Γιατί το AI δεν υιοθετείται όταν παρουσιάζεται μόνο ως εργαλείο παραγωγικότητας

Η εγκατάσταση ενός εργαλείου τεχνητής νοημοσύνης δεν αρκεί για να αλλάξει τον τρόπο εργασίας. Νέα έρευνα που παρουσιάζει το Stanford Institute for Human-Centered AI δείχνει ότι το πλαίσιο με το οποίο η διοίκηση εισάγει την τεχνολογία μπορεί να επηρεάσει ουσιαστικά το αν οι εργαζόμενοι θα τη χρησιμοποιήσουν δημιουργικά ή θα την αντιμετωπίσουν ως ακόμη έναν μηχανισμό πίεσης.

Η διαφορά ανάμεσα στην ταχύτητα και στην αναβάθμιση της εργασίας

Οι ερευνητές εξέτασαν εφαρμογές γενετικής τεχνητής νοημοσύνης σε δικηγορική εταιρεία, διαφημιστική εταιρεία και επιχείρηση υπηρεσιών πληροφορικής. Σε μία από τις μελέτες συμμετείχαν 184 εργαζόμενοι. Το επαναλαμβανόμενο μοτίβο ήταν ότι η έμφαση αποκλειστικά στην ταχύτερη παραγωγή περιόριζε τη διάθεση για πειραματισμό και εκμάθηση.

Στην αναλυτικότερη σύγκριση δύο παρόμοιων ομάδων νομικής υποστήριξης, η μία ομάδα άκουσε ότι το AI θα μείωνε τον χρόνο σύνταξης εγγράφων. Η άλλη κλήθηκε να εντοπίσει τις μονότονες εργασίες που θα μπορούσαν να αυτοματοποιηθούν, ώστε να ελευθερωθεί χρόνος για έρευνα και ανάλυση. Σύμφωνα με τα στοιχεία που παρουσιάστηκαν, η δεύτερη ομάδα χρησιμοποίησε το εργαλείο 58% περισσότερο και πειραματίστηκε 70% περισσότερο.

Τι σημαίνει αυτό για τις επιχειρήσεις

Η αποτελεσματική υιοθέτηση απαιτεί εκπαίδευση, χρόνο δοκιμών, ανταλλαγή γνώσης και υποστήριξη από τους προμηθευτές. Απαιτεί επίσης διαφορετικές μετρήσεις επιτυχίας. Η απλή καταμέτρηση tokens, prompts ή παραγόμενων εγγράφων μπορεί να επιβραβεύει τη χρήση για τη χρήση και όχι την επιχειρηματική αξία.

Πιο χρήσιμα κριτήρια είναι η ποιότητα της απόφασης, η μείωση επαναλαμβανόμενης εργασίας, η ανάληψη πιο σύνθετων καθηκόντων και η δημιουργία νέας γνώσης μέσα στην ομάδα.

Τα όρια των ευρημάτων

Τα αποτελέσματα προέρχονται από συγκεκριμένους οργανισμούς και ρόλους και δεν αποδεικνύουν ότι η ίδια προσέγγιση θα λειτουργήσει με τον ίδιο τρόπο σε κάθε επιχείρηση. Δείχνουν όμως ότι η οργανωτική εφαρμογή, τα κίνητρα και οι μετρήσεις αποτελούν κρίσιμο μέρος της επένδυσης σε AI — όχι δευτερεύουσα λεπτομέρεια.

Πηγή: Stanford Institute for Human-Centered AI, 7 Οκτωβρίου 2026.