The End of Entry-Level Work?: Τι γίνεται όταν η AI αναλαμβάνει τις δουλειές από τις οποίες μάθαιναν οι νέοι εργαζόμενοι;

Για δεκαετίες, η πρώτη δουλειά είχε μια σχετικά απλή λογική. Ο νέος εργαζόμενος ξεκινούσε από τις πιο βασικές εργασίες, έκανε λάθη, δεχόταν διορθώσεις και σταδιακά αποκτούσε την εμπειρία που του επέτρεπε να αναλάβει πιο σύνθετες ευθύνες.

Ένας junior marketer έκανε research και πρώτο draft. Ένας νέος analyst συγκέντρωνε δεδομένα και έφτιαχνε reports. Ένας junior developer έγραφε απλούστερο κώδικα. Ένας νέος εργαζόμενος στο customer service απαντούσε στα πιο συνηθισμένα αιτήματα.

Σήμερα, πολλά από αυτά είναι ακριβώς τα tasks που μπορεί να αναλάβει ή να επιταχύνει η τεχνητή νοημοσύνη.

Και έτσι εμφανίζεται ένα παράδοξο: αν η AI αναλάβει τις εργασίες που κάποτε δίδασκαν στους juniors πώς λειτουργεί μια δουλειά, πώς θα αποκτήσουν οι επόμενοι senior εργαζόμενοι την εμπειρία που χρειάζονται;

Τα entry–level jobs δεν ήταν ποτέ μόνο «εύκολη δουλειά»

Ένα entry-level task μπορεί να φαίνεται επαναλαμβανόμενο ή χαμηλής αξίας όταν το εξετάζει κανείς αποκλειστικά από την πλευρά της παραγωγικότητας.

Όμως η αξία του για τον νέο εργαζόμενο ήταν συχνά διαφορετική.

Γράφοντας δεκάδες reports, μάθαινε ποια δεδομένα έχουν σημασία. Κάνοντας research, μάθαινε ποιες πηγές είναι αξιόπιστες. Διορθώνοντας drafts μετά από feedback, καταλάβαινε σταδιακά τι σημαίνει καλή κρίση.

Η εργασία λειτουργούσε δηλαδή και ως εκπαίδευση μέσα στην πραγματική παραγωγή.

Το World Economic Forum επισημαίνει ακριβώς αυτή τη λειτουργία των entry-level θέσεων: αποτελούν διαδρομές μέσα από τις οποίες οι νέοι εργαζόμενοι αποκτούν πρακτική εμπειρία, δεξιότητες και επαγγελματική κρίση. Η AI όμως αρχίζει να μεταβάλλει τα βασικά tasks που βρίσκονταν στο πρώτο σκαλοπάτι αυτής της διαδρομής.

Η AI χτυπά πρώτα τα tasks, όχι απαραίτητα ολόκληρα τα επαγγέλματα

Η συζήτηση για την AI συχνά γίνεται με όρους «ποια επαγγέλματα θα εξαφανιστούν».

Στην πράξη, η αλλαγή μπορεί να είναι περισσότερο σταδιακή.

Ένα επάγγελμα μπορεί να παραμείνει, αλλά ένα σημαντικό μέρος των πιο βασικών καθηκόντων του να αυτοματοποιηθεί.

Ένας junior μπορεί να μη χρειάζεται πλέον να δημιουργήσει το πρώτο draft από λευκή σελίδα, αλλά να ελέγξει και να βελτιώσει ένα AI-generated draft. Να μη χρειάζεται να συγκεντρώσει χειροκίνητα πληροφορίες, αλλά να αξιολογήσει ένα AI summary. Να μη γράφει από την αρχή έναν απλό κώδικα, αλλά να ελέγχει αυτόν που δημιουργήθηκε από ένα AI tool.

Αυτό μπορεί να αυξήσει εντυπωσιακά την παραγωγικότητα.

Ταυτόχρονα όμως αλλάζει το πώς μαθαίνει ο νέος εργαζόμενος.

