Η λειτουργία του πρώτου ελληνικού κέντρου τεχνητής νοημοσύνης, οι προσδοκίες για τον ψηφιακό μετασχηματισμό της χώρας, αλλά και η στρατηγική αξιοποίηση υπερ-υποδομών εθνικής εμβέλειας αναμένεται να αναλυθούν, για πρώτη φορά σε επίπεδο συνεδρίου, μέσα από τις εργασίες του AIForum26.
Το συνέδριο, το οποίο αποτελεί το πέμπτο κατά σειρά ετήσιο φόρουμ για την τεχνητή νοημοσύνη, διοργανώνεται από το AI Catalyst σε συνεργασία με την ethosGROUP και πραγματοποιείται σήμερα Πέμπτη 5 Νοεμβρίου 2026, από τις 09:00 έως τις 17:00, στο ξενοδοχείο Divani Caravel, προσφέροντας παράλληλη δυνατότητα διαδικτυακής παρακολούθησης μέσω της υβριδικής πλατφόρμας LiveOn Events+.
Στο πάνελ 2 με θέμα “Αναπτυξιακές δεξιότητες, Εκπαίδευση, Brain Drain & Αγορά Εργασίας” συμμετείχαν οι κ.κ. Διομήδης Σπινέλης (Καθηγητής, Οικονομικό Πανεπιστήμιο Αθηνών), Μαρία Κωνσταντοπούλου, Διευθύντρια Ερευνών ΕΚΕΦΕ Δημόκριτος, Πρόεδρος ΕΝΕΕ, Νικηφόρος Φόρος, Marketing, Talent Intelligence Manager, kariera.gr.
Στην ερώτηση “όταν βλέπουμε εργαλεία όπως το Copilot και τα LLMs να γράφουν μεγάλο μέρος του κώδικα, τι ακριβώς πρέπει να διδάσκουμε στους φοιτητές μας; Κινδυνεύουμε να διδάσκουμε πράγματα που η εποχή έχει ξεπεράσει;” ο. κ. Σπινέλης απάντησε:
H πρόοδος τρέχει με ραγδαίο ρυθμό και αλλάζει μήνα με το μήνα. Πριν από 1-2 χρόνια κοροϊδεύαμε τα συστήματα αυτά ως «στοχαστικούς παπαγάλους». Σήμερα, λύνουν προβλήματα Μαθηματικών Ολυμπιάδων επιπέδου χρυσού μεταλλίου στη Γεωμετρία και επιλύουν μαθηματικά προβλήματα που παρέμεναν άλυτα για δεκαετίες.
Τι πρέπει λοιπόν να διδάσκουμε;
1. Πρέπει να σταματήσουμε να δίνουμε βάση στην απομνημόνευση. Ακόμη και η Google μετασχηματίστηκε από μηχανή αναζήτησης αποθηκευμένης γνώσης σε σύστημα AI.
2.
Πρέπει να σταματήσουμε να ζητάμε απλά παραδοτέα/ασκήσεις ως απόδειξη δουλειάς εκτός τάξης, διότι αυτά τα παράγουν πλέον εξαιρετικά τα συστήματα AI. Στις ΗΠΑ παρατηρείται κατακόρυφη αύξηση των γραπτών εξετάσεων και των εργασιών εντός της αίθουσας. 3. Πρέπει να καλλιεργήσουμε τη συνεργασία και τη συνδετική ουσία μεταξύ των ανθρώπων. Η AI δεν μπορεί να αντικαταστήσει τη συνεργατική ανθρώπινη αλληλεπίδραση. 4. Πρέπει να αναθέτουμε πολύ πιο σύνθετα προβλήματα. Οι φοιτητές θα χρησιμοποιούν AI, αλλά πρέπει να μάθουν να θέτουν τις σωστές ερωτήσεις, να αξιολογούν τις απαντήσεις και να διατηρούν τον πλήρη έλεγχο και την ευθύνη του αποτελέσματος. Ο άνθρωπος φέρει πάντα την τελική ευθύνη. Όπως οι πιλότοι υποχρεούνται να πετούν χειροκίνητα το αεροπλάνο για να μην ατροφεί ο εγκέφαλός τους, έτσι και στην εκπαίδευση χρειαζόμαστε «κάμψεις και γυμναστική του μυαλού». Στο μέλλον θα πρέπει να μάθουμε να ζούμε με νόημα, καθώς η κύρια εκτελεστική δουλειά θα γίνεται από συστήματα Τεχνητής Νοημοσύνης.
Σχετικά με το πόσο έτοιμοι είμαστε να εισάγουμε την AI σε όλες τις βαθμίδες της εκπαίδευσης ο κ. Σπινέλης είπε:
Η Τεχνητή Νοημοσύνη έχει το τεράστιο πλεονέκτημα ότι η πρόσβαση γίνεται σε φυσική γλώσσα, ομιλία και αισθητήρες. Το ChatGPT έφτασε τους 100 εκατομμύρια χρήστες σε μόλις 2 μήνες, πολύ ταχύτερα από πλατφόρμες όπως το TikTok ή το Instagram. Συνεπώς, δεν υπάρχει τεχνικό εμπόδιο πρόσβασης. Δεν χρειάζεται να διδάσκουμε «στεγνές» τεχνικές δεξιότητες όπως το prompt engineering, διότι αυτοματοποιούνται ραγδαία από αυτόνομους πράκτορες (AI agents). Αντίθετα, προτείνω:
• Οριζόντια χρήση της AI στην εκπαίδευση, με παράλληλη διατήρηση «αποστηρωμένων» μαθημάτων για την εξάσκηση του μυαλού.
