Άνεργοι άνθρωποι, άνεργη AI
Τι συμβαίνει όταν δημιουργούμε περισσότερη εργασία απ’ όση μπορεί να απορροφήσει η οικονομία;
Για χρόνια η συζήτηση γύρω από την Τεχνητή Νοημοσύνη περιστρέφεται γύρω από ένα ερώτημα που όλοι, λίγο ή πολύ, έχουμε ακούσει: θα μας πάρει η AI τις δουλειές;
Είναι ένα απολύτως λογικό ερώτημα. Όσο βλέπουμε τα μοντέλα να γράφουν κώδικα, να αναλύουν δεδομένα, να συντάσσουν κείμενα, να απαντούν σε πελάτες και σταδιακά να αποκτούν τη δυνατότητα να εκτελούν ολόκληρες ακολουθίες ενεργειών ως agents, είναι φυσικό να αναρωτιόμαστε πόσες από τις σημερινές θέσεις εργασίας θα εξακολουθούν να χρειάζονται ανθρώπους.
Τελευταία, όμως, άρχισα να σκέφτομαι ότι ίσως αυτή είναι μόνο η μισή ερώτηση.
Αφορμή ήταν μια ανάλυση της Epoch AI για την υπολογιστική ισχύ που αναμένεται να είναι διαθέσιμη μέσα στα επόμενα χρόνια. Σύμφωνα με τις εκτιμήσεις της, το hardware που θα έχει διατεθεί έως το 2027 θα μπορούσε, υπό συγκεκριμένες τεχνικές παραδοχές, να υποστηρίζει περίπου 30 έως 170 εκατομμύρια ταυτόχρονους frontier AI agents.
Αν μετατρέψουμε αυτή τη δυνατότητα σε ώρες εργασίας, επειδή φυσικά ένας agent δεν περιορίζεται σε ένα ανθρώπινο οκτάωρο, η δυνητική παραγωγική ικανότητα αντιστοιχεί περίπου σε 140 έως 720 εκατομμύρια εργαζομένους πλήρους απασχόλησης.
Πρέπει να είμαστε προσεκτικοί εδώ. Αυτό δεν σημαίνει ότι το 2027 θα εμφανιστούν ξαφνικά 720 εκατομμύρια ψηφιακοί εργαζόμενοι. Ούτε ένας AI agent είναι ισοδύναμος με έναν άνθρωπο, επειδή μπορεί να λειτουργεί τις ίδιες ώρες. Η ίδια η μελέτη δεν ισχυρίζεται κάτι τέτοιο.
Αυτό που δείχνει όμως είναι κάτι διαφορετικό και, κατά τη γνώμη μου, πολύ πιο ενδιαφέρον: μπορεί να πλησιάζουμε σε μια εποχή κατά την οποία η διαθέσιμη ψηφιακή παραγωγική ικανότητα θα αυξάνεται πολύ γρηγορότερα από την πραγματική ανάγκη της οικονομίας να τη χρησιμοποιήσει.
Η Epoch AI κάνει μάλιστα έναν ενδεικτικό υπολογισμό. Για να αξιοποιηθεί μόλις το 20% αυτής της δυνητικής capacity του 2027, θα απαιτούνταν, σε σημερινές API-equivalent τιμές, ετήσια ζήτηση της τάξης των 2,6 έως 5,3 τρισ. δολαρίων.
Δεν έχει ιδιαίτερη σημασία αν τελικά το πραγματικό νούμερο αποδειχθεί μικρότερο ή μεγαλύτερο. Το ενδιαφέρον βρίσκεται στο ερώτημα που κρύβεται πίσω από αυτό:
Τι θα γίνει αν μπορέσουμε να δημιουργήσουμε πολύ περισσότερη εργασία από όση πραγματικά χρειαζόμαστε;
Έχουμε συνηθίσει να σκεφτόμαστε το αντίθετο πρόβλημα
Για το μεγαλύτερο μέρος της οικονομικής ιστορίας το πρόβλημα ήταν η έλλειψη.
