TECH ΝΕΑ & ΤΑΣΕΙΣ · ΕΡΕΥΝΑ · ΕΛΛΑΔΑ & ΔΙΕΘΝΩΣ · 11/11/2026
AI και δουλειές: η συζήτηση συνήθως ξεκινά με μία αγχωτική ερώτηση — «θα μας αντικαταστήσει η τεχνητή νοημοσύνη;». Όμως ο λογιστής δεν κάνει μόνο καταχωρίσεις, ο γιατρός δεν γράφει μόνο γνωματεύσεις και ο σχεδιαστής ιστοσελίδων δεν φτιάχνει μόνο εικόνες. Κάθε επάγγελμα αποτελείται από πολλές διαφορετικές εργασίες, άλλες επαναλαμβανόμενες και άλλες γεμάτες ευθύνη, εμπειρία και ανθρώπινη επαφή.
Αναλύσαμε στοιχεία από Eurostat, Διεθνή Οργάνωση Εργασίας (ILO), ΟΟΣΑ, Ευρωπαϊκή Επιτροπή, Παγκόσμιο Οικονομικό Φόρουμ και δημοσιευμένες επιστημονικές μελέτες. Η εικόνα που προκύπτει είναι πιο χρήσιμη από τα εύκολα συνθήματα: ορισμένα καθήκοντα αλλάζουν γρήγορα, η επίδραση στην απασχόληση είναι άνιση και η ανθρώπινη κρίση εξακολουθεί να καθορίζει την αξία πολλών επαγγελμάτων.

AI και δουλειές: τι δείχνουν οι αριθμοί
Πριν ερμηνεύσουμε τα ποσοστά, χρειάζεται να καταλάβουμε τι ακριβώς μετρούν. Η Eurostat καταγράφει αν ένας άνθρωπος χρησιμοποίησε κάποιο εργαλείο παραγωγικής AI μέσα στους τρεις προηγούμενους μήνες. Η Ευρωπαϊκή Επιτροπή καταγράφει επιχειρήσεις που χρησιμοποιούν τουλάχιστον μία τεχνολογία AI. Ο ILO υπολογίζει την τεχνική έκθεση καθηκόντων σε δυνατότητες της παραγωγικής AI. Οι τρεις δείκτες δεν είναι μετρήσεις του ίδιου φαινομένου.
Η διεθνής μελέτη του ILO, που δημοσιεύτηκε το 2025, εκτιμά ότι περίπου ένας στους τέσσερις εργαζομένους βρίσκεται σε επάγγελμα με κάποιο βαθμό έκθεσης. Μόλις το 3,3% της παγκόσμιας απασχόλησης εμπίπτει στην υψηλότερη βαθμίδα έκθεσης. Ο οργανισμός τονίζει ότι πολλά επαγγέλματα είναι πιθανότερο να αναδιαμορφωθούν παρά να εξαφανιστούν, γιατί δεν μεταφέρονται όλα τα καθήκοντα από τον άνθρωπο στο μηχάνημα.
Στη μελέτη Generative AI at Work, που δημοσιεύτηκε το 2025 στο Quarterly Journal of Economics, η χρήση βοηθού AI από 5.172 εργαζομένους εξυπηρέτησης πελατών συνδέθηκε με 15% μεγαλύτερο αριθμό επιλυμένων αιτημάτων ανά ώρα κατά μέσο όρο. Πρόκειται για πραγματική μέτρηση παραγωγικότητας σε συγκεκριμένο οργανωσιακό περιβάλλον — όχι για αύξηση 15% σε κάθε επάγγελμα ούτε για απόδειξη ότι χρειάζονται 15% λιγότεροι εργαζόμενοι.
Τρεις έννοιες που δεν πρέπει να συγχέουμε
Έκθεση: η AI μπορεί τεχνικά να εκτελέσει μέρος της εργασίας. Υιοθέτηση: μια επιχείρηση τη χρησιμοποιεί πράγματι. Αντικατάσταση: μια θέση ή οι ώρες εργασίας καταργούνται εξαιτίας της αλλαγής. Για να συμβεί το τρίτο χρειάζονται πολύ περισσότερα από ένα εντυπωσιακό demo.
Ελλάδα: πολλοί χρησιμοποιούν AI, λιγότερες επιχειρήσεις την ενσωματώνουν
Η ελληνική εικόνα παρουσιάζει μια ιδιαίτερη αντίθεση. Τα στοιχεία για το 2025 δείχνουν 44,1% χρήση παραγωγικής AI από άτομα ηλικίας 16–74 ετών, έναντι 32,7% στην ΕΕ. Από την άλλη πλευρά, μόνο το 8,93% των ελληνικών επιχειρήσεων που καλύπτονται από την ευρωπαϊκή επιχειρηματική έρευνα δήλωνε χρήση AI, έναντι 19,95% στην ΕΕ. Οι αριθμοί προέρχονται από διαφορετικές έρευνες και πληθυσμούς: δεν σημαίνουν ότι «οι υπόλοιπες ελληνικές επιχειρήσεις δεν ξέρουν την AI», ούτε καλύπτουν απευθείας όλους τους αυτοαπασχολουμένους.
Η Ειδική Γραμματεία Τεχνητής Νοημοσύνης επισημαίνει ότι η υψηλή προσωπική χρήση δεν έχει μεταφερθεί στον ίδιο βαθμό σε οργανωμένη παραγωγική αξιοποίηση. Στα στοιχεία της Eurostat, η χρήση παραγωγικής AI για επαγγελματικούς σκοπούς από άτομα στην Ελλάδα ήταν περίπου 16,1% το 2025. Στους νέους 16–24 ετών, το ποσοστό που τη χρησιμοποίησε για οποιονδήποτε σκοπό έφτασε το 83,5%. Αυτό δεν είναι ποσοστό εργοδοτών ούτε ένδειξη ότι οι νέοι αυτοί εργάζονται όλοι με AI.
