Τεχνητή Νοημοσύνη και Μάρκετινγκ
ΑΦΙΕΡΩΜΑ - Εκπαίδευση και Τεχνητή Νοημοσύνη
Του ΘΕΟΔΩΡΟΥ ΛΑΠΠΑ,
Επίκουρου Καθηγητή του Τμήματος Μάρκετινγκ και Επικοινωνίας του ΟΠΑ
Για πολλά χρόνια, το μάρκετινγκ εθεωρείτο μια βιώσιμη και ελκυστική επιλογή για φοιτητές που ήθελαν μια επιτυχημένη καριέρα, χωρίς να χρειάζεται απαραίτητα να αναπτύξουν βαθιές τεχνικές δεξιότητες: μια καριέρα βασισμένη στη δημιουργικότητα, τη διορατικότητα, την αφήγηση (storytelling), την επικοινωνία, τη διαμόρφωση της εικόνας μιας μάρκας, το ένστικτο, την αισθητική και τη χρήση ψηφιακών no-code εργαλείων. Μια καριέρα σε μεγάλο βαθμό απαλλαγμένη από τον προγραμματισμό, τους αλγόριθμους και τα μαθηματικά. Ωστόσο, αυτή η εικόνα δεν ήταν ποτέ απόλυτα ακριβής. Ένα πολύ μεγάλο μέρος του μάρκετινγκ ήταν πάντα βαθιά τεχνικό και αλγοριθμικό: αγορά διαφημιστικού χώρου και υποβολή προσφορών σε πραγματικό χρόνο (real-time bidding), κατανομή προϋπολογισμού ανά κανάλι, στόχευση και τμηματοποίηση κοινού, εξατομίκευση και συστήματα συστάσεων (recommendation systems), μοντελοποίηση απόδοσης (attribution) και marketing mix, πρόβλεψη ζήτησης, ανάλυση δεδομένων ιστού και αναζήτησης. Στις περισσότερες εταιρείες, το μεγαλύτερο μέρος του διαφημιστικού προϋπολογισμού κατευθύνεται ακριβώς σε αυτές τις ποσοτικές λειτουργίες.
Παρ’ όλα αυτά, αυτές οι τεχνικές πτυχές συχνά υποεκπροσωπούνταν στα πανεπιστημιακά προγράμματα σπουδών. Πολλοί απόφοιτοι τις συναντούσαν μόνο όταν ξεκινούσαν να εργάζονται, και πολλές από αυτές τις θέσεις καταλαμβάνονταν από ανθρώπους πιο τεχνικών ειδικοτήτων, όπως τα μαθηματικά, η στατιστική και η πληροφορική. Η αντίληψη του μάρκετινγκ ως ενός μη τεχνικού κλάδου ήταν ανέκαθεν ανακριβής. Σήμερα, χάρη στην Τεχνητή Νοημοσύνη, είναι πλέον επικίνδυνη.
Οι εργασίες που έκαναν το μάρκετινγκ να μοιάζει με μη τεχνικό «καταφύγιο» είναι από τις πρώτες που έμαθε να κάνει καλά η Τεχνητή Νοημοσύνη. Η συγγραφή διαφημιστικών κειμένων, άρθρων και αναρτήσεων, η σύνταξη email και κειμένων (captions) για τα μέσα κοινωνικής δικτύωσης, η δημιουργία παρουσιάσεων, η παραγωγή και επεξεργασία οπτικοακουστικού υλικού, η συλλογή, περιγραφική ανάλυση και σύνοψη ερευνητικών δεδομένων, ακόμα και η χρήση βασικών εφαρμογών για υπολογιστές (desktop) και προγράμματα περιήγησης Διαδικτύου (browser-based) με focus στο μάρκετινγκ: όλα αυτά ολοκληρώνονται πλέον γρήγορα και αυτόματα από AI εργαλεία που βελτιώνονται συνεχώς, με τα αποτελέσματα να είναι ήδη αρκετά καλά ώστε οι εταιρείες να επανεξετάζουν ποιους προσλαμβάνουν.
Οι ενδείξεις φαίνονται στα νούμερα. Σύμφωνα με την έκθεση Career and Salary Outlook 2026 του Content Marketing Institute, μία στις τρεις εταιρείες μειώνει τις προσλήψεις εισαγωγικού επιπέδου στο μάρκετινγκ. Οι τυπικές εργασίες μιας θέσης junior είναι ακριβώς αυτές που κάνει τώρα σε δευτερόλεπτα η Τεχνητή Νοημοσύνη.
