1. Το μηχανογραφικό του 2026 ως σημείο καμπής
Δεν διαλέγουμε πια μόνο σχολή.
Το μηχανογραφικό του 2026 δεν ήταν, αναντίρρητα, μια ακόμη τυπική διαδικασία μετά τις Πανελλήνιες, όπου ο υποψήφιος μετρά μόρια, συγκρίνει βάσεις και βάζει στη σειρά σχολές με βάση το κύρος, την πόλη ή την οικογενειακή προσδοκία.
Ήταν κάτι βαθύτερο: μια πρώτη, σχεδόν αναγκαστική, συνάντηση των μαθητών με έναν κόσμο εργασίας που αλλάζει μπροστά στα μάτια τους, καθώς η Τεχνητή Νοημοσύνη (Artificial Intelligence, AI), η παραγωγική ΤΝ (Generative AI) και τα μεγάλα γλωσσικά μοντέλα (Large Language Models, LLMs) δεν αποτελούν πλέον μελλοντική πρόβλεψη, αλλά καθημερινό εργαλείο.
Το ερώτημα άλλαξε.
Μέχρι χθες, η επιλογή σχολής έμοιαζε να οδηγεί σε μια σχετικά ευθεία επαγγελματική διαδρομή: η Νομική στη δικηγορία, η Φιλολογία στην εκπαίδευση, η Πληροφορική στον προγραμματισμό, τα Οικονομικά στις επιχειρήσεις ή στη λογιστική.
Σήμερα, όμως, μέσα σε κάθε επάγγελμα εμφιλοχωρεί ήδη ένα νέο στρώμα τεχνολογίας, αυτοματοποίησης και ψηφιακής συνεργασίας, το οποίο δεν καταργεί απλώς εργασίες, αλλά αλλάζει τον τρόπο με τον οποίο ο άνθρωπος σκέφτεται, παράγει, αποφασίζει και αξιολογεί το αποτέλεσμα της δουλειάς του.
Αυτό είναι το κρίσιμο.
Όπως είχα επισημάνει και στη συνέντευξή μου στη Realnews, το μηχανογραφικό δεν μπορεί πλέον να αντιμετωπίζεται ως μια απλή λίστα σχολών, αλλά ως ένας χάρτης δεξιοτήτων για την επόμενη δεκαετία.
Ο υποψήφιος δεν καλείται μόνο να απαντήσει στο «πού περνάω;», αλλά στο πολύ δυσκολότερο «τι θα μπορώ να κάνω, να κατανοώ και να επανεφευρίσκω όταν αποφοιτήσω;».
Αναντίλεκτα, οι βάσεις εισαγωγής εξακολουθούν να έχουν σημασία.
Σαφέστατα όμως δεν αρκούν.
Η πραγματική αξία μιας σχολής θα κρίνεται όλο και περισσότερο από το αν προσφέρει στον φοιτητή γνώσεις, ψηφιακές δεξιότητες, κριτική σκέψη, ηθική κρίση, εξοικείωση με εργαλεία ΤΝ και δυνατότητα προσαρμογής σε επαγγέλματα που ακόμη δεν έχουν πάρει την τελική τους μορφή.
Για αυτό το μηχανογραφικό του 2026 ήταν σημείο καμπής.
2. Από την επιλογή επαγγέλματος στην επιλογή δεξιοτήτων
Η αλλαγή είναι ουσιαστική.
Για πολλά χρόνια, ο επαγγελματικός προσανατολισμός στηριζόταν σε μια σχετικά απλή παραδοχή: ο μαθητής διάλεγε σχολή και, σχεδόν ταυτόχρονα, διάλεγε επάγγελμα.
Η οικογένεια, το σχολείο και πολλές φορές η ίδια η κοινωνία αντιμετώπιζαν το μηχανογραφικό ως μια πράξη πρόβλεψης του μέλλοντος, λες και ένας δεκαοκτάχρονος μπορούσε να γνωρίζει με βεβαιότητα ποια επαγγελματική ταυτότητα θα έχει στα σαράντα ή στα πενήντα του.
Αυτό όμως δεν ισχύει πια.
Η Τεχνητή Νοημοσύνη (Artificial Intelligence, AI) δεν αλλάζει μόνο το ποια επαγγέλματα θα έχουν ζήτηση, αλλά κυρίως το τι θα περιλαμβάνει το κάθε επάγγελμα στην καθημερινή του άσκηση.
