AI & Εργασία · Άρθρο γνώμης
Το 2025 μια μελέτη στο Quarterly Journal of Economics παρακολούθησε 5.172 εργαζομένους εξυπηρέτησης πελατών. Οι πιο ικανοί δούλευαν όπως πάντα. Το AI που τους έδωσε η εταιρεία τούς διάβαζε.
Λίγους μήνες μετά, οι νεότεροι συνάδελφοί τους δούλευαν με τις μεθόδους των καλύτερων. Και οι ερευνητές υπολόγισαν ότι ο ίδιος όγκος δουλειάς θα έβγαινε πλέον με 12% λιγότερες εργατοώρες.
Κανείς δεν ρώτησε τους καλύτερους. Κανείς δεν τους πλήρωσε κάτι παραπάνω.
Αυτό το άρθρο είναι για το τι παραδίδεις κάθε φορά που γράφεις ένα καλό prompt στο εταιρικό AI, και για το τι πρέπει να κρατήσεις δικό σου.
Υπάρχει μια στιγμή στη χρήση της τεχνητής νοημοσύνης που παύεις να χρησιμοποιείς απλώς ένα καλύτερο εργαλείο. Αρχίζεις, χωρίς να το καταλαβαίνεις πάντα, να περιγράφεις στο σύστημα πώς σκέφτεσαι.
Πώς αξιολογείς έναν πελάτη. Ποιο στοιχείο θεωρείς σημαντικό. Πώς διορθώνεις μια προβληματική πρόταση. Ποιον κίνδυνο βλέπεις πριν από τους άλλους. Πώς μετατρέπεις ένα κακό brief σε εφαρμόσιμη δουλειά. Πώς ξεχωρίζεις μια καλή ιδέα από μια ιδέα που απλώς ακούγεται εντυπωσιακή.
Κάθε τέτοιο prompt περιέχει συμπυκνωμένη επαγγελματική εμπειρία.
Όταν η χρήση γίνεται μέσα σε enterprise περιβάλλον, αυτή η εμπειρία δεν μένει απαραίτητα ανάμεσα σε σένα και το εργαλείο. Μπορεί να καταγράφεται, να συνδέεται με εταιρικά δεδομένα, να ενσωματώνεται σε agents, να μετατρέπεται σε templates και να διανέμεται σε ανθρώπους που δεν χρειάστηκε να περάσουν τα ίδια χρόνια δοκιμών και λαθών.
Γι’ αυτό χρησιμοποιώ μια προκλητική φράση, η οποία χρειάζεται αμέσως διευκρίνιση:
Κράτα το AI σου μυστικό.
Δείξε την αξία που δημιουργείς. Συμμορφώσου με τους κανόνες. Κράτησε δική σου τη φορητή, μη εμπιστευτική τεχνογνωσία που έχτισες με προσωπικό χρόνο, προσωπικά χρήματα και χρόνια δουλειάς.
Η φράση δεν δίνει άδεια για παραβίαση της εταιρικής πολιτικής, μεταφορά εμπιστευτικών πληροφοριών σε προσωπικό λογαριασμό, απόκρυψη περιστατικού ασφαλείας ή παραπλανητική παρουσίαση μιας εργασίας που παρήγαγε ένα σύστημα.
Εννοώ κάτι πιο συγκεκριμένο. Μην παραδίδεις αφελώς ολόκληρο το προσωπικό σου σύστημα σκέψης, μάθησης και παραγωγής.
Τι είναι πραγματικά ένα enterprise σύστημα AI
Ένα enterprise AI σύστημα είναι ένα εταιρικό περιβάλλον στο οποίο το AI συνδέεται με ταυτότητες χρηστών, δικαιώματα πρόσβασης, εταιρικά έγγραφα, πολιτικές ασφαλείας και μηχανισμούς ελέγχου. Η διαφορά από ένα απλό chatbot βρίσκεται κυρίως σε αυτή την υποδομή.
Συνήθως περιλαμβάνει τέσσερα διαφορετικά επίπεδα:
- Το βασικό μοντέλο. Το μεγάλο γλωσσικό μοντέλο του παρόχου. Στις επαγγελματικές εκδόσεις, οι μεγάλοι πάροχοι δηλώνουν συνήθως ότι δεν χρησιμοποιούν τα εταιρικά δεδομένα για την εκπαίδευση των γενικών μοντέλων τους από προεπιλογή. Η OpenAI, για παράδειγμα, δηλώνει ότι τα δεδομένα των επιχειρηματικών προϊόντων της δεν χρησιμοποιούνται για training από προεπιλογή και ότι ο οργανισμός ελέγχει πρόσβαση και χρόνο διατήρησης [1].
- Το επίπεδο εταιρικού περιεχομένου. Εδώ το AI αποκτά πρόσβαση σε έγγραφα, email, CRM, βάσεις γνώσης, αρχεία έργων και άλλα εσωτερικά συστήματα, πάντα σύμφωνα με τα δικαιώματα που έχεις. Δεν αλλάζει το βασικό μοντέλο. Του δίνει όμως το περιβάλλον μέσα στο οποίο θα απαντήσει.
