Η απόλυση στην ClickUp και το μέλλον της εργασίας

Η πρόσφατη ανακοίνωση της ClickUp ότι απέλυσε το 22% του προσωπικού της συνοδεύτηκε από μια ασυνήθιστη εξήγηση: δεν πρόκειται για έναν απλό περιορισμό κόστους αλλά για «ριζική υιοθέτηση» της AI που, κατά τον διευθύνοντα σύμβουλο Zeb Evans, θα μεταμορφώσει την εταιρεία σε ένα «100x org». Αυτή η δήλωση, μαζί με την ενημέρωση ότι η εταιρεία έχει αναπτύξει περίπου 3.000 εσωτερικούς «AI agents» και θα επανεπενδύσει τις αποταμιεύσεις ώστε να πληρώσει ακόμα και με «million-dollar salary bands» τους εργαζόμενους που δημιουργούν μεγάλη αξία, άναψε μια ευρύτερη συζήτηση: τι σημαίνει πραγματικά να αντικαθιστάται η ανθρώπινη εργασία από αυτοματοποιημένους βοηθούς;

Τι ακριβώς δείχνει το περιστατικό

Το μοντέλο που περιγράφει ο κ. Evans δεν είναι απλά ένα εργαλείο γραφείου· είναι μια αρχιτεκτονική στην οποία οι εργαζόμενοι διαχειρίζονται και επιβλέπουν δεκάδες ή χιλιάδες αυτόνομων πλευρικών διεργασιών που εκτελούν πολύπλοκες εργασίες: από σύνταξη αναφορών και ανάλυση δεδομένων μέχρι αυτοματισμούς στη ροή εργασίας και διαχείριση πελατών. Η ιδέα είναι ότι αντί να κάνουν οι άνθρωποι αυτές τις εργασίες χειρωνακτικά, θα δίνουν εντολές, θα ρυθμίζουν και θα ελέγχουν τα αποτελέσματα, με έμφαση στο τελικό review. Αυτό, θεωρητικά, αυξάνει την παραγωγικότητα — αλλά μετατοπίζει ριζικά τις δεξιότητες που απαιτούνται και τη δομή των θέσεων εργασίας.

Η αφήγηση της ClickUp εμπλουτίστηκε με υποσχέσεις υψηλών απολαβών για όσους «δημιουργούν outsized impact using AI». Ταυτόχρονα, όμως, εγείρονται σοβαρές αμφιβολίες: πόσο από τα κέρδη είναι πραγματικά απόδοση της τεχνολογίας και πόσο PR για να δικαιολογηθεί μια μείωση εργατικού κόστους; Οι αναφορές της Gartner ότι περίπου το 80% των εταιρειών που χρησιμοποιούν αυτόνομες τεχνολογίες προχώρησαν σε μειώσεις προσωπικού αλλά χωρίς ξεκάθαρα οικονομικά οφέλη, πυροδοτούν την καχυποψία ότι η «υιοθέτηση της AI» εύκολα μπορεί να γίνει πρόσχημα.

Τι είναι οι «AI agents» στην πράξη

Όταν μιλάμε για «agents» στην εποχή των LLM, δεν εννοούμε απλώς ένα chatbot. Πρόκειται για αυτοματοποιημένες οντότητες που χρησιμοποιούν μοντέλα γλώσσας, κανόνες λογικής, εργαλεία (APIs), βάσεις γνώσης και διεργασίες orchestration (π.χ. μέσω frameworks όπως LangChain ή custom pipelines) για να ολοκληρώσουν εργασίες σε πολλαπλά βήματα. Μπορούν να αντλούν πληροφορία από συστήματα CRM, να εκτελούν queries σε βάσεις, να δημιουργούν περιεχόμενο, να στέλνουν email, και να αναφέρονται πίσω στον άνθρωπο για επαλήθευση.

Η ενεργειακή και οικονομική πλευρά είναι σημαντική: τα μοντέλα απαιτούν GPU compute, κόστος token ανά αίτημα, και υποδομές για παρακολούθηση και ασφάλεια. Οι εταιρείες με μεγάλες υλοποιήσεις συχνά μετρούν «token consumption» για να αξιολογήσουν ποιος χρησιμοποιεί την AI — μια πρακτική που ονομάστηκε χαριτολογώντας tokenmaxxing. Πρόκειται για μέτρο που, αν δεν χρησιμοποιηθεί με κριτήριο, κινδυνεύει να επιβραβεύσει την υπερκατανάλωση κόστους αντί της πραγματικής αξίας που παράγεται.