Δεν έχουμε αρκετούς ανθρώπους, αρκετές εργατοώρες, αρκετούς ειδικούς, αρκετούς μηχανικούς, αρκετούς γιατρούς, αρκετούς προγραμματιστές. Εφευρίσκαμε εργαλεία και μηχανές ακριβώς για να επιτρέψουμε στον ίδιο άνθρωπο να παράγει περισσότερο.
Και κάθε μεγάλη τεχνολογική αλλαγή έκανε κάτι αντίστοιχο. Ο γεωργικός εξοπλισμός αύξησε την παραγωγή ενός αγρότη. Οι βιομηχανικές μηχανές αύξησαν την παραγωγή ενός εργάτη. Οι υπολογιστές αύξησαν την παραγωγικότητα ενός λογιστή, ενός μηχανικού ή ενός προγραμματιστή.
Η AI ξεκινά από το ίδιο σημείο, αλλά ίσως πηγαίνει ένα βήμα παραπέρα.
Δεν αυξάνει απλώς την παραγωγικότητα ενός ανθρώπου. Μπορεί σταδιακά να δημιουργήσει παραγωγική ικανότητα που δεν απαιτεί έναν άνθρωπο πίσω από κάθε μονάδα εργασίας.
Ένας developer με τα νέα εργαλεία μπορεί να κάνει περισσότερα. Ένας μικρότερος αριθμός ανθρώπων μπορεί να υποστηρίξει περισσότερα projects. Και κάποια κομμάτια εργασίας μπορούν πλέον να εκτελούνται από agents σχεδόν αυτόνομα.
Για μια εταιρεία όλα αυτά είναι εξαιρετικά νέα. Αν μπορώ με εξήντα ανθρώπους και AI να κάνω όσα έκανα πριν με εκατό, έχω μικρότερο κόστος, μεγαλύτερη παραγωγικότητα και πιθανότατα καλύτερα περιθώρια κέρδους.
Μέχρι εδώ η οικονομική λογική είναι προφανής.
Το ερώτημα αρχίζει όταν απομακρυνθούμε λίγο από τη μία εταιρεία και κοιτάξουμε ολόκληρη την οικονομία.
Κάτι αλλάζει ήδη στην αγορά εργασίας
Εδώ και αρκετό καιρό λαμβάνω μηνύματα, κυρίως από αγορές του εξωτερικού, ότι οι θέσεις για developers έχουν περιοριστεί αισθητά. Αυτό από μόνο του φυσικά δεν είναι απόδειξη κάποιας μεγάλης αλλαγής. Οι αγορές εργασίας περνούν κύκλους, οι εταιρείες προσλαμβάνουν και απολύουν για πολλούς λόγους και η περίοδος υπερβολικών προσλήψεων που προηγήθηκε δεν πρέπει να αγνοείται.
Τα δεδομένα όμως αρχίζουν να δείχνουν μια αλλαγή που αξίζει να παρακολουθήσουμε.
Σύμφωνα με το Indeed Hiring Lab, οι αγγελίες για software development στις ΗΠΑ έχουν ανακάμψει από τα χαμηλά τους, αλλά η ανάκαμψη αυτή αφορά δυσανάλογα τις senior θέσεις. Μεταξύ Μαΐου 2025 και Μαΐου 2026, το 71% της αύξησης των software-development postings προήλθε από senior roles.
Η ίδια εικόνα γίνεται ακόμη πιο καθαρή όταν εξετάσουμε τη σύνθεση της αγοράς. Στις αρχές του 2026, περίπου επτά στις δέκα αγγελίες software development αφορούσαν senior θέσεις, ενώ οι entry-level θέσεις αποτελούσαν ένα πολύ μικρό ποσοστό.
Δεν μπορούμε να πούμε από αυτό και μόνο ότι «η AI καταργεί τους juniors». Θα ήταν υπερβολικό και πιθανότατα λάθος.
Μπορούμε όμως να παρατηρήσουμε ότι οι επιχειρήσεις φαίνεται να εκτιμούν περισσότερο έναν ήδη έμπειρο εργαζόμενο που μπορεί να πολλαπλασιάσει την παραγωγικότητά του με την AI, παρά έναν νέο εργαζόμενο που χρειάζεται χρόνια για να αποκτήσει την ίδια εμπειρία.
