Το άρθρο αυτό είναι πνευματική ιδιοκτησία του Κωνσταντίνου Κορίκη. Απαγορεύεται κάθε αναπαραγωγή, ολική ή μερική, χωρίς την έγγραφη έγκρισή του.
Δεκαέξι έμπειροι προγραμματιστές πήραν εργαλεία τεχνητής νοημοσύνης για να δουλέψουν πιο γρήγορα. Δούλεψαν 19% πιο αργά, σε κώδικα που ήξεραν απέξω. Το πιο ενδιαφέρον όμως είναι άλλο. Όταν τελείωσαν, ήταν σίγουροι ότι είχαν δουλέψει 20% πιο γρήγορα. Δεν τους έλειπε γνώση. Τους περίσσευε.
Η έρευνα έγινε το 2025 από τον οργανισμό METR, σε 246 πραγματικές εργασίες. Είναι μικρή, και αφορά έναν μόνο κλάδο. Αλλά δείχνει κάτι που βλέπω σχεδόν κάθε εβδομάδα σε εταιρείες, εδώ στην Ελλάδα. Δίνουμε στους ανθρώπους ένα καινούργιο εργαλείο και εκείνοι το βάζουν να δουλέψει με τον παλιό τρόπο. Και μετά λέμε ότι «το AI δεν αποδίδει».
Και δεν το λέω από ψηλά. Πιάνω κι εγώ τον εαυτό μου να ξαναγράφει από την αρχή κάτι που η μηχανή είχε κάνει καλά, μόνο και μόνο γιατί «έτσι το κάνω εγώ». Είκοσι χρόνια συνήθειας δεν φεύγουν με ένα update.
Η θέση μου είναι απλή. Η πρόκληση των επόμενων δέκα χρόνων δεν θα είναι να μάθουμε. Θα είναι να ξεμάθουμε.
Το ρητό που δεν είπε κανείς
Κυκλοφορεί παντού μια φράση του Άλβιν Τόφλερ. «Αναλφάβητος του 21ου αιώνα δεν θα είναι αυτός που δεν ξέρει να διαβάζει, αλλά αυτός που δεν μπορεί να μάθει, να ξεμάθει και να ξαναμάθει».
Ωραία φράση. Δεν την έγραψε ακριβώς έτσι. Στο «Σοκ του μέλλοντος», το 1970, ο Τόφλερ γράφει ότι η εκπαίδευση πρέπει να διδάξει στους μαθητές «να μαθαίνουν, να ξεμαθαίνουν και να ξαναμαθαίνουν». Το κομμάτι για τον αναλφάβητο είναι ενός ψυχολόγου που παραθέτει, του Χέρμπερτ Γκέρζουι. Κάποιος αργότερα ένωσε τις δύο προτάσεις.
Το αναφέρω γιατί είναι μικρό δείγμα του θέματος. Όλοι επαναλαμβάνουμε αυτό που μάθαμε. Σπάνια ελέγχουμε από πού το μάθαμε.
Πενήντα έξι χρόνια μετά, η πρόβλεψη έγινε καθημερινότητα. Με μια διαφορά. Το δύσκολο κομμάτι από τα τρία είναι το μεσαίο.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: Τόφλερ / Γκέρζουι, «Future Shock» (1970), για την προέλευση του ρητού
Οι νέοι συνάδελφοι
Ας πούμε τα πράγματα με το όνομά τους. Τα μοντέλα του 2026 δεν είναι πια ένα κουτάκι για ερωτήσεις. Είναι «agents». Παίρνουν μια δουλειά ολόκληρη. Ψάχνουν, γράφουν το πρώτο προσχέδιο, αναλύουν ένα αρχείο, στήνουν μια παρουσίαση, απαντούν στο τηλέφωνο.
Η Microsoft, στην ετήσια έρευνά της για την εργασία, το ονόμασε «agent boss». Τον άνθρωπο που χτίζει, αναθέτει και ελέγχει πράκτορες τεχνητής νοημοσύνης. Οι διευθυντές που ρώτησε περιμένουν ότι μέσα σε πέντε χρόνια οι ομάδες τους θα εκπαιδεύουν (41%) και θα διοικούν (36%) τέτοιους πράκτορες.
