MoneyMatters Ai · AI Takeaways
- Η ανάλυση Draup που παρουσίασε το CNBC μετρά 139.819 αγγελίες με απαιτήσεις AI, αυξημένες κατά 49% έναντι του 2025.
- Η άνοδος αφορά αγγελίες και ζητούμενες δεξιότητες, όχι ισάριθμες μοναδικές προσλήψεις ή καθαρή δημιουργία θέσεων.
- Η αξιοποίηση εργαλείων χρειάζεται γνώση του αντικειμένου, έλεγχο δεδομένων και τεκμηρίωση των αποτελεσμάτων, μαζί με την τεχνική κατάρτιση.
Η τεχνητή νοημοσύνη αλλάζει όσα ζητά ο χρηματοοικονομικός κλάδος από τους εργαζομένους του: από την κατασκευή εργαλείων μέχρι τον έλεγχο των αποφάσεων που αυτά υποστηρίζουν. Μια ανάλυση της Draup, την οποία παρουσίασε το CNBC στις 2 Οκτωβρίου, εντόπισε 139.819 αγγελίες με απαιτήσεις AI, αυξημένες κατά 49% σε σύγκριση με το 2025.
Ο αριθμός αποτυπώνει αγγελίες στο δείγμα της εταιρείας. Δεν ισοδυναμεί με 139.819 μοναδικούς ανθρώπους που προσλήφθηκαν, με καθαρή αύξηση της συνολικής απασχόλησης ή με διαθέσιμες θέσεις στην Κύπρο. Μια αγγελία μπορεί να αναφέρεται σε περισσότερες δεξιότητες και η ζήτηση για ένα εργαλείο δεν μετρά αυτομάτως πόσο σταθερή θα είναι η θέση.
Ποιος συνδέει την τεχνολογία με την εργασία
Η χρήσιμη αλλαγή για έναν υποψήφιο είναι ότι το επάγγελμα αποκτά ένα επιπλέον επίπεδο. Ο αναλυτής χρειάζεται να καταλαβαίνει τι υπολογίζει το μοντέλο. Ο άνθρωπος της συμμόρφωσης χρειάζεται να ελέγχει τις πηγές και τις εξαιρέσεις. Ο προγραμματιστής χρειάζεται να αντιλαμβάνεται τι επιτρέπεται να κάνει μια εφαρμογή με οικονομικά δεδομένα.
Το ίδιο ρεπορτάζ περιγράφει ρόλους που συνδέουν τεχνικές ομάδες με τις πραγματικές ανάγκες μιας χρηματοοικονομικής επιχείρησης. Η αξία δεν βρίσκεται μόνο στην παραγωγή κώδικα. Βρίσκεται και στο να μεταφράζονται μια διαδικασία, μια αδυναμία ή ένας κανόνας σε εφαρμογή που μπορεί να δοκιμαστεί και να χρησιμοποιηθεί με ασφάλεια.
Ένα παράδειγμα λέει περισσότερα από μια λίστα εργαλείων
Σε μια παρουσίαση δεξιοτήτων, ο υποψήφιος μπορεί να δείξει πώς οργανώνει δημόσια οικονομικά στοιχεία, πώς συνδέει κάθε συμπέρασμα με πηγή και πώς εντοπίζει μια λανθασμένη απάντηση. Μια τέτοια επίδειξη πρέπει να χρησιμοποιεί δημόσια ή συνθετικά δεδομένα, χωρίς πραγματικά προσωπικά στοιχεία πελατών.
Αν, για παράδειγμα, μια εφαρμογή συγκρίνει οικονομικές καταστάσεις, χρειάζεται να ξεχωρίζει νόμισμα, περίοδο, μονάδα μέτρησης και έκτακτα στοιχεία. Μια σωστή περίληψη δεν αρκεί όταν η σύγκριση ανακατεύει εκατομμύρια με δισεκατομμύρια ή ένα τρίμηνο με ολόκληρο έτος. Αυτή είναι εργασία που απαιτεί οικονομική κατανόηση μαζί με τεχνικό έλεγχο.
Ο έλεγχος είναι δεξιότητα με δική του αξία
Το AI Risk Management Framework του NIST οργανώνει τη διαχείριση γύρω από διακυβέρνηση, χαρτογράφηση, μέτρηση και αντιμετώπιση κινδύνων. Είναι εθελοντικό πλαίσιο και όχι πιστοποίηση επαγγελματία ή απόδειξη συμμόρφωσης με την ευρωπαϊκή νομοθεσία.
Για την προετοιμασία ενός εργαζομένου, αυτό μεταφράζεται σε συγκεκριμένες ερωτήσεις: τι δεδομένα χρησιμοποιεί η εφαρμογή, πού μπορεί να αποτύχει, ποιο αποτέλεσμα χρειάζεται ανθρώπινη έγκριση και πώς τεκμηριώνεται η διόρθωση; Η γνώση μιας πλατφόρμας γίνεται πιο χρήσιμη όταν συνοδεύεται από απαντήσεις σε αυτά τα ερωτήματα.
Στην Κύπρο, οι δυνατότητες εφαρμογής διαφέρουν ανά εργοδότη και ρόλο. Ένας υποψήφιος μπορεί να συνδέσει την AI με τη δική του ειδικότητα — οικονομική ανάλυση, λογιστική, έλεγχο, πληροφορική ή εξυπηρέτηση — αντί να υποθέσει ότι υπάρχει μία ενιαία «δουλειά AI».
Οι αγγελίες δείχνουν αλλαγή στη ζήτηση δεξιοτήτων, όχι εγγυημένο μισθό ή διαδρομή καριέρας. Η πιο πειστική προετοιμασία είναι μια μικρή, ολοκληρωμένη εργασία που αποδεικνύει όφελος και περιορισμούς: τι έγινε γρηγορότερα, τι ελέγχθηκε και ποιος κρατά την ευθύνη του τελικού αποτελέσματος.
Χρηματιστήριο Νέας Υόρκης, 26 Μαΐου 2026 — Φωτογραφία: Ajay Suresh / CC BY 4.0. Περικοπή κάδρου.
Διαβάστε επίσης
The post 139.819 αγγελίες με AI: Το βιογραφικό που ζητά πλέον ο χρηματοοικονομικός κλάδος appeared first on moneymatters.cy.