Από το «κάνω» στο «ελέγχω»

Εδώ ίσως βρίσκεται η μεγαλύτερη αλλαγή.

Για να αξιολογήσεις αν κάτι είναι σωστό, συνήθως πρέπει πρώτα να έχεις καταλάβει πώς δημιουργείται.

Ο junior analyst που έχτιζε ένα μοντέλο βήμα προς βήμα αποκτούσε intuition για το πότε ένα αποτέλεσμα δεν φαίνεται λογικό. Ο νέος συντάκτης που έγραφε ο ίδιος το πρώτο draft καταλάβαινε μέσα από τις διορθώσεις γιατί μια διατύπωση δεν λειτουργούσε.

Αν η AI κάνει πλέον το πρώτο βήμα, ο νέος εργαζόμενος μπορεί να καλείται πολύ νωρίτερα να κάνει κάτι δυσκολότερο:

να κρίνει αν η AI έχει δίκιο.

Το World Economic Forum έχει περιγράψει αυτή τη μετατόπιση ως μετάβαση των early-career εργαζομένων από την απλή παραγωγή προς περισσότερο evaluation και analysis. Το πρόβλημα είναι προφανές: για να «βαθμολογήσεις» σωστά μια απάντηση, χρειάζεσαι ήδη αρκετή γνώση για να αναγνωρίσεις το λάθος.

Το παράδοξο της εμπειρίας

Εδώ δημιουργείται ένα ιδιαίτερα δύσκολο πρόβλημα για την αγορά εργασίας.

Οι επιχειρήσεις μπορεί να χρειάζονται λιγότερα άτομα για τα βασικά tasks, αλλά να εξακολουθούν να χρειάζονται ανθρώπους με εμπειρία, κρίση και βαθιά γνώση.

Από πού όμως θα προκύψουν αυτοί οι έμπειροι εργαζόμενοι αν μειωθούν οι θέσεις μέσα από τις οποίες αποκτούσαν την εμπειρία;

Η ήδη γνώριμη αγγελία:

«Entry–level θέση — απαιτούνται 2 χρόνια εμπειρίας»

μπορεί να γίνει ακόμη πιο συνηθισμένη.

Το World Economic Forum καταγράφει ότι πολλοί νέοι εργαζόμενοι αντιμετωπίζουν ήδη αυτό το πρόβλημα, καθώς entry-level αγγελίες ζητούν πλέον συχνά προηγούμενη εμπειρία, την ώρα που οι ίδιες οι πρώτες ευκαιρίες περιορίζονται ή αλλάζουν χαρακτήρα.

Η AI μπορεί να δημιουργήσει έναν «missing middle» στην εμπειρία

Αν μια εταιρεία μειώσει δραστικά τους juniors επειδή η AI είναι πιο οικονομική για τις απλές εργασίες, το άμεσο αποτέλεσμα μπορεί να φαίνεται θετικό.

Μικρότερο κόστος. Μεγαλύτερη παραγωγικότητα. Ταχύτερη παραγωγή.

Πέντε ή δέκα χρόνια αργότερα όμως μπορεί να εμφανιστεί ένα διαφορετικό πρόβλημα.

Πού είναι οι mid–level εργαζόμενοι που θα έπρεπε να έχουν εκπαιδευτεί στο μεταξύ;

Και ακόμη αργότερα:

ποιος θα γίνει manager;

Αυτός είναι ένας από τους μεγαλύτερους κινδύνους που επισημαίνουν πλέον ειδικοί γύρω από το μέλλον της entry-level εργασίας. Η κατάργηση των πρώτων βαθμίδων δεν επηρεάζει μόνο τη σημερινή πρόσληψη νέων ανθρώπων. Μπορεί να αποδυναμώσει ολόκληρο το μελλοντικό talent pipeline μιας εταιρείας.

Δεν σημαίνει απαραίτητα το τέλος των juniors

Υπάρχει όμως και μια πολύ διαφορετική πιθανότητα.

Η AI μπορεί να μη μειώσει απλώς τις entry-level θέσεις.