- Το επίπεδο διαδικασιών. Εδώ χτίζονται custom assistants, εταιρικά GPTs, agents, prompt chains, αυτοματισμοί και πρότυπα. Αυτό είναι το σημείο όπου ένας καλός προσωπικός τρόπος εργασίας μετατρέπεται σε επαναλαμβανόμενη εταιρική λειτουργία.
- Το επίπεδο διακυβέρνησης. Κεντρική ταυτοποίηση, διαχείριση χρηστών, καταγραφή συμβάντων, retention, auditing, data loss prevention και δυνατότητες νομικού ή κανονιστικού ελέγχου.
Το τέταρτο επίπεδο συχνά περνά απαρατήρητο από τον εργαζόμενο. Είναι όμως αυτό που κάνει το enterprise AI ελκυστικό για μια εταιρεία. Και δικαίως. Μια σοβαρή επιχείρηση δεν μπορεί να επιτρέπει ανεξέλεγκτη χρήση εργαλείων με δεδομένα πελατών, οικονομικά στοιχεία ή επιχειρηματικά απόρρητα.
Η ίδια αρχιτεκτονική, όμως, σημαίνει κάτι απλό: το εταιρικό AI δεν είναι προσωπικό σημειωματάριο.
Τι μπορεί να βλέπει η εταιρεία
Δεν έχουν όλες οι πλατφόρμες τις ίδιες δυνατότητες και δεν ενεργοποιούν όλες οι επιχειρήσεις τις ίδιες ρυθμίσεις. Η γενική υπόθεση όμως ότι «κανείς δεν βλέπει τι κάνω» είναι επικίνδυνη.
Η επίσημη σελίδα enterprise privacy της OpenAI αναφέρει ότι στους χώρους ChatGPT Enterprise οι διαχειριστές μπορούν να έχουν audit log συνομιλιών και GPTs μέσω του Enterprise Compliance API. Για το ChatGPT Business αναφέρει ότι οι διαχειριστές του workspace μπορούν να βλέπουν, να αποκτούν πρόσβαση, να εξάγουν και να διαγράφουν συνομιλίες χρηστών μέσα στον εταιρικό χώρο [1].
Η Microsoft είναι ακόμη πιο συγκεκριμένη. Στο Microsoft 365 Copilot, τα prompts και οι απαντήσεις μπορούν να καταγράφονται στο unified audit log. Με τις κατάλληλες άδειες και ρόλους στο Microsoft Purview, εξουσιοδοτημένα στελέχη μπορούν να αναζητήσουν συμβάντα, να δουν prompts και responses, να εφαρμόσουν retention, να κάνουν eDiscovery και να εντοπίσουν επικίνδυνη χρήση ή διαρροή ευαίσθητων δεδομένων [2].
Αυτό δεν σημαίνει ότι κάθε προϊστάμενος διαβάζει κάθε συνομιλία. Υπάρχουν δικαιώματα, ρόλοι, πολιτικές και νομικοί περιορισμοί. Σημαίνει ότι η τεχνική δυνατότητα κεντρικού ελέγχου υπάρχει και αποτελεί μέρος της αξίας του προϊόντος για την επιχείρηση.
Το σωστό νοητικό μοντέλο είναι απλό: οτιδήποτε κάνεις μέσα σε εταιρικό AI χώρο, αντιμετώπισέ το όπως ένα εταιρικό email ή ένα έγγραφο στο εταιρικό cloud. Μπορεί να είναι ιδιωτικό απέναντι στους συναδέλφους σου. Δεν είναι κατ’ ανάγκη ιδιωτικό απέναντι στον οργανισμό.
Το AI δεν αντιγράφει μαγικά όλα τα skills σου
Εδώ χρειάζεται ακρίβεια. Η φράση «το enterprise AI αντιγράφει τις δεξιότητες του εργαζομένου» είναι υπερβολική αν τη διαβάσουμε κυριολεκτικά.
Ένα σύστημα δεν αντιγράφει αυτόματα την κρίση, τις σχέσεις, την αντίληψη του πολιτικού ή εμπορικού περιβάλλοντος, την ενσυναίσθηση και την ικανότητα ενός έμπειρου επαγγελματία να καταλαβαίνει τι δεν έχει ειπωθεί. Δεν αποκτά είκοσι χρόνια εμπειρίας επειδή διάβασε είκοσι prompts.
Μπορεί όμως να αντιγράψει ή να τυποποιήσει το μέρος της εμπειρίας που εξωτερικεύεις:
- τις ερωτήσεις που κάνεις πριν ξεκινήσεις,
- τη σειρά με την οποία ελέγχεις ένα πρόβλημα,
- τα κριτήρια με τα οποία απορρίπτεις μια λύση,
- τα παραδείγματα που χρησιμοποιείς,
- τα βήματα διόρθωσης ενός κακού αποτελέσματος,
- τα επαναλαμβανόμενα templates και τις πηγές σου,
- τον τρόπο με τον οποίο κάνεις quality control.