Δηλαδή όλοι μας γινόμαστε προϊστάμενοι. Και κανείς δεν μας έμαθε να είμαστε.
Αυτό είναι το κέντρο του προβλήματος. Δεν χρειάζεται να μάθεις ένα λογισμικό. Χρειάζεται να αλλάξεις ρόλο. Από εκτελεστής, σε αυτόν που αναθέτει, ελέγχει, διορθώνει και υπογράφει.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: Microsoft, 2025 Work Trend Index, «The Frontier Firm is born»
Τι ακριβώς ξεμαθαίνουμε
Όχι, δεν λέω να ξεχάσουμε ό,τι ξέρουμε. Η γνώση του αντικειμένου μένει. Η κρίση μένει. Η ευθύνη μένει. Αυτό που φεύγει είναι οι συνήθειες που χτίσαμε γύρω από έναν κόσμο όπου η εκτέλεση ήταν ακριβή.
Πέντε από αυτές τις βλέπω ξανά και ξανά.
Πρώτη. «Αν το κάνω μόνος μου, θα είναι σωστό». Μας έμαθαν ότι η προσωπική εκτέλεση είναι εγγύηση ποιότητας. Σήμερα συχνά είναι απλώς καθυστέρηση.
Δεύτερη. «Η αξία μου είναι οι ώρες που δουλεύω». Ολόκληρα συστήματα αμοιβής και αξιολόγησης στηρίζονται σε αυτό. Όταν ένα πρώτο προσχέδιο γίνεται σε δύο λεπτά, οι ώρες δεν μετράνε πια τίποτα.
Τρίτη. «Πρώτα μαθαίνεις το εργαλείο, μετά δουλεύεις». Περιμένουμε το σεμινάριο, το εγχειρίδιο, την έγκριση. Τα εργαλεία αλλάζουν κάθε τρεις μήνες. Μαθαίνεις δουλεύοντας ή δεν μαθαίνεις.
Τέταρτη. «Ο έλεγχος γίνεται στο τέλος». Με ανθρώπους, ελέγχαμε το τελικό κείμενο. Με μοντέλα, πρέπει να ξέρεις από πριν σε ποια σημεία κάνουν λάθος, και να κοιτάς εκεί.
Πέμπτη. «Η ιεραρχία είναι ο δρόμος της πληροφορίας». Ο νέος συνεργάτης γράφει, ο προϊστάμενος διορθώνει, ο διευθυντής εγκρίνει. Όταν το πρώτο προσχέδιο το γράφει μια μηχανή, αυτή η σκάλα αλλάζει σχήμα. Και μαζί της ο τρόπος που μαθαίνουν οι νέοι.
Τι λένε οι μελέτες
Τέσσερις έρευνες λένε, με διαφορετικά λόγια, το ίδιο πράγμα.
Η πρώτη είναι από το Χάρβαρντ και την BCG. Έδωσαν σε 758 συμβούλους της BCG το GPT-4. Σε εργασίες που το μοντέλο ήξερε να κάνει, οι σύμβουλοι τελείωσαν 12% περισσότερες δουλειές, 25% πιο γρήγορα, με 40% καλύτερη ποιότητα. Σε μια εργασία που ξεπερνούσε το μοντέλο, συνέβη το αντίθετο. Όσοι δούλεψαν χωρίς AI τη βρήκαν σωστά στο 84% των περιπτώσεων. Όσοι δούλεψαν με AI, στο 60 με 70%, ανάλογα με την ομάδα. Εμπιστεύτηκαν τη μηχανή εκεί που δεν έπρεπε. Οι ερευνητές το ονόμασαν «οδοντωτό σύνορο». Οι ικανότητες του μοντέλου δεν είναι μια ευθεία γραμμή. Είναι γεμάτες δόντια.
