Τεχνητή νοημοσύνη: Όταν η παρακολούθηση εργαζομένων γίνεται εργαλείο εκπαίδευσης
Η παρακολούθηση των εργαζομένων στον χώρο εργασίας εισέρχεται σε μια νέα φάση, καθώς οι επιχειρήσεις δεν περιορίζονται πλέον στον έλεγχο της απόδοσης, αλλά αξιοποιούν τα δεδομένα χρήσης για την εκπαίδευση συστημάτων τεχνητής νοημοσύνης.
Εταιρείες όπως η Meta χρησιμοποιούν εσωτερικά εργαλεία που καταγράφουν ενέργειες όπως πληκτρολογήσεις και κινήσεις του ποντικιού, προκειμένου να κατανοήσουν πώς οι εργαζόμενοι ολοκληρώνουν τις καθημερινές τους εργασίες. Στόχος είναι η ανάπτυξη «έξυπνων» ψηφιακών βοηθών που μπορούν να αναπαράγουν ή να υποστηρίζουν αυτές τις διαδικασίες.
Η τάση αυτή συνδέεται με τη ραγδαία ανάπτυξη των λεγόμενων «πρακτόρων» τεχνητής νοημοσύνης, δηλαδή συστημάτων που μπορούν να εκτελούν αυτόνομα σύνθετες εργασίες. Για να λειτουργήσουν αποτελεσματικά, τα συστήματα αυτά χρειάζονται πραγματικά δεδομένα από τον τρόπο που εργάζονται οι άνθρωποι.
Η παρακολούθηση, ωστόσο, δεν είναι κάτι νέο. Σύμφωνα με την Ελεγκτική Υπηρεσία του Κογκρέσου των ΗΠΑ, η χρήση εργαλείων ελέγχου έχει αυξηθεί τα τελευταία χρόνια, κυρίως λόγω της εξάπλωσης της εξ αποστάσεως εργασίας. Εταιρείες όπως η AT&T και η JPMorgan έχουν ήδη εφαρμόσει πρακτικές παρακολούθησης παρουσίας και χρήσης τεχνολογίας.
Πλέον, όμως, το ενδιαφέρον μετατοπίζεται από το «τι παράγεται» στο «πώς παράγεται». Τα δεδομένα από emails, συνομιλίες και ενέργειες σε εφαρμογές θεωρούνται ιδιαίτερα πολύτιμα, καθώς αποτυπώνουν τη διαδικασία λήψης αποφάσεων και εκτέλεσης εργασιών.
Αναλυτές επισημαίνουν ότι τα δεδομένα αυτά —γνωστά και ως «ψηφιακά ίχνη»— μπορούν να αποτελέσουν κρίσιμο υλικό για την ανάπτυξη πιο αποτελεσματικών συστημάτων τεχνητής νοημοσύνης. Ωστόσο, η αξιοποίησή τους δεν είναι απλή υπόθεση. Σύμφωνα με την Gartner, πολλές εταιρείες διαθέτουν ήδη τεράστιους όγκους δεδομένων που είτε δεν χρησιμοποιούν είτε αποφεύγουν να διατηρήσουν λόγω κόστους και κινδύνων ασφαλείας.
Παράλληλα, τα δεδομένα αυτά δεν αποτυπώνουν πάντα πλήρως την πραγματική φύση της εργασίας, ιδιαίτερα σε ρόλους που δεν βασίζονται αποκλειστικά σε ψηφιακά εργαλεία.
Η ενίσχυση της παρακολούθησης εγείρει και ζητήματα εμπιστοσύνης. Ειδικοί κάνουν λόγο για σταδιακή διάβρωση της σχέσης μεταξύ εργαζομένων και εργοδοτών, καθώς οι πρώτοι συχνά δεν γνωρίζουν το εύρος της συλλογής δεδομένων.
Παρά τις αντιδράσεις, η τάση αναμένεται να ενταθεί. Οι εταιρείες επενδύουν σημαντικά ποσά στην τεχνητή νοημοσύνη και αναζητούν τρόπους να μεγιστοποιήσουν την απόδοση αυτών των επενδύσεων. Σε αυτό το πλαίσιο, οι εργαζόμενοι δεν αποτελούν πλέον μόνο ανθρώπινο δυναμικό, αλλά και κρίσιμη πηγή δεδομένων — ίσως το σημαντικότερο «τεχνολογικό κεφάλαιο» για την εκπαίδευση της επόμενης γενιάς συστημάτων τεχνητής νοημοσύνης.