Ο Michael Polanyi έγραψε ότι «we can know more than we can tell», ότι γνωρίζουμε δηλαδή περισσότερα από όσα μπορούμε να διατυπώσουμε [3]. Για δεκαετίες, αυτό προστάτευε ένα μέρος της αξίας του έμπειρου εργαζομένου. Η γνώση του ήταν άρρητη. Βρισκόταν στο μάτι, στην κρίση, στη συνήθεια και στη μνήμη του.
Το generative AI λειτουργεί σαν μηχανισμός εξωτερίκευσης αυτής της γνώσης. Για να πάρεις καλό αποτέλεσμα, αναγκάζεσαι να περιγράψεις στο σύστημα τι θεωρείς καλό. Το διορθώνεις. Του δίνεις παραδείγματα. Του εξηγείς τις εξαιρέσεις. Με τον καιρό δημιουργείται ένα αναλυτικό ίχνος του τρόπου με τον οποίο δουλεύεις.
Το ίχνος αυτό έχει οικονομική αξία. Και δεν είναι δεδομένο ότι ανήκει σε σένα.
Η έρευνα που δείχνει πώς μεταφέρεται η εμπειρία
Η μελέτη που ανέφερα στην αρχή δημοσιεύθηκε το 2025 στο Quarterly Journal of Economics. Οι Erik Brynjolfsson, Danielle Li και Lindsey Raymond μελέτησαν την εισαγωγή ενός generative AI assistant σε 5.172 εργαζομένους εξυπηρέτησης πελατών [4].
Η μέση παραγωγικότητα αυξήθηκε κατά 15%. Τα μεγαλύτερα οφέλη εμφανίστηκαν στους λιγότερο έμπειρους και χαμηλότερης απόδοσης εργαζομένους. Οι ερευνητές βρήκαν στοιχεία ότι το σύστημα εξέθετε αυτούς τους εργαζομένους στις καλύτερες πρακτικές των ικανότερων συναδέλφων τους. Οι νεότεροι έφταναν γρηγορότερα σε επίπεδα παραγωγικότητας που παλαιότερα απαιτούσαν περισσότερους μήνες εμπειρίας.
Αυτό είναι εξαιρετικό για την εταιρεία. Μειώνει τον χρόνο εκπαίδευσης, περιορίζει τη διαφορά απόδοσης και αυξάνει τη συνέπεια. Μπορεί επίσης να βοηθήσει τον νέο εργαζόμενο να μάθει γρηγορότερα.
Υπάρχει όμως και η άλλη πλευρά. Οι συνομιλίες των καλύτερων εργαζομένων χρησιμοποιούνταν για τη συνεχή βελτίωση του συστήματος. Η συμπεριφορά των ικανότερων μετατρεπόταν σε βοήθεια για όλους. Η εταιρεία αποκτούσε τη δυνατότητα να παράγει το ίδιο έργο με λιγότερες ώρες. Οι ίδιοι οι ερευνητές υπολόγισαν ότι, αν η ζήτηση παρέμενε σταθερή, θα μπορούσε να εξυπηρετηθεί ο ίδιος όγκος με περίπου 12% λιγότερες εργατοώρες [4].
Η μελέτη δεν αποδεικνύει ότι το AI θα αντικαταστήσει γενικά τους εργαζομένους. Αφορά μία εταιρεία και ένα συγκεκριμένο επάγγελμα. Αποδεικνύει όμως κάτι που έχει σημασία για το επιχείρημά μου: το AI μπορεί να μεταφέρει πρακτικές των πιο ικανών εργαζομένων στους λιγότερο έμπειρους και να μειώσει την αξία της αποκλειστικής κατοχής αυτής της τεχνογνωσίας.
Γιατί το θέμα έχει διαφορετικό βάρος στην Ελλάδα
Στην Ελλάδα η εταιρική υιοθέτηση της τεχνητής νοημοσύνης βρίσκεται ακόμη σε πρώιμο στάδιο. Σύμφωνα με την ΕΛΣΤΑΤ, το 2025 μόνο το 8,2% των επιχειρήσεων με τουλάχιστον 10 εργαζομένους και πρόσβαση στο διαδίκτυο χρησιμοποιούσε κάποια τεχνολογία AI για επιχειρηματικό σκοπό [5]. Η έρευνα κάλυψε 47.849 επιχειρήσεις και δεν περιλαμβάνει τις πολύ μικρές μονάδες με λιγότερους από 10 εργαζομένους.
Η Ευρωπαϊκή Επιτροπή σημειώνει στην έκθεση Digital Decade 2025 για την Ελλάδα ότι η υιοθέτηση προηγμένων ψηφιακών τεχνολογιών παραμένει πρόκληση, ειδικά για τις μικρομεσαίες επιχειρήσεις. Επισημαίνει επίσης σοβαρό έλλειμμα βασικών ψηφιακών δεξιοτήτων και έλλειψη ειδικών ICT [6].