Οι φοιτητές πρέπει να ενθαρρύνονται να αγκαλιάσουν την TN και να ανταμείβονται για τη σωστή αξιολόγηση και βελτίωση των αποτελεσμάτων της. Ο πήχης πρέπει να ανεβαίνει συνεχώς και οι εργασίες και η αξιολόγηση να σχεδιάζονται έτσι ώστε η σωστή χρήση της να είναι το ζητούμενο
Δημιουργικότητα
Μπροστά σε αυτή την απειλή, πολλοί καταφεύγουν σε μια καθησυχαστική πεποίθηση: ότι το μάρκετινγκ είναι, στον πυρήνα του, μια δημιουργική επιστήμη, ότι η αληθινή δημιουργικότητα είναι αποκλειστικά ανθρώπινη και ότι επομένως η Τεχνητή Νοημοσύνη δεν μπορεί πραγματικά να αντικαταστήσει τους ανθρώπους στο μάρκετινγκ. Είναι μια παρήγορη ιδέα που όμως δεν ευσταθεί, για τρεις λόγους. Πρώτον, όλο και περισσότερες δημιουργικές εργασίες βρίσκονται εντός των δυνατοτήτων της AI. Δεύτερον, η «ανθρώπινη δημιουργικότητα» είναι ένας κολακευτικός γενικός όρος. Το να στηρίζει κανείς την καριέρα του αποκλειστικά στη δημιουργικότητα προϋποθέτει ένα επίπεδο πρωτοτυπίας και αισθητικής που οι περισσότεροι άνθρωποι, τις περισσότερες μέρες, δεν φτάνουν. Τρίτον, η δημιουργικότητα είναι μόνο μία από τις πολλές πτυχές του μάρκετινγκ. Ακόμη κι αν παρέμενε για πάντα εκτός της εμβέλειας του AI, θα προστάτευε μόνο ένα μικρό κομμάτι της αγοράς εργασίας.
Η άλλη όψη του νομίσματος
Η ίδια δύναμη που «απειλεί» τους απροετοίμαστους προσφέρει μια αξιοσημείωτη ευκαιρία στους προετοιμασμένους. Η τεχνική δεξιότητα ήταν κάποτε μια τάφρος: το να γίνει κανείς ικανός προγραμματιστής ή επιστήμονας δεδομένων απαιτούσε χρόνια. Η Τεχνητή Νοημοσύνη αλλάζει δραματικά το τοπίο. Όποιος μπορεί να εκφράσει καθαρά μια πρόθεση και να καθοδηγήσει σωστά τα εργαλεία AI μπορεί πλέον να παραγάγει λειτουργικό λογισμικό, εφαρμογές, dashboards, αυτοματισμούς, ακόμα και μοντέλα μηχανικής μάθησης που κάποτε απαιτούσαν μια ομάδα ειδικών και πολύ περισσότερο χρόνο. Το ισχυρό τεχνικό υπόβαθρο αντικαθίσταται από την καθαρή σκέψη και τη δυνατότητα αξιολόγησης ιδεών και αποτελεσμάτων. Το πλεονέκτημα δεν ανήκει πια σε όποιον ξέρει να προγραμματίζει, αλλά σε όποιον ξέρει τι αξίζει να φτιαχτεί και μπορεί να καθοδηγήσει την Τεχνητή Νοημοσύνη να το υλοποιήσει. Στην Ελλάδα, η ευκαιρία είναι ακόμη μεγαλύτερη. Η υιοθέτηση της AI από τις επιχειρήσεις είναι ακόμα χαμηλή: σύμφωνα με στοιχεία της Eurostat για το 2025, μόλις το 8,9% των ελληνικών επιχειρήσεων χρησιμοποιεί Τεχνητή Νοημοσύνη, έναντι ευρωπαϊκού μέσου όρου περίπου 20%. Οι περισσότερες εταιρείες γνωρίζουν ότι έχουν μείνει πίσω και συχνά δεν έχουν κανέναν εσωτερικά που να μπορεί να βοηθήσει. Ένας απόφοιτος μάρκετινγκ που μπορεί πραγματικά να χειριστεί την TN δεν είναι ένας στους χιλιάδες. Είναι σπάνιος και πολύτιμος. Επιπλέον, εταιρείες του εξωτερικού είναι ολοένα και πιο πρόθυμες να προσλάβουν τέτοιους αποφοίτους από προσιτές και πλούσιες σε ταλέντο αγορές όπως η Ελλάδα, προσφέροντας ανταγωνιστικούς μισθούς και εξαιρετικές προοπτικές σε ανθρώπους που θα προτιμούσαν να μείνουν και να εργάζονται από τη χώρα τους.
