Απολύσεις στην τεχνολογία και τεχνητή νοημοσύνη: τι σημαίνει για τις επιχειρήσεις

Τεχνητή Νοημοσύνη και απολύσεις στην τεχνολογία: τι δείχνει πραγματικά η αγορά

Το άρθρο του DesignNews για το νέο κύμα τεχνολογικών περικοπών φωτίζει μια πραγματικότητα που πλέον δεν αφορά μόνο τις μεγάλες τεχνολογικές εταιρείες της Silicon Valley. Η Τεχνητή Νοημοσύνη έχει μπει στον πυρήνα των αποφάσεων για κόστος, παραγωγικότητα, οργανωτική δομή και επενδύσεις. Οι εταιρείες δεν μειώνουν προσωπικό αποκλειστικά επειδή “η AI αντικαθιστά ανθρώπους” με έναν απλοϊκό τρόπο. Το φαινόμενο είναι πιο σύνθετο: μετά την υπερ-πρόσληψη της περιόδου 2020-2022, την αύξηση του κόστους κεφαλαίου, την πίεση για κερδοφορία και τη μαζική στροφή σε generative AI, οι επιχειρήσεις ανασχεδιάζουν ομάδες, ρόλους και workflows. Αυτό έχει άμεση σημασία για e-commerce owners, γιατί η ίδια λογική που εφαρμόζεται στους τεχνολογικούς κολοσσούς περνάει σταδιακά και στις μικρομεσαίες επιχειρήσεις: λιγότερη χειρωνακτική εργασία, περισσότερη αυτοματοποίηση, πιο αυστηρή μέτρηση απόδοσης και μεγαλύτερη ανάγκη για ανθρώπους που μπορούν να συνδυάσουν εμπορική κρίση, data analytics και AI tools. Δες επίσης: αυτοματισμούς επιχειρήσεων & AI.

Η συζήτηση γύρω από τα AI layoffs συχνά παρουσιάζεται με δραματικούς τίτλους, όμως για έναν επαγγελματία του ηλεκτρονικού εμπορίου το χρήσιμο ερώτημα είναι διαφορετικό: ποια καθήκοντα μετασχηματίζονται, ποιες δεξιότητες αποκτούν μεγαλύτερη αξία και πώς πρέπει να οργανωθεί μια ομάδα ώστε να αυξήσει την παραγωγικότητα με AI χωρίς να καταστρέψει τη γνώση, την εμπειρία και την ποιότητα εξυπηρέτησης που κρατούν τους πελάτες πιστούς. Η Τεχνητή Νοημοσύνη δεν είναι απλώς ένα νέο software layer. Είναι λειτουργική αλλαγή που επηρεάζει περιγραφές θέσεων, KPI, περιεχόμενο, εξυπηρέτηση πελατών, logistics, merchandising, διαφήμιση και decision-making. Γι’ αυτό η σωστή ανάγνωση των απολύσεων στην τεχνολογία δεν είναι “κόψτε ανθρώπους και βάλτε εργαλεία”, αλλά “ανασχεδιάστε την εργασία γύρω από υψηλότερη αξία”.

Τα δεδομένα πίσω από τα tech layoffs και την πίεση για αυτοματοποίηση

Από φόβο για απολύσεις σε ελεγχόμενη υιοθέτηση AI

Τα στοιχεία του Layoffs.fyi δείχνουν ότι οι απολύσεις στην τεχνολογία κορυφώθηκαν το 2023, όταν καταγράφηκαν πάνω από 264.000 απολύσεις σε τεχνολογικές εταιρείες, μετά τις περίπου 165.000 του 2022. Το 2024 ο αριθμός μειώθηκε, αλλά παρέμεινε υψηλός, ενώ το 2025 συνέχισε να δείχνει ότι η αγορά δεν επέστρεψε απλώς στο προηγούμενο μοντέλο ανάπτυξης με συνεχείς προσλήψεις. Η τάση αυτή συμπίπτει με την ταχύτατη υιοθέτηση της Τεχνητής Νοημοσύνης και ειδικά της generative AI σε επιχειρησιακές λειτουργίες όπως software development, customer support, content production, analytics και operations. Όπως φαίνεται στο παρακάτω γράφημα, το 2023 ήταν η χρονιά έντονης διόρθωσης, ενώ τα επόμενα χρόνια διατήρησαν σημαντικό επίπεδο αναδιάρθρωσης.

