Η τεχνητή νοημοσύνη αλλάζει τα δεδομένα της αγοράς εργασίας. Αυτό, όμως, δεν σημαίνει ότι οι νέοι πρέπει να επιλέγουν τις σπουδές τους με βάση τον φόβο της αυτοματοποίησης, αλλά με βάση τα ενδιαφέροντά τους, την επιστημονική γνώση και την ικανότητά τους να εξελίσσονται.
«Να σπουδάσω Νομική ή σε λίγα χρόνια η τεχνητή νοημοσύνη θα κάνει τη δουλειά του δικηγόρου;»
«Έχει νόημα να επιλέξω την Πληροφορική, όταν η ίδια η τεχνητή νοημοσύνη γράφει κώδικα;»
«Να γίνω ψυχολόγος ή θα μπορεί ένα σύστημα τεχνητής νοημοσύνης να προσφέρει όσα προσφέρει ένας άνθρωπος;»
Αυτές είναι ερωτήσεις που εύλογα απασχολούν τους σημερινούς εφήβους. Σε έναν κόσμο που αλλάζει με μεγάλη ταχύτητα, η επιλογή σπουδών μοιάζει περισσότερο από ποτέ με μια απόφαση για ένα μέλλον που δεν μπορούμε να προβλέψουμε με ακρίβεια.
Μέσα από τις συμβουλευτικές συνεδρίες που πραγματοποιώ με εφήβους, βλέπω αυτή την αγωνία. Οι μαθητές προσπαθούν να καταλάβουν ποιες σπουδές θα τους εξασφαλίσουν επαγγελματικές προοπτικές, ποιες ειδικότητες θα εξακολουθούν να έχουν ζήτηση και πώς μπορούν να αποφύγουν μια επιλογή που ενδεχομένως θα αποδειχθεί λανθασμένη σε λίγα χρόνια.
Δεν θεωρώ ότι αυτή η αγωνία είναι αδικαιολόγητη. Αντίθετα, πιστεύω ότι οφείλουμε να την αντιμετωπίσουμε με σοβαρότητα. Όχι, όμως, να αφήσουμε τον φόβο να καθορίσει τις αποφάσεις τους.
Η τεχνητή νοημοσύνη είναι μια νέα μεταβλητή στην επιλογή σπουδών
Για πολλά χρόνια, όταν συζητούσαμε με έναν μαθητή για την επιλογή σπουδών, εξετάζαμε παράγοντες όπως τα ενδιαφέροντα, οι ικανότητες, οι αξίες, οι επαγγελματικές προοπτικές, η διάρκεια και το κόστος των σπουδών, αλλά και οι συνθήκες εργασίας που συνδέονται με κάθε επαγγελματική διαδρομή.
Σήμερα, σε όλες αυτές τις μεταβλητές οφείλουμε να προσθέσουμε και την τεχνητή νοημοσύνη.
Δεν μπορούμε να σχεδιάζουμε το μέλλον ενός νέου ανθρώπου σαν να πρόκειται να εργαστεί σε μια αγορά που θα παραμείνει ίδια με τη σημερινή. Η τεχνητή νοημοσύνη θα μεταβάλει επαγγελματικούς ρόλους, θα αυτοματοποιήσει εργασίες, θα δημιουργήσει νέες ανάγκες και θα επηρεάσει τον τρόπο με τον οποίο λειτουργούν επιχειρήσεις και οργανισμοί.
Κάποιες από αυτές τις αλλαγές μπορούμε ήδη να τις διακρίνουμε. Άλλες, όμως, θα είναι απρόβλεπτες. Δεν γνωρίζουμε με ακρίβεια ποια επαγγέλματα θα αναπτυχθούν, ποιες ειδικότητες θα περιοριστούν ή ποια νέα αντικείμενα θα δημιουργηθούν μέσα στα επόμενα δέκα ή δεκαπέντε χρόνια.
Η έκθεση Generative AI and Jobs: A 2025 Update της Διεθνούς Οργάνωσης Εργασίας (ILO) εκτιμά ότι περίπου μία στις τέσσερις θέσεις εργασίας παγκοσμίως παρουσιάζει κάποιον βαθμό έκθεσης στη γενετική τεχνητή νοημοσύνη. Το κρίσιμο εύρημα, ωστόσο, είναι ότι η μεταμόρφωση της εργασίας θεωρείται πιθανότερη από την πλήρη κατάργηση των περισσότερων θέσεων.