Αυτό δημιουργεί ένα παράδοξο. Η πλειονότητα των ελληνικών επιχειρήσεων δεν έχει ακόμη ώριμη στρατηγική AI. Ένας εργαζόμενος που επενδύει σήμερα σοβαρά στη γνώση αυτών των εργαλείων μπορεί να αποκτήσει μεγάλη διαφορά παραγωγικότητας. Ταυτόχρονα, επειδή πολλές εταιρείες δεν έχουν ακόμη ορίσει ρόλους, αμοιβές και διαδικασίες για αυτή τη νέα αξία, υπάρχει ο κίνδυνος να αντιμετωπίσουν την τεχνογνωσία του ως δωρεάν πρώτη ύλη.
Αυτό είναι δική μου εκτίμηση από τον τρόπο με τον οποίο εφαρμόζονται συχνά νέες διαδικασίες στην ελληνική αγορά. Αγοράζεται ένα εργαλείο. Ανακοινώνεται ότι «από Δευτέρα θα το χρησιμοποιούμε». Ζητείται από τον πιο ικανό εργαζόμενο να δείξει στους υπόλοιπους τι κάνει. Δεν εξηγείται πώς αλλάζει ο ρόλος του, ποια ευθύνη αναλαμβάνει, ποια αμοιβή θα πάρει και τι θα συμβεί όταν η μέθοδός του μετατραπεί σε εταιρικό template.
Η εταιρεία έχει δικαίωμα να οργανώνει καλύτερα τη δουλειά της. Εσύ έχεις λόγο να ρωτήσεις τι ακριβώς παραδίδεις και με ποιο αντάλλαγμα.
Τι εννοώ όταν λέω «κράτα το AI σου μυστικό»
Η φράση δεν αφορά το αν χρησιμοποίησες ένα chatbot για να διορθώσεις ένα email. Αφορά το προσωπικό σου AI operating system.
Αυτό μπορεί να περιλαμβάνει:
- τη βιβλιοθήκη γενικών prompts που έχεις αναπτύξει,
- τις μεθόδους έρευνας και επαλήθευσης,
- τα δικά σου κριτήρια ποιότητας,
- τη σειρά εργαλείων και μοντέλων που χρησιμοποιείς,
- τον τρόπο που χωρίζεις ένα σύνθετο έργο σε agents ή στάδια,
- τις προσωπικές σημειώσεις μάθησης,
- τα tests με τα οποία συγκρίνεις outputs,
- τα frameworks που έχεις δημιουργήσει από δική σου εμπειρία και δημόσιες πηγές.
Δεν σου ανήκει το μοντέλο της OpenAI, της Microsoft, της Google ή της Anthropic. Μπορεί όμως να σου ανήκει η προσωπική μεθοδολογία με την οποία το χρησιμοποιείς, στον βαθμό που δεν περιέχει εταιρικά δεδομένα, εμπορικά απόρρητα ή έργο το οποίο ανήκει συμβατικά στον εργοδότη.
Η ευρωπαϊκή νομοθεσία για τα εμπορικά απόρρητα προσφέρει μια χρήσιμη διάκριση. Προστατεύει τα πραγματικά εμπορικά απόρρητα και απαγορεύει, μεταξύ άλλων, τη μη εξουσιοδοτημένη αντιγραφή ελεγχόμενων εταιρικών αρχείων. Ταυτόχρονα ορίζει ότι δεν πρέπει να περιορίζεται η χρήση της εμπειρίας και των δεξιοτήτων που απέκτησε έντιμα ο εργαζόμενος στη φυσιολογική πορεία της εργασίας του [7].
Η διάκριση δεν είναι πάντα εύκολη και η σύμβαση εργασίας έχει σημασία. Ο πρακτικός κανόνας όμως είναι καθαρός: παίρνεις μαζί σου όσα έμαθες. Δεν παίρνεις μαζί σου τη βάση πελατών, τα εσωτερικά αρχεία, τα εμπιστευτικά prompts του οργανισμού ή αντίγραφα εταιρικών agents.
Η στρατηγική των δύο συστημάτων
Προτείνω κάθε εργαζόμενος γνώσης να αναπτύξει δύο καθαρά διαχωρισμένα συστήματα AI.
1. Το εταιρικό σύστημα
Εδώ χρησιμοποιείς τον εγκεκριμένο εταιρικό λογαριασμό και μόνο τα δεδομένα που επιτρέπεται να χρησιμοποιηθούν. Παραδίδεις τη δουλειά για την οποία πληρώνεσαι. Τεκμηριώνεις τις διαδικασίες που αποτελούν μέρος του ρόλου σου. Ακολουθείς τις πολιτικές ασφαλείας και γνωρίζεις ότι η δραστηριότητα μπορεί να καταγράφεται.
