Καθώς τα εργαλεία τεχνητής νοημοσύνης αναλαμβάνουν όλο και περισσότερες γνωστικές εργασίες, αναδύεται μια ανησυχητική παρενέργεια: η σταδιακή ατροφία δεξιοτήτων που δεν χρησιμοποιούμε πλέον. Το φαινόμενο αυτό — γνωστό ως AI deskilling — δεν αφορά μόνο τους εργαζόμενους που αντικαθίστανται, αλλά και αυτούς που εξακολουθούν να δουλεύουν, απλώς διαφορετικά.
Υπήρχε μια εποχή που οι γιατροί απομνημόνευαν δοσολογίες, οι δικηγόροι ήξεραν απέξω νομολογία και οι προγραμματιστές έγραφαν κώδικα από το μηδέν. Σήμερα, για όλα αυτά υπάρχει ένα μοντέλο γλώσσας. Και ενώ η παραγωγικότητα αυξάνεται — τουλάχιστον βραχυπρόθεσμα — κάτι άλλο μειώνεται αθόρυβα: η ικανότητά μας να κάνουμε αυτά τα πράγματα μόνοι μας.
Το φαινόμενο έχει ήδη όνομα στους ακαδημαϊκούς κύκλους: cognitive offloading, ή στην πιο ανησυχητική του εκδοχή, AI-induced deskilling. Δεν είναι καινούριο — συνέβη με τις αριθμομηχανές, με το GPS, με τα spell checkers. Αλλά η κλίμακα και η ταχύτητα με την οποία τα γενετικά μοντέλα AI αναλαμβάνουν γνωστικές εργασίες δεν έχει προηγούμενο. Δεν μιλάμε πλέον για αυτοματισμό ρουτίνας — μιλάμε για αυτοματισμό σκέψης.
Οι πρώτες ενδείξεις έρχονται από τον χώρο της εκπαίδευσης και της εργασίας. Φοιτητές που χρησιμοποιούν AI για να γράψουν εργασίες αναφέρουν δυσκολία να γράψουν ακόμα και σύντομα κείμενα χωρίς βοήθεια μετά από μερικούς μήνες. Προγραμματιστές που βασίζονται σε εργαλεία όπως το GitHub Copilot παρατηρούν ότι η ικανότητά τους να εντοπίζουν bugs χωρίς αυτοματοποιημένη βοήθεια έχει μειωθεί. Αναλυτές δεδομένων που χρησιμοποιούν AI για ερμηνεία αποτελεσμάτων δυσκολεύονται να αξιολογήσουν κριτικά τα συμπεράσματα που τους παρουσιάζονται.
Το παράδοξο είναι ότι αυτό δεν συμβαίνει επειδή οι άνθρωποι γίνονται τεμπέληδες. Συμβαίνει επειδή ο εγκέφαλος είναι αποδοτικός: όταν μια εργασία ανατίθεται σταθερά σε εξωτερικό εργαλείο, οι νευρικές διαδρομές που την υποστήριζαν αρχίζουν να αποδυναμώνονται. Είναι η ίδια λογική με τους μυς που δεν γυμνάζονται. Η διαφορά είναι ότι δεν το βλέπουμε να συμβαίνει — μέχρι που το εργαλείο δεν είναι διαθέσιμο, ή μέχρι που κάνει λάθος και δεν το καταλαβαίνουμε.
Αυτό είναι ίσως το πιο επικίνδυνο σενάριο: όχι ο κόσμος όπου το AI αντικαθιστά τους ανθρώπους, αλλά ο κόσμος όπου οι άνθρωποι εξαρτώνται από AI που δεν μπορούν πλέον να ελέγξουν κριτικά. Ένας γιατρός που δεν μπορεί να αμφισβητήσει μια διάγνωση αλγορίθμου. Ένας δικαστής που δεν μπορεί να αξιολογήσει ανεξάρτητα μια νομική επιχειρηματολογία. Ένας μηχανικός που δεν καταλαβαίνει τον κώδικα που υπογράφει.
Η απάντηση δεν είναι να σταματήσουμε να χρησιμοποιούμε τα εργαλεία — αυτό είναι ούτε ρεαλιστικό ούτε επιθυμητό. Είναι να αρχίσουμε να σχεδιάζουμε συνειδητά τη σχέση μας μαζί τους. Ποιες δεξιότητες αξίζει να διατηρήσουμε ακόμα και αν υπάρχει αυτοματισμός; Ποια κριτική ικανότητα πρέπει να παραμείνει ανθρώπινη; Αυτές δεν είναι φιλοσοφικές ερωτήσεις — είναι σχεδιαστικές αποφάσεις που πρέπει να παίρνουν εταιρείες, εκπαιδευτικά ιδρύματα και πολιτικοί τώρα, όχι όταν η ζημιά έχει ήδη γίνει.