Κι αυτό από μόνο του δημιουργεί ένα άλλο πρόβλημα, για το οποίο έχω γράψει και στο παρελθόν: αν αφαιρέσουμε σταδιακά από τους juniors τις δουλειές μέσα από τις οποίες μαθαίνουν, κάποια στιγμή θα πρέπει να απαντήσουμε στο πώς ακριβώς θα δημιουργήσουμε τους seniors του μέλλοντος.
Αυτή τη φορά όμως θέλω να πάω τη σκέψη λίγο πιο μακριά.
Γιατί αυτό που συμβαίνει στον εργαζόμενο δεν σταματά στον εργαζόμενο.
Μια εμπειρία που έχουμε ήδη ζήσει στην Ελλάδα
Όταν διάβασα τα νούμερα της Epoch AI, μου ήρθε στο μυαλό η ελληνική οικονομική κρίση.
Όχι επειδή θεωρώ ότι οι δύο περιπτώσεις είναι ίδιες. Δεν είναι.
Η ελληνική κρίση είχε συγκεκριμένα δημοσιονομικά, χρηματοπιστωτικά και διαρθρωτικά αίτια. Δεν ξεκίνησε επειδή μειώθηκαν οι μισθοί ή επειδή κόπηκαν επιδόματα. Οι περικοπές ήταν μέρος όσων ακολούθησαν την κρίση, όχι η αρχική αιτία της.
Υπήρχε όμως ένας μηχανισμός που όσοι ζήσαμε εκείνη την περίοδο τον είδαμε πολύ καθαρά στην καθημερινή οικονομία.
Όταν μειώθηκε το διαθέσιμο εισόδημα μεγάλου μέρους του πληθυσμού, μειώθηκε μαζί του και η κατανάλωση.
Από το 2010 έως το 2013 οι μέσες ακαθάριστες αποδοχές στην Ελλάδα μειώθηκαν σωρευτικά κατά 18,9%, η απασχόληση κατά 20,8% και η συνολική αποζημίωση των εργαζομένων κατά 34,9%. Η αγοραστική δύναμη των μέσων ακαθάριστων αποδοχών υποχώρησε κατά 25,2%. Η Τράπεζα της Ελλάδος σημείωνε τότε τη σοβαρή επίπτωση αυτής της εξέλιξης στην καταναλωτική ζήτηση.
Για μένα όμως το πιο χαρακτηριστικό δεν ήταν ο ίδιος ο αριθμός.
Ήταν αυτό που έβλεπες γύρω σου.
Όταν ένας δημόσιος υπάλληλος έχανε ένα σημαντικό μέρος του εισοδήματός του ή ένα επίδομα, το πρόβλημα δεν σταματούσε στον οικογενειακό του προϋπολογισμό. Εκείνος ο άνθρωπος ήταν ταυτόχρονα πελάτης στο εστιατόριο της γειτονιάς, στο κατάστημα ρούχων, στο συνεργείο, στο ταξιδιωτικό γραφείο, στον ελεύθερο επαγγελματία.
Όταν περιόριζε τις δαπάνες του, κάποιος άλλος έχανε τζίρο.
Και αυτός ο άλλος, με τη σειρά του, περιόριζε τις δικές του αγορές, τις επενδύσεις του ή ακόμη και το προσωπικό του.
Έτσι η απώλεια εισοδήματος μεταφερόταν από τον έναν στον άλλον.
Αυτός είναι ο λόγος που βλέπω μια ενδιαφέρουσα αναλογία με τη σημερινή συζήτηση γύρω από την AI. Όχι ως προς το πώς ξεκινά το πρόβλημα, αλλά ως προς τον τρόπο με τον οποίο ένα σοκ στο εισόδημα μπορεί να μεταδοθεί σε ολόκληρη την οικονομία.
Ένας εργαζόμενος δεν είναι μόνο κόστος
Όταν μια επιχείρηση εξετάζει το payroll της, ο εργαζόμενος είναι λογικά ένα κόστος.
