Λιγότερες junior τεχνικές προσλήψεις ως ποσοστό, εξαπλάσιες ώρες λειτουργίας AI agents και τεράστια αύξηση του παραγόμενου έργου. Μια σπάνια ματιά στο πώς μετασχηματίζεται μια επιχείρηση όταν η τεχνητή νοημοσύνη μπαίνει στην καθημερινότητά της.
AI και εργασία: πώς θα είναι μια εταιρεία όταν οι AI agents δεν αποτελούν ένα περιστασιακό εργαλείο αλλά μέρος σχεδόν κάθε διαδικασίας; Η Anthropic, δημιουργός του Claude, επιχειρεί να απαντήσει με δεδομένα από το εσωτερικό της: στοιχεία προσλήψεων, χρήσης AI, παραγωγής, συναντήσεων, επικοινωνίας και αξιολογήσεων υποψηφίων, καθώς και 17 συνεντεύξεις εργαζομένων.
Το ενδιαφέρον δεν είναι ότι η εταιρεία αξιοποιεί την AI. Είναι ότι καταγράφει τι αλλάζει όταν αυτή γίνεται καθημερινός συνεργάτης. Εξηγούμε τα οκτώ γραφήματα της μελέτης με απλά λόγια και χωρίς να μετατρέπουμε τις συσχετίσεις σε βέβαιες προβλέψεις για όλες τις επιχειρήσεις.
1. Οι junior θέσεις δεν εξαφανίζονται, αλλά χάνουν έδαφος
Το πρώτο γράφημα παρακολουθεί τρία διαφορετικά μεγέθη στις τεχνικές ομάδες: το ποσοστό των junior εργαζομένων, το ποσοστό των junior στις νέες προσλήψεις και το μερίδιό τους στις ανοικτές θέσεις. Η πιο εύκολη ανάγνωση είναι αυτή:
Κλίμακα έως 35%. Αρχικά στοιχεία και τελικά στοιχεία της περιόδου της μελέτης.
Παράλληλα, οι junior από 21% του τεχνικού προσωπικού περιορίστηκαν στο 14%, ενώ οι ανοικτές junior τεχνικές θέσεις έφτασαν περίπου στο 6% των τεχνικών αγγελιών. Αυτό δεν σημαίνει ότι η Anthropic σταμάτησε να προσλαμβάνει μηχανικούς. Η εταιρεία αναπτύσσεται και οι τεχνικές προσλήψεις αυξάνονται σε απόλυτους αριθμούς. Αλλά η ζήτηση στρέφεται αναλογικά λιγότερο προς τους νεότερους τεχνικούς.
2. Οι AI agents εκτελούν πλέον περισσότερες ώρες από τους ανθρώπους
Στο δεύτερο γράφημα η καμπύλη περνά τη γραμμή της ισοτιμίας την άνοιξη του 2026. Τον Αύγουστο, οι διαδραστικοί agents που κατευθύνουν οι εργαζόμενοι συγκεντρώνουν 6 ώρες λειτουργίας για κάθε 1 υπολογιζόμενη ανθρώπινη ώρα. Στους ερευνητικούς οργανισμούς η αναλογία φτάνει το 19 προς 1.
Οι ανθρώπινες ώρες υπολογίζονται με υπόθεση 40 ωρών εβδομαδιαίως ανά εργαζόμενο. Ο χρόνος agent δεν είναι ισοδύναμος με την ποιότητα ή την αξία μιας ανθρώπινης εργατοώρας.
Αυτό δεν σημαίνει ότι ένας agent αντικαθιστά έξι ανθρώπους. Σημαίνει ότι πολλαπλές αυτοματοποιημένες εργασίες εκτελούνται ταυτόχρονα και ο άνθρωπος αναλαμβάνει όλο και περισσότερο να ορίζει, να ελέγχει και να εγκρίνει το αποτέλεσμα.
3. Η παραγωγή αυξάνεται και εκτός των τεχνικών τμημάτων
Το τρίτο γράφημα συγκρίνει έξι μετρήσεις εργασίας. Θέτει τον Δεκέμβριο 2025 ίσο με 100 για κάθε κατηγορία και παρακολουθεί την εξέλιξη. Έτσι, 5,1× δεν σημαίνει 5,1% περισσότερο, αλλά 5,1 φορές το αρχικό επίπεδο.
Δείκτες παραγόμενου έργου ανά άτομο, όχι μετρήσεις συνολικού κέρδους ή αιτιώδους αποτελέσματος της AI.
Η εικόνα είναι εντυπωσιακή, αλλά χρειάζεται προσοχή: την ίδια περίοδο η εταιρεία αναπτύχθηκε ραγδαία. Περισσότερες πωλήσεις, για παράδειγμα, μπορεί να προκύπτουν και από αυξημένη ζήτηση για τα προϊόντα της.