Γιατί έχει σημασία; Ένας εργαζόμενος σε τουριστική επιχείρηση μπορεί να χρησιμοποιεί μόνος του AI για email σε ξένες γλώσσες, την ώρα που η εταιρεία δεν διαθέτει κανέναν εγκεκριμένο τρόπο ελέγχου των απαντήσεων. Ένας λογιστής μπορεί να πειραματίζεται με περιλήψεις οδηγιών, αλλά να μην επιτρέπεται να εισαγάγει δεδομένα πελατών. Αντίστοιχα, ένα μικρό e-shop μπορεί να δημιουργεί γρήγορα περιγραφές προϊόντων χωρίς να έχει οργανώσει ανθρώπινο έλεγχο, ακρίβεια αποθεμάτων ή μετρήσεις αποτελέσματος.
Η έκθεση της Ευρωπαϊκής Επιτροπής για την Ελλάδα το 2026 αναγνωρίζει περιθώριο περαιτέρω ψηφιοποίησης των μικρομεσαίων επιχειρήσεων και διαρθρωτικά προβλήματα δεξιοτήτων και παραγωγικότητας. Επομένως, στην ελληνική αγορά η συζήτηση δεν αφορά μόνο ποια επαγγέλματα κινδυνεύουν, αλλά και ποιοι εργοδότες έχουν τις υποδομές και τη γνώση να αξιοποιήσουν την AI υπεύθυνα.
Παράδειγμα από ελληνική μικρή επιχείρηση
Μια οικογενειακή μονάδα φιλοξενίας λαμβάνει 40 παρόμοιες ερωτήσεις την εβδομάδα. Η AI μπορεί να ετοιμάζει προσχέδια απαντήσεων για check-in, παροχές και διαδρομές. Ο υπεύθυνος όμως επιβεβαιώνει κάθε πληροφορία που αλλάζει — διαθεσιμότητα, πολιτική ακύρωσης, ιδιαίτερες ανάγκες επισκέπτη — και χειρίζεται προσωπικά την κρίσιμη επικοινωνία. Το όφελος είναι η ταχύτερη εξυπηρέτηση, όχι η κατάργηση της ανθρώπινης φιλοξενίας.
Πώς διαβάζουμε σωστά τα ελληνικά και ευρωπαϊκά ποσοστά
| Δείκτης, 2025 | Ελλάδα | ΕΕ | Τι μετρά |
|---|---|---|---|
| Χρήση παραγωγικής AI από άτομα 16–74 | 44,1% | 32,7% | Χρήση τουλάχιστον μία φορά στους προηγούμενους 3 μήνες |
| Χρήση παραγωγικής AI για εργασία από άτομα | περίπου 16,1% | περίπου 15,1% | Αυτοαναφερόμενη χρήση από πληθυσμό ατόμων, όχι ποσοστό επιχειρήσεων |
| Επιχειρήσεις με χρήση οποιασδήποτε AI | 8,93% | 19,95% | Επιχειρήσεις του δείγματος με τουλάχιστον 10 απασχολουμένους |
Οι δύο πρώτοι δείκτες προέρχονται από την έρευνα νοικοκυριών της Eurostat, ο τρίτος από την έρευνα επιχειρήσεων. Το «χρησιμοποίησα μια φορά ένα chatbot για δουλειά» είναι πολύ διαφορετικό από το «η εταιρεία μου έχει ενσωματώσει με ασφάλεια την AI σε διαδικασία». Έτσι αποφεύγουμε ένα συνηθισμένο στατιστικό λάθος: να παρουσιάζουμε τις ατομικές δοκιμές ως ώριμη ψηφιακή μεταμόρφωση.
Ενδιαφέρον έχει και η ευρωπαϊκή έρευνα του Κοινού Κέντρου Ερευνών σε περισσότερους από 70.000 εργαζομένους, που καταγράφει ότι περίπου τρεις στους δέκα είχαν χρησιμοποιήσει εργαλεία AI στη δουλειά τους κατά το προηγούμενο δωδεκάμηνο. Αυτή η μέτρηση αφορά άλλη περίοδο, διαφορετικό δείγμα και ευρύτερο ορισμό AI, άρα δεν συγκρίνεται απευθείας με το 15,1% της Eurostat για χρήση παραγωγικής AI από άτομα. Δίνει όμως ένα επιπλέον στοιχείο: οι εργαζόμενοι ήδη πειραματίζονται, συχνά πριν οργανωθεί κεντρικά η χρήση από τους εργοδότες (JRC, Artificial Intelligence and the Changing Nature of Work).
Ποια καθήκοντα αλλάζουν πρώτα; Αναλυτικός οδηγός ανά εργασία
Η ανάλυση του ILO καταγράφει μεγαλύτερη έκθεση σε διοικητικές και γραμματειακές εργασίες, καταχώριση δεδομένων, βασική λογιστική υποστήριξη και έντονα ψηφιοποιημένες ειδικότητες. Νεότερες αναλύσεις του ΟΟΣΑ δείχνουν ότι η AI πλησιάζει περισσότερο τις απαιτήσεις καθηκόντων που βασίζονται σε τυποποιημένη επεξεργασία πληροφοριών και λιγότερο όσων απαιτούν σύνθετη κοινωνική κατανόηση, ευθύνη και κρίση στο πραγματικό περιβάλλον.