Όταν όμως κοιτάξουμε ολόκληρη την οικονομία, ο ίδιος άνθρωπος είναι ταυτόχρονα και πελάτης.
Ο μισθός που πληρώνει μία εταιρεία δεν εξαφανίζεται. Γίνεται ενοίκιο, supermarket, αυτοκίνητο, διακοπές, εστιατόριο, συνδρομές, υπηρεσίες, εκπαίδευση. Δηλαδή γίνεται τζίρος κάποιας άλλης επιχείρησης.
Ας υποθέσουμε λοιπόν ότι η AI επιτρέπει σε μία εταιρεία να μειώσει κατά 30% τις ανάγκες της σε ανθρώπινη εργασία.
Για τη συγκεκριμένη επιχείρηση αυτό μπορεί να είναι μια εξαιρετική απόφαση.
Τι γίνεται όμως αν κάτι αντίστοιχο συμβεί σχεδόν ταυτόχρονα στο software, στο accounting, στο marketing, στο customer support, στις νομικές υπηρεσίες, στις αναλύσεις, στον σχεδιασμό και στη διοίκηση;
Οι εργαζόμενοι που δεν χρειάζονται πλέον σε όλες αυτές τις λειτουργίες εξακολουθούν να υπάρχουν. Αν δεν δημιουργηθούν αρκετές και αρκετά καλά αμειβόμενες νέες θέσεις, ένα μέρος του εισοδήματος που μέχρι χθες επέστρεφε στην οικονομία ως κατανάλωση θα χαθεί.
Κάπου εδώ η συζήτηση παύει να αφορά αποκλειστικά τις θέσεις εργασίας.
Αρχίζει να αφορά τη ζήτηση.
Και αν οι άνθρωποι δεν μπορούν να αγοράσουν όσα παράγουμε;
Αυτό είναι το σημείο που βρίσκω περισσότερο ενδιαφέρον και, ομολογώ, λίγο ανησυχητικό.
Αν η AI αυξήσει θεαματικά την παραγωγικότητα, θα έχουμε τη δυνατότητα να παράγουμε περισσότερο software, περισσότερες υπηρεσίες, περισσότερες αναλύσεις, περισσότερο περιεχόμενο και πιθανότατα πολλά πράγματα που σήμερα ακόμη δεν μπορούμε να φανταστούμε.
Αυτό όμως δεν σημαίνει αυτομάτως ότι θα υπάρχει και αντίστοιχη ζήτηση.
Για να υπάρχει αγορά, κάποιος πρέπει να μπορεί να αγοράσει το προϊόν.
Και εδώ υπάρχει μια θεμελιώδης διαφορά ανάμεσα σε έναν άνθρωπο και έναν AI agent.
Ο άνθρωπος που εργάζεται παράγει, αλλά ταυτόχρονα καταναλώνει. Πληρώνεται και ένα μεγάλο μέρος αυτού του εισοδήματος επιστρέφει στην οικονομία.
Ο AI agent μπορεί να παράγει χωρίς να γίνεται καταναλωτής με την ανθρώπινη έννοια.
Δεν χρειάζεται σπίτι. Δεν αγοράζει τρόφιμα. Δεν πηγαίνει διακοπές. Δεν αγοράζει αυτοκίνητο. Δεν πηγαίνει σε εστιατόρια και δεν χρειάζεται να πληρώσει για την εκπαίδευση των παιδιών του.
Και έτσι εμφανίζεται ένα ερώτημα που ακούγεται σχεδόν αφελές, αλλά νομίζω ότι κρύβει μέσα του ένα πολύ σοβαρό οικονομικό πρόβλημα:
Τι θα αγοράζουν 700 εκατομμύρια AI εργαζόμενοι;
Τίποτε.
Οι ιδιοκτήτες τους, προφανώς, θα αποκτούν εισόδημα από την εργασία τους. Αλλά αυτό είναι διαφορετικό πράγμα από την κατανομή εισοδήματος σε εκατοντάδες εκατομμύρια ανθρώπους που στη συνέχεια το δαπανούν σε εκατομμύρια διαφορετικές επιχειρήσεις.