Αυτό δεν σημαίνει ότι δεν θα υπάρξουν απώλειες θέσεων εργασίας ή σοβαρές ανατροπές. Σημαίνει ότι η έκθεση στην τεχνητή νοημοσύνη δεν ταυτίζεται αυτομάτως με την εξαφάνιση ενός επαγγέλματος.
Η διάκριση αυτή είναι καθοριστική για τον επαγγελματικό προσανατολισμό.
Δεν εξαφανίζονται απαραίτητα τα επαγγέλματα. Αλλάζουν οι ρόλοι και οι άνθρωποι που τα ασκούν.
Θα εξακολουθήσουμε να έχουμε δικηγόρους, ψυχολόγους, μηχανικούς, πληροφορικούς, οικονομολόγους και εκπαιδευτικούς. Δεν μπορούμε, βέβαια, να γνωρίζουμε με βεβαιότητα σε ποια έκταση θα διατηρηθούν οι σημερινοί ρόλοι τους ή πώς θα διαμορφωθούν οι αντίστοιχες αγορές εργασίας.
Μπορούμε, όμως, να αντιληφθούμε ότι η φύση της εργασίας τους θα αλλάξει.
Ένας δικηγόρος μπορεί να αξιοποιεί την τεχνητή νοημοσύνη για την αναζήτηση νομολογίας, την επεξεργασία εγγράφων και την προετοιμασία μιας υπόθεσης. Η αξιοποίηση αυτών των εργαλείων δεν καταργεί αυτομάτως την ανάγκη για νομική κρίση, στρατηγική σκέψη, κατανόηση του πελάτη και ανάληψη επαγγελματικής ευθύνης.
Ένας μηχανικός μπορεί να χρησιμοποιεί προηγμένα συστήματα για προσομοιώσεις, υπολογισμούς και τη διερεύνηση εναλλακτικών λύσεων. Η τεχνολογία μπορεί να υποστηρίζει σημαντικά τη διαδικασία, αλλά η τεχνική αξιολόγηση, η επαλήθευση των αποτελεσμάτων και η ευθύνη για μια μελέτη εξακολουθούν να έχουν κρίσιμη σημασία.
Ένας ψυχολόγος μπορεί να αξιοποιεί ψηφιακά εργαλεία για την οργάνωση πληροφοριών ή την υποστήριξη ορισμένων διαδικασιών. Η κατανόηση του ανθρώπου, η θεραπευτική σχέση, η δεοντολογία και η υπεύθυνη επαγγελματική κρίση παραμένουν ουσιαστικές διαστάσεις του έργου του.
Ένας οικονομολόγος μπορεί να χρησιμοποιεί συστήματα τεχνητής νοημοσύνης για την ανάλυση δεδομένων, τη δημιουργία σεναρίων και την επεξεργασία προβλέψεων. Αυτό δεν σημαίνει ότι μπορεί να παραδώσει άκριτα σε έναν αλγόριθμο την αξιολόγηση των κινδύνων ή τις αποφάσεις που αφορούν μια επιχείρηση.
Αντίστοιχα, στον χώρο της Πληροφορικής, η δυνατότητα των συστημάτων να παράγουν κώδικα δεν καταργεί την ανάγκη για ανθρώπους που κατανοούν τα συστήματα, σχεδιάζουν λύσεις, αξιολογούν την ασφάλεια και ελέγχουν την ποιότητα του αποτελέσματος.
Δεν υποστηρίζω ότι όλες αυτές οι επαγγελματικές δραστηριότητες είναι προστατευμένες από την αυτοματοποίηση. Ούτε ότι η ανθρώπινη παρουσία θα είναι πάντοτε απαραίτητη στον ίδιο βαθμό. Υποστηρίζω ότι είναι λάθος να ταυτίζουμε την αυτοματοποίηση επιμέρους εργασιών με την εξαφάνιση ολόκληρων επιστημονικών πεδίων.