Μέσα στην ιατρική, στη νομική, στη δημοσιογραφία, στη διοίκηση, στην εκπαίδευση, στο web development, στο marketing και στη δημόσια διοίκηση εμφιλοχωρούν πλέον εργαλεία αυτοματοποίησης (automation), παραγωγικής ΤΝ (Generative AI), ανάλυσης δεδομένων (data analytics) και υποβοήθησης αποφάσεων (decision support systems).
Τα κριτήρια αλλάζουν.
Ο υποψήφιος δεν πρέπει να ρωτά μόνο «ποιο επάγγελμα οδηγεί αυτή η σχολή;», αλλά «ποιες δεξιότητες μου δίνει για να μπορώ να μετακινούμαι, να μαθαίνω ξανά και να συνεργάζομαι με τα νέα εργαλεία;».
Αναντίλεκτα, το πτυχίο παραμένει σημαντικό, ειδικά σε μια χώρα όπου η πανεπιστημιακή εκπαίδευση εξακολουθεί να αποτελεί , τουλάχιστον μέχρι την στιγμή που γράφονται αυτές οι γραμμές , ως ένα δρόμο κοινωνικής κινητικότητας και επαγγελματικής αναγνώρισης.
Δεν αρκεί όμως το πτυχίο μόνο του.
Στην εποχή της ΤΝ, μεγαλύτερη αξία αποκτούν οι μεταφερόμενες δεξιότητες (transferable skills): η κριτική σκέψη, η ακρίβεια στη διατύπωση, η κατανόηση προβλημάτων, η μαθηματική και γλωσσική λογική, η ηθική κρίση, η ικανότητα συνεργασίας με ψηφιακά εργαλεία και η προθυμία για αναβάθμιση δεξιοτήτων (upskilling) και επανειδίκευση (reskilling). Η δια βίου μάθηση δεν είναι πολυτέλεια. Αποτελεί επιτακτική ανάγκη της νέας εποχής.
Αυτό είναι το νέο στοίχημα.
Δεν θα κερδίσει απαραίτητα εκείνος που διάλεξε απλώς μια σχολή με υψηλή βάση ή ένα επάγγελμα με παλαιό κοινωνικό κύρος.
Θα κερδίσει εκείνος που θα μπορεί να συνδυάζει το γνωστικό του αντικείμενο με την ψηφιακή παιδεία (digital literacy), την κατανόηση των εργαλείων ΤΝ (AI literacy) και την ικανότητα να μετατρέπει τη γνώση του σε πρακτική λύση μέσα σε ένα περιβάλλον που αλλάζει διαρκώς.
Αναντίρρητα, αυτό δυσκολεύει την επιλογή.
Την κάνει όμως και πιο ειλικρινή, γιατί αποκαλύπτει κάτι που για χρόνια συχνά κρύβαμε πίσω από τις βάσεις, τα μόρια και τους τίτλους των σχολών: το μέλλον δεν ζητά μόνο αποφοίτους, ζητά ανθρώπους που μπορούν να προσαρμόζονται.
3. Το vibe coding ως ενδεικτικό παράδειγμα της αλλαγής
Το πρώτο παράδειγμα είναι το vibe coding.
Μέχρι πρόσφατα, όποιος ήθελε να δημιουργήσει μια ιστοσελίδα, μια εφαρμογή ή ένα απλό ψηφιακό εργαλείο έπρεπε να περάσει αναγκαστικά μέσα από γλώσσες προγραμματισμού, όπως PHP, Python, JavaScript ή άλλα αντίστοιχα περιβάλλοντα ανάπτυξης.
Το χάσμα ανάμεσα στην ανθρώπινη σκέψη και στη δυαδική λογική της μηχανής γεφυρωνόταν κυρίως με κώδικα, δηλαδή με έναν αυστηρό τεχνικό τρόπο επικοινωνίας, τον οποίο μπορούσαν να χειριστούν όσοι είχαν σχετική εκπαίδευση και με πολυετή πρακτική τριβή. Όχι όμως πια.
Σήμερα αυτό μεταβάλλεται.
Με το vibe coding, η φυσική γλώσσα (natural language) αρχίζει να λειτουργεί ως γέφυρα ανάμεσα στην ιδέα και στην τεχνική υλοποίηση. Δεν απαιτείται πλέον μια γέφυρα επικοινωνίας μιας γλώσσας προγραμματισμού όπως της php , της python κ.α.