Η δεύτερη είναι το «GenAI Divide» του MIT, από το καλοκαίρι του 2025. Έγινε γνωστή για έναν τίτλο. Το 95% των εταιρικών πιλοτικών προγραμμάτων δεν έφερε μετρήσιμο οικονομικό αποτέλεσμα. Που δεν σημαίνει ότι δεν έφερε κανένα όφελος. Ο αριθμός έχει αμφισβητηθεί, και το δείγμα είναι μικρό: 52 συνεντεύξεις, 153 ερωτηματολόγια. Αλλά η εξήγηση που δίνει αξίζει. Το πρόβλημα, γράφουν, δεν ήταν η ποιότητα των μοντέλων. Ήταν ότι οι εταιρείες τα κόλλησαν σε διαδικασίες που δεν άλλαξαν.
Η τρίτη είναι η έρευνα «AI at Work» της BCG, σε 10.635 εργαζόμενους σε 11 χώρες. Το 78% των στελεχών χρησιμοποιεί τακτικά γενετική AI. Στους εργαζόμενους της πρώτης γραμμής, μόνο το 51%, και ο αριθμός δεν κουνήθηκε από το 2023. Και κάτι που αφορά κάθε διευθυντή. Εκεί που ο προϊστάμενος στηρίζει ενεργά τη χρήση, το 55% των εργαζομένων βλέπει θετικά την AI. Εκεί που δεν τη στηρίζει, μόλις το 15%. Τέτοια στήριξη παίρνει περίπου ένας στους τέσσερις εργαζόμενους της πρώτης γραμμής.
Η τέταρτη είναι η έκθεση της Deloitte για τις τάσεις στο ανθρώπινο δυναμικό του 2026. Το 85% των στελεχών λέει ότι η ικανότητα προσαρμογής είναι κρίσιμη. Μόνο το 7% κάνει κάτι ουσιαστικό γι’ αυτό. Και ένα παράδειγμα που θα έπρεπε να κρέμεται σε κάθε αίθουσα συσκέψεων. Σε μια ευρωπαϊκή εταιρεία τηλεπικοινωνιών, η AI πάνω στις παλιές διαδικασίες έφερε 5% παραγωγικότητα. Η AI μαζί με επανεκπαίδευση και νέο σχεδιασμό της δουλειάς έφερε 30%.
Πέντε τοις εκατό με το ίδιο εργαλείο. Τριάντα με το ίδιο εργαλείο. Η διαφορά είναι αυτό που ξέμαθαν.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: Dell’Acqua κ.ά., «Navigating the Jagged Technological Frontier», Harvard Business School, 2023 · MIT NANDA, «The GenAI Divide: State of AI in Business 2025» (περίληψη: Virtualization Review) · BCG, «AI at Work 2025» (περίληψη: UNLEASH) · Deloitte, 2026 Global Human Capital Trends (Το Βήμα, 28/7/2026)
Τι γίνεται στην Ελλάδα
Θα σου πω πρώτα τι βλέπω, χωρίς ονόματα.
Μια εταιρεία έδωσε συνδρομές σε όλους. Έξι μήνες μετά, η πιο συχνή χρήση ήταν να γράφονται πιο ευγενικά τα email. Κανείς δεν ρώτησε αν χρειαζόταν το email.
Ένας διευθυντής ζήτησε από την ομάδα του να χρησιμοποιεί AI. Μετά ζήτησε να βλέπει την αναφορά σε Word, με τη μορφή που τη ζητούσε πάντα, με τρεις υπογραφές πριν φτάσει σε αυτόν. Η αναφορά γινόταν σε μία ώρα. Η έγκριση σε τρεις μέρες.
Και μια ομάδα μάρκετινγκ που μου είπε ότι «δεν μας αφήνει το IT». Ρώτησα το IT. Κανείς δεν το είχε απαγορεύσει. Απλώς κανείς δεν το είχε επιτρέψει.