Αν επομένως η μετάβαση προς την AI οδηγήσει σε σημαντική μεταφορά εισοδήματος από την εργασία προς το κεφάλαιο, τότε δεν έχουμε απλώς ένα τεχνολογικό ζήτημα. Έχουμε πιθανώς ένα πρόβλημα κατανομής αγοραστικής δύναμης.
Και αυτή η λεπτομέρεια μπορεί να αποδειχθεί καθοριστική.
Άνεργοι άνθρωποι και «άνεργη» AI
Ας τραβήξουμε τώρα αυτή τη σκέψη λίγο περισσότερο, χωρίς να προσποιηθούμε ότι προβλέπουμε το μέλλον.
Αν αρκετοί άνθρωποι χάσουν εργασία ή εισόδημα, η κατανάλωση μπορεί να μειωθεί. Αν μειωθεί η κατανάλωση, πέφτουν οι πωλήσεις των επιχειρήσεων. Αν μειωθούν οι πωλήσεις, μειώνεται η ανάγκη για παραγωγή, marketing, software, αναλύσεις, logistics και πολλές ακόμη υπηρεσίες.
Και κάπου εκεί μπορεί να συμβεί κάτι πραγματικά παράδοξο.
Να έχουμε ανθρώπους που αναζητούν εργασία και, την ίδια στιγμή, τεράστια διαθέσιμη AI παραγωγική ικανότητα για την οποία επίσης δεν υπάρχει αρκετή οικονομικά χρήσιμη εργασία.
Όταν λέω «άνεργη AI», προφανώς δεν το εννοώ με την ανθρώπινη ή κοινωνική έννοια. Ένας agent δεν βιώνει ανεργία και δεν χρειάζεται επίδομα.
Μιλάω για αδρανή παραγωγική ικανότητα.
Για chips που υπάρχουν αλλά δεν αξιοποιούνται πλήρως. Για μοντέλα που μπορούν να εκτελούν εκατομμύρια εργασίες, αλλά δεν υπάρχουν αρκετές εργασίες που κάποιος είναι διατεθειμένος να πληρώσει. Για data centers και agents που μπορούν να παράγουν πολύ περισσότερα από όσα η πραγματική οικονομία ζητά.
Και αν συμβεί κάτι τέτοιο, θα έχουμε φτάσει σε μια κατάσταση που μοιάζει παράδοξη μόνο στην πρώτη ανάγνωση: η ανθρώπινη ανεργία θα μπορούσε να συμβάλλει στην υποαπασχόληση της ίδιας της AI.
Όσο μειώνεται το ανθρώπινο εισόδημα, μειώνεται η ζήτηση. Όσο μειώνεται η ζήτηση, τόσο μικρότερη είναι και η οικονομικά χρήσιμη εργασία που χρειάζεται να εκτελέσουν οι machines.
Ένα productivity boom θα μπορούσε έτσι, αν η μετάβαση γινόταν πολύ απότομα και χωρίς άλλους μηχανισμούς εξισορρόπησης, να αρχίσει να περιορίζει τη δική του αγορά.
Η παραγωγικότητα δεν είναι το ίδιο πράγμα με την ευημερία
Εδώ νομίζω ότι βρίσκεται ένα σημείο που συχνά προσπερνάμε όταν μιλάμε για AI.
Ακούμε ότι η Τεχνητή Νοημοσύνη θα αυξήσει δραματικά την παραγωγικότητα και το θεωρούμε σχεδόν συνώνυμο της οικονομικής ευημερίας.
Δεν είναι ακριβώς έτσι.
Η παραγωγικότητα μάς λέει πόσα μπορούμε να παράγουμε με τους πόρους που διαθέτουμε. Δεν μας λέει πώς κατανέμεται το εισόδημα που δημιουργείται από αυτή την παραγωγή.
Αν ένας άνθρωπος με AI μπορεί να παράγει όσα παρήγαγαν πριν πέντε, υπάρχει ένα προφανές οικονομικό όφελος.
Υπάρχει όμως και ένα δεύτερο ερώτημα: τι συνέβη στο εισόδημα των άλλων τεσσάρων;
Αν βρήκαν άλλες, ίσως καλύτερες και παραγωγικότερες δουλειές, τότε έχουμε μία εξαιρετικά θετική τεχνολογική μετάβαση.