Ο χρήστης δεν χρειάζεται να γράψει ο ίδιος κάθε γραμμή κώδικα, αλλά μπορεί να περιγράψει στην φυσική του γλώσσα τι θέλει να δημιουργηθεί, να ζητήσει αλλαγές, να ελέγξει το αποτέλεσμα και να επαναδιατυπώσει την ανάγκη του μέχρι το ψηφιακό προϊόν να πλησιάσει την αρχική του πρόθεση.
Μην θεωρηθεί επ΄ουδενί ότι αυτό σημαίνει ότι ο προγραμματιστής καταργείται. Μακριά από εμένα ως coder επι σειρά ετών αυτές οι απλοικές λογικές και αναγνώσεις.
Σημαίνει όμως ότι αλλάζει το σημείο εισόδου στην τεχνολογία, καθώς άνθρωποι από τις ανθρωπιστικές και κοινωνικές επιστήμες μπορούν πλέον, εφόσον αποκτήσουν βασική ψηφιακή παιδεία (digital literacy) και κατανόηση εργαλείων ΤΝ (AI tools), να μετακινηθούν σε πεδία που μέχρι χθες έμοιαζαν αποκλειστικά τεχνικά.
4. Web design και web development ως πεδία άμεσης επίδρασης
Το web design είναι χαρακτηριστική περίπτωση.
Ένας απόφοιτος Επικοινωνίας, Φιλολογίας, Πολιτισμικής Τεχνολογίας, Κοινωνιολογίας ή Πολιτικής Επιστήμης μπορεί πλέον να συμμετάσχει πιο ενεργά στη δημιουργία ψηφιακών προϊόντων, όχι επειδή μετατρέπεται αυτομάτως σε κλασικό προγραμματιστή, αλλά επειδή η ΤΝ μειώνει το τεχνικό εμπόδιο της πρώτης υλοποίησης.
Μπορεί να σχεδιάσει τη δομή μιας ιστοσελίδας, να διαμορφώσει το περιεχόμενο, να περιγράψει τη λειτουργικότητα, να ζητήσει από ένα σύστημα παραγωγικής ΤΝ (Generative AI) να δημιουργήσει αρχικό κώδικα και στη συνέχεια να ελέγξει αν το αποτέλεσμα υπηρετεί πραγματικά τον χρήστη.
Αυτό είναι σημαντικό.
Στο web development, η τεχνική γνώση εξακολουθεί να έχει αξία, ιδίως όταν μιλάμε για ασφάλεια, βάσεις δεδομένων, απόδοση, προσβασιμότητα και σύνθετες εφαρμογές.
Εντούτοις, εμφιλοχωρεί πλέον μια νέα πραγματικότητα: η δημιουργία ενός landing page, μιας απλής εφαρμογής, ενός εκπαιδευτικού εργαλείου, ενός blog ή ενός ψηφιακού πρωτοτύπου μπορεί να γίνει από πολύ περισσότερους ανθρώπους, αρκεί να διαθέτουν καθαρή σκέψη, καλή γλωσσική διατύπωση, αισθητική αντίληψη και ικανότητα αξιολόγησης του αποτελέσματος.
Φυσικά και δεν θα γίνουν όλοι developers.
Θα μπορούν όμως πολύ περισσότεροι να γίνουν δημιουργοί ψηφιακών λύσεων.
Αυτό ακριβώς δείχνει γιατί η Τεχνητή Νοημοσύνη δεν αλλάζει μόνο τα τεχνολογικά επαγγέλματα, αλλά και τις διαδρομές μέσα από τις οποίες ένας νέος άνθρωπος μπορεί να φτάσει σε αυτά.
5. Η αναβάθμιση των ανθρωπιστικών σπουδών
Εδώ ελλοχεύει μια ακόμη μεγάλη παρεξήγηση.
Πολλοί θεωρούν ότι η εποχή της Τεχνητής Νοημοσύνης (Artificial Intelligence, AI) είναι αποκλειστικά η εποχή των μηχανικών, των προγραμματιστών και των επιστημόνων δεδομένων.
Στην πραγματικότητα, όμως, όσο περισσότερο τα μεγάλα γλωσσικά μοντέλα (Large Language Models, LLMs) επικοινωνούν με τον άνθρωπο μέσω φυσικής γλώσσας (natural language), τόσο περισσότερο αναβαθμίζονται δεξιότητες που για χρόνια συνδέονταν με τις ανθρωπιστικές και κοινωνικές επιστήμες.