Δεν φταίνε οι εργαζόμενοι. Οι διαδικασίες στήθηκαν για άλλη εποχή, και κανείς δεν έχει δουλειά να τις γκρεμίσει.
Υπάρχουν όμως και εταιρείες που δείχνουν ότι γίνεται. Θα σταθώ σε μία, γιατί εκεί ο «νέος υπάλληλος» δεν είναι μεταφορά. Σηκώνει τηλέφωνο.
Η Εθνική Τράπεζα έβαλε στην παραγωγή τη «Σοφία», έναν φωνητικό πράκτορα που απαντά στα εισερχόμενα τηλεφωνήματα στα ελληνικά. Ξεκλειδώνει το internet banking, δηλώνει χαμένη κάρτα, δρομολογεί κλήσεις. Όταν χρειάζεται, περνά την κλήση σε άνθρωπο μαζί με όλο το ιστορικό. Σήμερα κάνει 14 λειτουργίες, ο στόχος είναι 32 ως το τέλος του 2026. Και κάτι που μου άρεσε: οι καταγγελίες απάτης μένουν αποκλειστικά σε ανθρώπους. Αυτό είναι ξέμαθημα με κρίση.
Και εδώ είναι, για μένα, η πραγματική πρόκληση. Όχι πόσες λειτουργίες θα προσθέσει η Σοφία. Αλλά αν η τράπεζα έχει βάλει δείκτες που παρακολουθούν το ίδιο το μοντέλο, κάθε μέρα. Πόσες κλήσεις λύθηκαν στ’ αλήθεια, χωρίς να ξαναπάρει ο πελάτης την επόμενη μέρα. Πόσες φορές κατάλαβε λάθος. Πόσες φορές κράτησε κάτι που έπρεπε να περάσει σε άνθρωπο. Δεν ξέρω τι μετράει η Εθνική εσωτερικά. Ξέρω όμως ότι έναν νέο υπάλληλο τον αξιολογούμε. Τον ψηφιακό πρέπει να τον αξιολογούμε πιο συχνά, όχι πιο σπάνια.
Και αυτό είναι ίσως το πιο δύσκολο ξέμαθημα για μια διοίκηση. Ότι ένα σύστημα που «μπήκε στην παραγωγή» δεν τελείωσε. Μόλις άρχισε.
Ο ΟΤΕ, από την άλλη, ξεκίνησε από τους ανθρώπους. Έστησε AI Academy για τους εργαζόμενους και ειδική ομάδα που αποφασίζει ποιες χρήσεις μπαίνουν πρώτες και επιβλέπει την ασφαλή χρήση από όλους.
Πρόσεξε κάτι. Τίποτα από αυτά δεν είναι θέμα τεχνολογίας. Είναι θέμα κανόνων, ρόλων, μέτρησης και άδειας.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: Εθνική Τράπεζα, φωνητικός πράκτορας «Σοφία» (newmoney.gr, 16/7/2026) · Όμιλος ΟΤΕ, AI Academy (Powergame, 24/4/2026)
Γιατί είναι τόσο δύσκολο
Το 1942 ο ψυχολόγος Άμπραχαμ Λάτσινς έδινε σε ανθρώπους ένα απλό πρόβλημα με κανάτες νερού. Τους έδειχνε πρώτα μια λύση που δούλευε. Μετά τους έδινε πρόβλημα με πολύ πιο απλή λύση. Οι περισσότεροι συνέχιζαν με τη δύσκολη. Όσοι δεν είχαν δει την πρώτη λύση, έβρισκαν αμέσως την απλή.
Η ψυχολογία το λέει «φαινόμενο Einstellung». Η εμπειρία σου γίνεται παρωπίδα.
Το 1981 ο Σουηδός Μπο Χέντμπεργκ έγραψε ότι και οι οργανισμοί πάσχουν από το ίδιο. Για να μάθει μια εταιρεία κάτι νέο, πρέπει πρώτα να πετάξει κάτι παλιό. Και αυτό είναι πιο αργό και πιο επώδυνο από τη μάθηση.