| Πεδίο | Τι μπορεί να επιταχύνει η AI | Τι χρειάζεται ανθρώπινο έλεγχο |
|---|---|---|
| Γραμματειακή υποστήριξη | Πρόχειρα email, ταξινόμηση αιτημάτων, ημερολόγια, περιλήψεις | Προτεραιότητες, εξαιρέσεις, εμπιστευτικότητα, λεπτομέρειες συνεργασίας |
| Εξυπηρέτηση πελατών | Συνήθεις ερωτήσεις, προτάσεις απαντήσεων, κατηγοριοποίηση | Παράπονα, διαφωνίες, ευάλωτοι πελάτες, δεσμεύσεις της επιχείρησης |
| Marketing / περιεχόμενο | Ιδέες, πρώτα κείμενα, μεταφράσεις, παραλλαγές | Τεκμηρίωση, στρατηγική, πρωτοτυπία, αλήθεια ισχυρισμών, φήμη brand |
| Λογιστήριο / διοίκηση | Αντιστοίχιση εγγράφων, αναφορές, εντοπισμός ασυνέπειας | Συμμόρφωση, ερμηνεία κανόνων, υπογραφή, λογοδοσία |
| Προγραμματισμός | Προσχέδια κώδικα, τεστ, τεκμηρίωση, αναζήτηση λαθών | Αρχιτεκτονική, ασφάλεια, έλεγχος παραγωγής, αξιοπιστία |
| Ιατρική / εκπαίδευση | Οργάνωση υλικού, περιλήψεις, υποστηρικτικές ασκήσεις | Διάγνωση, παιδαγωγική κρίση, συναίνεση, εξατομίκευση |
1. Δεδομένα, αναφορές και επαναλαμβανόμενα έγγραφα
Όταν μια εργασία επαναλαμβάνει το ίδιο μοτίβο — αντιγραφή στοιχείων, σύνοψη συνεδρίασης, ταξινόμηση αιτημάτων, πρώτη σύνταξη αναφοράς — η AI μπορεί συχνά να μειώσει τη μηχανική προσπάθεια. Η μεγαλύτερη πρόκληση είναι ότι οι έξοδοι δεν είναι πάντα ακριβείς. Λανθασμένο τιμολόγιο, παράλειψη σε σύμβαση ή απώλεια ενός κρίσιμου αριθμού μπορεί να ακυρώσει το κέρδος χρόνου. Σε οικονομικά και νομικά έγγραφα, η επαλήθευση δεν είναι προαιρετική.
2. Εξυπηρέτηση πελατών και διοικητικά μηνύματα
Η AI μπορεί να προτείνει απαντήσεις σε συνηθισμένα αιτήματα, να συγκεντρώνει το ιστορικό επικοινωνίας και να βοηθά νέους εργαζομένους να εντοπίσουν σωστές διαδικασίες. Το αποτέλεσμα της έρευνας των 5.172 agents δείχνει ότι ένα εργαλείο λειτουργεί ιδιαίτερα καλά όταν υπάρχει επαρκής βάση γνώσης και δυνατότητα ανθρώπινης παρέμβασης. Μια θυμωμένη καταγγελία, ένας κίνδυνος ασφάλειας ή μια δύσκολη εξαίρεση δεν χωρά πάντα στο ίδιο αυτοματοποιημένο μήνυμα. Για συναφείς εφαρμογές έχουμε αναλύσει πώς λειτουργούν τα AI chatbots στις επαγγελματικές ιστοσελίδες.
3. Πρώτα προσχέδια κειμένου, μετάφραση και δημιουργικό υλικό
Η AI μειώνει τον χρόνο του πρώτου προσχεδίου. Δεν εξασφαλίζει όμως ότι το κείμενο είναι σωστό, ότι περιγράφει πραγματική υπηρεσία ή ότι ταιριάζει στον άνθρωπο που θα το διαβάσει. Στο web design και το copywriting αυτό είναι ιδιαίτερα ορατό: ένα τυποποιημένο κείμενο μπορεί να ακούγεται επαγγελματικό αλλά να μην απαντά σε καμία συγκεκριμένη απορία του πελάτη. Γι’ αυτό ο έλεγχος των συνηθισμένων λαθών στο website copywriting παραμένει απαραίτητος, ακόμη και όταν το πρώτο προσχέδιο έχει παραχθεί από εργαλείο AI.
4. Κώδικας, σχεδιασμός και σύνθετες τεχνικές αποφάσεις
Προγραμματιστές και web designers χρησιμοποιούν εργαλεία AI για κώδικα, πρόχειρα layouts, μετατροπές μορφών και τεχνική τεκμηρίωση. Αυτό δεν μετατρέπει κάθε παραγόμενο αποτέλεσμα σε ασφαλές προϊόν. Η ταχύτητα παραγωγής μπορεί να δημιουργήσει νέο φόρτο ελέγχου: προσβασιμότητα, ασφάλεια, διατήρηση δεδομένων, απόδοση και συντήρηση. Έχει ιδιαίτερη σημασία να ξεχωρίζουμε το «έφτιαξα ένα demo» από το «παρέδωσα υπηρεσία που λειτουργεί σωστά για πραγματικούς ανθρώπους». Δες και τη σχετική ανάλυσή μας για το αν η AI μπορεί να δημιουργήσει μόνη της μια επαγγελματική ιστοσελίδα.
Το πραγματικό φίλτρο κινδύνου
Ρώτησε: Είναι το αποτέλεσμα επαναλαμβανόμενο, εύκολα επαληθεύσιμο και χαμηλού ρίσκου; Αν ναι, η αυτοματοποίηση έχει συνήθως μεγαλύτερο περιθώριο. Αν μια λανθασμένη απάντηση επηρεάζει υγεία, δικαιώματα, εργασία ή μεγάλη οικονομική απόφαση, απαιτούνται αυστηρότεροι έλεγχοι και αρμόδιος άνθρωπος που αποφασίζει.
Πού παραμένει αναντικατάστατη η ανθρώπινη κρίση;
Το ότι η AI γράφει πειστικά ή βρίσκει μοτίβα δεν σημαίνει ότι έχει ανθρώπινη ευθύνη. Ο ΟΟΣΑ, στην έκθεση Skills in the AI Age (2026), διαχωρίζει την υψηλή έκθεση των εξειδικευμένων επαγγελμάτων από τον κίνδυνο πλήρους αυτοματοποίησης: διευθυντές, μηχανικοί και επαγγελματίες μπορεί να χρησιμοποιούν πολλές ψηφιακές δυνατότητες της AI, αλλά εξακολουθούν να βασίζονται σε μη τυποποιημένες γνωστικές και κοινωνικές δεξιότητες.
Κρίση με ελλιπείς ή αντικρουόμενες πληροφορίες
Ένας έμπειρος επαγγελματίας δεν επιλέγει μόνο την πιθανότερη απάντηση. Αναγνωρίζει πότε τα διαθέσιμα στοιχεία δεν αρκούν και πότε πρέπει να ζητήσει περισσότερα. Ένας γιατρός χρειάζεται ιστορικό, εξέταση και κλινική ευθύνη· ένας δικηγόρος οφείλει να αξιολογήσει πραγματικά γεγονότα και συγκεκριμένο νομικό πλαίσιο. Η AI μπορεί να βοηθήσει στον εντοπισμό πληροφοριών, όχι να αναλάβει αυτόνομα την ευθύνη που συνδέεται με την επαγγελματική πράξη.