Η γλώσσα επιστρέφει στο κέντρο.
Η ακρίβεια στη διατύπωση, η κατανόηση των συμφραζομένων, η ερμηνευτική ικανότητα, η επιχειρηματολογία, η κριτική σκέψη και η ηθική στάθμιση δεν είναι πλέον απλώς θεωρητικά προσόντα ενός καλλιεργημένου ανθρώπου.
Μετατρέπονται σε λειτουργικές δεξιότητες μέσα σε ένα περιβάλλον όπου ο χρήστης πρέπει να ξέρει τι ζητά από ένα σύστημα ΤΝ, πώς το ζητά, πώς ελέγχει την απάντηση που λαμβάνει και πώς διακρίνει το ορθό, το πιθανό, το ατελές ή το επικίνδυνα παραπλανητικό.
Αυτό όμως αλλάζει πολλά.
Ο φιλόλογος που γνωρίζει γλωσσικά μοντέλα, ο νομικός που κατανοεί την αλγοριθμική ευθύνη, ο πολιτικός επιστήμονας που μελετά την ψηφιακή διακυβέρνηση (digital governance), ο επικοινωνιολόγος που αξιοποιεί εργαλεία παραγωγικής ΤΝ (Generative AI) και ο κοινωνιολόγος που μπορεί να αναλύσει τις κοινωνικές συνέπειες της αυτοματοποίησης δεν βρίσκονται έξω από τη νέα εποχή.
Βρίσκονται μέσα της.
Αναντίρρητα, αυτό δεν σημαίνει ότι οι ανθρωπιστικές σπουδές μπορούν να μείνουν όπως ήταν, κλεισμένες σε ένα αυτάρεσκο παρελθόν και αποκομμένες από την τεχνολογική πραγματικότητα.
Σημαίνει ότι αποκτούν νέα δυναμική, εφόσον συνδεθούν με ψηφιακές δεξιότητες (digital skills), γνώση εργαλείων ΤΝ (AI tools), ανάλυση δεδομένων (data analysis), δεοντολογία (ethics) και κατανόηση του τρόπου με τον οποίο η τεχνολογία μεταβάλλει την εργασία, τη γνώση και την κοινωνία.
Η μεταβολή είναι βαθιά.
Δεν μιλάμε πια για «θεωρητικές» και «πρακτικές» σχολές με τον παλιό, σχεδόν στερεοτυπικό τρόπο.
Μιλάμε για σχολές που είτε θα μάθουν να συνομιλούν με την τεχνολογία είτε θα κινδυνεύσουν να χάσουν την επαφή τους με τις πραγματικές ανάγκες των νέων φοιτητών και της αγοράς εργασίας.
Για αυτό ένας μαθητής του 1ου Πεδίου δεν πρέπει να αισθάνεται ότι η ΤΝ τον αφήνει στο περιθώριο.
Το αντίθετο συμβαίνει, υπό μία βασική προϋπόθεση: να μη δει τις σπουδές του ως καταφύγιο μακριά από την τεχνολογία, αλλά ως αφετηρία για να την κατανοήσει, να την ελέγξει, να τη χρησιμοποιήσει και, όπου χρειάζεται, να της θέσει όρια.
Εκεί θα κριθούν πολλά.
6. Η ηθική της ΤΝ ως χαρακτηριστικό παράδειγμα
Η ηθική της ΤΝ (AI ethics) είναι ίσως το καθαρότερο παράδειγμα αυτής της αναβάθμισης.
Δεν αφορά μόνο τους προγραμματιστές που σχεδιάζουν αλγορίθμους (algorithms), αλλά κάθε επαγγελματία που θα χρησιμοποιεί συστήματα ΤΝ σε αποφάσεις, αξιολογήσεις, υπηρεσίες, προσλήψεις, εκπαίδευση, υγεία, διοίκηση ή επικοινωνία.
Ο εκπαιδευτικός θα πρέπει να ξέρει πότε η χρήση ενός εργαλείου ΤΝ βοηθά τη μάθηση και πότε την υποκαθιστά.
Ο νομικός θα πρέπει να κατανοεί ζητήματα ευθύνης, προσωπικών δεδομένων και κανονιστικής συμμόρφωσης (compliance), ενώ ο δημοσιογράφος θα πρέπει να μπορεί να διακρίνει το παραγόμενο περιεχόμενο, την παραπληροφόρηση και τα deepfakes.