Γιατί πονάει; Γιατί η παλιά μέθοδος δεν είναι απλώς μέθοδος. Είναι ταυτότητα. «Εγώ είμαι αυτός που γράφει καλά κείμενα». «Εγώ είμαι αυτή που ξέρει το Excel απ’ έξω». Όταν η μηχανή κάνει αυτό που σε έκανε ξεχωριστό, το ξέμαθημα μοιάζει με απώλεια. Και κανείς δεν βιάζεται να χάσει.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: Luchins, «Mechanization in problem solving: The effect of Einstellung», Psychological Monographs, 1942 · Hedberg, «How organizations learn and unlearn», στο Handbook of Organizational Design, 1981
Τι δεν ξεμαθαίνουμε
Εδώ θέλει προσοχή, γιατί είναι εύκολο να το παρακάνεις.
Η Klarna είχε πει το 2024 ότι το chatbot της κάνει τη δουλειά 700 υπαλλήλων εξυπηρέτησης. Το 2025 ο ίδιος ο διευθύνων σύμβουλος παραδέχτηκε ότι η ποιότητα έπεσε, και η εταιρεία άρχισε ξανά να προσλαμβάνει ανθρώπους στην εξυπηρέτηση.
Και θυμήσου τους συμβούλους της BCG. Αυτοί που έκαναν λάθος δεν ήταν οι αδαείς. Ήταν όσοι σταμάτησαν να σκέφτονται επειδή είχαν δίπλα τους μια μηχανή που μιλούσε με σιγουριά.
Το λέω συχνά και το πιστεύω όλο και περισσότερο:
Η τεχνητή νοημοσύνη θα κάνει τους έξυπνους πιο έξυπνους και τους βλάκες πιο βλάκες.
Δεν το εννοώ ως προσβολή. Το εννοώ ως περιγραφή. Αν τη χρησιμοποιείς για να σκέφτεσαι περισσότερο, σε πάει μακριά. Αν τη χρησιμοποιείς για να μη σκέφτεσαι, σε πάει εξίσου μακριά, προς την άλλη μεριά. Το εργαλείο είναι το ίδιο. Η διαφορά είναι ποιος κρατάει το τιμόνι.
Άρα δεν είναι κάθε επιφύλαξη παρωπίδα. Μερικές φορές η επιφύλαξη είναι η ίδια η κρίση. Η διαφορά είναι αν τη δοκίμασες πριν την κρατήσεις, ή την κράτησες για να μην τη δοκιμάσεις.
Κρατάμε λοιπόν τη γνώση του αντικειμένου, γιατί χωρίς αυτήν δεν καταλαβαίνεις πότε το μοντέλο κάνει λάθος. Κρατάμε την κρίση. Κρατάμε την ευθύνη. Η υπογραφή είναι δική σου, όποιος κι αν έγραψε το κείμενο.
Και κάτι ακόμα. Μια μελέτη του Στάνφορντ, το 2025, με δεδομένα μισθοδοσίας από τις ΗΠΑ, βρήκε ότι στα επαγγέλματα που εκτίθενται περισσότερο στην AI, η απασχόληση των 22 με 25 ετών έπεσε περίπου 13% σε σχέση με όσους δουλεύουν σε λιγότερο εκτεθειμένα επαγγέλματα. Οι πιο έμπειροι στα ίδια επαγγέλματα δεν επηρεάστηκαν. Αν η σκάλα που ανέβαιναν οι νέοι εξαφανιστεί, ποιος θα έχει την κρίση σε δέκα χρόνια; Αυτό είναι κάτι που δεν πρέπει να ξεμάθουμε: να μαθαίνουμε στους νέους.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: Klarna, επιστροφή σε ανθρώπινη εξυπηρέτηση (Entrepreneur, Μάιος 2025) · Dell’Acqua κ.ά., «Navigating the Jagged Technological Frontier», Harvard Business School, 2023 · Brynjolfsson, Chandar, Chen, «Canaries in the Coal Mine?», Stanford, Αύγουστος 2025
Πώς ξεμαθαίνει μια εταιρεία
Δεν έχω συνταγή. Έχω τέσσερα πράγματα που έχω δει να δουλεύουν.