Μπορεί να τις αναβαθμίσει.

Αν ένας junior εργαζόμενος μπορεί να χρησιμοποιήσει AI για τις επαναλαμβανόμενες εργασίες, μπορεί να αφιερώνει περισσότερο χρόνο σε πράγματα που παλαιότερα θα έκανε αργότερα στην καριέρα του: analysis, communication, problem solving, client interaction και decision-making.

Η Cognizant, για παράδειγμα, υποστηρίζει ότι οι νέοι εργαζόμενοι μπορούν να αποκτούν πρόσβαση σε γνώση και productivity tools πολύ γρηγορότερα χάρη στην AI, επιτρέποντάς τους να μετακινούνται νωρίτερα προς υψηλότερης αξίας εργασίες. Η ίδια εταιρεία συνέχισε να προσλαμβάνει δεκάδες χιλιάδες νέους αποφοίτους παρά την εκτεταμένη χρήση AI.

Άρα ίσως το πραγματικό δίλημμα δεν είναι:

AI ή junior εργαζόμενος;

Αλλά:

τι είδους junior εργαζόμενο χρειάζεται πλέον η επιχείρηση;

Ο νέος junior μπορεί να πρέπει να είναι πιο «senior» από την πρώτη ημέρα

Εδώ υπάρχει και η δύσκολη πλευρά αυτής της αισιόδοξης εκδοχής.

Αν τα απλά tasks αυτοματοποιούνται, οι εταιρείες μπορεί να περιμένουν από έναν νέο εργαζόμενο να διαθέτει πολύ νωρίτερα skills που κάποτε αποκτούσε σταδιακά.

Critical thinking.

Judgement.

Communication.

AI literacy.

Problem solving.

Ability to verify information.

Understanding of business context.

Ο νέος εργαζόμενος επομένως μπορεί να χρειάζεται να είναι περισσότερο παραγωγικός από την πρώτη ημέρα, ενώ ταυτόχρονα έχει λιγότερες ευκαιρίες να μάθει μέσα από απλές εργασίες.

Αυτό αυξάνει το χάσμα ανάμεσα στην εκπαίδευση και στην πραγματική αγορά εργασίας.

Δείτε επίσης: Οι Κορυφαίες Εταιρείες Digital Marketing στην Αθήνα για το 2026: Η Μετάβαση στην Εποχή του AI

Το πτυχίο από μόνο του μπορεί να χάνει μέρος της δύναμής του

Αν η AI μπορεί να παρέχει άμεση πρόσβαση σε πληροφορίες και να εκτελεί βασικές knowledge-work εργασίες, οι επιχειρήσεις μπορεί να ενδιαφέρονται όλο και περισσότερο για το αν κάποιος μπορεί πραγματικά να εφαρμόσει τη γνώση.

Portfolio.

Projects.

Internships.

Work simulations.

Practical experience.

Ability to use AI effectively.

Η μετάβαση από το «τι γνωρίζεις» προς το «τι μπορείς να κάνεις με αυτά που γνωρίζεις» μπορεί να επιταχυνθεί.

Και αυτό δημιουργεί πίεση και στα πανεπιστήμια, τα οποία καλούνται να δώσουν στους φοιτητές περισσότερο πραγματικό exposure σε εργασιακά περιβάλλοντα πριν ακόμη αποφοιτήσουν.

Οι επιχειρήσεις δεν μπορούν απλώς να σταματήσουν να εκπαιδεύουν

Για έναν CFO, μπορεί να φαίνεται λογικό να αυτοματοποιηθεί ένα task που ένας junior χρειάζεται τρεις ώρες για να ολοκληρώσει και η AI τρία λεπτά.

Όμως μια επιχείρηση δεν προσλαμβάνει νέους ανθρώπους μόνο για την παραγωγή της σημερινής ημέρας.

Χτίζει και το workforce των επόμενων ετών.

Αν η AI αφαιρέσει το learning-by-doing, η επιχείρηση πρέπει να δημιουργήσει άλλους μηχανισμούς μάθησης.