4. Τι αλλάζει όταν ο ίδιος εργαζόμενος αρχίζει να χρησιμοποιεί agents;
Για να προσεγγίσει καλύτερα αυτό το ερώτημα, η έρευνα παρακολουθεί 192 μηχανικούς που υιοθέτησαν coding agents και τους συγκρίνει με 74 που δεν τους υιοθέτησαν στην ίδια περίοδο. Μετά την υιοθέτηση εμφανίζεται σαφής άνοδος στον όγκο κώδικα που προστίθεται. Αντίστοιχη βελτίωση φαίνεται και στον αριθμό πελατών με τους οποίους ολοκληρώνουν συμφωνίες οι πωλητές μετά την υιοθέτηση agents.
Η μελέτη συγκρίνει επίσης κώδικα που έγραψε άνθρωπος με κώδικα agent στο ίδιο εργασιακό περιβάλλον. Σε συγκεκριμένους δείκτες, όπως η μεταγενέστερη διαγραφή γραμμών ή η πλήρης αναστροφή αλλαγών, δεν εντοπίζει διαφορά. Αυτό δεν ισοδυναμεί με απόδειξη ότι όλος ο AI-generated κώδικας έχει την ίδια ποιότητα. Ούτε η υιοθέτηση του εργαλείου έγινε τυχαία, οπότε δεν μπορούμε να αποδώσουμε όλη την αύξηση αποκλειστικά στην AI.
5. Όσο πιο σύνθετες είναι οι εργασίες που αναλαμβάνει η AI, τόσο ασθενέστερη φαίνεται η ανάπτυξη junior ρόλων
Το πέμπτο γράφημα είναι ένα διάγραμμα συσχέτισης: κάθε κύκλος αντιστοιχεί σε κατηγορία εργασίας, το μέγεθός του δείχνει τον αρχικό αριθμό junior εργαζομένων και η διακεκομμένη γραμμή παρουσιάζει τη γενική τάση. Αυτή έχει αρνητική κλίση. Στις κατηγορίες όπου το Claude χρησιμοποιείται για πιο σύνθετες εργασίες, η ανάπτυξη junior προσωπικού από τον Ιανουάριο έως τον Ιούλιο 2026 τείνει να είναι χαμηλότερη.
Προσοχή: πρόκειται για σχέση που παρατηρείται στα δεδομένα, όχι απόδειξη ότι η AI προκάλεσε συγκεκριμένες απολύσεις ή ότι ισχύει το ίδιο σε κάθε κλάδο.
6. Το νέο πρόβλημα δεν είναι η παραγωγή κειμένου, αλλά ο χρόνος ελέγχου του
Το έκτο γράφημα έχει ίσως το πιο εντυπωσιακό νούμερο της έκθεσης: αν ένας εργαζόμενος μηχανικής και έρευνας προσπαθούσε να διαβάσει όλο το κείμενο που παράγουν οι διαδραστικοί του agents, η θεωρητική ανάγνωση θα απαιτούσε 424 ώρες την εβδομάδα.
| Τμήμα | Εκτιμώμενες ώρες |
|---|---|
| Engineering και research | 424 |
| Finance και accounting | 43 |
| Sales και go-to-market | 35 |
| Λοιπά μη τεχνικά τμήματα | 27 |
| Legal, policy και trust | 26 |
| Marketing και communications | 12 |
Θεωρητική εκτίμηση με μετατροπή tokens σε λέξεις και ταχύτητα ανάγνωσης 250 λέξεων ανά λεπτό. Δεν καταγράφει πραγματικό χρόνο ανάγνωσης, πληρωμένες εργατοώρες ή υποχρέωση ανάγνωσης όλου του υλικού.
Στη σχέση AI και εργασία, το πραγματικό δίδαγμα είναι η ανάγκη για φίλτρα, περιλήψεις, προτεραιοποίηση, αυτοματοποιημένους ελέγχους και σαφή σημεία ανθρώπινης έγκρισης. Μάλιστα, περίπου το 80% της συνολικής διάρκειας των διαδραστικών συνεδριών οι agents βρίσκονται σε αναμονή ανθρώπινης εισόδου. Η προσοχή του εργαζομένου γίνεται ο νέος περιορισμένος πόρος.
7. Από εκτελεστές εργασιών, οι άνθρωποι μετατρέπονται σε διαχειριστές AI
Το έβδομο γράφημα μετρά το «meta-work»: συνεδρίες με αντικείμενο την οργάνωση της εργασίας των agents αντί για την απευθείας παραγωγή ενός κειμένου ή ενός κομματιού κώδικα. Περιλαμβάνει οδηγίες, έλεγχο άλλων agents, dashboards και παρακολούθηση αυτοματισμών.
Κλίμακα έως 30%. Πρόκειται για ποσοστό συνεδριών, όχι για ποσοστό του συνολικού εργασιακού χρόνου.