Η σημαντική λεπτομέρεια είναι ότι οι περικοπές δεν προέρχονται μόνο από εταιρείες που αντιμετωπίζουν πτώση ζήτησης. Σε αρκετές περιπτώσεις, εμφανίζονται παράλληλα με μεγάλες επενδύσεις σε data centers, AI infrastructure, μοντέλα μηχανικής μάθησης και αυτοματοποιημένες πλατφόρμες. Αυτό δείχνει μετατόπιση κεφαλαίου: λιγότερο budget σε παραδοσιακές δομές προσωπικού, περισσότερο σε υποδομές και συστήματα που υπόσχονται κλιμάκωση. Για ένα e-shop, η αντίστοιχη εικόνα μπορεί να είναι πιο μικρή αλλά εξίσου κρίσιμη: budget που παλαιότερα πήγαινε σε χειροκίνητη καταχώριση προϊόντων, basic reporting ή επαναλαμβανόμενα customer service tickets μπορεί να μεταφερθεί σε e-commerce automation, καλύτερη διασύνδεση ERP, AI search, personalization ή εργαλεία πρόβλεψης ζήτησης.

Στο επίπεδο μεγάλων εταιρειών, παραδείγματα όπως οι ανακοινώσεις της Microsoft, της Meta, της Workday και της Chegg δείχνουν ότι οι οργανισμοί επανεξετάζουν τον αριθμό και το είδος των θέσεων εργασίας. Η Chegg, για παράδειγμα, έχει συνδεθεί άμεσα με την πίεση που δημιουργεί η AI στην αναζήτηση και στην εκπαιδευτική τεχνολογία, ενώ η Workday ανακοίνωσε περικοπές με στόχο αναδιάρθρωση και επένδυση σε AI. Οι αριθμοί στο επόμενο γράφημα δεν πρέπει να διαβαστούν ως απλή σύγκριση μεγέθους εταιρειών, αλλά ως ένδειξη ότι το workforce planning γίνεται πλέον στρατηγική άσκηση γύρω από την αυτοματοποίηση εργασίας.

Γιατί η Τεχνητή Νοημοσύνη αλλάζει τους ρόλους και όχι μόνο τον αριθμό εργαζομένων

Η πιο ώριμη ανάλυση δεν είναι ότι η Τεχνητή Νοημοσύνη εξαφανίζει μαζικά επαγγέλματα από τη μία μέρα στην άλλη. Αυτό που ήδη συμβαίνει είναι η αποσύνθεση των ρόλων σε επιμέρους εργασίες. Ένας marketer δεν είναι πλέον μόνο άνθρωπος που γράφει κείμενα ή στήνει campaigns. Πρέπει να μπορεί να σχεδιάζει prompts, να αξιολογεί output, να ελέγχει claims, να συνδέει performance data με εμπορικές αποφάσεις και να διαχειρίζεται automation χωρίς να χάνει τη φωνή του brand. Ένας customer support agent δεν απαντά μόνο σε tickets. Επιβλέπει AI assistant, διορθώνει knowledge base, αναγνωρίζει επαναλαμβανόμενα pain points και δίνει feedback στην ομάδα προϊόντος. Ένας e-commerce manager δεν βλέπει μόνο dashboards. Πρέπει να κατανοεί πού η AI κάνει προβλέψεις με βάση επαρκή δεδομένα και πού απλώς παράγει πειστικές αλλά αδύναμες προτάσεις.