Ένα. Το ξέμαθημα ξεκινά από πάνω. Η BCG το έδειξε με αριθμούς. Αν ο διευθυντής δεν δουλεύει ο ίδιος με αυτά τα εργαλεία, η ομάδα δεν θα το κάνει στα σοβαρά.
Δύο. Ξανασχεδίασε τη δουλειά, μην προσθέτεις εργαλείο. Το 5% και το 30% της Deloitte είναι όλη η ιστορία.
Τρία. Ρώτα πριν προσλάβεις. Ο διευθύνων σύμβουλος της Shopify, Τόμπι Λούτκε, έγραψε στους εργαζόμενους τον Απρίλιο του 2025 ότι πριν ζητήσουν περισσότερο προσωπικό, πρέπει να εξηγήσουν γιατί δεν μπορούν να το κάνουν με AI. Μπορεί να διαφωνείς με τον τόνο. Η ερώτηση όμως είναι σωστή.
Τέσσερα. Κάνε κάθε τρεις μήνες έναν απλό έλεγχο. Γράψε σε ένα χαρτί τρία πράγματα που η ομάδα κάνει ακόμα έτσι, μόνο επειδή έτσι τα έμαθε. Διάλεξε ένα. Μέτρα πόσο χρόνο παίρνει σήμερα. Δοκίμασε τον νέο τρόπο για έναν μήνα, μετρώντας και τον χρόνο του ελέγχου. Αν δεν κερδίζεις, γύρνα πίσω χωρίς ντροπή. Αυτό είναι κι αυτό ξέμαθημα: να μην κολλήσεις ούτε στο καινούργιο.
ΠΗΓΕΣ ΕΝΟΤΗΤΑΣ: BCG, «AI at Work 2025» (περίληψη: UNLEASH) · Deloitte, 2026 Global Human Capital Trends (Το Βήμα, 28/7/2026) · Shopify, σημείωμα Τόμπι Λούτκε για την AI και τις προσλήψεις (TechCrunch, 7/4/2025)
Το τέλος της σκάλας
Η γενιά μου μεγάλωσε με την ιδέα ότι η γνώση μαζεύεται. Σαν αποταμίευση. Κάθε χρόνο λίγο περισσότερη, και στο τέλος έχεις κάτι να δείξεις.
Νομίζω ότι η επόμενη δεκαετία θα μοιάζει περισσότερο με κηπουρική. Κάθε χρόνο θα πρέπει να κόβεις κάτι για να μεγαλώσει κάτι άλλο. Και το πιο δύσκολο κλαδί για να κόψεις είναι πάντα αυτό που φύτεψες εσύ.
Τα εργαλεία θα συνεχίσουν να βελτιώνονται είτε το θέλουμε είτε όχι. Το ερώτημα δεν είναι αν θα μάθουμε να τα χρησιμοποιούμε. Θα μάθουμε. Το ερώτημα είναι αν θα έχουμε το θάρρος να αφήσουμε πίσω αυτό που μας έκανε καλούς ως τώρα.
Γιατί στο τέλος, το ξέμαθημα δεν είναι για να γίνουμε πιο γρήγοροι. Είναι για να μείνουμε από τη σωστή πλευρά εκείνης της φράσης.
Εσύ, τι κάνεις ακόμα στη δουλειά σου έτσι, μόνο επειδή έτσι το έμαθες;
Ο Κωνσταντίνος Κορίκης είναι σύμβουλος επικοινωνίας και ψηφιακής στρατηγικής, εκπαιδευτής σε θέματα τεχνητής νοημοσύνης (korikis.com). Τα στοιχεία του άρθρου συγκεντρώθηκαν έως τις 21 Οκτωβρίου 2026. Οι προσωπικές παρατηρήσεις από εταιρείες είναι ανώνυμες, για να μην εκτεθεί κανείς.