Η τεχνητή νοημοσύνη μπορεί να αλλάξει τον τρόπο με τον οποίο ασκείται ένα επάγγελμα. Οι επαγγελματίες, όμως, δεν μπορούν να παραμείνουν ίδιοι και να περιμένουν ότι θα συνεχίσουν να εργάζονται με τα ίδια εργαλεία, τις ίδιες πρακτικές και τις ίδιες γνώσεις.
Ποια επαγγέλματα κινδυνεύουν περισσότερο;
Δεν θα ήταν σοβαρό να ισχυριστούμε ότι κανένα επάγγελμα δεν κινδυνεύει. Υπάρχουν δραστηριότητες που είναι περισσότερο ευάλωτες, ιδιαίτερα όταν αποτελούνται από επαναλαμβανόμενες, τυποποιημένες και προβλέψιμες εργασίες, οι οποίες μπορούν να εκτελεστούν ψηφιακά με σχετικά σταθερούς κανόνες.
Η καταχώριση δεδομένων, ορισμένες διοικητικές διαδικασίες, η τυποποιημένη παραγωγή περιεχομένου και ένα μέρος της επεξεργασίας πληροφοριών αποτελούν χαρακτηριστικά παραδείγματα δραστηριοτήτων που μπορούν να επηρεαστούν σημαντικά.
Το World Economic Forum, στην έκθεση Future of Jobs Report 2025, καταγράφει ότι οι εργοδότες αναμένουν πιέσεις σε αρκετούς διοικητικούς και γραμματειακούς ρόλους, ενώ προβλέπουν αυξανόμενη σημασία δεξιοτήτων όπως η τεχνολογική εγγραμματοσύνη, η αναλυτική σκέψη, η δημιουργικότητα, η ευελιξία και η διάθεση για διαρκή μάθηση.
Χρειάζεται, ωστόσο, να διαβάζουμε αυτές τις προβλέψεις με προσοχή. Πρόκειται για εκτιμήσεις και όχι για βεβαιότητες. Η πραγματική εξέλιξη της απασχόλησης θα εξαρτηθεί από την τεχνολογική πρόοδο, το κόστος εφαρμογής, τη νομοθεσία, τις κοινωνικές ανάγκες και τις αποφάσεις των ίδιων των οργανισμών.
Επιπλέον, η έκθεση ενός επαγγέλματος στην τεχνητή νοημοσύνη δεν εξαρτάται μόνο από το αντικείμενό του. Εξαρτάται και από το πώς είναι οργανωμένη η εργασία του, ποιες αρμοδιότητες περιλαμβάνει και πόσο εύκολα μπορούν να αυτοματοποιηθούν οι επιμέρους δραστηριότητές του.
Επομένως, αντί να ρωτάμε μόνο «ποια επαγγέλματα θα εξαφανιστούν;», αξίζει να θέσουμε ένα πιο ουσιαστικό ερώτημα:
Ποιες γνώσεις και ποιες ικανότητες θα χρειάζεται να διαθέτει ένας επαγγελματίας, ώστε να παραμένει χρήσιμος και αποτελεσματικός σε ένα περιβάλλον που αλλάζει;
Να σπουδάσουμε κάτι που μας αρέσει πολύ — όχι μόνο κάτι που φαίνεται ασφαλές σήμερα
Εδώ βρίσκεται, κατά τη γνώμη μου, ένα από τα σημαντικότερα ζητήματα της επιλογής σπουδών.
Όταν το μέλλον είναι αβέβαιο, είναι λογικό να αναζητούμε ασφάλεια. Υπάρχει, όμως, μια παγίδα: να επιλέξει ένας νέος ένα αντικείμενο αποκλειστικά επειδή σήμερα θεωρείται ότι έχει καλές επαγγελματικές προοπτικές, χωρίς να τον ενδιαφέρει πραγματικά.
Αντίστοιχα, μπορεί να απορρίψει ένα αντικείμενο που αγαπά, επειδή διάβασε ότι η τεχνητή νοημοσύνη θα περιορίσει τις επαγγελματικές του δυνατότητες.
Δεν θεωρώ ότι καμία από αυτές τις προσεγγίσεις είναι επαρκής.