Εμπιστοσύνη, ενσυναίσθηση και διαπραγμάτευση
Η επικοινωνία σε μια δύσκολη διάγνωση, ένα εργασιακό πρόβλημα ή μια διαφωνία πελάτη δεν είναι μόνο σωστή διατύπωση. Περιλαμβάνει διάθεση να ακούσεις, κοινωνικό πλαίσιο, σχέση και συνέπειες. Η AI μπορεί να προσφέρει χρήσιμες διατυπώσεις, αλλά δεν φέρει τις πραγματικές ηθικές και οργανωσιακές δεσμεύσεις του ανθρώπου που βρίσκεται απέναντι.
Στρατηγική, δημιουργική επιλογή και τελική ευθύνη
Ένας marketer μπορεί να λάβει εκατό προτεινόμενα headlines και ένας designer εκατό layouts. Το δύσκολο δεν είναι απαραίτητα να δημιουργηθούν περισσότερες επιλογές αλλά να επιλεγεί εκείνη που εξυπηρετεί έναν πραγματικό στόχο, ταιριάζει στο κοινό, δεν παραπλανά και δεν παραβιάζει δικαιώματα. Η τεχνητή νοημοσύνη προσφέρει υλικό. Η επαγγελματική κρίση αποφασίζει τι αξίζει να χρησιμοποιηθεί και γιατί. Για το πού χρειάζεται ανθρώπινη εμπειρία στην παραγωγή περιεχομένου, βλ. το άρθρο μας για το copywriting και AI.
Φυσικός κόσμος, αστάθμητες συνθήκες και φροντίδα
Η επισκευή ηλεκτρικής εγκατάστασης, η κλινική φροντίδα, η διδασκαλία σε μια τάξη ή η διαχείριση ενός απρόβλεπτου περιστατικού απαιτούν συχνά σωματική παρουσία, παρατήρηση και άμεση προσαρμογή. Η AI μπορεί να υποστηρίζει διάγνωση βλάβης ή πρόγραμμα εργασίας, αλλά δεν έχει αναλάβει αυτομάτως την ασφαλή εκτέλεση αυτών των ενεργειών. Η ρομποτική εξελίσσεται, επομένως ούτε αυτή η διάκριση αποτελεί υπόσχεση ότι κάποιο επάγγελμα θα μείνει αμετάβλητο.
Πώς αλλάζουν οκτώ πραγματικά επαγγέλματα
Δεν υπάρχει ένας κατάλογος επαγγελμάτων που «θα εξαφανιστούν» με επιστημονική βεβαιότητα. Υπάρχουν, όμως, συγκεκριμένα καθήκοντα στα οποία η τεχνολογία ήδη προσφέρει βοήθεια. Τα παρακάτω είναι ενδεικτικά σενάρια εργασίας, όχι μετρημένα ποσοστά αυτοματοποίησης ανά ελληνική ειδικότητα.
1. Λογιστής και βοηθός λογιστηρίου
Τι αλλάζει: αρχική κατηγοριοποίηση παραστατικών, σύνοψη εγκυκλίων, έλεγχοι ασυνέπειας και πρότυπα απαντήσεων. Τι παραμένει στον επαγγελματία: επαλήθευση φορολογικών υποχρεώσεων, χειρισμός ιδιαίτερων περιπτώσεων και ευθύνη υποβολής. Η AI δεν μπορεί να θεωρηθεί έγκυρη φορολογική πηγή απλώς επειδή γράφει με σιγουριά.
2. Γιατρός, νοσηλευτής και επαγγελματίας υγείας
Τι αλλάζει: περίληψη μη ευαίσθητων εκπαιδευτικών κειμένων, οργάνωση σημειώσεων με εγκεκριμένα συστήματα, υποστήριξη στην αναζήτηση πληροφοριών. Τι δεν μεταφέρεται άκριτα: διάγνωση, συναίνεση, θεραπευτική απόφαση και διαχείριση έκτακτης ανάγκης. Τα ιατρικά δεδομένα απαιτούν ιδιαίτερη προστασία.
3. Εκπαιδευτικός
Τι αλλάζει: ιδέες ασκήσεων, διαφοροποιημένο υλικό, απλούστερες εξηγήσεις. Τι μένει ανθρώπινο: η αναγνώριση δυσκολιών μαθητή, η παιδαγωγική σχέση, η αξιολόγηση της πραγματικής κατανόησης και η προστασία των παιδιών. Η ταχύτητα παραγωγής φύλλων εργασίας δεν ισοδυναμεί με ποιότητα εκπαίδευσης.
4. Προγραμματιστής και μηχανικός λογισμικού
Τι αλλάζει: προσχέδια συναρτήσεων, δοκιμές, τεκμηρίωση, μετατροπή κώδικα και εντοπισμός πιθανών σφαλμάτων. Τι παραμένει κρίσιμο: απαιτήσεις πελάτη, σχεδιασμός συστήματος, έλεγχος ασφαλείας, επιδόσεις και τελική ευθύνη για το προϊόν. Χωρίς έλεγχο, γρήγορα παραγόμενος κώδικας μπορεί να δημιουργήσει ακριβό τεχνικό χρέος.
5. Web designer, γραφίστας και copywriter
Τι αλλάζει: προσχέδια, δημιουργικές παραλλαγές, captions, απλά visuals και βοηθητικός κώδικας. Τι ξεχωρίζει το αποτέλεσμα: έρευνα αναγκών χρήστη, αισθητική συνοχή, προσβασιμότητα, ακρίβεια επιχειρηματικών ισχυρισμών, νομικά δικαιώματα περιεχομένου και δοκιμή σε πραγματικές συσκευές. Μια όμορφη εικόνα από AI δεν αντικαθιστά ολόκληρη τη διαδικασία σχεδιασμού.
6. Εργαζόμενος σε ξενοδοχείο ή τουριστικό γραφείο
Τι αλλάζει: μεταφράσεις, πρότυπα απαντήσεων, σύνοψη κριτικών και οργάνωση κρατήσεων. Τι χρειάζεται άνθρωπο: αλλαγές τελευταίας στιγμής, παράπονα, προσβασιμότητα, πολιτικές αποζημίωσης και φιλοξενία. Ένας αυτοματισμός μπορεί να στείλει άψογη αλλά λανθασμένη πληροφορία για διαθέσιμο δωμάτιο.