Πώς μετράται η παραγωγικότητα των αυτοματισμών;

Η ClickUp δηλώνει ότι «gamifies value created and time saved» αντί να μετράει απλώς κόστος token. Αυτή η προσέγγιση ακούγεται λογική, αλλά στην πράξη η μέτρηση της αξίας είναι δύσκολη: πώς ποσοτικοποιείς την καλύτερη απόφαση που προέκυψε από ένα AI agent; Ποιος αναλαμβάνει την ευθύνη όταν ένα agent παράγει λάθος ανάλυση ή «hallucination»; Η εμπειρία της βιομηχανίας δείχνει ότι χωρίς ξεκάθαρα KPIs και ανθρώπινη εποπτεία, τα αυτοματοποιημένα συστήματα μπορεί να φαίνονται παραγωγικά αριθμητικά, αλλά να μην προσφέρουν μακροχρόνια οικονομικά οφέλη.

Ένα συχνό σενάριο είναι η μετατόπιση από χειρωνακτικά tasks σε tasks επιτήρησης και βελτίωσης συστημάτων — δηλαδή πιο υψηλού επιπέδου εργαλεία, αλλά με λιγότερες συνολικές θέσεις. Αυτό επιφέρει εξοικονόμηση κόστους σε προσωπικό, όμως εντείνει την ανάγκη για εξειδικευμένες δεξιότητες: prompt engineering, data engineering, validation, και governance.

Παραδείγματα και ακραίες περιπτώσεις

Η ιστορία του Polsia, ενός startup που δηλώνει ότι διαχειρίζεται όλες τις λειτουργίες λογισμικού για solopreneurs με ένα μόνο άτομο στο τιμόνι, είναι ενδεικτική μιας άλλης άκρης του φάσματος. Η εταιρεία κατάφερε να συγκεντρώσει χρηματοδότηση και αξιολόγηση αγοράς με πολύ μικρό προσωπικό, αποδεικνύοντας ότι οι αυτοματισμοί μπορούν, σε συγκεκριμένα προϊόντα και αγορές, να αντικαταστήσουν σχεδόν ολόκληρες ομάδες. Όμως τέτοιες περιπτώσεις είναι εξειδικευμένες: το προϊόν, το μοτίβο χρήσης και το επιχειρηματικό μοντέλο πρέπει να ευθυγραμμιστούν για να πραγματοποιηθούν τέτοια αποτελέσματα.

Στον αντίποδα, εταιρείες που απλώς προσθέτουν AI χωρίς να αναθεωρήσουν στρατηγικά τη ροή αξίας και την κουλτούρα, συχνά βλέπουν μικρά ή ανύπαρκτα οικονομικά αποτελέσματα. Η Gartner προειδοποιεί ότι η μείωση προσωπικού με πρόσχημα την «αυτοματοποίηση» μπορεί να μην φέρει ανταποδοτικά κέρδη — τουλάχιστον όχι αμέσως ή χωρίς επενδύσεις σε υποδομές, εκπαίδευση και governance.

Ιστορικά μοτίβα και νέες προκλήσεις

Η συζήτηση αυτή δεν είναι καινούργια: κάθε τεχνολογική επανάσταση — από τη βιομηχανική αυτοματοποίηση μέχρι το enterprise software — άλλαξε την αγορά εργασίας. Συνήθως προέκυψε μετακίνηση των απαιτούμενων δεξιοτήτων, όχι απαραίτητα μαζικές και μόνιμες ανεργίες. Η διαφορά σήμερα είναι το εύρος και η ταχύτητα: τα LLM και οι agents μπορούν να αυτοματοποιήσουν γνωστικές εργασίες που παλαιότερα θεωρούνταν αποκλειστικά ανθρώπινες.

Αυτό δημιουργεί δύο μεγάλες προκλήσεις: πρώτον, την ανάγκη ευρείας επανεκπαίδευσης και συνεχούς μάθησης· δεύτερον, την πιθανότητα επιδείνωσης των ανισοτήτων, καθώς όσοι έχουν δεξιότητες στην AI και την τεχνολογία θα διεκδικήσουν μεγαλύτερο μέρος της αξίας. Επιπλέον, υπάρχει ο κίνδυνος ότι εταιρείες θα αξιολογούν εργαζόμενους με όρους παρακολούθησης και metrics που δεν αντικατοπτρίζουν πάντα την πραγματική συμβολή τους.

