Ο ΣΕΒ παρουσιάζει έναν νέο Οδηγό με πρακτικές συμβουλές για τη χρήση της τεχνητής νοημοσύνης από τις επιχειρήσεις, υπογραμμίζοντας ότι η Ελλάδα διαθέτει τη δυνατότητα να αξιοποιήσει την τεχνολογία ως επιταχυντή ανταγωνιστικότητας. Σύμφωνα με τον Σύνδεσμο, η αξιοποίηση της Τεχνητής Νοημοσύνης (ΤΝ) μπορεί να ενισχύσει την καινοτομία σε κρίσιμους κλάδους και να αναβαθμίσει δεξιότητες σε όλο το φάσμα της οικονομίας.
Όπως αναφέρεται στον Οδηγό, η ΤΝ μπορεί να εφαρμοστεί σε τομείς όπως ο αυτοματισμός απαντήσεων σε after sales ερωτήματα, η ανάλυση και σύνοψη συμβολαίων προμηθευτών, η εξαγωγή γνώσης από αναφορές βλαβών ή συντήρησης, καθώς και η επεξεργασία δεδομένων αισθητήρων. Ιδιαίτερη έμφαση δίνεται στην επιλογή δραστηριοτήτων με τη μεγαλύτερη προστιθέμενη αξία, που είναι εφικτές και βασίζονται σε διαθέσιμα δεδομένα.
Οι διεργασίες που επαναλαμβάνονται συχνά και έχουν χαμηλή πολυπλοκότητα θεωρούνται πιο κατάλληλες για αυτοματοποίηση μέσω ΤΝ. Σε περιπτώσεις αυξημένης πολυπλοκότητας, απαιτείται συνεργασία ανθρώπου και μηχανής, με την τεχνητή νοημοσύνη να λειτουργεί σε υποστηρικτικό ρόλο.
Η έννοια του «ψηφιακού διδύμου»
Μία από τις πρακτικές που προτείνει ο Οδηγός είναι η δημιουργία ενός «ψηφιακού διδύμου», δηλαδή ενός εργαλείου που παρακολουθεί, καταγράφει και αναλύει μια διαδικασία όπως εφαρμόζεται σήμερα και την αναπαριστά σε περιβάλλον ΤΝ. Με αυτόν τον τρόπο, προσδιορίζεται εκ των προτέρων το αναμενόμενο όφελος από την εφαρμογή της τεχνολογίας στην πράξη.
Για παράδειγμα, εάν ο στόχος είναι η μείωση του χρόνου ανταπόκρισης σε αιτήματα πελατών, το Ψηφιακό Δίδυμο αντλεί αυτόματα κάθε αίτημα από το σύστημα και αναπαράγει βήμα-βήμα τη διαδικασία διεκπεραίωσης: πότε εισήλθε, πότε κατηγοριοποιήθηκε, πόσο περίμενε, σε ποιον δρομολογήθηκε, πότε επιλύθηκε. Όλα αυτά πραγματοποιούνται αυτόματα από το λογισμικό, χωρίς ανθρώπινη παρέμβαση.
Στη συνέχεια, το εργαλείο προσομοιώνει το «τι θα συνέβαινε αν», εφαρμόζοντας την ΤΝ στα ιστορικά δεδομένα. Έτσι, μπορεί να προβλέψει τη μείωση του χρόνου ανταπόκρισης, τα πιθανά νέα εμπόδια, τις εξαιρέσεις που δεν θα μπορεί να χειριστεί ο agent και τις περιπτώσεις που απαιτούν ανθρώπινη εμπλοκή.
Εφαρμογές στην πρόσληψη και διαχείριση ανθρώπινου δυναμικού
Στον τομέα των προσλήψεων, ο ψηφιακός βοηθός αναλύει δεδομένα όπως φόρτο εργασίας, απόδοση ομάδων και δεξιότητες, προτείνοντας τεκμηριωμένα ανάγκες στελέχωσης. Παράλληλα, δημιουργεί περιγραφές θέσεων εργασίας προσαρμοσμένες στις δεξιότητες που λείπουν.
Η ΤΝ επιτρέπει ταχύτερη ανίχνευση και κατηγοριοποίηση υποψηφίων, αναλύοντας αυτόματα βιογραφικά και προφίλ, με αντιστοίχιση δεξιοτήτων και εμπειρίας στις πραγματικές ανάγκες της θέσης. Επιπλέον, διενεργεί έξυπνη αξιολόγηση υποψηφίων, προτείνοντας shortlist βάσει δεδομένων και παρέχοντας συγκριτικές πληροφορίες που ενισχύουν το έργο του recruiter.
Το σύστημα μπορεί ακόμη να προσαρμόζει δυναμικά την προσφορά προς τον επιλεγμένο υποψήφιο, λαμβάνοντας υπόψη την αγορά, το προφίλ του και την εσωτερική πολιτική της εταιρείας, ενώ δημιουργεί αυτόματα προσωποποιημένο πλάνο ένταξης του νέου εργαζομένου.
Τόσο πριν όσο και μετά την πρόσληψη, οι ψηφιακοί βοηθοί παρέχουν συνεχή υποστήριξη σε εργαζομένους και στελέχη, απαντώντας σε ερωτήσεις, παρακολουθώντας την πρόοδο και εντοπίζοντας έγκαιρα πιθανά προβλήματα ένταξης.
Ανησυχίες εργαζομένων και διαχείριση αλλαγής
Ο Οδηγός του ΣΕΒ περιλαμβάνει επίσης πρακτικές για την αντιμετώπιση των ανησυχιών των εργαζομένων σχετικά με τις επιπτώσεις της ΤΝ στις θέσεις εργασίας. Οι ανησυχίες αυτές αφορούν τον φόβο αντικατάστασης («Η ΤΝ θα πάρει τη δουλειά μου»), την απώλεια εξειδίκευσης και κύρους («Τα χρόνια εμπειρίας μου καθίστανται αναξιόπιστα»), την έλλειψη κατανόησης («Δεν καταλαβαίνω τι κάνει ή πώς να τη χρησιμοποιήσω»), καθώς και ζητήματα ιδιωτικότητας και εμπιστοσύνης («Η ΤΝ με παρακολουθεί και αξιολογεί»).
Σύμφωνα με παράδειγμα που περιλαμβάνεται στον Οδηγό, στον τομέα της εξυπηρέτησης πελατών η ΤΝ μπορεί να οδηγήσει σε μείωση θέσεων εργασίας κατά 37%, γεγονός που καθιστά αναγκαία τη λήψη μέτρων για την ομαλή προσαρμογή και επανεκπαίδευση του ανθρώπινου δυναμικού.