Σύμφωνα με τη McKinsey, η υιοθέτηση AI από οργανισμούς αυξήθηκε αισθητά τα τελευταία χρόνια, με το 2024 να εμφανίζει σημαντική άνοδο στη χρήση AI σε τουλάχιστον μία επιχειρησιακή λειτουργία. Αυτό εξηγεί γιατί οι τεχνολογικές εταιρείες επανεξετάζουν τη δομή τους: όταν ένα εργαλείο μπορεί να μειώσει τον χρόνο για debugging, σύνταξη τεκμηρίωσης, ανάλυση δεδομένων ή εξυπηρέτηση πρώτου επιπέδου, η αξία μετακινείται από την εκτέλεση στην κρίση, στην αρχιτεκτονική διαδικασιών και στον ποιοτικό έλεγχο. Στο παρακάτω γράφημα αποτυπώνεται η αύξηση της οργανωσιακής υιοθέτησης AI, η οποία λειτουργεί ως υπόβαθρο για τις αλλαγές στις ομάδες.

Για τις μικρομεσαίες επιχειρήσεις και τα e-commerce brands, αυτό σημαίνει ότι η σωστή στρατηγική δεν είναι να αγοράσουν όσο περισσότερα AI tools γίνεται. Η σωστή στρατηγική είναι να χαρτογραφήσουν ποιες εργασίες έχουν υψηλό όγκο, χαμηλή διαφοροποίηση και σαφείς κανόνες. Εκεί μπορεί να μπει αυτοματοποίηση. Αντίθετα, εργασίες που σχετίζονται με positioning, εμπιστοσύνη, ευαίσθητη επικοινωνία, customer experience και εμπορικές αποφάσεις υψηλού ρίσκου χρειάζονται ανθρώπινη επίβλεψη. Ένα AI chatbot μπορεί να απαντήσει γρήγορα σε ερωτήσεις για αποστολές, διαθεσιμότητα ή πολιτική επιστροφών. Δεν πρέπει όμως να αφήνεται ανεξέλεγκτο σε περιπτώσεις παραπόνων, νομικών όρων, ευαίσθητων δεδομένων ή πελατών υψηλής αξίας.

Τι σημαίνουν τα AI layoffs για e-commerce owners

Για έναν ιδιοκτήτη e-commerce, τα AI layoffs είναι προειδοποιητικό σήμα αλλά και ευκαιρία. Προειδοποιητικό, γιατί δείχνουν ότι καμία ομάδα δεν μπορεί να στηρίζεται για πάντα σε εργασίες που είναι επαναλαμβανόμενες, ακριβές και μετρήσιμες χωρίς να αναρωτιέται αν υπάρχει καλύτερος τρόπος. Ευκαιρία, γιατί οι μικρότερες επιχειρήσεις μπορούν να κινηθούν πιο γρήγορα από τους μεγάλους οργανισμούς, χωρίς πολιτικές τριβές και βαριά legacy συστήματα. Η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει σε product descriptions, SEO briefs, segmentation, email personalization, demand forecasting, fraud detection, image tagging, dynamic pricing analysis και customer service AI. Όμως η εφαρμογή της πρέπει να γίνει με επιχειρησιακή πειθαρχία και όχι με ενθουσιασμό εργαλείων.

Το πρώτο σημείο είναι το κόστος ευκαιρίας. Αν μια ομάδα ξοδεύει δεκάδες ώρες τον μήνα για να δημιουργήσει βασικές περιγραφές προϊόντων, να καθαρίσει spreadsheets ή να απαντήσει στις ίδιες πέντε ερωτήσεις πελατών, τότε υπάρχει χώρος για αυτοματοποίηση εργασίας. Το δεύτερο σημείο είναι η ποιότητα. Αν η AI παράγει περιεχόμενο που μοιάζει γενικό, χωρίς brand voice, χωρίς εμπειρία χρήσης και χωρίς εμπορική ακρίβεια, τότε το κόστος μεταφέρεται αλλού: χαμηλότερη εμπιστοσύνη, περισσότερες επιστροφές, κακή πληροφόρηση και πιθανή ζημιά στο SEO. Το τρίτο σημείο είναι η οργανωτική μάθηση. Όταν μια επιχείρηση αυτοματοποιεί διαδικασίες χωρίς να εκπαιδεύει την ομάδα, χάνει την ευκαιρία να χτίσει ψηφιακές δεξιότητες. Όταν όμως συνδέει το reskilling και το upskilling με πραγματικά workflows, δημιουργεί ομάδα που μπορεί να παράγει περισσότερα χωρίς να γίνεται εξαρτημένη από εξωτερικούς προμηθευτές.