Το εταιρικό σύστημα είναι συνήθως ασφαλέστερο για εταιρικά δεδομένα από έναν τυχαίο προσωπικό λογαριασμό. Οι enterprise πλατφόρμες προσφέρουν ελέγχους πρόσβασης, retention, auditing, encryption και DLP. Αποτελούν τη λογική επιλογή όταν επεξεργάζεσαι πραγματική εταιρική πληροφορία.
2. Το προσωπικό εργαστήριο
Εδώ επενδύεις δικά σου χρήματα και χρόνο. Πειραματίζεσαι με δημόσιο υλικό, δικά σου κείμενα, συνθετικά δεδομένα και γενικά παραδείγματα. Μαθαίνεις νέα μοντέλα, agents, MCP servers, αυτοματισμούς, retrieval, prompt design και αξιολόγηση αποτελεσμάτων.
Δεν μεταφέρεις σε αυτό το σύστημα προσωπικά δεδομένα πελατών, εταιρικά έγγραφα ή εμπιστευτικές πληροφορίες. Το χτίζεις ώστε να παραμένει χρήσιμο ακόμη και αν αύριο αλλάξεις εργοδότη ή κλάδο.
Το προσωπικό εργαστήριο είναι το επαγγελματικό σου γυμναστήριο. Δεν ανήκει σε μια θέση εργασίας. Σε ακολουθεί, επειδή αποτελείται από δική σου μάθηση και νόμιμα φορητή εμπειρία.
Δύο σειρές μαθημάτων στα ελληνικά. Το πρώτο μάθημα δωρεάν, χωρίς εγγραφή.
Αν δεν έχεις ακόμη προσωπικό εργαστήριο, το πρώτο βήμα δεν κοστίζει τίποτα. Έγραψα δύο σειρές μαθημάτων πάνω στο επίσημο υλικό της Anthropic, στα ελληνικά: μία για το Claude και μία για το Claude Cowork, εκεί που αναθέτεις ολόκληρες εργασίες αντί να ρωτάς.
Claude 101 στα Ελληνικά → Claude Cowork στα Ελληνικά →
Τα 7 επόμενα μαθήματα και των δύο σειρών ξεκλειδώνουν με έναν κωδικό: 78€ έως 29 Σεπτεμβρίου, μετά 100€.
Τι δείχνεις και τι προστατεύεις
Προτείνω ελεγχόμενη αποκάλυψη αντί για πλήρη μυστικότητα.
Δείχνεις
- το επιχειρηματικό αποτέλεσμα,
- τον χρόνο ή το κόστος που εξοικονόμησες,
- τους κινδύνους που περιόρισες,
- τη συμμόρφωσή σου με την εταιρική πολιτική,
- τη διαδικασία που είναι αναγκαία για να παραδοθεί και να συντηρηθεί το έργο,
- τις πληροφορίες που οφείλεις συμβατικά να παραδώσεις.
Προστατεύεις
- την προσωπική βιβλιοθήκη μάθησης που έχτισες εκτός εργασίας,
- γενικά frameworks που δεν περιέχουν εταιρική πληροφορία,
- τη συνολική αρχιτεκτονική του προσωπικού σου συστήματος,
- τα προσωπικά benchmarks και τις συγκρίσεις μοντέλων,
- το πώς συνδυάζεις εργαλεία για να αποκτάς πλεονέκτημα πέρα από τις υποχρεώσεις του ρόλου σου.
Αν η εταιρεία θέλει να μετατρέψει το προσωπικό σου σύστημα σε εταιρική υποδομή, απάντησε με επαγγελματική διαπραγμάτευση και όχι με ένα θεατρικό «όχι».
Μπορείς να ζητήσεις έναν επίσημο ρόλο AI lead, χρόνο υλοποίησης, budget, bonus, αναβάθμιση τίτλου, συμφωνημένη αναγνώριση του έργου ή σαφή περιγραφή του τι θα περάσει στην εταιρεία. Αν αυτό το σύστημα θα εκπαιδεύσει δεκάδες ανθρώπους και θα μειώσει σημαντικά το κόστος, πρόκειται για οργανωτική καινοτομία και όχι για μια μικρή χάρη στον προϊστάμενο.
Η άλλη πλευρά: τέσσερις σοβαρές αντιρρήσεις
Η θέση μου δέχεται ισχυρές αντιρρήσεις. Πρέπει να τις πάρουμε στα σοβαρά.
«Η εταιρεία πληρώνει για τη δουλειά και χρειάζεται συνέχεια»
Ένας εργοδότης δεν μπορεί να εξαρτάται από έναν άνθρωπο που αρνείται να τεκμηριώσει οτιδήποτε. Πληρώνει μισθό, εργαλεία, δεδομένα και χρόνο. Έχει πελάτες να εξυπηρετήσει και υποχρέωση να λειτουργήσει όταν ένας εργαζόμενος φύγει. Η συστηματική απόκρυψη αναγκαίας γνώσης μπορεί να δείξει αναξιοπιστία και να κλείσει τον δρόμο προς τη διοίκηση.