Structured mentoring.

Rotations.

Shadowing.

Simulations.

AI-assisted training.

Controlled projects.

Review sessions.

Περισσότερη έκθεση σε πραγματικές αποφάσεις.

Το onboarding μπορεί επομένως να εξελιχθεί από απλή εισαγωγή στη θέση σε σχεδιασμένη παραγωγή εμπειρίας.

Η AI μπορεί να γίνει και δάσκαλος

Υπάρχει βέβαια και μια δυνατότητα που δεν πρέπει να αγνοείται.

Η ίδια τεχνολογία που αφαιρεί ορισμένα βασικά tasks μπορεί να επιταχύνει και τη μάθηση.

Ένας νέος εργαζόμενος μπορεί να ζητήσει εξήγηση για έναν όρο, να δει παραδείγματα, να συγκρίνει διαφορετικές προσεγγίσεις, να λάβει feedback πάνω σε ένα draft ή να προσομοιώσει μια επαγγελματική συζήτηση.

Άρα η AI μπορεί ταυτόχρονα να λειτουργήσει ως automation tool και learning accelerator.

Το αποτέλεσμα θα εξαρτηθεί από τον τρόπο χρήσης της.

Αν η AI χρησιμοποιείται για να παρακάμπτει τη σκέψη, μπορεί να αποδυναμώσει την ανάπτυξη δεξιοτήτων.

Αν χρησιμοποιείται για να υποστηρίζει τη σκέψη, μπορεί να την επιταχύνει.

Το μεγαλύτερο ρίσκο δεν είναι η ανεργία αλλά η αποσύνδεση της καριέρας

Η συζήτηση συχνά περιορίζεται στο πόσες θέσεις εργασίας θα δημιουργηθούν ή θα χαθούν.

Το Future of Jobs Report 2025 εκτιμά ότι μέχρι το 2030 οι μεγάλες οικονομικές και τεχνολογικές αλλαγές μπορεί να δημιουργήσουν 170 εκατομμύρια θέσεις και να εκτοπίσουν περίπου 92 εκατομμύρια, με θετικό καθαρό αποτέλεσμα παγκοσμίως. Παράλληλα όμως περίπου το 39% των υφιστάμενων skills των εργαζομένων αναμένεται να αλλάξει ή να καταστεί ξεπερασμένο.

Άρα το ζήτημα δεν είναι απαραίτητα ότι «δεν θα υπάρχουν δουλειές».

Είναι ότι μπορεί να δυσκολέψει η διαδρομή προς αυτές.

Πώς περνάς από το πανεπιστήμιο στην πρώτη θέση;

Από junior σε mid-level;

Από mid-level σε senior;

Η αγορά εργασίας δεν χρειάζεται μόνο θέσεις.

Χρειάζεται και σκαλοπάτια.

Τι πρέπει να κάνει μια επιχείρηση;

Η πιο κοντόφθαλμη στρατηγική θα ήταν να δει την AI αποκλειστικά ως τρόπο μείωσης junior headcount.

Η πιο μακροπρόθεσμη είναι να εξετάσει ποια tasks αξίζει να αυτοματοποιήσει και ποια εξακολουθούν να έχουν εκπαιδευτική αξία.

Ένας νέος εργαζόμενος δεν χρειάζεται απαραίτητα να περνά ώρες σε manual data entry για να «μάθει τη δουλειά».

Χρειάζεται όμως να καταλάβει από πού προέρχονται τα δεδομένα, πώς δημιουργείται ένα αποτέλεσμα και πώς αναγνωρίζεται ένα λάθος.

Άρα το ζητούμενο δεν είναι να προστατεύσουμε κάθε παλιά διαδικασία.

Είναι να προστατεύσουμε τη διαδικασία μέσα από την οποία δημιουργείται επαγγελματική κρίση.

The End of Entry-Level Work ή η αρχή ενός νέου Entry-Level;

Ίσως τελικά ο τίτλος να είναι σκόπιμα υπερβολικός.