7. Δικηγόρος και νομικός συνεργάτης
Τι αλλάζει: πρώτη οργάνωση φακέλου, αναζήτηση σχετικών όρων και πρόχειρη δομή κειμένου. Τι απαιτεί έλεγχο: ορθότητα νομικών πηγών, εμπιστευτικότητα, στρατηγική υπόθεσης και ευθύνη συμβουλής. Οποιαδήποτε παραπομπή ή νομολογία που προτείνει μοντέλο πρέπει να επαληθεύεται στην πραγματική πηγή.
8. Πωλητής, account manager και επαγγελματίας υπηρεσιών
Τι αλλάζει: προετοιμασία προτάσεων, σύνοψη αιτημάτων και οργάνωση επαφών με εγκεκριμένα εργαλεία. Τι παραμένει ανθρώπινο: κατανόηση κινήτρων, εμπιστοσύνη, διαπραγμάτευση, παραδοχές συνεργασίας και χειρισμός αντιρρήσεων. Η AI μπορεί να επιταχύνει την προετοιμασία, όχι να εγγυηθεί μία συμφωνία.
Ευκαιρίες και κίνδυνοι: νέοι εργαζόμενοι, μισθοί και ανισότητες
Στις δημόσιες συζητήσεις ακούμε συχνά δύο άκρα: «όλες οι δουλειές θα χαθούν» και «καμία δουλειά δεν κινδυνεύει». Τα διαθέσιμα στοιχεία δεν δικαιολογούν κανένα από τα δύο. Η επισκόπηση του Κοινού Κέντρου Ερευνών της Ευρωπαϊκής Επιτροπής τον Οκτώβριο του 2026 διαπιστώνει ότι η χρήση AI από εργαζομένους εξαπλώνεται, αλλά μέχρι στιγμής τα συνολικά ευρωπαϊκά στοιχεία απασχόλησης και κενών θέσεων δεν αποτυπώνουν καθαρά μια γενικευμένη ανατροπή λόγω AI. Ταυτόχρονα, είναι πιθανό ο μέσος όρος να κρύβει επιπτώσεις σε συγκεκριμένες ομάδες.
Οι νεότεροι και οι θέσεις εισόδου στην αγορά
Μια ιδιαίτερα συζητημένη αναθεωρημένη μελέτη του Stanford Digital Economy Lab (Αύγουστος 2026) χρησιμοποίησε στοιχεία μισθοδοσίας από τις ΗΠΑ. Οι ερευνητές διαπίστωσαν ότι η απασχόληση ηλικιών 22–25 σε επαγγέλματα υψηλής έκθεσης στην AI ήταν 19% χαμηλότερη από το επίπεδο που θα είχε αν είχε ακολουθήσει την πορεία συνομηλίκων σε λιγότερο εκτεθειμένα επαγγέλματα. Εντόπισαν ισχυρότερη επίδραση στις νέες προσλήψεις παρά στις αποχωρήσεις.
Το κρίσιμο σημείο: πρόκειται για σχετική απόκλιση μέσα σε συγκεκριμένο αμερικανικό δείγμα, όχι δήλωση ότι χάθηκε το 19% όλων των θέσεων νέων στην Ελλάδα ούτε απόδειξη αποκλειστικής αιτιότητας από την AI. Οι ίδιοι οι συγγραφείς παρουσιάζουν τα ευρήματα ως πρώιμους περιγραφικούς δείκτες και αναγνωρίζουν ότι μέρος της διαφοροποίησης προϋπήρχε της μαζικής διάδοσης εργαλείων AI.
Υπάρχει όμως ένα εύλογο ερώτημα: αν η πρώτη δουλειά συνίσταται κυρίως σε απλές περιλήψεις, καταχωρίσεις ή πρόχειρα κείμενα, πώς θα αποκτήσει εμπειρία ένας νέος εργαζόμενος όταν τα αρχικά αυτά καθήκοντα αυτοματοποιούνται; Οι επιχειρήσεις θα χρειαστεί να σχεδιάσουν νέα μονοπάτια μαθητείας, όχι απλώς να περικόψουν τις junior θέσεις.
Ποιοι ωφελούνται περισσότερο από τα εργαλεία;
Στην ελεγχόμενη μελέτη εξυπηρέτησης πελατών, τα μεγαλύτερα οφέλη εμφανίστηκαν στους λιγότερο έμπειρους εργαζομένους, ενώ οι πιο έμπειροι είχαν μικρότερα κέρδη και σε ορισμένες μετρήσεις μικρή υποχώρηση ποιότητας. Αυτό δείχνει πως η AI μπορεί να λειτουργήσει ως «ψηφιακός βοηθός μαθητείας» όταν τα αποτελέσματα ελέγχονται. Δεν σημαίνει ότι κάθε νέος εργαζόμενος θα γίνει αυτομάτως πιο παραγωγικός ή ότι όλα τα εργαλεία προσφέρουν τα ίδια οφέλη.
Γυναίκες, διοικητικές θέσεις και άνιση έκθεση
Ο ILO επισημαίνει ότι οι γραμματειακές και διοικητικές θέσεις — στις οποίες σε πολλές οικονομίες απασχολούνται αναλογικά περισσότερες γυναίκες — έχουν υψηλή έκθεση σε παραγωγική AI. Στην παγκόσμια έρευνα, το 4,7% της γυναικείας απασχόλησης και το 2,4% της ανδρικής βρίσκονται στην υψηλότερη βαθμίδα έκθεσης. Αυτή είναι μια ένδειξη διαφορετικής κατανομής καθηκόντων, όχι απόδειξη ότι όλες οι γυναίκες θα χάσουν δουλειά ή ότι η AI λειτουργεί με τον ίδιο τρόπο σε κάθε χώρα.