Η απάντηση είναι να παραδίδεις πλήρως όσα ανήκουν στον ρόλο και στο εταιρικό έργο. Η προσωπική σου άμυνα δεν πρέπει να μετατραπεί σε επαγγελματικό σαμποτάζ.
«Το enterprise AI προστατεύει καλύτερα τα δεδομένα»
Σωστά. Η συμβουλή «χρησιμοποίησε κρυφά το προσωπικό σου AI» μπορεί να γίνει επικίνδυνη. Ένας προσωπικός λογαριασμός χωρίς εταιρική συμφωνία, DPA, ελεγχόμενο retention και DLP μπορεί να εκθέσει δεδομένα πελατών ή εμπορικά απόρρητα. Το shadow AI είναι πραγματικός κίνδυνος.
Η προσωπική επένδυση πρέπει να γίνεται με καθαρό υλικό. Για την εταιρική δουλειά χρησιμοποιείς το εγκεκριμένο περιβάλλον.
«Η γνώση μεγαλώνει όταν μοιράζεται»
Επίσης σωστά. Οι άνθρωποι που εκπαιδεύουν ομάδες, σχεδιάζουν συστήματα και ανεβάζουν την απόδοση των άλλων συχνά εξελίσσονται σε ηγετικούς ρόλους. Αν κρατήσεις τα πάντα κρυφά, μπορεί να παραμείνεις ο γρήγορος εκτελεστής που κανείς δεν καταλαβαίνει, αντί να γίνεις ο άνθρωπος που σχεδιάζει τον τρόπο εργασίας.
Η θέση μου είναι να μοιράζεσαι με τρόπο που μετατρέπει τη διαφορά σου σε ρόλο, αναγνώριση και διαπραγματευτική αξία.
«Η εταιρεία δεν παρακολουθεί ανεξέλεγκτα»
Στην Ελλάδα ο εργοδότης μπορεί, υπό προϋποθέσεις, να ελέγχει εταιρικό υπολογιστή και ηλεκτρονικά μέσα για συγκεκριμένο έννομο συμφέρον. Η Αρχή Προστασίας Δεδομένων τονίζει όμως ότι ο έλεγχος πρέπει να είναι αναγκαίος και αναλογικός και ότι οι εργαζόμενοι πρέπει να ενημερώνονται εκ των προτέρων, με σαφή πολιτική για τις μεθόδους και τον σκοπό της παρακολούθησης [8].
Ο Κανονισμός AI της Ευρωπαϊκής Ένωσης προσθέτει ειδική υποχρέωση για high-risk AI συστήματα στον χώρο εργασίας. Πριν από τη χρήση τους, ο εργοδότης πρέπει να ενημερώνει τους εκπροσώπους των εργαζομένων και όσους επηρεάζονται. Η διάταξη αφορά συστήματα υψηλού κινδύνου, όχι κάθε συνηθισμένο chatbot ή κάθε χρήση του Copilot [9].
Άρα το enterprise monitoring δεν είναι λευκή επιταγή. Ούτε όμως πρέπει να βασίζεσαι στην ελπίδα ότι η δραστηριότητά σου είναι αόρατη.
Γιατί η απόλυτη εκδοχή δεν στέκει
Πριν δημοσιεύσω αυτό το άρθρο, έβαλα την αρχική μου θέση σε δοκιμασία: ζήτησα να της ασκηθεί η σκληρότερη δυνατή κριτική. Η απόλυτη εκδοχή του συνθήματος, «ποτέ μην πεις τι κάνεις με το AI», απορρίφθηκε για τρεις λόγους.
Πρώτον, μπορεί να σε οδηγήσει σε παραβίαση πολιτικών, συμβάσεων και κανόνων προστασίας δεδομένων.
Δεύτερον, μπορεί να σε παρουσιάσει ως άνθρωπο που κρύβει κρίσιμη εταιρική γνώση και δεν μπορεί να αναλάβει ηγετικό ρόλο.
Τρίτον, υπερβάλλει ως προς τις τεχνικές δυνατότητες. Ένα enterprise σύστημα δεν απορροφά αυτομάτως όλη την επαγγελματική αξία κάποιου. Καταγράφει όμως σημαντικό μέρος της μεθόδου, όταν αυτή μεταφέρεται σε συνομιλίες, templates, agents και διαδικασίες.
Η θέση που άντεξε είναι πιο ακριβής:
Να είσαι διαφανής ως προς τη συμμόρφωση και στρατηγικός ως προς την τεχνογνωσία.
Δείξε την αξία. Μην δωρίζεις ολόκληρο το προσωπικό σου σύστημα παραγωγής χωρίς συμφωνημένο αντάλλαγμα.
Δέκα πρακτικοί κανόνες για τον εργαζόμενο
- Διάβασε την πολιτική AI της εταιρείας. Αν δεν υπάρχει, ζήτησε γραπτές οδηγίες για επιτρεπόμενα εργαλεία, δεδομένα, retention και monitoring.
- Θεώρησε κάθε εταιρική συνομιλία δυνητικά προσβάσιμη στον οργανισμό. Μη γράφεις εκεί κάτι που δεν θα έβαζες σε εταιρικό email.