Σε έναν κόσμο που μεταβάλλεται διαρκώς, το ουσιαστικό ενδιαφέρον για ένα επιστημονικό πεδίο μπορεί να αποτελέσει σημαντικό πλεονέκτημα. Όταν κάποιος ενδιαφέρεται πραγματικά για αυτό που σπουδάζει, είναι πιθανότερο να επιμείνει, να εμβαθύνει, να αναζητήσει νέες γνώσεις και να εξελιχθεί μαζί με το αντικείμενό του.
Δεν αρκεί, βέβαια, να μας αρέσει κάτι. Χρειάζεται να εξετάζουμε τις ικανότητές μας, τις απαιτήσεις των σπουδών, τις πραγματικές συνθήκες της αγοράς εργασίας και τις διαφορετικές επαγγελματικές διαδρομές που ανοίγει ένα επιστημονικό πεδίο.
Αυτό που δεν πρέπει να κάνουμε είναι να αντιμετωπίζουμε την επιλογή σπουδών σαν να αναζητούμε ένα επάγγελμα που θα μας εγγυηθεί ότι τίποτα δεν θα αλλάξει.
Να σπουδάσουμε κάτι που μας αρέσει πολύ — όχι μόνο κάτι που φαίνεται ασφαλές σήμερα
Εδώ βρίσκεται, κατά τη γνώμη μου, ένα από τα σημαντικότερα ζητήματα της επιλογής σπουδών.
Όταν το μέλλον είναι αβέβαιο, είναι λογικό να αναζητούμε ασφάλεια. Υπάρχει, όμως, μια παγίδα: να επιλέξει ένας νέος ένα αντικείμενο αποκλειστικά επειδή σήμερα θεωρείται ότι έχει καλές επαγγελματικές προοπτικές, χωρίς να τον ενδιαφέρει πραγματικά.
Αντίστοιχα, μπορεί να απορρίψει ένα αντικείμενο που αγαπά, επειδή διάβασε ότι η τεχνητή νοημοσύνη θα περιορίσει τις επαγγελματικές του δυνατότητες.
Δεν θεωρώ ότι καμία από αυτές τις προσεγγίσεις είναι επαρκής.
Σε έναν κόσμο που μεταβάλλεται διαρκώς, το ουσιαστικό ενδιαφέρον για ένα επιστημονικό πεδίο μπορεί να αποτελέσει σημαντικό πλεονέκτημα. Όταν κάποιος ενδιαφέρεται πραγματικά για αυτό που σπουδάζει, είναι πιθανότερο να επιμείνει, να εμβαθύνει, να αναζητήσει νέες γνώσεις και να εξελιχθεί μαζί με το αντικείμενό του.
Δεν αρκεί, βέβαια, να μας αρέσει κάτι. Χρειάζεται να εξετάζουμε τις ικανότητές μας, τις απαιτήσεις των σπουδών, τις πραγματικές συνθήκες της αγοράς εργασίας και τις διαφορετικές επαγγελματικές διαδρομές που ανοίγει ένα επιστημονικό πεδίο.
Αυτό που δεν πρέπει να κάνουμε είναι να αντιμετωπίζουμε την επιλογή σπουδών σαν να αναζητούμε ένα επάγγελμα που θα μας εγγυηθεί ότι τίποτα δεν θα αλλάξει.
Δεν μπορούμε να επιλέξουμε σήμερα ένα επάγγελμα που θα μας προστατεύει από κάθε μελλοντική αλλαγή. Μπορούμε, όμως, να επιλέξουμε μια διαδρομή που θα μας δώσει λόγους να εξελισσόμαστε και γνώσεις για να το πετύχουμε.
Σπουδές με επιστημονικό βάθος, εύρος και δυνατότητα εξέλιξης
Πιστεύω ότι στην εποχή της τεχνητής νοημοσύνης αποκτά ιδιαίτερη σημασία η επιλογή σπουδών που προσφέρουν στέρεο επιστημονικό υπόβαθρο και όχι μόνο εξοικείωση με συγκεκριμένα εργαλεία ή διαδικασίες.
Τα εργαλεία αλλάζουν. Οι εφαρμογές που σήμερα θεωρούνται πρωτοποριακές μπορεί αύριο να έχουν αντικατασταθεί από άλλες. Η βαθιά κατανόηση, όμως, ενός επιστημονικού αντικειμένου δίνει στον επαγγελματία τη δυνατότητα να αξιολογεί νέα δεδομένα, να αναγνωρίζει προβλήματα, να ελέγχει λύσεις και να προσαρμόζει τη δουλειά του.