• Συνδυασμό αλγοριθμικής σκέψης και AI για τη δημιουργία εξειδικευμένων εργαλείων επίλυσης καθημερινών προβλημάτων σε όλους τους κλάδους (από τη Νομική έως την Αρχαιολογία).
• Καλλιέργεια γενικών δεξιοτήτων, προσαρμοστικότητας και ανθεκτικότητας στις αλλαγές.
Συνοψίζοντας ο κ. Σπινέλης είπε:
Η AI συνιστά μια τεχνολογική επανάσταση. Παραφράζοντας τον Δαρβίνο, στην νέα αυτή εποχή, εκείνος που θα επιβιώσει και θα προκόψει δεν είναι ο ισχυρότερος, αλλά ο πιο εύελικτος και προσαρμοστικός.
Στο ερώτημα “τι χάνουμε πραγματικά από το brain drain στην εποχή της AI και τι πρέπει να κάνουμε για να διατηρήσουμε αυτό το ταλέντο;” η. κα Κωνσταντοπούλου απάντησε:
Το φαινόμενο του Brain Drain αποτελεί τεράστια απώλεια, καθώς οι νέοι επιστήμονες φέρνουν τη δυναμική, τη φαντασία και τη διάθεση για ρίσκο. Η αύξηση της μετανάστευσης κατά 12% στους διδάκτορες προς χώρες με σταθερό οικονομικό και θεσμικό στάτους αναδεικνύει το πραγματικό πρόβλημα: Το μεγάλο εμπόδιο για την επιστροφή των Ελλήνων επιστημόνων δεν είναι τόσο οι χαμηλοί μισθοί, όσο η έλλειψη σεβασμού, διαφάνειας, αξιοκρατίας και σταθερού περιβάλλοντος. Στον ακαδημαϊκό και ερευνητικό χώρο πάσχουμε διαχρονικά από έλλειψη εθνικής στρατηγικής για την έρευνα. Αυτό οδηγεί σε αποσπασματική χρηματοδότηση.
Παρά ταύτα, το ανθρώπινο δυναμικό μας είναι εξαιρετικά ισχυρό: η Ελλάδα κατατάσσεται 7η σε ολόκληρη την Ευρωπαϊκή Ένωση στις χρηματοδοτήσεις και συμμετοχές του Horizon Europe! Ωστόσο, υπάρχει χάσμα στη μετατροπή της γνώσης σε προϊόντα προστιθέμενης αξίας και πατέντες (έχουμε μόλις 10-15 πατέντες ανά εκατομμύριο κατοίκους, έναντι 150 στην ΕΕ). Για να αλλάξει αυτό, δεν απαιτούνται απαραίτητα περισσότερα χρήματα, αλλά μακροχρόνιος σχεδιασμός, οργάνωση και αξιολόγηση. Χώρες όπως η Πορτογαλία πέτυχαν τα τελευταία 20 χρόνια να συνδέσουν τα ερευνητικά αποτελέσματα με την οικονομία και την κοινωνία μέσω συγκεκριμένων αποστολών (missions).
Παράλληλα, η κα. Κωνσταντοπούλου σχολίασε:
Δεν συμφωνώ με την άποψη ότι η Ελλάδα είναι μόνο «επιβάτης» και όχι «οδηγός». Στα πανεπιστήμια και τα ερευνητικά μας κέντρα υπάρχουν νησίδες αριστείας και εξαιρετικά success stories (όπως η Innoetics, spin-off του ΕΚ «Αθηνά» που εξαγοράστηκε από τη Samsung). Το πρόβλημα έγκειται στην αποσπασματικότητα. Για να συγκροτήσουμε ένα παραγωγικό οικοσύστημα με προστιθέμενη αξία, απαιτείται:
1. Εθνική Στρατηγική και οργάνωση με στοχευμένες αποστολές (missions).
2. Σωστή διοχέτευση της χρηματοδότησης με διαφανή αξιολόγηση αποτελεσμάτων.
3. Ενίσχυση των συνεργειών δημόσιου και ιδιωτικού τομέα (οι επιχειρηματικές δαπάνες R&D αυξήθηκαν κατά 900 εκ. € λόγω των φοροαπαλλαγών που έφτασαν στο 200%).
4. Δημιουργία γεφυρών με τους Έλληνες επιστήμονες της Διαασποράς, οι οποίοι μπορούν να συνεισφέρουν εξ αποστάσεως μέσω της τεχνολογίας.
5. Εκσυγχρονισμός του νομοθετικού πλαισίου για τα πνευματικά δικαιώματα και τους τεχνοβλαστούς (spin-offs).