Γιατί έχει σημασία

Το παράδειγμα της ClickUp δεν αφορά μόνο μια startup που αναδιοργανώνεται· είναι μια μικρογραφία της ευρύτερης αλλαγής στην εργασία. Αν τα αυτοματοποιημένα agents αποδώσουν πραγματικά, η παραγωγικότητα μπορεί να εκτοξευθεί, οι επιχειρήσεις να γίνουν πιο lean και τα προϊόντα πιο αποδοτικά. Ωστόσο, χωρίς διαφανή μέτρα αξιολόγησης και δίκαιη κατανομή των κερδών, υπάρχει σοβαρός κίνδυνος κοινωνικών εντάσεων, απώλειας δεξιοτήτων και συγκέντρωσης πλούτου σε ολίγους.

Επιπλέον, οι ενέργειες αυτές θέτουν ερωτήματα για την εταιρική ηθική: όταν μια εταιρεία δηλώνει επένδυση στους «υπολειπόμενους» εργαζόμενους, πόσο βιώσιμη είναι αυτή η υπόσχεση αν η τεχνολογία συνεχίσει να μειώνει τη ζήτηση για ανθρώπινη εργασία; Οι κίνδυνοι για την ψυχική υγεία, την εργασιακή ασφάλεια και την εργοδοτική επιτήρηση είναι υπαρκτοί και πρέπει να αντιμετωπιστούν προληπτικά.

Ελληνικό και ευρωπαϊκό πλαίσιο

Στην Ευρώπη και στην Ελλάδα, το ρυθμιστικό πλαίσιο αλλάζει: ο προτεινόμενος AI Act της ΕΕ και το ήδη ισχύον GDPR θέτουν περιορισμούς σε θέματα διαφάνειας, ευθύνης και επεξεργασίας προσωπικών δεδομένων. Οι ευρωπαϊκές πολιτικές θα μπορούσαν να απαιτήσουν από εταιρείες που εφαρμόζουν αυτοματισμούς να δημοσιοποιούν metrics, να εξηγούν αποφάσεις που επηρεάζουν εργαζομένους και να παρέχουν μέσα αποκατάστασης. Στην Ελλάδα, όπου το οικοσύστημα startup αναπτύσσεται αλλά οι δημόσιες δομές εκπαίδευσης και επανεκπαίδευσης υστερούν, η πρόκληση θα είναι να δημιουργηθούν προγράμματα reskilling προσαρμοσμένα στην ψηφιακή μετάβαση.

Η προστασία των εργαζομένων πρέπει να συνδυαστεί με την υποστήριξη της καινοτομίας: αυτό σημαίνει επενδύσεις σε δημόσια εκπαίδευση, φορολογικά κίνητρα για δίκαιες πρακτικές υιοθέτησης AI και ρυθμιστικούς μηχανισμούς που ενθαρρύνουν διαφάνεια και ευθύνη. Χωρίς αυτά, η μετάβαση μπορεί να επιφέρει κοινωνικά κόστη που θα υπερβαίνουν τα επιχειρηματικά οφέλη.

Τι μπορούν να κάνουν εργαζόμενοι και εργοδότες

Για τους εργαζόμενους, η συμβουλή είναι σαφής: επενδύστε σε δεξιότητες που συμπληρώνουν την AI — data literacy, επιτήρηση συστημάτων, prompt engineering, αξιολόγηση αποτελεσμάτων και συμπεριφορική κατανόηση του προϊόντος. Η προσαρμοστικότητα και η δίψα για συνεχές μάθημα είναι πλέον βασικά εργαλεία επιβίωσης στην αγορά εργασίας.

Οι εργοδότες, από την άλλη, πρέπει να σχεδιάσουν την ενσωμάτωση της AI με στρατηγική: να ορίσουν KPIs που αφορούν πραγματική αξία, να επενδύσουν σε governance, και να διασφαλίσουν δίκαιες πολιτικές αποζημίωσης και αναβάθμισης δεξιοτήτων. Η επικοινωνία με τους εργαζόμενους πρέπει να είναι ειλικρινής: η τεχνολογία μπορεί να ενισχύσει τις δυνατότητες αλλά και να περιορίσει θέσεις, οπότε ο διαφανής διάλογος είναι κρίσιμος.

Είναι επίσης αναγκαίο να συζητήσουμε δημόσιες πολιτικές που θα στηρίξουν τη μετάβαση: συνδυασμός επιδοτούμενης επανεκπαίδευσης, στήριξης σε τομείς υψηλής ζήτησης δεξιοτήτων και ρυθμιστικών πλαισίων που προστατεύουν τους εργαζόμενους από καταχρηστική παρακολούθηση.