Για παράδειγμα, ένας φοιτητής που επιλέγει την Πληροφορική δεν χρειάζεται να περιοριστεί στην εκμάθηση μιας γλώσσας προγραμματισμού. Χρειάζεται να κατανοήσει τις αρχές των υπολογιστικών συστημάτων, των αλγορίθμων, των δεδομένων και της ασφάλειας.
Αντίστοιχα, ένας φοιτητής Οικονομικών δεν αρκεί να γνωρίζει πώς χρησιμοποιείται ένα λογισμικό ανάλυσης. Χρειάζεται να κατανοεί την οικονομική θεωρία, τα δεδομένα, τις αγορές και τους περιορισμούς των μοντέλων που χρησιμοποιεί.
Ένας μελλοντικός δικηγόρος χρειάζεται να αναπτύξει νομική σκέψη, ερμηνευτική ικανότητα και κατανόηση των θεσμών, πέρα από την αποτελεσματική χρήση ψηφιακών εργαλείων.
Με άλλα λόγια, δεν αρκεί να μάθουμε να χειριζόμαστε την τεχνολογία. Χρειάζεται να γνωρίζουμε αρκετά καλά το αντικείμενό μας, ώστε να μπορούμε να την αξιοποιούμε σωστά.
Εξίσου σημαντικό είναι το εύρος των γνώσεων που αποκτούμε. Ένα επιστημονικό πεδίο που επιτρέπει διαφορετικές εξειδικεύσεις και συνδέσεις με άλλους κλάδους μπορεί να προσφέρει περισσότερες εναλλακτικές διαδρομές στην πορεία της επαγγελματικής ζωής.
Αυτό δεν σημαίνει ότι υπάρχει ένα ιδανικό πτυχίο για όλους. Σημαίνει ότι αξίζει να εξετάζουμε όχι μόνο την πρώτη επαγγελματική έξοδο μιας σχολής, αλλά και το εύρος των δυνατοτήτων που μπορεί να προσφέρει σε βάθος χρόνου.
Δεν αρκεί να είμαστε καλοί στη δουλειά μας. Πρέπει να μάθουμε να συνεργαζόμαστε με την τεχνολογία.
Ένα δεύτερο κρίσιμο ζήτημα είναι η στάση μας απέναντι στην τεχνητή νοημοσύνη.
Η άρνηση να τη γνωρίσουμε ή να τη χρησιμοποιήσουμε δεν αποτελεί μακροπρόθεσμα ασφαλή στρατηγική για πολλούς επαγγελματικούς χώρους. Από την άλλη πλευρά, η άκριτη εμπιστοσύνη στις απαντήσεις της είναι εξίσου προβληματική.
Χρειάζεται να μάθουμε να τη χρησιμοποιούμε ως εργαλείο: να θέτουμε σωστά ερωτήματα, να αξιολογούμε τα αποτελέσματα, να εντοπίζουμε λάθη, να προστατεύουμε προσωπικά και επαγγελματικά δεδομένα και να κατανοούμε τα όριά της.
Ο επαγγελματίας που γνωρίζει καλά το αντικείμενό του και μπορεί να αξιοποιεί αποτελεσματικά την τεχνητή νοημοσύνη έχει τη δυνατότητα να οργανώνει καλύτερα την εργασία του, να εξετάζει περισσότερες εναλλακτικές και να αφιερώνει χρόνο σε δραστηριότητες που απαιτούν ουσιαστική κρίση και δημιουργικότητα.
Αυτό, φυσικά, δεν αποτελεί εγγύηση ότι θα διατηρήσει τη θέση του ή ότι θα έχει πάντα ανταγωνιστικό πλεονέκτημα. Η τεχνολογία μπορεί να αυξήσει την παραγωγικότητα, αλλά μπορεί επίσης να περιορίσει τη ζήτηση για ορισμένες εργασίες και να αλλάξει τον τρόπο με τον οποίο κατανέμεται η οικονομική αξία.
Γι’ αυτό χρειάζεται να συνδυάζουμε την τεχνολογική εξοικείωση με την επιστημονική γνώση, την κριτική σκέψη, τη δημιουργικότητα, την επικοινωνία και την ικανότητα συνεργασίας.