Αν όμως δεν τις βρήκαν, τότε το συνολικό output μπορεί να αυξάνεται την ίδια στιγμή που η αγοραστική δύναμη μεγάλου μέρους της κοινωνίας περιορίζεται.
Δεν γνωρίζουμε ποια από τις δύο εκδοχές θα επικρατήσει.
Η ιστορία μάς έχει δείξει ότι η τεχνολογία δημιουργεί νέες δουλειές και νέες αγορές που ήταν αδύνατον να προβλέψουμε εκ των προτέρων. Δεν υπάρχει κανένας σοβαρός λόγος να θεωρήσουμε ότι αυτή τη φορά αυτό δεν θα συμβεί.
Αλλά υπάρχει επίσης ένας λόγος να μην θεωρούμε δεδομένο ότι η προσαρμογή θα είναι αυτόματη, άμεση και χωρίς κόστος.
Κυρίως επειδή η ταχύτητα της σημερινής αλλαγής είναι ασυνήθιστη.
Ίσως τελικά το σπάνιο αγαθό να είναι η ζήτηση
Ξοδεύουμε σήμερα τεράστια ποσά για GPUs, data centers, ενέργεια και νέες υποδομές επειδή θεωρούμε ότι η υπολογιστική νοημοσύνη θα είναι ένας από τους πιο πολύτιμους πόρους της επόμενης οικονομίας.
Πιθανότατα έχουμε δίκιο.
Η μελέτη της Epoch AI όμως με έκανε να δω το ίδιο θέμα από την ανάποδη πλευρά.
Τι γίνεται αν τα καταφέρουμε πολύ καλά;
Τι γίνεται αν πράγματι δημιουργήσουμε δεκάδες ή εκατοντάδες εκατομμύρια ισοδύναμα ψηφιακής εργασίας;
Τι γίνεται αν η δυνατότητα παραγωγής γνώσης, software, υπηρεσιών και αποφάσεων γίνει τόσο φθηνή και τόσο άφθονη ώστε τελικά να μην είναι αυτή το bottleneck της οικονομίας;
Μπορεί τότε να ανακαλύψουμε ότι το δύσκολο μέρος δεν ήταν να παράγουμε.
Ήταν να υπάρχει αρκετό εισόδημα, αρκετή κατανάλωση και αρκετή πραγματική ανάγκη ώστε κάποιος να έχει λόγο να πληρώσει για όλα όσα μπορούμε πλέον να παράγουμε.
Γι’ αυτό δεν θεωρώ ότι το πιο ενδιαφέρον ερώτημα είναι αν η AI θα πάρει τις δουλειές μας.
Το πραγματικά ενδιαφέρον ερώτημα είναι τι θα συμβεί στην οικονομία αν η εργασία —ανθρώπινη και ψηφιακή μαζί— πάψει να είναι σπάνια.
Μπορεί η απάντηση να είναι μια εποχή πρωτοφανούς ευημερίας. Μπορεί να δουλεύουμε λιγότερο, να παράγουμε περισσότερο και να έχουμε πρόσβαση σε αγαθά και υπηρεσίες που σήμερα κοστίζουν πολύ ακριβά.
Αλλά για να συμβεί αυτό, το όφελος της παραγωγικότητας πρέπει με κάποιον τρόπο να επιστρέφει στην οικονομία ως εισόδημα και ζήτηση.
Διαφορετικά υπάρχει ένα ενδεχόμενο που πριν από λίγα χρόνια θα ακουγόταν σχεδόν παράλογο:
να έχουμε ανθρώπους χωρίς αρκετή δουλειά και machines με περισσότερη δυνατότητα εργασίας από όση χρειαζόμαστε.
Και αν ποτέ φτάσουμε εκεί, θα έχουμε ανακαλύψει κάτι που ίσως είναι τελικά αρκετά απλό.
Το να μπορείς να παράγεις σχεδόν τα πάντα δεν σημαίνει πολλά, αν δεν υπάρχει κάποιος που να μπορεί να τα αγοράσει.