Αναντίλεκτα, η ηθική της ΤΝ δεν είναι πολυτέλεια. Είναι η γλώσσα της νέας ηγεσίας.
Είναι η νέα επαγγελματική παιδεία που θα διαπερνά οργανισμούς, επιχειρήσεις και δημόσιες υπηρεσίες, γιατί όσο περισσότερο η ΤΝ συμμετέχει στις αποφάσεις μας, τόσο περισσότερο χρειαζόμαστε ανθρώπους που μπορούν να ρωτούν όχι μόνο αν κάτι γίνεται, αλλά αν πρέπει να γίνεται.
7. Τα επαγγέλματα δεν εξαφανίζονται, μετασχηματίζονται
Εδώ χρειάζεται ψυχραιμία.
Η δημόσια συζήτηση για την Τεχνητή Νοημοσύνη (Artificial Intelligence, AI) συχνά παγιδεύεται ανάμεσα σε δύο υπερβολές: από τη μία ότι «όλα θα χαθούν» και από την άλλη ότι «όλα θα γίνουν εύκολα».
Η αλήθεια, όπως συνήθως συμβαίνει στις μεγάλες τεχνολογικές μεταβάσεις, βρίσκεται κάπου ενδιάμεσα: η ΤΝ δεν εξαφανίζει μονομιάς τα επαγγέλματα, αλλά μετασχηματίζει , ενίοτε το ομολογώ και ριζικά , τις εργασίες που περιέχονται μέσα σε αυτά.
Αυτό έχει πρωταρχική σημασία.
Ένας δημοσιογράφος δεν παύει να είναι αναγκαίος επειδή ένα σύστημα παραγωγικής ΤΝ (Generative AI) μπορεί να συντάξει ένα πρώτο κείμενο.
Αναντίρρητα, όμως, αλλάζει το κέντρο βάρους της δουλειάς του, καθώς μεγαλύτερη αξία αποκτούν η έρευνα, η διασταύρωση, η κρίση, η επιτόπια μαρτυρία, η κατανόηση του κοινωνικού πλαισίου και η ευθύνη απέναντι στην αλήθεια.
Το ίδιο συμβαίνει στη νομική.
Η ΤΝ μπορεί να βοηθήσει στην αναζήτηση νομολογίας, στη σύνοψη κειμένων ή στην πρώτη επεξεργασία εγγράφων, αλλά δεν μπορεί να αντικαταστήσει την ερμηνευτική κρίση, τη στρατηγική σκέψη, την ηθική ευθύνη και την ανθρώπινη κατανόηση μιας υπόθεσης.
Ο λογιστής επίσης αλλάζει.
Δεν θα αρκεί στο μέλλον να καταχωρίζει μηχανικά δεδομένα, όταν η αυτοματοποίηση (automation) μπορεί να εκτελεί μεγάλο μέρος αυτής της εργασίας ταχύτερα και με μικρότερο κόστος.
Θα χρειάζεται να ερμηνεύει αριθμούς, να διαβάζει κινδύνους, να συμβουλεύει επιχειρήσεις, να αξιοποιεί εργαλεία ανάλυσης δεδομένων (data analytics) και να εξηγεί σε ανθρώπινη γλώσσα τι σημαίνουν τα οικονομικά ευρήματα.
Εμφιλοχωρεί λοιπόν μια νέα διάκριση.
Δεν έχει τόσο σημασία να ρωτάμε ποιο επάγγελμα «κινδυνεύει», όσο να εξετάζουμε ποιο κομμάτι του επαγγέλματος είναι επαναλαμβανόμενο, τυποποιημένο και άρα αυτοματοποιήσιμο, και ποιο κομμάτι απαιτεί κρίση, ευθύνη, δημιουργικότητα, ενσυναίσθηση και σύνθετη κατανόηση.
Εκεί θα κριθεί το μέλλον.
Η ΤΝ αφαιρεί βάρος από τη μηχανική εργασία, αλλά αυξάνει την αξία της ανθρώπινης κρίσης.
Για τον υποψήφιο του 2026 αυτό σημαίνει κάτι πολύ πρακτικό: δεν πρέπει να φοβηθεί μόνο το επάγγελμα που αλλάζει, αλλά να αναρωτηθεί αν η σχολή που επιλέγει τον προετοιμάζει για να αλλάζει και ο ίδιος μαζί του.