Η έκθεση του World Economic Forum για το 2025 αναδεικνύει ακριβώς αυτή τη συνύπαρξη: οι τεχνολογικές δεξιότητες αποκτούν αυξανόμενη σημασία, ενώ παράλληλα παραμένουν κρίσιμες η αναλυτική σκέψη, η ευελιξία, η ανθεκτικότητα και η διάθεση για διαρκή μάθηση.
Το μεγαλύτερο πλεονέκτημα μπορεί να είναι η ικανότητα να μετατοπιζόμαστε
Ίσως η σημαντικότερη αλλαγή που χρειάζεται να κάνουμε στον τρόπο με τον οποίο αντιλαμβανόμαστε τη σταδιοδρομία είναι να εγκαταλείψουμε την ιδέα ότι επιλέγουμε ένα επάγγελμα μία φορά, στην ηλικία των 17 ή των 18 ετών, και στη συνέχεια ακολουθούμε μια σταθερή πορεία μέχρι τη συνταξιοδότηση.
Η επαγγελματική ζωή είναι πιθανό να περιλαμβάνει περισσότερες αλλαγές αντικειμένου, νέες εξειδικεύσεις, διαφορετικούς ρόλους και διαρκή ανάγκη ανανέωσης των γνώσεων.
Ένας οικονομολόγος μπορεί να στραφεί στην ανάλυση δεδομένων. Ένας μηχανικός μπορεί να εξειδικευτεί σε νέες τεχνολογίες σχεδιασμού. Ένας εκπαιδευτικός μπορεί να ενσωματώσει εργαλεία τεχνητής νοημοσύνης στη μαθησιακή διαδικασία. Ένας επαγγελματίας της επικοινωνίας μπορεί να αναλάβει νέες αρμοδιότητες που συνδέουν τη στρατηγική, την ανάλυση δεδομένων και την παραγωγή περιεχομένου.
Αυτά είναι ενδεικτικά παραδείγματα πιθανών μετατοπίσεων και όχι προβλέψεις για συγκεκριμένες επαγγελματικές εξελίξεις. Το ουσιαστικό είναι ότι η γνώση ενός επιστημονικού πεδίου μπορεί να αποτελέσει βάση για την ανάπτυξη νέων δεξιοτήτων και την αναζήτηση διαφορετικών ρόλων.
Δεν χρειάζεται, λοιπόν, να επιλέξουμε σήμερα με βεβαιότητα το επάγγελμα που θα ασκούμε σε είκοσι χρόνια. Χρειάζεται να αποκτήσουμε τις βάσεις που θα μας επιτρέψουν να ανταποκριθούμε σε αλλαγές τις οποίες σήμερα ενδεχομένως δεν μπορούμε καν να φανταστούμε.
Τι σημαίνουν όλα αυτά για τον επαγγελματικό προσανατολισμό;
Για εμένα, η ενσωμάτωση της τεχνητής νοημοσύνης στη συμβουλευτική σταδιοδρομίας δεν σημαίνει ότι θα δημιουργήσουμε απλώς έναν κατάλογο επαγγελμάτων που θεωρούνται ασφαλή και έναν δεύτερο με όσα θεωρούνται απειλούμενα.
Μια τέτοια προσέγγιση θα ήταν υπεραπλουστευτική και σύντομα θα μπορούσε να αποδειχθεί ξεπερασμένη.
Σημαίνει ότι χρειάζεται να βοηθήσουμε τους νέους να εξετάζουν κάθε εκπαιδευτική επιλογή με περισσότερες και ουσιαστικότερες ερωτήσεις:
- Με ενδιαφέρει πραγματικά το συγκεκριμένο επιστημονικό πεδίο;
- Ποιες γνώσεις και ποιες δεξιότητες θα αποκτήσω μέσα από τις σπουδές;
- Ποιες διαφορετικές επαγγελματικές διαδρομές ανοίγονται μπροστά μου;
- Ποιες δραστηριότητες του κλάδου είναι πιθανό να μεταβληθούν από την τεχνητή νοημοσύνη;
- Πώς θα μπορούσα να αξιοποιήσω την τεχνολογία αντί να περιοριστώ στον φόβο απέναντί της;
- Πώς θα συνεχίσω να μαθαίνω και να εξελίσσομαι όταν οι απαιτήσεις της αγοράς αλλάξουν;
Ο ρόλος του συμβούλου σταδιοδρομίας δεν είναι να προβλέψει με βεβαιότητα το μέλλον. Είναι να βοηθήσει τον νέο άνθρωπο να κατανοήσει τις επιλογές του, να αξιολογήσει τις δυνατότητές του, να ενημερωθεί για τις εξελίξεις και να αναπτύξει έναν τρόπο σκέψης που θα τον βοηθήσει να λαμβάνει αποφάσεις και αργότερα στη ζωή του.