- Μην εισάγεις εταιρικά ή προσωπικά δεδομένα σε προσωπικό AI χωρίς ρητή άδεια και κατάλληλη νομική βάση. Η αλλαγή ονομάτων δεν αρκεί πάντα για πραγματική ανωνυμοποίηση.
- Πλήρωσε, αν μπορείς, ένα προσωπικό εργαλείο μάθησης. Χρησιμοποίησέ το με δικό σου ή δημόσιο υλικό. Η μικρή αυτή επένδυση μπορεί να είναι πιο χρήσιμη για την καριέρα σου από ένα ακόμη γενικό σεμινάριο.
- Χτίσε μια φορητή βιβλιοθήκη με γενικά prompts, checklists, τεχνικές έρευνας και κριτήρια ποιότητας. Αφαίρεσε κάθε εταιρικό όνομα, δεδομένο ή διαδικασία που αποτελεί απόρρητο.
- Μέτρα τα αποτελέσματα. Κατέγραψε πόσο χρόνο εξοικονομείς, πόσα λάθη μειώνεις και ποια νέα εργασία μπορείς να αναλάβεις. Τα μετρήσιμα αποτελέσματα στηρίζουν διαπραγμάτευση για ρόλο και αμοιβή.
- Μάθε να εξηγείς την επιχειρηματική αξία χωρίς να κάνεις δωρεάν workshop όλης της μεθόδου σου. Ένα demo αποτελέσματος δεν χρειάζεται να γίνει πλήρης μεταβίβαση τεχνογνωσίας.
- Όταν σου ζητούν να τυποποιήσεις το σύστημά σου για όλη την εταιρεία, ζήτησε σαφές έργο, χρόνο, ευθύνη και αντάλλαγμα. Μην το παρουσιάζεις ως απλή προσωπική εξυπηρέτηση.
- Κάνε αντικαταστάσιμες τις επαναλαμβανόμενες εργασίες σου. Επένδυσε την εξοικονόμηση χρόνου σε κρίση, στρατηγική, σχέσεις, δημιουργική κατεύθυνση και έλεγχο ποιότητας. Αυτές οι ικανότητες μεταφέρονται δυσκολότερα σε ένα template.
- Όταν αλλάζεις εργασία, πάρε τη γνώση σου και άφησε τα εταιρικά στοιχεία. Μην αντιγράψεις αρχεία, πελατολόγια, εσωτερικά prompts ή agents. Η φορητή ικανότητα είναι δύναμη. Η παραβίαση εμπιστευτικότητας είναι απλώς κακή επαγγελματική και νομική απόφαση.
Τι πρέπει να κάνει η σοβαρή ελληνική επιχείρηση
Το επιχείρημα δεν αφορά μόνο τον εργαζόμενο. Μια εταιρεία που θέλει να πάρει πραγματική αξία από το AI πρέπει να δώσει κίνητρο στους καλύτερους ανθρώπους της να μοιραστούν τη γνώση τους.
Αν η ανταμοιβή για εκείνον που δημιουργεί ένα εξαιρετικό workflow είναι να αυξηθούν οι στόχοι του, να εκπαιδεύσει τους πάντες χωρίς αναγνώριση και μετά να θεωρηθεί λιγότερο απαραίτητος, το μήνυμα προς την ομάδα είναι σαφές. Κρύψτε τις καλύτερες ιδέες σας.
Η έξυπνη διοίκηση κάνει το αντίθετο:
- αναγνωρίζει ποιος δημιούργησε τη μέθοδο,
- δίνει χρόνο και budget για να γίνει ασφαλές σύστημα,
- προσφέρει ρόλο, αμοιβή ή συμμετοχή στην αξία που δημιουργείται,
- ενημερώνει καθαρά τους εργαζομένους για monitoring και retention,
- ξεχωρίζει την εκπαίδευση από την επιτήρηση,
- κρατά άνθρωπο υπεύθυνο για αποφάσεις που επηρεάζουν ανθρώπους.
Η εταιρεία που αντιγράφει τη γνώση χωρίς να ανταμείβει τον φορέα της μπορεί να κερδίσει μια διαδικασία και να χάσει τους ανθρώπους που θα δημιουργούσαν τις επόμενες δέκα.
Η δική μου θέση
Αν μια εταιρεία μου ζητήσει να μελετήσω πώς μπορεί να βελτιωθεί, θα κάνω αυτή τη δουλειά. Θα χαρτογραφήσω διαδικασίες, θα προτείνω εργαλεία, θα σχεδιάσω automations και θα εκπαιδεύσω την ομάδα. Αυτό είναι επαγγελματική υπηρεσία και πρέπει να έχει σαφές αντικείμενο, ευθύνη και αμοιβή.