Τι δεν γνωρίζουμε ακόμη
Δεν υπάρχει αξιόπιστο ενιαίο ποσοστό για το πόσες θέσεις «θα καταργήσει η AI στην Ελλάδα» έως ένα συγκεκριμένο έτος. Οι αλλαγές σε προσλήψεις, αμοιβές και παραγωγικότητα επηρεάζονται από οικονομική ανάπτυξη, επενδύσεις, δημογραφία, κανονισμούς, διοίκηση και το πόσο αποτελεσματικά εφαρμόζονται τα εργαλεία. Κάθε ακριβής αριθμός χωρίς μεθοδολογία πρέπει να αντιμετωπίζεται επιφυλακτικά.
Προβλέψεις για το 2030: τι σημαίνουν και τι δεν αποδεικνύουν
Η έκθεση Future of Jobs Report 2025 του Παγκόσμιου Οικονομικού Φόρουμ εκτιμά ότι έως το 2030 ευρύτερες μεταβολές στην οικονομία και την αγορά εργασίας ενδέχεται να δημιουργήσουν 170 εκατομμύρια νέες θέσεις και να εκτοπίσουν 92 εκατομμύρια, με καθαρό ισοζύγιο 78 εκατομμυρίων. Είναι εύκολο να διαβαστούν αυτοί οι αριθμοί ως «η AI δημιουργεί 170 εκατ. και καταστρέφει 92 εκατ.». Αυτό θα ήταν λανθασμένη ερμηνεία: οι εκτιμήσεις αφορούν συνολικά τεχνολογικές, δημογραφικές, οικονομικές και πράσινες μεταβολές και βασίζονται σε προσδοκίες εργοδοτών.
Η ίδια έκθεση καταγράφει ότι περίπου το 39% των δεξιοτήτων που απαιτούνται στην εργασία αναμένεται να αλλάξει ή να καταστεί παρωχημένο την περίοδο 2025–2030. Πρόκειται για πρόβλεψη ενός συγκεκριμένου σεναρίου, όχι ήδη καταγεγραμμένη αλλαγή σε όλους τους εργαζομένους. Η αναλυτική σκέψη, η ευελιξία, η συνεργασία και η δημιουργικότητα εμφανίζονται παράλληλα με τις τεχνολογικές δεξιότητες ως σημαντικές ανάγκες των επιχειρήσεων.
Επομένως, η χρήσιμη ερώτηση δεν είναι «ποιο επάγγελμα θα επιβιώσει για πάντα;», αλλά «ποια στοιχεία του επαγγέλματός μου αποκτούν μικρότερη αξία και σε ποια μπορώ να προσφέρω περισσότερη;». Η απάντηση χρειάζεται ανανέωση κάθε χρόνο, καθώς αλλάζουν τα εργαλεία και οι πραγματικές εφαρμογές τους.
Τι μπορεί να κάνει ένας εργαζόμενος από αύριο
Βήμα 1: Χώρισε τη δουλειά σε καθήκοντα, όχι σε τίτλους
Γράψε τι κάνεις σε μία συνηθισμένη εβδομάδα: απαντήσεις, έλεγχοι, συναντήσεις, παραγωγή υλικού, αποφάσεις, διόρθωση σφαλμάτων. Δίπλα σε κάθε δραστηριότητα σημείωσε αν είναι επαναλαμβανόμενη, αν απαιτεί δεδομένα που επιτρέπεται να χρησιμοποιήσεις και πόσο σοβαρό θα ήταν ένα λάθος. Αυτή η απλή απογραφή είναι πιο χρήσιμη από έναν γενικό κατάλογο «ασφαλών επαγγελμάτων».
Βήμα 2: Διάλεξε μία μικρή, χαμηλού κινδύνου δοκιμή
Για παράδειγμα, δοκίμασε να δημιουργήσεις μια ανώνυμη σύνοψη συνάντησης, ένα προσχέδιο εσωτερικής διαδικασίας ή μια λίστα ιδεών. Χρονομέτρησε τον χρόνο χωρίς και με AI, μαζί με τον έλεγχο και τις διορθώσεις. Αν μια απάντηση χρειάζεται μία ώρα επαλήθευσης για να εξοικονομήσει δέκα λεπτά συγγραφής, δεν κέρδισες χρόνο. Για πρακτική χρήση στα κείμενα, έχουμε συγκεντρώσει παραδείγματα prompts για ChatGPT, Gemini και Claude.
Βήμα 3: Μάθε να επαληθεύεις, όχι μόνο να ζητάς
Ζήτησε πηγές, έλεγξε πρωτογενείς αναφορές, σύγκρινε υπολογισμούς και διόρθωσε ανακρίβειες. Ειδικά σε υγεία, νομικά, προσωπικά δεδομένα και χρήματα, η AI χρειάζεται αυξημένη προσοχή. Χτίσε δεξιότητα στο να αναγνωρίζεις πότε μια απάντηση φαίνεται πειστική αλλά είναι ανεπαρκής.
Βήμα 4: Ενίσχυσε αυτό που δεν γίνεται με ένα prompt
Επικοινωνία με πελάτη, επίλυση συγκρούσεων, κριτική σκέψη, σχεδιασμός πραγματικών διαδικασιών, επαγγελματική δεοντολογία και συνεργασία είναι ικανότητες που αυξάνουν την αξία της τεχνικής σου γνώσης. Δεν χρειάζεται να γίνεις προγραμματιστής AI για να δουλέψεις καλύτερα με ένα εργαλείο. Χρειάζεται όμως να καταλαβαίνεις τον ρόλο και τα όριά του.
Έλεγχος ετοιμότητας: 7 ερωτήσεις
Ένα ρεαλιστικό πλάνο 30–60–90 ημερών
Πρώτες 30 ημέρες: διάλεξε μία δραστηριότητα χαμηλού κινδύνου και διατήρησε πέντε δείγματα από τη δουλειά σου πριν από την AI. Δοκίμασε το εργαλείο σε αντίστοιχα δείγματα, μέτρησε τον συνολικό χρόνο και σημείωσε τα λάθη που χρειάστηκαν διόρθωση. Για έναν υπάλληλο γραφείου αυτό μπορεί να είναι η σύνοψη μη εμπιστευτικών σημειώσεων. Για έναν δημιουργό περιεχομένου, η παραγωγή ιδεών και όχι η αυτόματη δημοσίευση ανακριβών ισχυρισμών.