Το ισχυρό τεχνικό υπόβαθρο αντικαθίσταται από την καθαρή σκέψη και τη δυνατότητα αξιολόγησης ιδεών και αποτελεσμάτων. Το πλεονέκτημα δεν ανήκει πια σε όποιον ξέρει να προγραμματίζει, αλλά σε όποιον ξέρει τι αξίζει να φτιαχτεί και μπορεί να καθοδηγήσει την Τεχνητή Νοημοσύνη να το υλοποιήσει
Τι πρέπει να αλλάξει
Στο Τμήμα Μάρκετινγκ και Επικοινωνίας του ΟΠΑ συμβουλεύουμε τις φοιτήτριες και τους φοιτητές μας ως εξής:
• Χρησιμοποιήστε την Τεχνητή Νοημοσύνη. Αποκτήστε ευχέρεια στο να βάζετε την TN να κάνει την τεχνική δουλειά που κάποτε ήταν απρόσιτη: ανάλυση και μοντελοποίηση ποικιλόμορφων δεδομένων (πίνακες, κείμενα, χρονολογικές σειρές, οπτικοακουστικό υλικό), δημιουργία και ολοκληρωμένη βελτιστοποίηση (end-to-end) διαφημιστικών καμπανιών, μετατροπή ιδεών σε ολοκληρωμένες εφαρμογές λογισμικού.
• Δημιουργήστε ένα AI portfolio. Οποιοσδήποτε μπορεί να πει ότι χρησιμοποιεί Τεχνητή Νοημοσύνη στο βιογραφικό του. Αυτός που ξεχωρίζει είναι εκείνος που το δείχνει στην πράξη. Ανεβάστε τις δουλειές σας online, στο GitHub ή σε έναν απλό προσωπικό ιστότοπο. Το portfolio σας μπορεί να περιέχει εφαρμογές και εργαλεία φτιαγμένα με Τεχνητή Νοημοσύνη, αναλύσεις δεδομένων, μοντέλα μηχανικής μάθησης, πειράματα σύγκρισης διαφορετικών μοντέλων και εργαλείων AI, agentic αυτοματισμούς για επαναλαμβανόμενες εργασίες.
• Μάθετε να εντοπίζετε τα λάθη της Τεχνητής Νοημοσύνης. Η TN είναι εντυπωσιακή, αλλά απρόσεκτη. Η δεξιότητα που παραμένει πολύτιμη είναι η κρίση της δουλειάς της: ο εντοπισμός των λαθών και η διόρθωσή τους. Αυτό ακριβώς περιλαμβάνουν πλέον οι θέσεις junior που επιβιώνουν και μπορεί να εξασκηθεί αντιμετωπίζοντας κάθε απάντηση της Τεχνητής Νοημοσύνης ως ένα προσχέδιο προς επαλήθευση και βελτίωση, ποτέ ως την τελική απάντηση.
Τα Πανεπιστήμια και τα Τμήματα Μάρκετινγκ έχουν επίσης να πάρουν σημαντικές αποφάσεις:
• Πρόγραμμα Σπουδών. Η TN πρέπει να διατρέχει ολόκληρο το πρόγραμμα σπουδών, όχι να περιορίζεται σε λίγες ενότητες ή κάποια μαθήματα επιλογής. Εξειδικευμένα μεταπτυχιακά προγράμματα, όπως το Πρόγραμμα Μεταπτυχιακών Σπουδών στην Αναλυτική Μάρκετινγκ (MSc in Marketing Analytics) του Τμήματος Μάρκετινγκ και Επικοινωνίας του ΟΠΑ, είναι επίσης σημαντικά βήματα στη σωστή κατεύθυνση.
• Αξιολόγηση. Οι φοιτητές πρέπει να ενθαρρύνονται να αγκαλιάσουν την TN και να ανταμείβονται για τη σωστή αξιολόγηση και βελτίωση των αποτελεσμάτων της. Ο πήχης πρέπει να ανεβαίνει συνεχώς και οι εργασίες και η αξιολόγηση να σχεδιάζονται έτσι ώστε η σωστή χρήση της να είναι το ζητούμενο.
• Στενότερη σύνδεση με την αγορά. Οι συνεργασίες με τη βιομηχανία ήταν πάντα σημαντικές, τώρα όμως είναι κρισιμότερες από ποτέ. Το μάρκετινγκ αλλάζει τόσο γρήγορα που τα brands και οι διαφημιστικές εταιρείες δυσκολεύονται να προλάβουν τις εξελίξεις και χρειάζονται επειγόντως ανθρώπους που συνδυάζουν πραγματική εξειδίκευση στο αντικείμενο με ευχέρεια στην τεχνητή νοημοσύνη. Το Τμήμα και το Πανεπιστήμιο πρέπει να είναι έτοιμα να παράγουν και να προσφέρουν ταλέντο που μπορεί να αποδώσει από την πρώτη κιόλας μέρα.
Η εποχή του μη τεχνικού επαγγελματία του μάρκετινγκ φτάνει στο τέλος της. Ωστόσο, η Τεχνητή Νοημοσύνη δεν είναι μόνο απειλή. Υπάρχει πραγματική ευκαιρία κρυμμένη μέσα στην αναταραχή και θα ανήκει στους φοιτητές και στα ακαδημαϊκά ιδρύματα που θα κάνουν τις απαραίτητες κινήσεις ενώ οι υπόλοιποι διστάζουν ή αγνοούν την απειλή.