8. Τι πρέπει να κοιτούν γονείς και μαθητές στους οδηγούς σπουδών
Οι βάσεις δεν λένε όλη την αλήθεια.
Δείχνουν τη ζήτηση μιας συγκεκριμένης χρονιάς, επηρεάζονται από τη δυσκολία των θεμάτων, τις προτιμήσεις των υποψηφίων, την πόλη, το κύρος και την ψυχολογία των οικογενειών.
Δεν δείχνουν όμως πάντοτε την πραγματική αξία ενός προγράμματος σπουδών για την επόμενη δεκαετία, δηλαδή το κατά πόσο η σχολή δίνει στον φοιτητή εργαλεία, γνώσεις, δεξιότητες και δυνατότητες προσαρμογής μέσα σε έναν κόσμο όπου η ΤΝ θα είναι παρούσα σχεδόν παντού.
Για αυτό χρειάζεται μια διαφορετική ανάγνωση.
Ο γονέας και ο μαθητής δεν αρκεί να κοιτάζουν αποκλειστικά και μόνο τη βάση, την πόλη ή το αν μια σχολή «ακούγεται καλά».
Πρέπει να ανοίγουν τον οδηγό σπουδών και να εξετάζουν αν υπάρχουν μαθήματα Τεχνητής Νοημοσύνης (AI), ανάλυσης δεδομένων (data analysis), ψηφιακού μετασχηματισμού (digital transformation), κυβερνοασφάλειας (cybersecurity), ηθικής της τεχνολογίας (technology ethics) και κανονιστικής συμμόρφωσης (compliance).
Αυτό είναι κεφαλαιώδους σημασίας.
Μεγάλη σημασία έχουν επίσης τα εργαστήρια, η πρακτική άσκηση, οι συνεργασίες με φορείς, τα ερευνητικά έργα η εξωστρέφεια αλλά και η δυνατότητα του φοιτητή να έρθει σε επαφή με πραγματικά προβλήματα.
Μια σχολή χωρίς υψηλή βάση μπορεί να κρύβει ευκαιρίες, αν διαθέτει σύγχρονο πρόγραμμα, καλούς διδάσκοντες, εργαστηριακή κουλτούρα και το σημαντικότερο σύνδεση με την αγορά.
Τουναντίον μια σχολή με υψηλή βάση μπορεί να είναι λιγότερο έτοιμη για τη νέα εποχή, αν μένει εγκλωβισμένη σε ένα πρόγραμμα σπουδών που δεν συνομιλεί με την ΤΝ, τα δεδομένα, τη δεοντολογία και τις νέες επαγγελματικές ανάγκες όπως αυτές διαμορφώνονται στην νέα εποχή.
Αναντίλεκτα, το κύρος έχει σημασία.
Σίγουρα όμως αυτό δεν είναι αρκετό.
Στην εποχή της Ai, ο σωστός οδηγός σπουδών πρέπει να απαντά σε ένα απλό αλλά καθοριστικό ερώτημα: όταν ο φοιτητής αποφοιτήσει, θα έχει μάθει μόνο θεωρία ή θα μπορεί να σκέφτεται, να χρησιμοποιεί ψηφιακά εργαλεία, να ελέγχει αποτελέσματα, να συνεργάζεται και να ανανεώνει τις δεξιότητές του;
Αυτό πρέπει να γίνει το νέο φίλτρο επιλογής.
Διότι το μηχανογραφικό δεν πρέπει να αντιμετωπίζεται πια μόνο ως κατάταξη σχολών με βάση τα μόρια.
Είναι, πλέον, μια πρώτη απόφαση για το πώς ένας νέος άνθρωπος θα σταθεί μέσα σε έναν κόσμο που αλλάζει ταχύτερα από τις παλιές μας βεβαιότητες.
9. Τα υβριδικά επαγγέλματα του μέλλοντος
Το μέλλον θα είναι υβριδικό.Το ποτάμι δεν γυρίζει πίσω.
Αυτή ίσως και να είναι η πιο ασφαλής πρόβλεψη που μπορούμε να κάνουμε για την αγορά εργασίας της επόμενης δεκαετίας.
Δεν θα αρκεί κάποιος να είναι μόνο νομικός, μόνο οικονομολόγος, μόνο φιλόλογος, μόνο μηχανικός ή μόνο προγραμματιστής, εφόσον σχεδόν κάθε επαγγελματικός χώρος θα διασταυρώνεται με εργαλεία Τεχνητής Νοημοσύνης (Artificial Intelligence), ανάλυση δεδομένων (data analysis), αυτοματοποίηση (automation) και ψηφιακές πλατφόρμες.