Ημέρες 31–60: δημιούργησε μικρή διαδικασία ελέγχου. Ποιες πληροφορίες επαληθεύονται από πρωτογενείς πηγές; Ποια στοιχεία αφαιρούνται πριν από την εισαγωγή τους; Ποιος εγκρίνει; Αν δουλεύεις σε ομάδα, μοιράσου παραδείγματα όπου η AI απέτυχε, όχι μόνο τα εντυπωσιακά αποτελέσματα. Η αποτυχία σε μια δοκιμή μπορεί να προστατεύσει μια ολόκληρη διαδικασία.
Ημέρες 61–90: κράτησε μόνο τη χρήση που αποδεδειγμένα ωφελεί. Αν βελτιώνεται η ποιότητα ή μειώνεται ο χρόνος χωρίς αύξηση κινδύνου, ενσωμάτωσέ την με σαφή κανόνα ανθρώπινης έγκρισης. Αν όχι, άλλαξε προσέγγιση. Παράλληλα, επένδυσε χρόνο σε δεξιότητα που δεν είναι εύκολο να συμπυκνωθεί σε prompt: πραγματική επικοινωνία, διαχείριση έργων, τεχνική εμπειρία ή κατανόηση του πελάτη.
Πώς μετριέται μια καλή δοκιμή;
Ενδεικτικό, υποθετικό παράδειγμα: αν για ένα κείμενο χρειάζεσαι 70 λεπτά χωρίς AI, ενώ με AI χρειάζεσαι 25 λεπτά δημιουργίας και 35 λεπτά ελέγχου, η πραγματική εξοικονόμηση είναι 10 λεπτά — όχι 45. Αν στο δεύτερο σενάριο παραμένει σοβαρό factual λάθος, η διαδικασία δεν είναι ώριμη για δημοσίευση. Αυτή η διάκριση ανάμεσα στην ταχύτητα παραγωγής και στην ποιοτική ολοκλήρωση είναι το ουσιαστικό μέτρο επιτυχίας.
Τι πρέπει να κάνει μια ελληνική επιχείρηση πριν εγκαταστήσει AI
Η AI δεν αποδίδει επειδή αγοράστηκε μία συνδρομή. Αποδίδει όταν υπάρχει σαφής διαδικασία, υπεύθυνος έλεγχος και μέτρηση. Για ένα μικρό γραφείο, τουριστική επιχείρηση ή e-shop, ένα ρεαλιστικό πλάνο μπορεί να είναι το εξής:
- Διάλεξε μία συγκεκριμένη χρήση: π.χ. προσχέδια απαντήσεων σε συχνές ερωτήσεις, όχι «αυτοματοποίησε όλη την εταιρεία».
- Καθόρισε ιδιοκτησία και δικαιώματα: ποιος ελέγχει το αποτέλεσμα, ποια δεδομένα επιτρέπονται, ποιοι λογαριασμοί έχουν πρόσβαση.
- Οργάνωσε πηγή αλήθειας: ενημερωμένες τιμές, πολιτικές, διαθέσιμες υπηρεσίες και υπεύθυνος ενημέρωσης.
- Όρισε ελέγχους ποιότητας: συχνότητα σφαλμάτων, χρόνος διόρθωσης, παράπονα, ακρίβεια και συνέπεια.
- Εκπαίδευσε την ομάδα: όχι μόνο στα prompts, αλλά στη διαχείριση δεδομένων, στα όρια του εργαλείου και στην κλιμάκωση δύσκολων περιστατικών.
- Μέτρησε πραγματικό αποτέλεσμα: απόκριση πελάτη, παραγωγικότητα ανά κατάλληλο έργο, κόστος και ποιότητα — όχι απλώς αριθμό κειμένων που παρήχθησαν.
Στην Ευρωπαϊκή Ένωση, το άρθρο 4 του AI Act προβλέπει μέτρα ενίσχυσης του AI literacy από παρόχους και φορείς χρήσης συστημάτων AI για το προσωπικό τους, με βάση τον ρόλο και το πλαίσιο χρήσης. Η Ευρωπαϊκή Επιτροπή διευκρινίζει ότι δεν επιβάλλεται ένα ενιαίο συγκεκριμένο επίπεδο γνώσεων για κάθε εργαζόμενο. Για εφαρμογές που επηρεάζουν προσλήψεις, αξιολόγηση ή δικαιώματα απαιτείται ιδιαίτερη νομική και οργανωτική προσοχή· οι κανόνες και οι ημερομηνίες εφαρμογής εξελίσσονται, οπότε πρέπει να εξετάζεται το ισχύον πλαίσιο για τη συγκεκριμένη χρήση.
Μια ελληνική μικρή επιχείρηση μπορεί να ξεκινήσει απλά. Να ζητά από την AI ιδέες για δομή ενός άρθρου, να χρησιμοποιεί εγκεκριμένα εργαλεία για υποστηρικτικό περιεχόμενο, αλλά να κρατά άνθρωπο υπεύθυνο για τις αληθινές πληροφορίες. Στο digital marketing και στις υπηρεσίες SEO copywriting αυτό μεταφράζεται σε συνδυασμό τεχνολογικής ταχύτητας, έρευνας, σωστής επικοινωνίας και αποτελεσματικής εμπειρίας χρήστη.
Ο πιο ρεαλιστικός στόχος
Δεν είναι να κάνει το εργαλείο «ό,τι έκανε ο άνθρωπος», αλλά να αφαιρεθεί μηχανικός χρόνος από τη δουλειά, ενώ η ομάδα αποκτά περισσότερο χώρο για έλεγχο, δημιουργία, εξυπηρέτηση και κρίση. Αν το σύστημα αυξάνει τα λάθη, κρύβει τις πηγές ή οδηγεί σε μη ελεγχόμενες αποφάσεις, η αυτοματοποίηση δεν αποτελεί βελτίωση.
Συχνές ερωτήσεις για την AI και τις δουλειές
Θα πάρει η τεχνητή νοημοσύνη τη δουλειά μου;
Δεν υπάρχει γενική απάντηση για όλα τα επαγγέλματα. Η AI επηρεάζει πρώτα επιμέρους καθήκοντα. Η πραγματική επίδραση στη θέση εξαρτάται από υιοθέτηση, κόστος, ποιότητα, ζήτηση, ανθρώπινη ευθύνη και επιλογές εργοδοτών.