Η τεχνητή νοημοσύνη μπορεί να αποτελέσει ένα επιπλέον εργαλείο ενημέρωσης και διερεύνησης. Δεν υποκαθιστά, όμως, την ανάγκη για εξατομικευμένη συμβουλευτική, ουσιαστική συζήτηση και κριτική αξιολόγηση των πληροφοριών.
Αντί επιλόγου: Δεν χρειάζεται να προβλέψουμε τα πάντα. Χρειάζεται να είμαστε έτοιμοι να εξελιχθούμε.
Δεν γνωρίζουμε πώς ακριβώς θα είναι η αγορά εργασίας όταν οι σημερινοί μαθητές ολοκληρώσουν τις σπουδές τους. Δεν γνωρίζουμε ποιες νέες τεχνολογίες θα έχουν εμφανιστεί, ποιες ειδικότητες θα έχουν δημιουργηθεί και ποιες από τις σημερινές επαγγελματικές πρακτικές θα έχουν αλλάξει ριζικά.
Γνωρίζουμε, όμως, ότι οι αλλαγές έχουν ήδη ξεκινήσει και ότι η ικανότητα προσαρμογής αποκτά ολοένα μεγαλύτερη σημασία.
Γι’ αυτό, όταν συζητώ με έναν έφηβο για τις σπουδές του, δεν θέλω να τον οδηγήσω στην αναζήτηση ενός επαγγέλματος που υποτίθεται ότι θα είναι άτρωτο απέναντι στην τεχνητή νοημοσύνη. Θέλω να τον βοηθήσω να ανακαλύψει ένα επιστημονικό πεδίο που τον ενδιαφέρει ουσιαστικά, να αποκτήσει στέρεες γνώσεις, να αναπτύξει τις ικανότητές του και να μάθει να αξιοποιεί τα νέα εργαλεία.
Να σπουδάσει κάτι που του αρέσει πολύ, να γνωρίζει σε βάθος το αντικείμενό του, να παραμένει ανοιχτός στην τεχνολογία και να μην αντιμετωπίζει τη μάθηση ως μια διαδικασία που ολοκληρώνεται με την απόκτηση του πτυχίου.
Δεν χρειάζεται να επιλέξουμε σήμερα το επάγγελμα που δεν θα αλλάξει ποτέ. Χρειάζεται να επιλέξουμε τις σπουδές που θα μας δώσουν τη δυνατότητα να εξελισσόμαστε μαζί με τον κόσμο που αλλάζει.
Και ίσως αυτό να είναι ένα από τα σημαντικότερα μηνύματα που μπορούμε να δώσουμε στους νέους: δεν είναι απαραίτητο να γνωρίζουν από τώρα όλες τις απαντήσεις για το μέλλον τους. Είναι σημαντικό να αποκτήσουν τις γνώσεις, την αυτογνωσία και την ευελιξία που θα τους επιτρέψουν να αναζητούν τις απαντήσεις καθώς το μέλλον διαμορφώνεται.
- International Labour Organization (ILO), 2025. Generative AI and Jobs: A 2025 Update.
https://www.ilo.org/publications/generative-ai-and-jobs-2025-update - World Economic Forum, 2025. The Future of Jobs Report 2025.
https://www.weforum.org/publications/the-future-of-jobs-report-2025/digest/ - OECD, 2024. Artificial Intelligence and the Changing Demand for Skills in the Labour Market.
https://doi.org/10.1787/88684e36-en
Πάνος Σταυρόπουλος, Σύμβουλος Σταδιοδρομίας (ΜΑ)
