχής, γνωστική κόπωση, μεγαλύτερο ρίσκο λαθών |
Πίνακας: «Πρακτική AI» στην πράξη — ενδεικτικοί κανόνες που μειώνουν τη συμπίεση
| Πεδίο | Ενδεικτικός κανόνας | Τι προλαμβάνει |
|---|---|---|
| Όρια χρόνου | «No prompts» σε διαλείμματα/μετά τη λήξη ωραρίου, εκτός on-call | Διάβρωση ανάπαυσης και μόνιμη διαθεσιμότητα |
| Ποιότητα/έλεγχος | Checklist review για AI output πριν περάσει σε παραγωγή/πελάτη | Μετακύλιση κόστους σε μηχανικούς, αύξηση λαθών |
| Σχεδιασμός ρόλων | Καθαρά «τι ανήκει σε ποιον» + διαδικασία για νέα tasks που προστίθενται | Ανεξέλεγκτη διεύρυνση καθηκόντων |
Πώς να αξιοποιήσετε τη γενετική AI χωρίς να «φουσκώσει» η δουλειά
Το βασικό μάθημα από τη μελέτη είναι ότι η AI συχνά λειτουργεί σαν επιταχυντής του υπάρχοντος συστήματος εργασίας.
Αν το σύστημα ανταμείβει την ταχύτητα με περισσότερα tasks, τότε η AI θα μεταφραστεί σε περισσότερη δουλειά και όχι σε χρόνο που επιστρέφει στους ανθρώπους.
Για να αλλάξει αυτό, χρειάζονται ρυθμίσεις τόσο σε επίπεδο οργανισμού όσο και σε επίπεδο προσωπικών συνηθειών.
Για εταιρείες και ομάδες: 5 πρακτικά «αντίβαρα»
- Ορίστε “stop rules”: π.χ. συγκεκριμένες ώρες όπου δεν επιτρέπονται νέα AI-driven mini-tasks (εκτός incident). Αυτό προστατεύει την ανάπαυση και μειώνει την «αθόρυβη» υπερωρία.
- Μετρήστε και την επιμέλεια (review load): αν οι μηχανικοί ξοδεύουν χρόνο να διορθώνουν AI output άλλων ρόλων, αυτό είναι κανονική εργασία και πρέπει να εμφανίζεται σε capacity planning.
- Κανόνες για το τι “αυτοματοποιείται”: όταν κάτι γίνεται πιο γρήγορα με AI, αποφασίστε αν ο στόχος είναι (α) ίδιος όγκος, λιγότερος χρόνος ή (β) περισσότερος όγκος. Χωρίς απόφαση, συνήθως κερδίζει το (β).
- Πρότυπα ποιότητας: ορίστε ποια παραδοτέα επιτρέπεται να είναι AI-assisted και ποια απαιτούν ανθρώπινη τεκμηρίωση/έλεγχο (ιδίως σε νομικά, ασφάλεια, οικονομικά).
- Εκπαίδευση στη διαχείριση προσοχής: όχι μόνο prompts, αλλά και πώς αποφεύγεται το συνεχές context switching (timeboxing, σειρά προτεραιοτήτων, κανόνες ειδοποιήσεων).
Για εργαζομένους: μικρές αλλαγές που κάνουν μεγάλη διαφορά
- Timebox την AI: δουλέψτε σε κύκλους (π.χ. 25–45 λεπτά) όπου κάνετε prompts/αξιολόγηση και μετά κλείνετε το εργαλείο για να εκτελέσετε.
- Μην «τρώτε» τα διαλείμματα: αν σας έρθει ιδέα, σημειώστε την σε λίστα και επιστρέψτε μετά. Το prompt σε διάλειμμα είναι εργασία, έστω κι αν μοιάζει με μήνυμα.
- Ένας στόχος ανά session: αποφύγετε να ανοίγετε 3–4 παράλληλες AI ροές. Το κόστος μετάβασης προσοχής συχνά ακυρώνει το κέρδος ταχύτητας.
Με άλλα λόγια, η υιοθέτηση γενετικής AI δεν είναι μόνο τεχνολογική αναβάθμιση. Είναι αλλαγή στον τρόπο που «ορίζεται» η παραγωγικότητα.
Όσο πιο γρήγορα μπουν σαφή όρια, ρόλοι και κανόνες ροής εργασίας, τόσο πιο πιθανό είναι η AI να μετατραπεί σε πραγματική ελάφρυνση — και όχι σε μόνιμη εντατικοποίηση.