Καταλήγοντας, η ίδια ανέφερε: Η Τεχνητή Νοημοσύνη αποτελεί ένα ισχυρό οριζόντιο εργαλείο για όλες τις επιστήμες. Αρκεί να συνοδεύεται από κριτική σκέψη και αξιολόγηση των αποτελεσμάτων, ώστε να αποδώσει τη μέγιστη προστιθέμενη αξία στη χώρα μας.
Στο ερώτημα “Τι δείχνουν τα δικά σας δεδομένα για το χάσμα δεξιοτήτων (skills gap) σε σχέση με την Τεχνητή Νοημοσύνη;” ο κ. Φόρος σχολίασε:
“Στο kariera.gr αντλούμε πληροφορίες τόσο από τους εργοδότες όσο και από τους υποψηφίους/εργαζομένους. Σε πρόσφατη έρευνα που διενεργήσαμε με το Οικονομικό Πανεπιστήμιο Αθηνών για την προσέλκυση και διατήρηση ταλέντου, διαπιστώσαμε ότι 6 στους 10 εργοδότες τοποθετούν στην κορυφή τα soft skills (μη τυπικές δεξιότητες). Όσο αναπτύσσεται η τεχνολογία, καθίσταται απαραίτητο να διαθέτουμε ανθρώπους που μπορούν να διαχειριστούν αυτή την εξέλιξη.
Σκοπός δεν είναι να γίνουμε όλοι AI specialists, αλλά να χρησιμοποιούμε την AI με κριτική σκέψη, αξιολόγηση, δημιουργικότητα και ικανότητα επίλυσης προβλημάτων για να βελτιώσουμε τη δουλειά μας. Παράλληλα, περίπου οι μισοί εργοδότες δηλώνουν έτοιμοι να διαχειριστούν τις αλλαγές που φέρνει η AI, αλλά συχνά λείπουν οι κατάλληλες υποδομές. Αλλάζουμε παράδειγμα στην αξιολόγηση: Φεύγουμε από τη λογική των τυπικών τίτλων και πιστοποιήσεων στο βιογραφικό.
Για παράδειγμα, αν θέλουμε να προσλάβουμε έναν recruiter, δεν τον ρωτάμε αν πήρε πιστοποίηση AI, αλλά του δίνουμε ένα πραγματικό σενάριο: «Πώς θα αξιοποιήσεις δεδομένα αγοράς και AI εργαλεία για να βρεις μηχανικούς σε μια σφιχτή αγορά;». Εκεί φαίνεται η ουσιαστική ικανότητα. Απαιτείται λοιπόν από τις επιχειρήσεις μια στρατηγική ευθυγράμμισης δεξιοτήτων (skills matching gap strategy) με έμφαση στις υποδομές και τη διαφανή αξιολόγηση”.
Παράλληλα, συγκρίνοντας τις ηλικιακές ομάδες και την προσαρμογή τους στα νέα δεδομένα ανέφερε:
“Ας συγκρίνουμε δύο εργαζόμενους: Έναν 25χρονο που είναι εξαιρετικά εξοικειωμένος με τα AI εργαλεία αλλά δεν έχει προϋπηρεσία και επιχειρησιακή εμπειρία, και έναν 50χρονο που έχει 25 χρόνια στον οργανισμό, γνωρίζει άριστα τα προϊόντα και τις διαδικασίες, αλλά υστερεί τεχνολογικά. Ποιος προσφέρει μεγαλύτερη αξία; Και οι δύο προσφέρουν συμπληρωματική αξία!
Η λύση βρίσκεται στην εφαρμογή προγραμμάτων Reverse Mentoring (Αντίστροφης Συμβουλευτικής): Οι νεότεροι, τεχνολογικά εξοικειωμένοι εργαζόμενοι εκπαιδεύουν και καθοδηγούν τα αρχαιότερα στελέχη στη χρήση της τεχνολογίας, ενώ τα στελέχη μεταλαμπαδεύουν την επιχειρησιακή γνώση. Επιπλέον, η επιτυχία των προγραμμάτων upskilling/reskilling δεν πρέπει να μετριέται από τα ποσοστά συμμετοχής (π.χ. 95% παρακολούθηση σε AI literacy courses), αλλά από το πραγματικό ROI (Return on Investment): πόσο πιο παραγωγική, ποιοτική και γρήγορη έγινε η καθημερινότητα των εργαζομένων στην πράξη, εφόσον η εταιρεία τους παρέχει τα κατάλληλα εργαλεία.
Το βασικό takeaway είναι ότι η Τεχνητή Νοημοσύνη είναι εδώ και διαθέσιμη σε όλους. Αυτό που λείπει από τον ιδιωτικό τομέα είναι οι κατάλληλες υποδομές και η πρόσβαση, ώστε οι οργανισμοί να δώσουν στα στελέχη τους τα εφόδια να συνδυάσουν την εμπειρία τους με την τεχνολογία”.
©Ελένη Παπαδάκη /PHOTOPRESS Θ&Α Αναγνωστόπουλοι