Δεν πιστεύω όμως ότι ο εργαζόμενος οφείλει να παραδώσει δωρεάν κάθε προσωπικό πείραμα, κάθε prompt και κάθε σύνδεση εργαλείων που ανέπτυξε μόνος του. Η εταιρεία αγοράζει εργασία και αποτελέσματα σύμφωνα με τη σύμβαση. Δεν αποκτά αυτομάτως ολόκληρη τη μελλοντική επαγγελματική ταυτότητα του ανθρώπου.
Ο στόχος είναι να κάνεις αντικαταστάσιμες τις εργασίες που σε κρατούν στάσιμο. Έτσι ελευθερώνεις χρόνο για πιο σύνθετη δουλειά και μπορείς να εξελιχθείς. Παράλληλα χτίζεις κρίση, τεχνογνωσία και ένα προσωπικό σύστημα μάθησης που δεν εξαρτάται από έναν εργοδότη.
Το AI πρέπει να σε κάνει πιο κινητικό, όχι πιο δεμένο με ένα εταιρικό workspace. Πρέπει να αυξάνει τη διαπραγματευτική σου δύναμη, όχι να καταγράφει αθόρυβα όλη τη μέθοδό σου μέχρι αυτή να γίνει ένα κουμπί που μπορεί να πατήσει οποιοσδήποτε.
Κράτα λοιπόν το AI σου μυστικό, αλλά με τη σωστή έννοια. Μην κρύβεις παραβιάσεις. Μην εκθέτεις δεδομένα. Μην αρνείσαι να κάνεις τη δουλειά για την οποία πληρώνεσαι.
Προστάτευσε το προσωπικό σου εργαστήριο. Καλλιέργησε δεξιότητες που μπορείς να πάρεις μαζί σου. Μοίραζε τη γνώση σου όταν αυτό σε ανεβάζει από εκτελεστή σε σχεδιαστή συστημάτων και όταν η αξία της αναγνωρίζεται καθαρά.
Το πιο πολύτιμο επαγγελματικό περιουσιακό στοιχείο της επόμενης δεκαετίας δεν θα είναι η πρόσβαση σε ένα μοντέλο. Την ίδια πρόσβαση θα έχουν εκατομμύρια άνθρωποι.
Θα είναι ο τρόπος με τον οποίο ένας άνθρωπος συνδυάζει εμπειρία, κρίση και AI για να παράγει αποτέλεσμα που οι άλλοι δεν μπορούν ακόμη να περιγράψουν. Αυτό το σύστημα πρέπει να παραμένει φορητό. Και ένα σημαντικό μέρος του πρέπει να παραμένει δικό σου.
Χτίσε το προσωπικό σου εργαστήριο AI σε 8 ώρες, πάνω στη δική σου δουλειά.
Στο live online εργαστήριο «AI στην Πράξη» δεν ακούς θεωρία. Στήνεις Claude και Gemini, γράφεις 30+ prompts προσαρμοσμένα στο αντικείμενό σου και φεύγεις με 3 έτοιμες ροές για emails, καμπάνιες και Excel. Δύο απογεύματα, Τρίτη 6/10 & Πέμπτη 8/10, 18:00–22:00, έως 12 συμμετέχοντες.
Δωρεάν κράτηση · Χωρίς προπληρωμή · Λιγότερο από 1 λεπτό · Καταγραφή 30 ημερών · Αν δεν μπορέσεις, η θέση μεταφέρεται στον επόμενο κύκλο χωρίς κόστος.
Νομική επισήμανση. Το άρθρο αποτελεί ανάλυση στρατηγικής και εργασιακής πρακτικής, όχι νομική συμβουλή. Συμβάσεις εργασίας, πολιτικές χρήσης, δικαιώματα πνευματικής ιδιοκτησίας και υποχρεώσεις εμπιστευτικότητας διαφέρουν ανά περίπτωση.
Πηγές του άρθρου
- OpenAI, Enterprise privacy at OpenAI, ενημέρωση 08/01/2026.
- Microsoft Learn, Use Microsoft Purview to manage data security and compliance for Microsoft 365 Copilot and Copilot Chat, ενημέρωση 01/05/2026.
- Michael Polanyi, The Tacit Dimension, University of Chicago Press.
- Erik Brynjolfsson, Danielle Li, Lindsey Raymond, Generative AI at Work, Quarterly Journal of Economics, 2025.
- ΕΛΣΤΑΤ, Έρευνα χρήσης ΤΠΕ και ηλεκτρονικού εμπορίου στις επιχειρήσεις, 2025.
- European Commission, Greece 2025 Digital Decade Country Report.
- Οδηγία (ΕΕ) 2016/943 για την προστασία εμπορικών απορρήτων, ιδίως άρθρο 1 παρ. 3 και άρθρο 4.
- Αρχή Προστασίας Δεδομένων Προσωπικού Χαρακτήρα, Συχνές ερωτήσεις για τις εργασιακές σχέσεις.
- Κανονισμός (ΕΕ) 2024/1689 για την τεχνητή νοημοσύνη, ιδίως άρθρο 26.
- Κανονισμός (ΕΕ) 2016/679, Γενικός Κανονισμός Προστασίας Δεδομένων.