Η εξειδίκευση όμως δεν θα χαθεί.
Αλλάζει όμως σίγουρα μορφή, γιατί ο επαγγελματίας του αύριο θα χρειάζεται έναν δεύτερο άξονα γνώσης, ο οποίος θα του επιτρέπει να συνδέει το αντικείμενό του με την τεχνολογία.
Ο νομικός που γνωρίζει ζητήματα ΤΝ, προσωπικών δεδομένων, αλγοριθμικής ευθύνης και κανονιστικής συμμόρφωσης (regulatory compliance) θα έχει διαφορετική θέση από έναν νομικό που περιορίζεται μόνο στην παραδοσιακή νομική ύλη.
Το ίδιο ισχύει για τον οικονομολόγο και όσους χειρίζονται δεδομένα.
Εκείνος που θα μπορεί να χειρίζεται δεδομένα, να αξιοποιεί εργαλεία επιχειρηματικής ευφυΐας (business intelligence), να διαβάζει προβλέψεις και να κατανοεί μοντέλα μηχανικής μάθησης (machine learning models) θα έχει προβάδισμα σε σχέση με κάποιον που μένει μόνο στη θεωρητική γνώση.
Αναντίλεκτα, αυτό αφορά και τις ανθρωπιστικές επιστήμες.
Ο φιλόλογος που θα γνωρίζει πώς λειτουργούν τα γλωσσικά μοντέλα (language models), ο εκπαιδευτικός που θα μπορεί να εντάσσει υπεύθυνα την ΤΝ στη μαθησιακή διαδικασία, ο επικοινωνιολόγος που θα αξιοποιεί εργαλεία παραγωγής περιεχομένου (AI content generation) χωρίς να χάνει την ανθρώπινη κρίση και ο πολιτικός επιστήμονας που θα κατανοεί την ψηφιακή διακυβέρνηση (digital governance) θα κινούνται σε νέα, δυναμικά πεδία.
Εδώ ακριβώς εμφιλοχωρεί η μεγάλη αλλαγή.
Τα επαγγέλματα του μέλλοντος δεν θα χωρίζονται εύκολα σε «τεχνολογικά» και «μη τεχνολογικά».
Θα χωρίζονται μάλλον σε επαγγέλματα που ενσωμάτωσαν έγκαιρα την ΤΝ και σε επαγγέλματα που άργησαν να καταλάβουν ότι η τεχνολογία δεν είναι εξωτερικό εργαλείο, αλλά μέρος της ίδιας της επαγγελματικής τους ταυτότητας.
Αυτό πρέπει να το δουν οι υποψήφιοι.
Δεν επιλέγουν μόνο σχολή, επιλέγουν το έδαφος πάνω στο οποίο θα χτίσουν μελλοντικούς συνδυασμούς.
Διότι ο απόφοιτος που θα μπορεί να συνδέει επιστήμη, τεχνολογία, γλώσσα, δεδομένα, ηθική και ανθρώπινη κρίση θα είναι πολύ πιο ανθεκτικός από εκείνον που θα περιμένει το πτυχίο του να τον προστατεύσει από μόνο του.
10. Προβλέψεις για τα επόμενα μηχανογραφικά
Οι αλλαγές θα φανούν σταδιακά.
Τα επόμενα μηχανογραφικά δεν θα επηρεαστούν μόνο από τις βάσεις, τη δυσκολία των θεμάτων ή τον αριθμό των εισακτέων, αλλά και από τον τρόπο με τον οποίο οι οικογένειες θα αντιλαμβάνονται την ασφάλεια, την προοπτική και την ανθεκτικότητα κάθε σχολής μέσα στην εποχή της Τεχνητής Νοημοσύνης.
Πρώτα θα συνεχίσουν να ενισχύονται οι σχολές Πληροφορικής, Μηχανικών Υπολογιστών, Ψηφιακών Συστημάτων, Μαθηματικών, Στατιστικής και γενικότερα τα τμήματα που συνδέονται με δεδομένα, λογισμικό, κυβερνοασφάλεια (cybersecurity), μηχανική μάθηση (machine learning) και τεχνολογικές υποδομές.
Αυτό είναι σχετικά αναμενόμενο.