Παράλληλα, ο διάμεσος εργαζόμενος περνά 20% περισσότερο χρόνο σε συναντήσεις σε σχέση με έναν χρόνο πριν. Η AI δεν έχει εξαφανίσει την ανάγκη συντονισμού. Σε αρκετές περιπτώσεις την έχει κάνει πιο σημαντική.
8. Οι agents προστίθενται στην ανθρώπινη επικοινωνία, δεν την αντικαθιστούν
Στο τελευταίο γράφημα, οι μπλε κουκκίδες είναι άνθρωποι και οι πορτοκαλί αντιστοιχούν σε νήματα επικοινωνίας με agents μέσα στο Slack. Από το πρώτο στο δεύτερο στιγμιότυπο εμφανίζεται ένα εκτεταμένο νέο στρώμα πορτοκαλί σημείων. Οι agents συμμετείχαν πλέον σχεδόν στα μισά ενεργά δημόσια κανάλια.
Ωστόσο, στο τμήμα που εξετάζει η μελέτη, η βασική δομή των ανθρώπινων συνομιλιών δεν άλλαξε ουσιαστικά. Οι απαντήσεις μεταξύ ανθρώπων διατηρήθηκαν και προστέθηκαν επιπλέον αλληλεπιδράσεις με την AI. Το κρίσιμο οργανωτικό ζήτημα είναι πλέον να υπάρχουν επικαιροποιημένες πληροφορίες και τεκμηριωμένες αποφάσεις που μπορούν να αξιοποιούν οι agents, με κατάλληλο έλεγχο πρόσβασης.
AI και εργασία: ποιες δεξιότητες αποκτούν μεγαλύτερη αξία;
Η συζήτηση για AI και εργασία αφορά και τις δεξιότητες: η αλλαγή φαίνεται στις αξιολογήσεις υποψηφίων. Το 2024 η προηγούμενη δημιουργική χρήση εργαλείων AI αναφερόταν περίπου στο 5% των αξιολογήσεων για τεχνικούς ρόλους και στο 7% για μη τεχνικούς. Το 2026 τα αντίστοιχα ποσοστά είχαν τριπλασιαστεί και τετραπλασιαστεί περίπου. Στις τεχνικές θέσεις αυξάνεται η έμφαση στην αυτονομία και την κρίση. Στις μη τεχνικές, στον προσανατολισμό προς τον πελάτη και την αποστολή.
AI και εργασία: τι σημαίνουν για μια ελληνική επιχείρηση;
Η σύνδεση AI και εργασία αποκτά πρακτικό νόημα όταν εξετάζουμε πραγματικές διαδικασίες. Η Anthropic είναι μια εξαιρετικά AI-intensive τεχνολογική εταιρεία. Δεν αποτελεί αντιπροσωπευτικό δείγμα μιας ελληνικής μικρομεσαίας επιχείρησης. Αποτελεί όμως χρήσιμο παράδειγμα για το πώς μπορούν να αναδιαμορφωθούν οι ρόλοι όταν τα εργαλεία AI ενσωματώνονται σε πραγματικές ροές εργασίας.
- Μετρήστε διαδικασίες και όχι απλώς χρήση AI. Επιλέξτε μία επαναλαμβανόμενη εργασία και καταγράψτε χρόνο, κόστος, ποιότητα και χρόνο ολοκλήρωσης πριν και μετά.
- Ορίστε σαφή ανθρώπινη ευθύνη. Ο agent μπορεί να προετοιμάζει, να ταξινομεί και να προτείνει. Για κρίσιμες οικονομικές, νομικές ή πελατειακές ενέργειες χρειάζονται κανόνες, δικαιώματα και έγκριση.
- Επενδύστε στην αναβάθμιση των ανθρώπων σας. Η εμπειρία της εταιρείας δείχνει αυξημένη εσωτερική μετακίνηση εργαζομένων καθώς αλλάζουν οι εργασίες. Η υιοθέτηση της AI δεν χρειάζεται να σχεδιάζεται αποκλειστικά ως μείωση θέσεων.
- Περιορίστε τον θόρυβο του output. Χτίστε dashboards, summaries, quality checks και σαφείς κανόνες escalation. Δεν έχει νόημα ένας agent να παράγει δέκα φορές περισσότερο έργο, αν κανείς δεν προλαβαίνει να το αξιολογήσει.
Για το επόμενο βήμα, διαβάστε την ανάλυσή μας για την AI στις επιχειρήσεις και το μετρήσιμο ROI, καθώς και τον οδηγό για Vertical AI agents σε επιχειρηματικές διαδικασίες.
Το συμπέρασμα: Το ερώτημα δεν είναι πλέον μόνο «τι μπορεί να κάνει η AI;». Είναι «πώς οργανώνουμε την επιχείρηση ώστε άνθρωποι και AI agents να δημιουργούν μετρήσιμη αξία με ασφάλεια και σαφή λογοδοσία;»