Η έκθεση Future of Jobs του World Economic Forum προβλέπει ότι έως το 2030 θα δημιουργηθούν 170 εκατομμύρια νέες θέσεις εργασίας και θα εκτοπιστούν 92 εκατομμύρια, με καθαρό θετικό ισοζύγιο 78 εκατομμυρίων θέσεων. Το κρίσιμο στοιχείο για τους εργοδότες είναι ότι το 39% των βασικών δεξιοτήτων των εργαζομένων αναμένεται να αλλάξει έως το 2030. Αυτό δεν σημαίνει ότι όλοι πρέπει να γίνουν data scientists. Σημαίνει ότι κάθε εμπορική ομάδα πρέπει να αποκτήσει πρακτική κατανόηση εργαλείων, δεδομένων, αυτοματισμών και αξιολόγησης αποτελεσμάτων.

Step-by-Step οδηγός για ασφαλή υιοθέτηση AI σε e-commerce ομάδα

Βήμα 1: Καταγράψτε τις επαναλαμβανόμενες εργασίες. Ξεκινήστε με μια απλή λίστα ανά τμήμα: marketing, customer support, operations, product management, finance. Για κάθε εργασία σημειώστε συχνότητα, χρόνο, κόστος, ρίσκο λάθους και επίδραση στον πελάτη. Εργασίες όπως η αρχική σύνταξη product descriptions, η ομαδοποίηση customer tickets, η παραγωγή FAQ drafts και η ανάλυση reviews είναι συχνά καλές υποψήφιες για AI υποστήριξη. Εργασίες όπως η τελική έγκριση claims, η διαχείριση κρίσεων και οι αποφάσεις τιμολόγησης υψηλής σημασίας πρέπει να παραμένουν υπό ανθρώπινο έλεγχο.

Βήμα 2: Δημιουργήστε use cases με μετρήσιμο αποτέλεσμα. Μην ξεκινήσετε με γενικό στόχο “να βάλουμε AI”. Ξεκινήστε με στόχο “να μειώσουμε τον χρόνο απάντησης σε απλά tickets κατά 30%”, “να μειώσουμε τον χρόνο παραγωγής SEO briefs κατά 40%” ή “να αυξήσουμε την πληρότητα product data”. Έτσι μπορείτε να αξιολογήσετε αν τα AI tools δημιουργούν πραγματική αξία ή απλώς προσθέτουν νέα πολυπλοκότητα. Η παραγωγικότητα με AI πρέπει να μετράται σε χρόνο, ποιότητα, conversion impact, customer satisfaction και μείωση λαθών.

Βήμα 3: Ορίστε κανόνες ποιότητας και brand voice. Η generative AI μπορεί να παράγει γρήγορα μεγάλο όγκο περιεχομένου, αλλά αυτό είναι επικίνδυνο αν δεν υπάρχουν κανόνες. Δημιουργήστε οδηγό με επιτρεπόμενες εκφράσεις, απαγορευμένους ισχυρισμούς, ύφος, τεχνικές προδιαγραφές, πολιτικές επιστροφών και νομικούς περιορισμούς. Για SEO περιεχόμενο, προσθέστε κανόνες για E-E-A-T: εμπειρία, τεχνογνωσία, αξιοπιστία, πηγές, χρήσιμες λεπτομέρειες και αποφυγή γενικολογίας. Η AI πρέπει να επιταχύνει τον ειδικό, όχι να αντικαθιστά την ευθύνη του.