Ποιες δουλειές επηρεάζονται πρώτες από την AI;
Η διεθνής έρευνα εντοπίζει μεγαλύτερη έκθεση σε καταχώριση δεδομένων, γραμματειακή υποστήριξη, επαναλαμβανόμενα κείμενα, βασικές αναφορές και ορισμένα ψηφιακά καθήκοντα. Η έκθεση δεν σημαίνει αυτόματα κατάργηση θέσεων.
Τι δείχνουν τα στοιχεία για την Ελλάδα;
Το 2025, περίπου 44,1% των ατόμων 16–74 ετών χρησιμοποίησε παραγωγική AI, ενώ περίπου 8,9% των επιχειρήσεων με τουλάχιστον 10 εργαζομένους χρησιμοποιούσε τεχνολογίες AI. Είναι διαφορετικοί δείκτες και δεν συγκρίνονται ως ίδιο ποσοστό.
Ποια καθήκοντα χρειάζονται ανθρώπινη κρίση;
Σύνθετες αποφάσεις υπό αβεβαιότητα, επαγγελματική λογοδοσία, ενσυναίσθηση, διαχείριση συγκρούσεων, ηθική, ασφάλεια, σύνθετη συνεργασία και εργασία στον απρόβλεπτο φυσικό κόσμο.
Είναι ασφαλείς οι ιατρικές και νομικές δουλειές από την AI;
Ούτε προστατευμένες από κάθε αλλαγή ούτε κατάλληλες για πλήρη άκριτη αυτοματοποίηση. Πολλά βοηθητικά καθήκοντα μεταβάλλονται, αλλά οι αποφάσεις και τα προσωπικά δεδομένα απαιτούν αρμόδιο ανθρώπινο έλεγχο.
Τι σημαίνει ότι το 25% των εργαζομένων εκτίθεται σε AI;
Σημαίνει ότι ο ILO εντοπίζει κάποια τεχνικά αυτοματοποιήσιμα καθήκοντα στο επάγγελμά τους. Δεν σημαίνει ότι το 25% των εργαζομένων θα απολυθεί.
Τι σημαίνουν οι προβλέψεις του WEF για το 2030;
Αφορούν εκτιμήσεις εργοδοτών για το σύνολο τεχνολογικών, οικονομικών, δημογραφικών και πράσινων μεταβολών. Δεν αποτελούν καταγραφή πραγματικών απωλειών ούτε αποδίδονται αποκλειστικά στην AI.
Ποιοι κινδυνεύουν περισσότερο: νέοι ή έμπειροι;
Μια αναθεωρημένη αμερικανική μελέτη του Stanford τον Αύγουστο 2026 βρήκε σχετική υστέρηση σε νέους 22–25 ετών σε υψηλά εκτεθειμένες ειδικότητες. Είναι πρώιμο, περιγραφικό εύρημα στις ΗΠΑ και δεν μεταφέρεται αυτομάτως στην Ελλάδα.
Πρέπει να μάθω προγραμματισμό για να αξιοποιήσω την AI;
Όχι απαραίτητα. Βασικός ψηφιακός γραμματισμός, κατανόηση διαδικασιών, ασφαλής χρήση δεδομένων, έλεγχος πηγών, κριτική σκέψη και συνεργασία είναι χρήσιμα σε πολλούς κλάδους.
Μπορεί η AI να βελτιώσει την παραγωγικότητα χωρίς απολύσεις;
Ναι, σε ορισμένες περιπτώσεις. Μελέτη του 2025 σε 5.172 εργαζομένους εξυπηρέτησης πελατών βρήκε μέση αύξηση παραγωγικότητας 15% με βοηθό AI. Το αποτέλεσμα αφορά τη συγκεκριμένη εφαρμογή, όχι κάθε εταιρεία.
Πηγές, μέθοδος και περιορισμοί της έρευνας
Το άρθρο συντάχθηκε με αναφορά σε πρωτογενή στατιστικά, θεσμικές αναλύσεις και δημοσιευμένη έρευνα, με χρονικό σημείο ελέγχου την 11η Νοεμβρίου 2026. Οι συγκρίσεις αφορούν διαφορετικά δείγματα (άτομα, επιχειρήσεις, εργαζομένους και μελέτες συγκεκριμένων χώρων εργασίας). Οι προβλέψεις για το 2030 δεν παρουσιάζονται ως ήδη πραγματοποιημένες αλλαγές. Τα παραδείγματα ελληνικών κλάδων είναι ενδεικτικά σενάρια, όχι στατιστικές μετρήσεις ή δήθεν συνεντεύξεις εργαζομένων.
- Eurostat, Use of generative AI tools by individuals, 2025
- European Commission, Country Report Greece 2026
- Ειδική Γραμματεία ΤΝ, παραγωγική AI στην Ελλάδα
- Eurostat, χρήση AI από νέους 16–24, 2025
- ILO, Generative AI and Jobs: A 2025 Update
- OECD, Skills in the AI Age, 2026
- European Commission JRC, AI and Skills, 15/10/2026
- Brynjolfsson, Li & Raymond, Generative AI at Work, QJE 2025
- Stanford Digital Economy Lab, Canaries in the Coal Mine, revised 12/08/2026
- World Economic Forum, Future of Jobs Report 2025
- European Commission, AI literacy in the AI Act (FAQ)
Οι εξωτερικοί σύνδεσμοι παρατίθενται για επαλήθευση και περαιτέρω ανάγνωση. Δεν χρησιμοποιούνται nofollow ή sponsored χαρακτηριστικά σε αυτές τις αναφορές.
Πνευματικά Δικαιώματα: Το περιεχόμενο της ιστοσελίδας nswebdesign.gr αποτελεί πνευματική ιδιοκτησία της NS Web Design. Η αναδημοσίευση ή χρήση μέρους του κειμένου επιτρέπεται αποκλειστικά και μόνο με την παράθεση ενεργού συνδέσμου (active link) που θα οδηγεί στην ακριβή πηγή.