Η entry-level εργασία πιθανότατα δεν θα εξαφανιστεί.

Θα αλλάξει όμως αρκετά.

Ο junior του μέλλοντος μπορεί να εκτελεί λιγότερα επαναλαμβανόμενα tasks και περισσότερα tasks που απαιτούν κρίση. Μπορεί να χρησιμοποιεί AI από την πρώτη ημέρα και να αποκτά μεγαλύτερη παραγωγικότητα πολύ νωρίτερα στην καριέρα του.

Αλλά αυτό δημιουργεί μια νέα ευθύνη για τις επιχειρήσεις.

Δεν μπορούν να περιμένουν senior judgement από ανθρώπους στους οποίους δεν έδωσαν ποτέ την ευκαιρία να τη χτίσουν.

Γιατί αν η AI αφαιρέσει τα πρώτα σκαλοπάτια της επαγγελματικής σκάλας χωρίς να δημιουργήσουμε νέα, το πρόβλημα δεν θα εμφανιστεί μόνο στους νέους εργαζομένους.

Θα εμφανιστεί μερικά χρόνια αργότερα στις ίδιες τις εταιρείες, όταν θα αναζητούν έμπειρους ανθρώπους και θα ανακαλύπτουν ότι κανείς δεν είχε την ευκαιρία να αποκτήσει αυτή την εμπειρία.

Συχνές ερωτήσεις (FAQ)

Θα εξαφανίσει η AI τις entry–level θέσεις εργασίας;

Όχι απαραίτητα, αλλά ήδη αλλάζει πολλά από τα tasks που παραδοσιακά αναλάμβαναν νέοι εργαζόμενοι. Ορισμένες θέσεις μπορεί να μειωθούν, ενώ άλλες να μετασχηματιστούν ώστε να απαιτούν περισσότερο analysis, judgement και χρήση AI.

Γιατί οι entry–level θέσεις είναι σημαντικές για τις επιχειρήσεις;

Δεν παρέχουν μόνο φθηνότερο ανθρώπινο δυναμικό. Αποτελούν τον μηχανισμό μέσω του οποίου οι εταιρείες εκπαιδεύουν τους μελλοντικούς mid-level, senior και managerial εργαζομένους τους.

Ποιες εργασίες των juniors μπορεί να επηρεάσει περισσότερο η AI;

Basic research, data entry, summaries, πρώτο drafting, απλή παραγωγή περιεχομένου, basic coding, administrative tasks και ορισμένες μορφές customer support είναι μεταξύ των εργασιών με μεγαλύτερη δυνατότητα automation ή augmentation.

Μπορεί η AI να βοηθήσει έναν νέο εργαζόμενο να μάθει γρηγορότερα;

Ναι. Μπορεί να παρέχει explanations, feedback, examples, simulations και άμεση πρόσβαση σε πληροφορίες. Το αποτέλεσμα όμως εξαρτάται από το αν χρησιμοποιείται ως learning tool ή ως τρόπος αποφυγής της ίδιας της σκέψης.

Τι πρέπει να αλλάξουν οι επιχειρήσεις στην εκπαίδευση των juniors;

Καθώς μειώνεται το learning-by-doing μέσα από repetitive tasks, χρειάζονται περισσότερο structured mentoring, simulations, real-project exposure, feedback και σχεδιασμένες ευκαιρίες ανάπτυξης judgement.

Θα γίνει δυσκολότερο για έναν νέο να μπει στην αγορά εργασίας;

Σε ορισμένους κλάδους ήδη φαίνεται να υπάρχει μεγαλύτερη πίεση στις entry-level ευκαιρίες. Το κρίσιμο ζήτημα θα είναι αν οι επιχειρήσεις και η εκπαίδευση καταφέρουν να δημιουργήσουν νέες διαδρομές απόκτησης πρακτικής εμπειρίας.

Μπορεί να σας ενδιαφέρει: Οι Κορυφαίες Προσωπικότητες του Digital Marketing στην Ελλάδα το 2026