Από Ειδικός με Πτυχίο σε T-Shaped Professional: Το Νέο Μοντέλο που Ζητούν οι Επιχειρήσεις

Η γενετική τεχνητή νοημοσύνη (gen AI) δεν “αλλάζει απλώς εργαλεία”. Αλλάζει τη δομή της εργασίας, τον τρόπο που χτίζονται καριέρες και, κυρίως, το τι σημαίνει «είμαι ειδικός». Το ερώτημα δεν είναι αν η εξειδίκευση θα χάσει την αξία της. Είναι ποια εξειδίκευση θα αυτοματοποιηθεί, ποια θα ενισχυθεί και ποια θα γίνει σπάνια και ακριβότερη.

Σύμφωνα με αναλύσεις του World Economic Forum, η AI επηρεάζει ήδη τον τρόπο που οι εργοδότες ανασχεδιάζουν ρόλους, ενώ σημαντικό ποσοστό δηλώνει πρόθεση να μειώσει θέσεις όπου η αυτοματοποίηση καλύπτει καθήκοντα.

Τι Αλλάζει στην Αγορά Εργασίας με την Gen AI

Η gen AI μπορεί να αναλάβει καθήκοντα που μέχρι πρόσφατα απαιτούσαν χρόνια πρακτικής: σύνταξη κειμένων, ανάλυση δεδομένων, κώδικα, έρευνα, πρώτα drafts, ακόμη και δομημένη τεκμηρίωση. Το αποτέλεσμα είναι διπλό:

• Αυτοματοποιεί τμήματα δουλειάς (tasks), όχι πάντα ολόκληρες θέσεις.
• Ανεβάζει την παραγωγικότητα όσων ξέρουν να την κατευθύνουν σωστά.

Ένα χαρακτηριστικό παράδειγμα από τον χώρο του software: Ελεγχόμενο πείραμα με GitHub Copilot έδειξε αισθητή επιτάχυνση στην ολοκλήρωση συγκεκριμένης εργασίας προγραμματισμού για όσους είχαν πρόσβαση στο εργαλείο.

ΔΕΙΤΕ ΕΔΩ ΟΛΑ ΤΑ ΣΕΜΙΝΑΡΙΑ ΓΙΑ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΟΥ ΔΥΝΑΜΙΚΟΥ (HR)

Γιατί η Εξειδίκευση δεν Πεθαίνει. Απλώς Αλλάζει Μορφή

Η AI “ροκανίζει” την αξία της εξειδίκευσης όταν αυτή είναι κυρίως μηχανική αναπαραγωγή γνώσης: επαναλαμβανόμενα templates, τυποποιημένοι έλεγχοι, αναζητήσεις, συνοψίσεις. Εκεί η αγορά βλέπει γρήγορα συμπίεση χρόνου και κόστους.

Αντίθετα, η εξειδίκευση γίνεται πιο πολύτιμη όταν περιλαμβάνει:

• κρίση και υπευθυνότητα (risk, compliance, ποιότητα),
• κατανόηση συμφραζομένων (business context),
• διαχείριση αβεβαιότητας,
• ηγεσία, διαπραγμάτευση και σχέσεις,
• δημιουργική σύνθεση (όχι απλή παραγωγή).

Με άλλα λόγια, το νέο μοντέλο είναι T-shaped: βαθιά γνώση σε ένα domain, συν οριζόντιες δεξιότητες (AI literacy, επικοινωνία, κριτική σκέψη, συνεργασία).

Πίεση στα Entry-Level: Πώς Σπάει η Κλασική Σκάλα Καριέρας

Το πιο δύσκολο σημείο της μετάβασης είναι οι ρόλοι εισαγωγικού επιπέδου. Παραδοσιακά, οι νέοι επαγγελματίες μάθαιναν μέσα από “δουλειές ρουτίνας”. Αν μεγάλο μέρος αυτής της ρουτίνας αυτοματοποιείται, η σκάλα εμπειρίας κονταίνει.

Πρόσφατο άρθρο του IMF (Ιανουάριος 2026) σημειώνει ότι η υιοθέτηση gen AI συνδέεται με μείωση προσλήψεων entry-level σε περιπτώσεις όπου τα καθήκοντα μπορούν να αυτοματοποιηθούν, ενισχύοντας την ανάγκη για ανασχεδιασμό πρώιμων ρόλων και κατάρτιση.

Από Πυραμίδα σε Διαμάντι: Νέες Δομές και Νέα Καθήκοντα

Όταν οι “junior” εργασίες συρρικνώνονται, οι οργανισμοί τείνουν να γίνονται πιο επίπεδοι ή “διαμαντοειδείς”: λιγότερη βάση ρουτίνας, πιο δυνατός πυρήνας έμπειρων που επιβλέπουν, ορίζουν standards και παίρνουν αποφάσεις. Αυτό δημιουργεί ανάγκες της αγοράς σε:

• AI governance (πολιτικές χρήσης, έλεγχοι, τεκμηρίωση),
• επανασχεδιασμό ρόλων,
• νέες διαδρομές ανάπτυξης για ταλέντα.

ΔΕΙΤΕ ΕΔΩ ΟΛΑ ΤΑ ΣΕΜΙΝΑΡΙΑ ΓΙΑ ΤΗΝ ΚΑΙΝΟΤΟΜΙΑ, ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗ

Πτυχία, Δεξιότητες και Skills-Based Hiring: Τι Μετράει Πλέον

Η gen AI δεν “καταργεί” τα πτυχία, αλλά μετακινεί το βάρος προς αποδείξιμες δεξιότητες. Ενδεικτικά, δεδομένα του Indeed Hiring Lab δείχνουν ότι σε μεγάλο μέρος αγγελιών στις ΗΠΑ δεν δηλώνονται πλέον αυστηρές εκπαιδευτικές απαιτήσεις, στοιχείο που συνδέεται με τάση χαλάρωσης τυπικών κριτηρίων και ενίσχυσης skills-first προσεγγίσεων. Παράλληλα, το Burning Glass Institute επισημαίνει ότι η μετάβαση σε skills-based hiring θέλει δομικές αλλαγές (αξιολόγηση, onboarding, ανάπτυξη), όχι μόνο “αφαίρεση πτυχίου από την αγγελία”.

Τι να Κάνουν Εργαζόμενοι και Εργοδότες: 6 Πρακτικές Κινήσεις

1. Δέσε την εξειδίκευση με AI εργαλεία (workflow, όχι “gadget”).
2. Κάνε τον έλεγχο ποιότητας δεξιότητα: τεκμηρίωση, επαλήθευση, risk thinking.
3. Χτίσε portfolio: έργα, μελέτες περίπτωσης, αποδείξεις αποτελέσματος.
4. Αναβάθμισε soft skills: επικοινωνία, ηγεσία, διαπραγμάτευση, συνεργασία.
5. Σχεδίασε νέες entry-level διαδρομές: apprenticeships, rotations, shadowing.
6. Οργάνωσε governance: κανόνες χρήσης AI, δεδομένα, ασφάλεια, accountability.

Η εξειδίκευση δεν απαξιώνεται. Απαξιώνεται η εξειδίκευση που δεν εξελίσσεται. Και αυτή είναι ταυτόχρονα η πρόκληση και η ευκαιρία της εποχής.