Βήμα 4: Εκπαιδεύστε ανθρώπους πριν μειώσετε διαδικασίες. Τα tech layoffs δείχνουν τι συμβαίνει όταν οι εταιρείες αναδομούν γρήγορα. Για μια μικρομεσαία επιχείρηση, η απώλεια γνώσης μπορεί να είναι πιο ακριβή από την εξοικονόμηση μισθοδοσίας. Εκπαιδεύστε την ομάδα σε prompting, έλεγχο αποτελεσμάτων, βασική ανάλυση δεδομένων, ασφάλεια πληροφοριών και χρήση dashboards. Το upskilling πρέπει να συνδεθεί με καθημερινές εργασίες: πώς γράφεται ένα καλύτερο brief, πώς ελέγχεται μια AI απάντηση, πώς εντοπίζεται hallucination, πώς συγκρίνεται η απόδοση πριν και μετά την αυτοματοποίηση.

Βήμα 5: Βάλτε governance. Καθορίστε ποιος εγκρίνει AI-generated περιεχόμενο, ποια δεδομένα επιτρέπεται να εισάγονται σε εργαλεία, ποια εργαλεία είναι εγκεκριμένα, πότε χρειάζεται ανθρώπινη παρέμβαση και πώς αποθηκεύονται τα outputs. Για customer service AI, δημιουργήστε escalation rules. Για διαφημιστικό περιεχόμενο, ορίστε τελικό έλεγχο από άνθρωπο. Για data analytics, αποφασίστε ποια reports είναι βοηθητικά και ποια μπορούν να οδηγήσουν σε αποφάσεις. Έτσι η Τεχνητή Νοημοσύνη γίνεται ελεγχόμενο επιχειρησιακό πλεονέκτημα και όχι πηγή ρίσκου.

Το συμπέρασμα για την επόμενη μέρα της εργασίας και του e-commerce

Η Τεχνητή Νοημοσύνη δεν πρέπει να αντιμετωπίζεται ούτε ως πανάκεια ούτε ως απειλή που παραλύει τις αποφάσεις. Τα AI layoffs στις τεχνολογικές εταιρείες δείχνουν ότι η αγορά περνά σε φάση όπου η αποδοτικότητα, η ταχύτητα και η ικανότητα αξιοποίησης δεδομένων αποκτούν μεγαλύτερη σημασία. Για τους e-commerce owners, το μάθημα είναι σαφές: οι ομάδες που θα επιβιώσουν και θα αναπτυχθούν δεν είναι απαραίτητα οι μεγαλύτερες, αλλά οι πιο ικανές να συνδυάζουν ανθρώπινη κρίση με αυτοματοποίηση. Η στρατηγική δεν είναι να αντικατασταθούν άνθρωποι με εργαλεία, αλλά να αντικατασταθούν αργές, ακριβές και ανακριβείς διαδικασίες με καλύτερα συστήματα, ενώ οι άνθρωποι μετακινούνται σε εργασίες υψηλότερης αξίας.

Αν υπάρχει ένα πρακτικό μήνυμα από το κύμα απολύσεων στην τεχνολογία, είναι ότι η αναμονή κοστίζει. Όποια επιχείρηση δεν χαρτογραφεί τις διαδικασίες της, δεν εκπαιδεύει την ομάδα της και δεν πειραματίζεται με AI μετρήσιμα, κινδυνεύει να μείνει πίσω. Όποια όμως υιοθετεί την Τεχνητή Νοημοσύνη με ρεαλισμό, governance και εμπορική σκέψη μπορεί να μειώσει κόστος, να βελτιώσει εμπειρία πελάτη και να χτίσει ανταγωνιστικό πλεονέκτημα. Η επόμενη μέρα δεν ανήκει σε επιχειρήσεις που χρησιμοποιούν απλώς AI. Ανήκει σε επιχειρήσεις που ξέρουν πού αξίζει να την εμπιστευτούν, πού πρέπει να την ελέγξουν και πώς να κάνουν την ομάδα τους πιο δυνατή μαζί της.

Συχνές Ερωτήσεις