Όμως η πιο ενδιαφέρουσα μετατόπιση δεν θα περιοριστεί μόνο εκεί.
Θα αρχίσουν να κερδίζουν έδαφος προγράμματα σπουδών που συνδυάζουν την τεχνολογία με τη διοίκηση, την οικονομία, τη νομική, την υγεία, την εκπαίδευση, την επικοινωνία, τον πολιτισμό και τη δημόσια πολιτική.
Αναντίρρητα, οι καθαρές τεχνολογικές σχολές θα παραμείνουν ισχυρές.
Η μεγάλη ζήτηση όμως θα δημιουργηθεί γύρω από τις γέφυρες: τεχνολογία και δίκαιο, τεχνολογία και υγεία, τεχνολογία και εκπαίδευση, τεχνολογία και επιχειρηματικότητα, τεχνολογία και δημόσια διοίκηση.
Τέλος, θα αλλάξει και η σημασία του πρώτου πτυχίου.
Το πτυχίο δεν θα είναι το τέλος της επαγγελματικής προετοιμασίας, αλλά η αφετηρία για συνεχή αναβάθμιση δεξιοτήτων (upskilling), επανειδίκευση (reskilling), μικροπιστοποιήσεις (microcredentials), μεταπτυχιακά και εξειδικευμένα προγράμματα κατάρτισης.
Αυτό είναι ίσως το πιο δύσκολο μήνυμα για μια κοινωνία που συνήθισε να βλέπει τη σχολή ως τελικό προορισμό.
Στην εποχή της ΤΝ, η σχολή θα είναι μόνο η πρώτη σοβαρή επιλογή.
Η πραγματική διαδρομή θα κριθεί από το αν ο νέος άνθρωπος θα συνεχίσει να μαθαίνει, να προσαρμόζεται και να ξαναχτίζει τον εαυτό του μέσα σε έναν κόσμο όπου η γνώση παλιώνει γρηγορότερα από ποτέ.
11. Συμπέρασμα: Δεν διαλέγουμε πια μόνο σχολή
Αυτό είναι το νέο δεδομένο.
Το μηχανογραφικό του 2026 δεν ήταν απλώς μια διαδικασία κατάταξης σχολών, αλλά ένας καθρέφτης της εποχής που έρχεται.
Οι υποψήφιοι δεν κλήθηκαν μόνο να επιλέξουν πού θα σπουδάσουν, αλλά με ποιον τρόπο θα σταθούν σε έναν κόσμο όπου η Τεχνητή Νοημοσύνη θα αλλάζει διαρκώς την εργασία, τη γνώση και την ίδια την έννοια της επαγγελματικής ασφάλειας.
Αναντίλεκτα, καμία επιλογή δεν είναι απολύτως ασφαλής.
Υπάρχουν όμως επιλογές πιο ανοιχτές, πιο ευέλικτες, πιο ικανές να δώσουν στον νέο άνθρωπο γνώσεις, δεξιότητες, κρίση και δυνατότητα προσαρμογής.
Το κρίσιμο δεν είναι να προβλέψουμε με απόλυτη βεβαιότητα ποιο επάγγελμα θα αντέξει και ποιο θα αλλάξει.
Το κρίσιμο είναι να καταλάβουμε ότι θα αλλάξουν όλα.
Άλλα πιο γρήγορα.
Άλλα πιο αθόρυβα.
Άλλα τόσο βαθιά, ώστε να διατηρήσουν το ίδιο όνομα αλλά να απαιτούν εντελώς διαφορετικές δεξιότητες.
Για αυτό και το ερώτημα προς τους μαθητές δεν μπορεί να είναι μόνο «ποια σχολή πιάνεις;».
Πρέπει να γίνει: «ποια σχολή θα σε βοηθήσει να μη σταματήσεις να μαθαίνεις;».
Διότι στην εποχή της ΤΝ δεν θα προχωρήσουν απλώς όσοι έχουν ένα καλό πτυχίο.
Θα προχωρήσουν όσοι μπορούν να συνδέουν τη γνώση με την πράξη, την τεχνολογία με την κρίση και την προσωπική τους πορεία με τη διαρκή αλλαγή.
Δεν διαλέγουμε πια μόνο σχολή.
Διαλέγουμε τρόπο προσαρμογής στην νέα πραγματικότητα.
Θανάσης Δαβάλας, Ακαδημαϊκά Υπεύθυνος Προγραμμάτων AI στο Πανεπιστήμιο Αιγαίου
